JPH0424692A - 音声区間検出方式 - 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】 技権光互 本発明は、音声区間検出方式、より詳細には、音声認識
、音声合成などの音声処理の音声区間検出技術に関し、
音声認識、音声合成などの音声処理装置、特に、高騒音
下での音声を扱う音声処理装置に応用して好適なもので
ある。

良米艮嵐 音声認識装置においては、特に、孤立単語などを認識す
る単語音声認識装置においては、音声区間の検出精度が
重要であり、従来、騒音下の音声から音声区間を検出す
るために可変の閾値を設けて、この閾値を無音区間中の
騒音レベルの平均値などから計算して、周囲の騒音が小
さい場合は小さな閾値で、周囲の騒音が大きい場合は大
きな閾値で音声区間を切り出すようにしたものが一般的
である。この場合、周囲の騒音が定常的であれば比較的
良好な結果が得られるが、非定常的であると適切な音声
区間の検出は難しいという問題がある。

特に、突発性ノイズが存在する場合、騒音レベルの平均
値を求めるために比較的短い時間範囲のデータを用いる
と、突発性ノイズのない区間の後では騒音レベルの平均
値は低くなり、次の突発性ノイズを音声として切り出し
てしまい易くなる。

また、逆に、騒音レベルの平均値を求めるために比較的
長い時間範囲のデータを用いると、突発性ノイズの頻度
が低ければやはり騒音レベルの平均値は低くなり、次の
突発性ノイズを音声として切り出してしまい易くなる。

いずれにしても、時々発生するような突発性ノイズ、例
えば、オフィス内の電話のベル音やドアの開閉音が周囲
に存在する場合には、正確な音声の区間検出は困知であ
った。

ｍ−咋 本発明は、上述のごとき実情に鑑みてなされたもので、
特に、音声認識装置に入力される音声に重畳する周囲の
騒音が比較的頻度の低い突発性ノイズを含んでいてもそ
のノイズのレベルに応じた音声区間検出のための閾値を
設定することを可能にし、このような騒音環境下での音
声認識装置の認識率を低下させないことを目的としてな
されたものである。

硝−−−成− 本発明は、上記目的を達成するために、（１）音声を入
力するためのマイクロフォンで電気信号に変換された入
力信号の振幅を検出するレベル検出手段と、上記入力信
号から音声区間を検出するだめの閾値と上記入力信号の
振幅とを比較するレベル比較手段と、上記レベル比較手
段で上記入力信号の振幅が上記閾値より大きいという結
果が出た区間を基にして予め定められた手続きにより入
力信号の音声区間を決定する音声区間決定手段とを用い
て音声区間を検出する音声区間検出方式において、上記
入力信号の振幅の増減を判定するレベル増減判定手段と
、予め定められた計算方式に基づいて上記入力信号の振
幅を平滑化し、第１の平滑化された入力レベル値を求め
る第１のレベル平滑化手段と、予め定められた上記第１
のレベル平滑化手段とは異なる計算方式に基づいて上記
入力信号の振幅を平滑化し、第２の平滑化された入力レ
ベル値を求める第２のレベル平滑化手段と、上記音声区
間決定手段の決定結果と上記レベル増減判定手段の判定
結果に従って、上記第１のレベル平滑化手段で求められ
た第１の平滑化された入力レベル値、又は、第２のレベ
ル平滑化手段で求められた第２の平滑化された入力レベ
ル値から予め定められた計算方式に基づいて上記閾値を
決定する閾値決定手段を有する音声区間検出方式を特徴
としたものであり、更には、（２）上記（１）の音声区
間検出方式において、上記第１のレベル平滑化手段は、
上記音声区間決定手段が音声区間でないと決定した区間
の上記入力信号の振幅を、第１の時定数で平滑化するこ
とによって第１の平滑化された入力レベル値を求め、上
記第２のレベル平滑化手段は、上記音声区間決定手段が
音声区間でないと決定した区間の上記入力信号の振幅を
、上記第１の時定数より大なる第２の時定数で平滑化す
ることによって第２の平滑化された入力レベル値を求め
、上記閾値決定手段は、上記レベル増減判定手段が増加
を判定した場合に、上記第１の平滑化された入力レベル
値から予め定められた計算方式に基づいて上記閾値を法
定し、上記レベル増減判定手段が減少を判定した場合に
、上記第２の平滑化された入力レベル値から予め定めら
れた計算方式に基づいて上記閾値を決定すること、或い
は、（３）上記（１）の音声区間検出方式において、上
記第１のレベル平滑化手段は、上記音声区間決定手段が
音声区間でないと決定した区間の上記入力信号の振幅の
、第１の定数個の平均をとることによって第１の平滑化
された入力レベル値を求め、上記第２のレベル平滑化手
段は、上記音声区間決定手段が音声区間でないと決定し
た区間の上記入力信号の振幅の、第１の定数個より大な
る第２の定数個の平均をとることによって第２の平滑化
された入力レベル値を求め、上記閾値決定手段は、上記
レベル増減判定手段が増加を判定した場合に、上記第１
の平滑化された入力レベル値から予め定められた計算方
式に基づいて上記閾値を決定し、上記レベル増減判定手
段が減少を判定した場合に、上記第２の平滑化された入
力レベル値から予め定められた計算方式に基づいて上記
閾値を決定することを特徴としたものであり、又は、（
４）音声を入力するためのマイクロフォンで電気信号に
変換された入力信号のパワーを検出するレベル検出手段
と、上記入力信号から音声区間を検出するための閾値と
上記入力信号のパワーとを比較するレベル比較手段と、
上記レベル比較手段で上記人力信号のパワーが上記閾値
より大きいという結果が出た区間を基にして予め定めら
れた手続きにより入力信号の音声区間を決定する音声区
間決定手段とを用いて音声区間を検出する音声区間検出
方式において、上記入力信号のパワーの増減を判定する
レベル増減判定手段と、予め定められた計算方式に基づ
いて上記入力信号のパワーを平滑化し、第１の平滑化さ
れた入力レベル値を求める第１のレベル平滑化手段と、
予め定められた上記第１のレベル平滑化手段とは異なる
計算方式に基づいて上記入力信号のパワーを平滑化し、
第２の平滑化された入力レベル値を求める第２のレベル
平滑化手段と、上記音声区間決定手段の決定結果と上記
レベル増減判定手段の判定結果に従って、上記第１のレ
ベル平滑化手段で求められた第１の平滑化された入力レ
ベル値、又は、第２のレベル平滑化手段で求められた第
２の平滑化された入力レベル値から予め定められた計算
方式に基づいて上記閾値を決定する閾値決定手段を有す
る音声区間検出方式を特徴としたものであり、更には、
（５）上記（４）の音声区間検出方式において、上記第
１のレベル平滑化手段は、上記音声区間決定手段が音声
区間でないと決定した区間の」二記入力信号のパワーを
、第１の時定数で平滑化することによって第１の平滑化
された入力レベル値を求め、上記第２のレベル平滑化手
段は、上記音声区間決定手段が音声区間でないと決定し
た区間の上記入力信号のパワーを、上記第１の時定数よ
り大なる第２の時定数で平滑化することによって第２の
平滑化された入力レベル値を求め、上記閾値決定手段は
、上記レベル増減判定手段が増加を判定した場合に、上
記第１の平滑化された入力レベル値から予め定められた
計算方式に基づいて」−記聞値を決定し、上記レベル増
減判定手段が減少を判定した場合しこ、上記第２の平滑
化された入力レベル値から予め定められた計算方式に基
づいて上記閾値を決定すること、或いは、（６）上記（
４）の音声区間検出方式において、上記第１のレベル平
滑化手段は、上記音声区間決定手段が音声区間でないと
決定した区間の上記入力信号のパワーの。

第１の定数個の平均をとることによって第１の平滑化さ
れた入力レベル値を求め、上記第２のレベル平滑化手段
は、上記音声区間決定手段が音声区間でないと決定した
区間の上記入力信号のパワーの、第１の定数個より犬な
る第２の定数個の平均をとることによって第２の平滑化
された入力レベル値を求め、上記閾値決定手段は、上記
レベル増減判定手段が増加を判定した場合に、上記第１
の平滑化された入力レベル値から予め定められた計算方
式に基づいて上記閾値を決定し、上記レベル増減判定手
段が減少を判定した場合に、上記第２の平滑化された入
力レベル値から予め定められた計算方式に基づいて上記
閾値を決定することを特徴としたものである。以下、本
発明の実施例に基いて説明する。

第１図は、本発明の一実施例を説明するための構成図で
、図中、１０はレベル検出手段、１１はレベル比較手段
、１２は音声区間決定手段、１３は第１のレベル平滑化
手段、１４は第２のレベル平滑化手段、１５はレベル増
減判定手段、１６は閾値決定手段で、レベル検出手段１
０は、マイクアンプ１、絶対値回路２、ローパスフィル
タ３、Ａ／Ｄ変換器４より成っている。

レベル検出手段１０は、マイクロフォンで電気信号に変
換された入力信号をマイクアンプ１、絶対値回路２、ロ
ーパスフィルタ３、Ａ／Ｄ変換器４を通して、サンプリ
ング周期Ｔでデジタル値に変換して、入力信号の振幅を
検出する。ここで、絶対値回路２の絶対値演算、ローパ
スフィルタ３のローパスフィルタリングは、Ａ／Ｄ変換
器を通した後でデジタルフィルタによって演算しても良
い。更に、絶対値演算の代わりに、２乗演算を用いれば
入力信号のパワーを検出できる。このレベル検出手段の
出力は、振幅／パワーのどちらを用いても良い。ここで
得られる、入力信号の振幅／パワーをｘ（ｎ）とおく。

レベル比較手段１１は、入力信号から音声区間を検出す
るための閾値ｔｈとレベル検出手段１０で得られた入力
信号の振幅／パワーｘ（ｎ）とを比較する。

音声区間決定手段１２は、レベル比較手段１１で、入力
信号の振幅／パワーｘ（ｎ）が閾値ｔｈより大きいとい
う結果が出た区間を入力信号の音声区間と決定し、音声
区間信号として出力する。なお、この区間検出法は、レ
ベル比較手段の結果を用いた他の公知の方法を用いても
良い。

第１のレベル平滑化手段１３は、入力信号の振幅／パワ
ーｘ（ｎ）のうち、音声区間決定手段１２が音声区間で
ないと決定した区間の入力信号の振幅／パワーを第１の
時定数τ、で平滑化１ノ、第１の平滑化された入力レベ
ル値ｙ□（ｎ）を求める。

即ち、 １）音声区間でない時、 ｙ□（ｎ）＝（１−ｃ工）ｘ（ｎ）＋ｃ、ｙ、（ｎ−１
）但し、ｃ　ｘ　＝ｅｘｐ（−Ｔ／　？　１）　　　　
　　　　　（１）ｉｉ）音声区間の時、 ｙ□（ｎ）”ｙｔ（ｎ−１）　　　　　　　　　（２）
である。尚、式（１）、（２）は、これらと同様の効果
をもたらす他の式でも良い。

第２のレベル平滑化手段１４は、入力信号の振幅／パワ
ーｘ（ｎ）のうち、音声区間決定手段１２が音声区間で
ないと決定した区間の入力信号の振幅／パワーを第２の
時定数で２（τ２〉τ１）で平滑化し、第２の平滑化さ
れた入力レベル値ｙｚ（ｎ）を求める。即ち、 ｊ）音声区間でない時。

ｙｚ（ｎ）＝Ｄ−ｃｚ）ｘ（ｎ）＋ｃｚｙｚ（ｎ−ｔ）
但し、ｃ　２＝ｅｘｐ（−Ｔ／　τ２）　’　　　　　
　　　　（３）ｊｉ　）音声区間の時、 ｙｚ（ｎ）＝ｙｚ（ｎ−１）　　　　　　　　　（４）
である。尚、式（３）、（４）は、これらと同様の効果
をもちらす他の式でも良い。

レベル増減判定手段１５は、レベル検出手段１０で得ら
れた入力信号の振幅／パワーＸ（ｎ）を１サンプル前の
入力信号の振幅／パワーｘ（ｎ−１）と比較することに
よって、入力信号の振幅／パワーの増減を判定する。

閾値決定手段１６は、レベル増減判定手段１５が増加を
判定した場合に、第１の平滑化された入力レベル値ｙユ
（ｎ）から予め定められた計算方式に基づいて上記閾値
を決定し、上記レベル増減判定手段１５が減少を判定し
た場合に、上記第２の平滑化された入力レベル値ｙ２（
ｎ）から定数ｋ（ｋ＞１）に対して次式によって閾値ｔ
ｈを決定して更新する。

ｉ）増加、ｘ（ｎ）＞ｘ（ｎ−１）の時、ｔ　ｈ　＝　
ｋ　ｙ、（ｎ）　　　　　　　　　　（５）ｉｉ）減少
、ｘ（ｎ）＜ｘ（ｎ−１）の時、ｔ　ｈ　”　ｋ　ｙｚ
（ｎ）　　　　　　　　　　　（６）尚、第１のレベル
平滑化手段１３、及び、第２のレベル平滑化手段１４は
、入力信号の振幅／パワー、（ｎ）のうち、音声区間決
定手段１２が音声区間でないと決定した区間の入力信号
の振幅／パワーｘ’　（ｎ）の、それぞれの第１の定数
個ｍ１、及び、第２の定数個ｍ　２　（ｍ　２＞　ｍ　
１）の平均をとることによってそれぞれ第１の平滑化さ
れた入力レベル値ｙｘ（ｎ）、及び、第２の平滑化され
た入力レベル値ｙｚ（ｎ）を求めても良い。即ち、第１
のレベル平滑化手段１３は、 ｉ）音声区間でない時、 ｘ’　　（ｎ）＝ｘ（ｎ）　　　　　　　　　　　　　
（７）■）音声区間の時、 Ｘ’　（ｎ）”ｘ’　（ｎ−１）。

ｘ’　（ｎ−１）＝ｘ’　（ｎ−２）、　・−ｘ’　（
ｎ−ｍ□＋１）＝ｘ’（ｎ−ｍ□）　　　（８）ｙ、（
ｎ）＝（Σｘ’　（ｎ−ｉ））／ｍ、　　　（９）ｉ＝
０ を、第２のレベル平滑化手段１４は、 ｉ）音声区間でない時、 ｘ’　（ｎ）＝ｘ（ｎ）　　　　　　　　　　　（ｔｏ
）ｉｉ）音声区間の時、 ｘ’　（ｎ）＝ｘ’　（ｎ−１）。

ｘ’　（ｎ−１）＝ｘ’　（ｎ−２）。

ｘ’　（ｎ−ｍ２＋１）＝ｘ’　（ｎ−ｍ２）　　　　
（＋１）ｙ、（ｎ）＝（Σｘ’　（ｎ−ｉ））／ｍ２　
　　（１２）ｉ＝Ｏ を求める。ここで、第１のレベル平滑化手段１３で用い
られるｘ’　（ｎ）と、第２のレベル平滑化手段１４で
用いられるｘ’　（ｎ）とは、同一のものであるので共
有できる。

藝−一釆 以上の説明から明らかなように、本発明によれば、音声
区間を検出するための閾値を、周囲のノイズレベルが増
加している時には、速く、逆に、周囲のノイズレベルが
減少している時には、遅く変化させ追従させているので
、音声認識装置に人力される音声に重畳する周囲のノイ
ズレベルが常に小さい場合には、閾値は小さく、また、
周囲の騒音が突発性ノイズを含んでいる場合には、その
ノイズのレベルに応じて閾値は大きくなり、更にその突
発性ノイズの頻度が低くても大きな閾値は長く維持され
るので、突発性ノイズ、特に、頻度の低い突発性ノイズ
が周囲にあっても、正確に音声区間の検出が行えるので
、このような騒音環境下での音声認識装置の認識率を低
下させないことができる。

【図面の簡単な説明】 第１図は１本発明による音声区間の検出方式の一実施例
を説明するための構成図である。 １・・・マイクアンプ、２・・・絶対値回路、３・・ロ
ーパスフィルタ、４・・Ａ／Ｄ変換器、１０・・・レベ
ル検出手段、１１・　レベル比較手段、１２　音声区間
決定手段、１３・・第１のレベル平滑化手段、１４第２
のレベル平滑化手段、１５・・・レベル増減判定手段、
１６・・・閾値決定手段。

Claims (1)

1. 【特許請求の範囲】 １、音声を入力するためのマイクロフォンで電気信号に
   変換された入力信号の振幅を検出するレベル検出手段と
   、上記入力信号から音声区間を検出するための閾値と上
   記入力信号の振幅とを比較するレベル比較手段と、上記
   レベル比較手段で上記入力信号の振幅が上記閾値より大
   きいという結果が出た区間を基にして入力信号の音声区
   間を決定する音声区間決定手段とを用いて音声区間を検
   出する音声区間検出方式において、上記入力信号の振幅
   の増減を判定するレベル増減判定手段と、予め定められ
   た計算方式に基づいて上記入力信号の振幅を平滑化し、
   第１の平滑化された入力レベル値を求める第１のレベル
   平滑化手段と、予め定められた上記第１のレベル平滑化
   手段とは異なる計算方式に基づいて上記入力信号の振幅
   を平滑化し、第２の平滑化された入力レベル値を求める
   第２のレベル平滑化手段と、上記音声区間決定手段の決
   定結果と上記レベル増減判定手段の判定結果に従って、
   上記第１のレベル平滑化手段で求められた第１の平滑化
   された入力レベル値、又は、第２のレベル平滑化手段で
   求められた第２の平滑化された入力レベル値から上記閾
   値を決定する閾値決定手段を有することを特徴とする音
   声区間検出方式。 ２、音声を入力するためのマイクロフォンで電気信号に
   変換された入力信号のパワーを検出するレベル検出手段
   と、上記入力信号から音声区間を検出するための閾値と
   上記入力信号のパワーとを比較するレベル比較手段と、
   上記レベル比較手段で上記入力信号のパワーが上記閾値
   より大きいという結果が出た区間を基にして入力信号の
   音声区間を決定する音声区間決定手段とを用いて音声区
   間を検出する音声区間検出方式において、上記入力信号
   のパワーの増減を判定するレベル増減判定手段と、予め
   定められた計算方式に基づいて上記入力信号のパワーを
   平滑化し、第１の平滑化された入力レベル値を求める第
   １のレベル平滑化手段と、予め定められた上記第１のレ
   ベル平滑化手段とは異なる計算方式に基づいて上記入力
   信号のパワーを平滑化し、第２の平滑化された入力レベ
   ル値を求める第２のレベル平滑化手段と、上記音声区間
   決定手段の決定結果と上記レベル増減判定手段の判定結
   果に従って、上記第１のレベル平滑化手段で求められた
   第１の平滑化された入力レベル値、又は、第２のレベル
   平滑化手段で求められた第２の平滑化された入力レベル
   値から上記閾値を決定する閾値決定手段を有することを
   特徴とする音声区間検出方式。