JPH02195399A

JPH02195399A - 男女声の識別方式

Info

Publication number: JPH02195399A
Application number: JP1016052A
Authority: JP
Inventors: Masayuki Unno; 海野　雅幸; Shingo Nishimura; 新吾西村
Original assignee: Sekisui Chemical Co Ltd
Current assignee: Sekisui Chemical Co Ltd
Priority date: 1989-01-24
Filing date: 1989-01-24
Publication date: 1990-08-01

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】［産業上の利用分野］本発明は、男女声の識別方式に関する。

［従来の技術］従来、男女声を識別する方法としては、特開昭６１−２
７６００号公報に記載される如くのピッチ周波数の男女
差を用いるもの、あるいは特開昭６０−１６２２９８号
公報に記載される如くの第１および第２ホルマント周波
数の男女差を用いるもの等がある。

然しながら、上記のいずれの方法も、複雑で演算時間が
長く、さらに男女声の周波数軸上ての重なりの部分が大
きいために識別能力が高いとは言えず一般用途への展開
に困難がある。

又、ホルマント周波数による識別方法にあっては、専用
のハードウェア（複数のバントパスフィルタ）を用いて
ホルマント周波数を検出することにより演算時間を短縮
できるか、ホルマントではない極をホルマントの極とし
て誤検出することがあり、高い識別能力を期待できない
。

そこで、本出願人は、入力信号の参照軸交差数と波形の
振幅分布に関する値とを特徴量として算出し、この算出
結果を男女の有声音の辞書データと比較し、人力信号が
男女いずれの発声によるものかを判定する男女声の識別
方式を提案している。

［発明が解決しようとする課題］然しなから、上記従来の男女声の識別方式ては、以下の
■〜■の問題点がある。

■辞書データ作成時から時間が経過するにつれ、識別率
が低下する。

■辞書データの作成時に採用した男女声とは異なるタイ
プの男女声についてのパターン認識は困難であり、予め
予想されなかったタイプの男女声についての識別率が低
い。

■従来の男女声識別方式においては、一定収上の識別率
確保のために上述の如くの複雑な特徴量を用いる必要が
あるが、これは複雑な処理装置を必要とし、処理時間も
比較的長い。

本発明は、男女声を識別するに際し、経時的な劣化のな
い高い識別率を確保し、かつ容易に短時間処理できる男
女声の識別方式を得ることを目的とする。

［課題を解決するための手段］請求項１に記載の本発明は、ニューラルネットワークを
用いて入力音声が男女いずれの発声によるものかを判定
する男女声の識別方式であって、ニューラルネットワー
クへの入力として、入力音声の周波数特性を用いるよう
にしたものである。

請求項２に記載の本発明は、前記ニューラルネットワー
クが階層的なニューラルネットワークであるようにした
ものである。

［作用］請求項１に記載の本発明によれば、以下の■〜■の作用
効果がある。尚、本発明にあっては、有声音（母音、半
母音、鼻音等の声帯の振動を伴う音であり、人間が発声
する殆ど全ての音声には有声音が含まれている）をもっ
て音声とする。

■経時的な認識率の劣化が極めて少ない、このことは、
ニューラルネットワークが音声の時期差による変動の影
響を受けにくい構造をとることが可能なためと推定され
る。

尚、男女声の高低に依存しない「入力音声の周波数特性
」をニューラルネットワークへの入力として用いるもの
であるから、例えば声の高低に依存するピッチ周波数を
特徴量として男女声をパターン認識（高音は一律に女声
、低音は一律に男声と認識する）する場合に比して、多
くのタイプの男女声を重なりなく明瞭に分離でき、認識
率が高い。

■ニューラルネットワークは、後に述べる学習によりそ
のネットワークを構築した後のシステム稼動段階で、必
要に応じて追加学習できる。従って、ネットワーク構築
のための学習段階では予想されなかったタイプの男女声
についても、その稼動段階で随時これを追加学習するこ
とにより、高い識別率を達成できる。

■ニューラルネットワークへの入力として、「人力音声
の周波数特性」を用いたから、入力を得るための前処理
が、従来の複雑な特徴量抽出に比して、単純となり、こ
の前処理に要する時間が短くて足りる。

■ニューラルネットワークは、原理的に、ネットワーク
全体の演算処理が単純かつ迅速である。

■ニューラルネットワークは、原理的に、それを構成し
ている各ユニットが独立に動作しており、並列的な演算
処理が可能である。従って、演算処理が迅速である。

■上記■〜■により、男女声識別処理を複雑な処理装置
によることなく容易に短時間処理できる。

又、請求項２に記載の本発明によれば上記■〜■の作用
効果に加えて、以下の■の作用効果がある。

０階層的なニューラルネットワークにあっては、現在、
後述する如くの簡単な学習アルゴリズム（パックプロパ
ゲーション）が確立されており、高い識別率を実現でき
るニューラルネットワークを容易に形成できる。

［実施例］第１図は本発明が適用された男女声識別システムの一例
を示す模式図、第２図はニューラルネットワークを示す
模式図、第３図は階層的なニューラルネットワークを示
す模式図、第４図はユニットの構造を示す模式図である
。

本発明の具体的実施例の説明に先立ち、二二一ラルネッ
トワークの構成、学習アルゴリズムについて説明する。

（１）ニューラルネットワークは、その構造から、第２
図（Ａ）に示す階層的ネットワークと第２図（Ｂ）に示
す相互結合ネットワークの２種に大別できる。本発明は
、両ネットワークのいずれを用いて構成するものであっ
ても良いが、階層的ネットワークは後述する如くの簡単
な学習アルゴリズムが確立されているためより有用であ
る。

（２）ネットワークの構造階層的ネットワークは、第３図に示す如く、入力層、中
間層、出力層からなる階層構造をとる。

各層は１以上のユニットから構成される。結合は、入力
層→中間層→出力層という前向きの結合たけで、各層内
での結合はない。

（３）ユニットの構造ユニットは第４図に示す如く脳のニューロンのモデル化
であり構造は簡単である。他のユニットから入力を受け
、その総和をとり一定の規則（変換関数）で変換し、結
果を出力する。他の二ニットとの結合には、それぞれ結
合の強さを表わす可変の重みを付ける。

（４）学習（パックプロパゲーション）ネットワークの
学習とは、実際の出力を目標値（望ましい出力）に近づ
けることであり、一般的には第４図に示した各ユニット
の変換関数及び重みを変化させて学習を行なう。

又、学習のアルゴリズムとしては、例えば、Ｒｕｍｅｌ
ｈｌｔ、　　Ｄ、Ｅ、、ＭｃＣｌｅｌｌａｎｄ、　　Ｊ
、Ｌ、　　ａｎｄ　　ｔｈｅＰＤＰ　Ｒｅ５ｅａｒｃｈ
　Ｇｒｏｕｐ、　ＰＡＲＡＬＬＥＬ　ＤＩＳＴＲＩＢｕ
ＴＥＤＰＲＯＣＥＳＳＩＮＧ、　ｔｈｅ　ＭＩＴ　Ｐｒ
ｅｓｓ、　１９８６．に記載されているパックプロパゲ
ーションを用いることかできる。

以下、本発明の具体的な実施例について説明する。尚、
この実施例の識別システム１は、ｎチャンネルのバンド
パスフィルタ１０．ニューラルネットワーク２０、判定
回路３ｏの結合にて構成される（第１図参照）。

（Ａ）ネットワーク構築のための学習段階における入力
信号を、男女それぞれの、例えば有声音「ア」の定常的
な部分（信号の立上り部分や立下り部分を除いた部分）
とする。

（Ｂ）前処理入力音声波形を、第１図に示す如く、複数（ｎ個）チャ
ンネルのバンドパスフィルター０に通し、結果として入
力音声の周波数特性を得る。

（Ｃ）ニューラルネットワークによる処理及び判定 ■前処理の結果（バンドパスフィルタ１ｏの出力）を、
第１図に示す如く、３層の階層的なニューラルネットワ
ーク２ｏに入力する。入力層２１は、前処理のｎチャン
ネルに対応するｎユニットにて構成される。出力層２２
は、１ユニツトにて構成され、目標値は男声については
「１」、女声については「０」とする。

■ニューラルネットワーク２０の出力を判定回路３０に
入力し、出力層２２の出力値に応じて、入力音声が男女
いずれの発声によるものかを判定する。但し、本発明の
実施において、ニューラルネットワーク２０の出力は判
定回路３ｏの如くにて機械的に判定処理されず、ニュー
ラルネットワーク２０の出力を得た人間の知力にて判定
処理されるものであっても良い。

■前述した学習アルゴリズムのハックプロパゲーション
により、入力に対する出力のエラーが一定レベルに収束
するまで学習させ、一定認識率を保証し得るネットワー
クを構築する。

■上記■にて構築されたニューラルネットワーク２０を
用いて、あらゆる男女声の識別がなされる。この時、実
際のシステム稼動現場において、ネットワーク構築のた
めの学習段階で予想されなかったタイプの男女声につい
ては、現実の使用環境下でこれを追加学習し、結果とし
てニューラルネットワーク２０を使用環境により適合す
るように改良できる。

尚、この実施例の認識率は、学習段階で採用した男女声
については１００％、未学習男女声については９５％と
いう高い結果を得た。

次に、上記実施例の作用について説明する。

上記識別システム１によれば、以下の■〜■の作用効果
がある。

■経時的な識別率の劣化が極めて少ない。このことは、
ニューラルネットワーク２０が音声の時期差による変動
の影響を受けにくい構造をとることか可能なためと推定
される。

又、男女声の高低に依存しない「入力音声の周波数特性
」をニューラルネットワーク２０への入力として用いる
ものであるから、例えば声の高低に依存するピッチ周波
数を特徴量として男女声をパターン認識（高音は一律に
女声、低音は一律に男声と識別する）する場合に比して
、多くのタイプの男女声を重なりなく明瞭に分離でき、
識別率が高い。

■ニューラルネットワーク２０は、前述の如く、当初の
学習によりそのネットワークを構築した後のシステム稼
動段階で、必要に応じて追加学習できる。従って、ネッ
トワーク構築のための学習段階では予想されなかワたタ
イプの男女声についても、その稼動段階で随時これを追
加学習することにより、高い識別率を達成できる。

■ニューラルネットワーク２０への入力として、「入力
音声の周波数特性」を用いたから、入力を得るための前
処理が、従来の複雑な特徴量抽出に比して、単純となり
、この前処理に要する時間が短くて足りる。

■ニューラルネットワーク２０は、原理的に、ネットワ
ーク全体の演算処理が単純かつ迅速である。

■ニューラルネットワーク２０は、原理的に、それを構
成している各ユニットが独立に動作しており、並列的な
演算処理が可能である。従って、演算処理が迅速である
。

０階層的なニューラルネットワーク２０を用いたから、
現在数に確立している簡単な学習アルゴリズム（パック
プロパゲーション）を利用てき、高い識別率を実現でき
るニューラルネットワーク２０を容易に形成できる。

［発明の効果］以上のように本発明によれば、男女声を識別するに際し
、経時的な劣化のない高い識別率を確保し、かつ容易に
短時間処理できる男女声の識別方式を得ることができる
。

【図面の簡単な説明】

第１図は本発明が適用された男女再識別システムの一例
を示す模式図、第２図はニューラルネットワークを示す
模式図、第３図はＰａ層的なニューラルネットワークを
示す模式図、第４図はユニットの構造を示す模式図であ
る。１・・・識別システム、１０・・・バンドパスフィルタ、２０・・・ニューラルネットワーク、２１・・・入力層、２２・・・出力層、３０・・・判定回路。特許出願人　積水化学工業株式会社代表者　　廣１）馨第２図第３図を入カバターン第４図ユニット

Claims

【特許請求の範囲】

（１）ニューラルネットワークを用いて入力音声が男女
いずれの発声によるものかを判定する男女声の識別方式
であって、ニューラルネットワークへの入力として、入
力音声の周波数特性を用いる男女声の識別方式。
（２）前記ニューラルネットワークが階層的なニューラ
ルネットワークである請求項１記載の男女声の識別方式
。