JPH04369697A - 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】

【０００１】

【産業上の利用分野】本発明は、ＡＧＣ（自動利得制御
）機能を備えた音声認識装置に関するものである。

【０００２】

【従来の技術】音声認識装置においては、入力音声の入
力レベルに影響されることなく適切な音声パタンを得て
、この音声パタンを用いてパタンマッチングする必要が
ある。そのために、入力された音声の音圧の変動に吸収
するため、入力された音声に対してＡＧＣ（自動利得制
御）回路を用いるのが一般的である。

【０００３】従来、このようなＡＧＣはマイクロホンか
ら入力された音声信号に対して、直接適用される場合が
多い。しかしながら、ＡＧＣを入力音声信号に直接行う
と、細かく、時系列のサンプリングを行わなければなら
ず、ＡＧＣの遅れのために、突発的に大きな音が発生し
た場合、波形が歪むといった問題があった。

【０００４】このような従来の問題を解消するために、
最近、図３に示すように、音声分析後にＡＧＣを行う音
声認識装置が実現されている。

【０００５】以下に、音声分析後にＡＧＣ回路を用いた
従来の音声認識装置の一実施例を示し、説明する。

【０００６】マイクロホン３１より入力された音声は、
増幅器３２で振幅が飽和しない程度に増幅され、音声分
析部３３で分析される。

【０００７】音声分析部３３は通過帯域が異なる１６の
バンドパスフィルタ群と該各バンドパスフィルタの出力
を順次選択するマルチプレクサとからなるフィルタバン
ク方式の音声特徴抽出機能を備えている。該音声分析部
３３で分析された音声は、可変利得増幅器１４で増幅さ
れた後、Ａ／Ｄ変換部３５で１０ｍｓ程度のフレーム周
期でスペクトルのデジタルデータに変換され、フレーム
バッファ３６に格納される。

【０００８】この時のＡ／Ｄ変換部３５でのＡ／Ｄ変換
処理は、音声分析部３３から得られる音声のスペクトル
（この場合は、１サンプルにつきバンドパスフィルタの
数と等しい１６本のスペクトル）が最適レベルになるよ
うに可変利得増幅器３４の利得が動的に設定される。

【０００９】このような従来のＡ／Ｄ変換処理を以下に
説明する。

【００１０】初め、可変利得増幅器３４の利得は最大利
得に設定されており、音声分析部３３で各バンドパスフ
ィルタからの３５のスペクトル出力の内、マルチプレク
サは第１のスペクトルを選択し、Ａ／Ｄする。この時Ａ
／Ｄ変換された値が、変換の最大値（８ビットのＡ／Ｄ
の時、２５５）となっていれば、可変利得増幅器３４の
利得を１ステップ落としてＡ／Ｄ変換し、そうでなけれ
ば、次の第２のスペクトルの選択出力処理に移行する。

【００１１】以上を第１のスペクトルから第１６のスペ
クトルまで順に行い、最後に設定された利得がそのフレ
ーム利得として設定される。

【００１２】このようにして、フレーム周期ごとのスペ
クトル時系列を得て、ＤＰマッチングなどのパタンマッ
チング法により、識別処理が行われる。

【００１３】

【発明が解決しようとする課題】上述の如くスペクトル
が最適レベルとなるように可変利得増幅器の利得を設定
しながらＡ／Ｄ変換を行う場合、従来は、初期状態にお
いて可変利得増幅器の利得を最大利得に設定し、Ａ／Ｄ
変換された値が変換の最大値となっていれば可変利得増
幅器の利得を１ステップ落としてＡ／Ｄ変換していた。

【００１４】しかしこの方法では、実際の入力値がどの
程度の大きさであるか判断できないので、一度にまとめ
て利得を落とすことは不可能であり、１ステップずつ利
得を落としていかなければならない為に迅速に適正な利
得設定が行えないという不都合があった。

【００１５】

【課題を解決するための手段】音声を入力する音声入力
手段と、該音声入力手段で入力された音声を増幅する増
幅手段と、該増幅手段で増幅された音声を分析する音声
分析手段と、該音声分析手段の複数の出力を選択出力す
るマルチプレクサと、該マルチプレクサの出力を増幅、
あるいは減衰させる制御手段と、該制御手段で増幅、あ
るいは減衰された音声を特定のフレーム周期でデジタル
データに変換するＡ／Ｄ変換手段と、該Ａ／Ｄ変換手段
で変換されたフレーム周期ごとのデジタルデータを保持
するフレームバッファと、該フレームバッファのデータ
に基づき特定された入力音声パタンを標準パタンと比較
し、入力音声を特定するパタンマッチング手段とを備え
た音声認識装置において、上記制御手段は、上記マルチ
プレクサの出力を増幅、あるいは減衰せしめるための利
得を可変設定可能な利得設定手段と、該Ａ／Ｄ変換され
た複数の出力の中の最大値を検出する最大値検出手段と
、該最大値検出手段で検出された最大値と該Ａ／Ｄ変換
手段で許容される最大出力との比率を算出する算出手段
と、該算出手段で算出された比率に応じて上記利得設定
手段の増幅度を該比率に応じて可変させる可変利得制御
手段とを備えている。

【００１６】

【作用】本発明の音声認識装置によれば、上記最大値検
出手段で、上記Ａ／Ｄ変換手段で変換された複数の出力
の中の最大値を検出し、上記算出手段で、その検出され
た最大値とそのＡ／Ｄ変換手段の最大出力との比率を算
出し、上記可変利得制御手段でその算出された比率に基
づいて上記利得設定手段で利得を一度に目標値に可変設
定できる。

【００１７】

【実施例】図１は、本発明の一実施例の音声認識装置の
機能構成を示すブロック図である。

【００１８】同図の音声認識装置は、マイクロホン１１
より入力された音声信号は、増幅器１２で振幅が飽和し
ない程度に増幅され、音声分析部１３で分析される。

【００１９】ここで、上記音声分析部１３の具体例の構
成について、図２を用いて、更に詳述する。

【００２０】同図において、２１１〜２１１６は、１６
チャネルのバンドパスフィルタ（ＢＰＦ）で音声を１６
の周波数帯域に分割している。２２１〜２２１６は、整
流回路（ＤＥＴ）、２３１〜２３１６はロ−パスフィル
タ（ＬＰＦ）で、ＢＰＦ各出力の崩落を検出している。 またＬＰＦ１〜ＬＰＦ１６の出力は、それぞれアナログ
マルチプレクサ（ＭＰＸ）の入力１〜入力１６に接続さ
れている。このような構成の上記音声分析部１３からの
出力は図１の可変利得増幅器１４に入力される。該可変
利得増幅器１４は、音声分析部１３の出力を増幅し、Ａ
／Ｄ変換部１５に送る。Ａ／Ｄ変換部１５はフレームバ
ッファ１６の各チャネルの取り込みごとに、最初に音声
分析部１３のアナログマルチプレクサ（ＭＰＸ）に対し
て４ビットのＭＰＸ選択制御信号Ｃ１を送り、変換する
チャネルを選択する。また、予めこの可変利得増幅器１
４の初期利得は小さい値に設定されている。

【００２１】次にレベル比較部２１は、フレームバッフ
ァ１６の各チャネルの出力値と閾値設定部２２に設定さ
れた閾値を比較する。閾値設定部２２における閾値は上
記Ａ／Ｄ変換器１５の出力がライン雑音レベル以上にな
る閾値が設定されている。この時、該チャネルの出力値
がその閾値を越えるものがない場合は、閾値適応利得決
定部２４において、上記Ａ／Ｄ変換器が飽和しない範囲
での最大利得を決定する。しかる後、該最大利得に対応
する利得制御信号Ｃ２を可変利得増幅器１４に送り、利
得を設定する。

【００２２】一方、該チャネルの出力値の中にその閾値
を越えるものがある場合は、最大値検出部２０で各チャ
ネルの最大値を検出し、利得決定部１９においてＡ／Ｄ
変換で許容された最大値（８ビットのＡ／Ｄ変換では、
２５５となる）との比率をもとに該Ａ／Ｄ変換部の変換
ビット精度を最適とする最適利得を１回で設定できる。 しかる後、その最適利得に対応する利得制御信号Ｃ３を
可変利得増幅器１４に送り、最適利得を設定する。

【００２３】また、上述の如く、最適レベルでＡ／Ｄ変
換されたスペクトルは、フレームバッファ１６に格納さ
れた後、例えば１０ｍｓのフレーム周期でパワー正規化
され、入力音声パタンバッファ１７に格納される。

【００２４】パタンマッチング部１８は、その入力音声
パタンバッファ１７の入力音声パタンと標準音声パタン
メモリ２３に記憶されている標準音声パタンとでパタン
マッチングを行い、最も距離の小さい標準音声パタンを
算出し、認識語を決定する。このとき、パタンマッチン
グは一般にＤＰマッチング法が用いられる。

【００２５】図２に上記音声分析部１３の具体例の構成
図を示す。同図において、２１１〜２１１６は、１６チ
ャネルのバンドパスフィルタ（ＢＰＦ）で音声を１６の
周波数帯域に分割している。２２１〜２２１６は、整流
回路（ＤＥＴ）、２３１〜２３１６はロ−パスフィルタ
（ＬＰＦ）で、ＢＰＦ各出力の崩落を検出している。ま
たＬＰＦ１〜ＬＰＦ１６の出力は、それぞれアナログマ
ルチプレクサ（ＭＰＸ）の入力１〜入力１６に接続され
ている。

【００２６】

【発明の効果】本発明によれば、Ａ／Ｄ変換器の複数出
力の中の最大値とＡ／Ｄ変換器の最大出力との比を求め
、初期利得を該比率に応じて増大されることによりスペ
クトルが最適レベルとなるように可変利得増幅器の利得
を設定することができ、Ａ／Ｄ変換器の変換ビット精度
を最適にしてスペクトルデータの抽出が高精度に行える
。従って、最適利得を求める迄におこなわれるＡ／Ｄ変
換回数を従来よりも削減できるので全体の処理時間が短
くなり、より高速で高精度な音声認識装置が実現できる
。

【図面の簡単な説明】

【図１】本発明の音声認識装置の一実施例の機能構成図

【図２】本発明の音声認識装置の一実施例の音声分析部
の構成図

【図３】従来の音声認識装置の構成図

【符号の説明】

１１　　マイクロホン １２　　増幅器 １３　　音声分析部 １４　　可変利得増幅器 １５　　Ａ／Ｄ変換部 １６　　フレームバッファ １７　　入力音声パタンバッファ １８　　パタンマッチング部 １９　　最適利得決定部 ２０　　最大値検出部 ２１　　レベル比較部 ２２　　閾値設定部 ２３　　標準音声パタンメモリ ２４　　閾値適応利得決定部

Claims (2)

【特許請求の範囲】
1. 【請求項１】　　入力された音声を音声信号に変換する
   音声入力手段と、該音声入力手段で入力されたアナログ
   音声信号を増幅する増幅手段と、該増幅手段で増幅され
   た音声を分析する音声分析手段と、該音声分析手段から
   の出力を増幅、あるいは減衰させる制御手段と、該制御
   手段で増幅、あるいは減衰された音声信号を特定のフレ
   ーム周期でデジタルデータに変換するＡ／Ｄ変換手段と
   、該Ａ／Ｄ変換手段で変換されたフレーム周期ごとのデ
   ジタルデータを保持するフレームバッファと、該フレー
   ムバッファのデータに基づき特定された入力音声パタン
   を標準パタンと比較し、入力音声を特定するパタンマッ
   チング手段とを備えた音声認識装置において、上記制御
   手段は、上記マルチプレクサの出力を増幅、あるいは減
   衰せしめるための利得を可変設定可能な利得設定手段と
   、該Ａ／Ｄ変換された複数の出力の中の最大値を検出す
   る最大値検出手段と、該最大値検出手段で検出された最
   大値と該Ａ／Ｄ変換手段で許容される最大出力との比率
   を算出する算出手段と、該算出手段で算出された比率に
   応じて上記利得設定手段の増幅度を該比率に応じて可変
   させる可変利得制御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】　　入力された音声を音声信号に変換する
   音声入力手段と、該音声入力手段で入力された音声信号
   を増幅する増幅手段と、該増幅手段で増幅された音声信
   号を分析する特定数のバンドパスフィルタからなる音声
   分析手段と、該音声分析手段のバンドパスフィルタの各
   出力を選択出力するマルチプレクサと、該マルチプレク
   サの出力を増幅、あるいは減衰させる制御手段と、該制
   御手段で増幅、あるいは減衰された音声を特定のフレー
   ム周期でデジタルデータに変換するＡ／Ｄ変換手段と、
   該Ａ／Ｄ変換手段で変換されたフレーム周期ごとのデジ
   タルデータを保持するフレームバッファと、該フレーム
   バッファのデータに基づき特定された入力音声パタンを
   標準パタンと比較し、入力音声を特定するパタンマッチ
   ング手段とを備えた音声認識装置において、上記制御手
   段は、上記マルチプレクサの出力を増幅、あるいは減衰
   せしめるための利得を可変設定可能な利得設定手段と、
   上記Ａ／Ｄ変換手段の量子化雑音、あるいは信号ライン
   雑音等の雑音に基づいて入力信号の最低信号レベルの閾
   値を設定する閾値設定手段と、上記Ａ／Ｄ変換手段で変
   換されたデジタル信号と該閾値を比較し、該最低信号レ
   ベルを越えているか否かを判定する判定手段と、該判定
   手段で該最低信号レベルを越えていないと判定されたと
   きは、入力信号が該Ａ／Ｄ変換手段のビット精度を飽和
   させない範囲で最大となるように該利得設定手段の増幅
   度を設定する増幅度設定手段と、該判定手段で該最低信
   号レベルを越えていると判定されたときは、該Ａ／Ｄ変
   換された複数の出力の中の最大値を検出する最大値検出
   手段と、該最大値検出手段で検出された最大値と該Ａ／
   Ｄ変換手段の最大出力との比率を算出する算出手段と、
   該算出手段で算出された比率に応じて上記利得設定手段
   の増幅度を該比率に応じて可変させる可変利得制御手段
   と備えたことを特徴とする音声認識装置。