JPH01316799A - 音声認識装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［発明の目的］ （産業上の利用分野） 本発明は、音声入力信号の音声内容の認識を行う音声認
識装置に係り、特に音声認識手段の前段で音声入力信号
に対する利得調節が可能な利得調節器を有する音声認識
装置に関する。

（従来の技術） 従来の音声認識装置には、音声入力信号に対する利得調
節を行わない方式のものと行う方式のものとがある。前
者の方式のものでは、話者が入れ替わったり、マイクロ
ホンと話者の口との距離が変動したり、マイクロホンの
種類が変化したり、声の大きさが変化したりして音声入
力信号のレベルが変動したときに、認識性能が一定にな
らずに変動していた。このため、高い認識性能が得られ
る音声入力信号レベルの範囲が限られており、その用途
がかなり制限されるという問題点があった。

また、音声入力信号に対してＡ／Ｄ　（アナログ／デジ
タル）変換器によりＡ／Ｄ変換を行った後にデジタル的
にパワーの正規化を行っているものでは、以下の問題点
があった。第１に、小さすぎる音声入力信号に対しては
、デジタル的に「０」に近くなったり「０」になるので
、正規化を行っても誤差が大きくなったり、正規化が不
可能になる。第２に、大きすぎる音声入力信号に対して
は、Ａ／Ｄ変換器のダイナミックレンジを超えてしまい
、オーバーフローあるいは非線形歪を生じるので、パワ
ーの正規化が有効に働かなくなる。

一方、後者の方式のうち、ＡＧＣ（自動利得制御）回路
を内蔵するものでは、音声本来のパワーの大小やデイツ
プまでをも利得制御により平滑化してしまい、音声パタ
ーンが変形してしまい、認識率が低下するという問題点
があった。

（発明が解決しようとする課題） 本発明は、上記したように音声入力信号に対してＡＧＣ
回路を動作させることによって音声パターンが変形して
認識性能が低下するという問題点を解決すべくなされた
もので、音声入力信号のレベル変動に影響されずに音声
入力信号に対して高い認識性能を有する音声認識装置を
提供することを目的とする。

［発明の構成］ （課題を解決するための手段） 本発明の音声認識装置は、利得調節指令を受けて音声人
力信号に対する利得調節を行う利得調節器と、この利得
調節器の出力に対して利得調節を行うことなく音声認識
を行う音声認識手段と、前記利得調節器の出力のレベル
を検出し、このレベル検出結果に応じて前記利得：Ａｍ
器の利得を調節する人力レベル検出器とを具備すること
を特徴とする。

（作用） 先ず、音声人力信号に対して利得調節を行わないままで
そのレベルを検出すると共に音声認識を行うことができ
、音声入力信号の、レベル変動の影響によって認識率が
低下することは防止される。

そして、この音声認識の結果、利得調節指令を出して上
記レベル検出結果に応じて前記利得調節器の利得を調節
し、以後の音声入力信号に対して適正な利得制御を行う
ことが可能になる。この場合、例えば音声区間の検出が
終了するまでは利得を一定に制御すれば音声波形のパタ
ーンの特徴が失われることはなく、認識率が良くなる。

また、音声認識手段でのＡ／Ｄ変換を行う前に利得を調
節することによってＡ／Ｄ変換器のダイナミックレンジ
を有効に使えるので、認識率が良くなる。従って、高い
認識性能が得られる音声入力信号レベルの範囲が広くな
る。

（実施例） 以下、図面を参照して本発明の一実施例を詳細に説明す
る。第１図に示す音声認識装置において、１は利得調節
指令を受けて音声入力信号に対する利得調節を行う利得
調節器、２は上記利得調節器の出力に対して利得調節を
行うことなく音声認識を行う音声認識手段、３は前記利
得調節器の出力のレベルを検出し、このレベル検出結果
に応じて前記利得調節器の利得を調節するための制御信
号を出力する入力レベル検出器、４は全体的な制御を行
う制御部（マイクロプロセッサ）である。

第２図（ａ）は前記音声認識手段２の一例を示しており
、人力信号の特徴を抽出する特徴抽出回路１１と、この
特徴抽出回路１１の出力信号をＡ／Ｄ変換するＡ／Ｄ変
換器１２と、このＡ／Ｄ変換器１２の出力信号をパター
ンメモリ１３に格納されている標準パターンデータとの
間でパターン比較を行うパターン比較器１４と、このパ
ターン比較器１４の、比較出力に基すいて音声認識を行
う音声認識処理部１５とからなる。上記特徴抽出回路１
１は、バンドパスフィルタ、フーリエ変換回路、ケプス
トラム変換回踏、自己相関計算回路などを用いることが
できる。また、上記パターン比較器１４および音声認識
処理部１５はマイクロコンピュータが用いられる。

第２図（ｂ）は前記音声認識手段２の他の例を示してお
り、上記第２図（ａ）の音声認識手段２に比べて特徴抽
出回路１１とＡ／Ｄ変換器１２とが入れ替わっている。

第３図は前記利得調節器１の一例を示しており、入力信
号を反転増幅する反転増幅器２１と、この反転増幅器２
１の入力側に挿入された入力抵抗素子Ｒｉと、この反転
増幅器２１の入力端と出力端との間に選択的に接続され
る複数の抵抗素子Ｒａ〜Ｒｎと、この複数の抵抗素子Ｒ
ａ　−Ｒｎを切り換え接続するためのスイッチ素子Ｓａ
と、上記反転増幅器２１の出力端または音声入力端を選
択して出力信号を取り出すスイッチ素子ｓｂとからなる
。

次に、上記実施例の音声認識装置の動作について第４図
に示す利得調節のためのフローチャート、第５図に示す
利得調節のためのタイミング、および第６図に示すレベ
ル検出のためのフローチャートを参照しながら説明する
。利得調節器１は、先ず、音声入力信号に対して利得調
節を行わないまま（利得固定のまま）で出力する。入力
レベル検出器３は上記出力のレベルを検出し、音声認識
手段２は上記出力を受けて音声区間を検出して音声認識
を行う。即ち、上記検出された区間の音声について標準
パターンデータとの間でパターン比較を行い、最も類似
度の高い、或いは、距離の短いパターンを認識結果とし
て求める。その後、認識結果が雑音であるか音声である
かを判断し、音声であると判断した場合で利得調節が必
要であれば、前記利得調節器１に利得調節指令信号を出
す。この場合、音声認識手段２は利得調節を行うことな
く音声認識を行うので、音声入力信号のレベル変動の影
響によって認識率が低下することは防止される。

利得調節器１は上記利得調節指令信号を受けると、前記
人力レベル検出器３からのレベル検出結果に応じてスイ
ッチ素子Ｓａにより選択される抵抗素子（Ｒａ　−Ｒｎ
のうちの１つ）と入力抵抗素子Ｒｉとの抵抗値比によっ
て利得を調節しく小さすぎる場合は大きくし、大きすぎ
る場合は小さくする）、以後の音声人力信号に対して適
正な利得制御を行うことが可能になる。このような利得
調節を行えば、音声区間の検出が終了するまでは利得が
一定であるので、音声波形のパターンの特徴が失われる
ことはなく、認識率が良くなる。また、音声認識手段２
でＡ／Ｄ変換を行う前に利得を調節しており、Ａ／Ｄ変
換器１２のダイナミックレンジを有効に使えるので、認
識率が良くなる。

従って、音声入力信号のレベル変動があっても、音声入
力波形のパターンを歪ませることなく利得を適正な値に
調節することが可能になるので、音声入力信号に対して
高い認識性能を有することが可能になる。

また、前記認識結果が雑音であって認識結果をリジェク
トする場合、或いは、音声であると判断した場合でも、
利得調節が必要でないと判断した場合には、前記利得調
節指令信号を出すことなく終了する。

また、前記入力レベル検出器３による入力レベル検出は
、先ず、音声区間中のパワーの最大値Ｐｍａｘを検出し
、このＰｍａｘがある閾値θａよりも小さい場合には小
さいと判定し、上記Ｐｍａ　ｘがある閾値θｂを越えた
フレーム数Ｆｏｖ　ｆがある閾値θＣよりも大きい場合
には大きいと判定し、音声区間中のパワーの積分値があ
る閾値θｄよりも大きい場合には大きいと判定している
。このような判定の順序はどの様な順序でも良く、各判
定を並列に行うようにしても良い。

なお、第７図乃至第１１図は、前記第４図に示した利得
調節のためのフローチャートの変形例を示しており、第
４図の場合に比べて次の点が異なる。即ち、第７図の場
合は、認識結果のりジエクト処理を行わない。第８図の
場合は、認識結果が音声であると判断した場合には必ず
利得調節を行なうものであり、利得調節器１のスイッチ
素子ｓｂは不要になる。第９図の場合は、認識結果のり
ジエクト処理を行わないと共に必ず利得調節を行なうも
のであり、利得調節器１のスイッチ素子ｓｂは不要にな
る。第１０図の場合は、前記第７図の場合に比べて音声
区間の検出を終了した後に認識結果のりジエクト処理を
行わないで利得調節を行なう点が異なり、第１１図の場
・合は、前記第９図の場合に比べて音声区間の検出を終
了した後に利得調節を行なう点が異なるものである。こ
の第１０図の場合および第１１図の場合は、利得調節を
音声認識処理と並行して行うことができる。

さらに、前記利得調節器１の利得が使用者が満足し得る
所定の適正値に調節された後は、その利得を変動させな
ための制御入力を使用者が与えることができるようにす
れば、雑音などによって利得が不用意に悪化する恐れが
なくなり、使用者の使い勝手が良くなる。

［発明の効果］ 上述したように本発明の音声認識装置によれば、音声入
力信号のレベル変動があっても音声パターンを変形させ
ることなく利得を調節することが可能になるので、音声
人力信号に対して高い認識性能を有することが可能にな
る。

【図面の簡単な説明】

第１図は本発明の音声認識装置の一実施例を示すブロッ
ク図、第２図（ａ）および（ｂ）は第１図中の音声認識
手段の具体例を示すブロック図、第３図は第１図中の利
得調節器を示す構成説明図、第４図および第５図は第１
図中の音声認識手段における利得調節のためのフローチ
ャートおよびタイミング、第６図は第１図中の入力レベ
ル検出器におけるレベル検出のためのフローチャート、
第７図乃至第１１図はそれぞれ第４図のフローチャート
の変形例を示すフローチャートである。 １・・・利得調節器、２・・・音声認識手段、３・・・
人力レベル検出器。 出願人代理人　弁理士　鈴江武彦 第１図 第２図 第３図 第４図 第５図 第６図 第７図 第８図 第１１図

Claims (3)

【特許請求の範囲】
1. （１）利得調節指令を受けて音声入力信号に対する利得
   調節を行う利得調節器と、 この利得調節器の出力に対して利得調節を行うことなく
   音声認識を行う音声認識手段と、前記利得調節器の出力
   のレベルを検出し、このレベル検出結果に応じて前記利
   得調節器の利得を調節する入力レベル検出器と を具備することを特徴とする音声認識装置。
2. （２）前記音声認識手段が音声区間を検出中は前記利得
   調節器の利得を変動させないように制御することを特徴
   とする請求項１記載の音声認識装置。
3. （３）前記利得調節器の利得を所定の適正値に調節した
   後はその利得を変動させないように制御することを特徴
   とする請求項１記載の音声認識装置。