JPH05108089A - 音声区間検出方法 - Google Patents
音声区間検出方法Info
- Publication number
- JPH05108089A JPH05108089A JP3264537A JP26453791A JPH05108089A JP H05108089 A JPH05108089 A JP H05108089A JP 3264537 A JP3264537 A JP 3264537A JP 26453791 A JP26453791 A JP 26453791A JP H05108089 A JPH05108089 A JP H05108089A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- section
- signal
- linear prediction
- density distribution
- 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.)
- Pending
Links
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
(57)【要約】
【目的】 騒音下における音声区間の検出精度を向上さ
せた音声区間検出方法を提供すること。 【構成】 音響／電気信号変換部１により音声を集音し
て電気信号ｘ(t) に変換し、この電気信号ｘ(t) をＡ／
Ｄ変換部２によりデジタル信号ｘn に変換し、線形予測
分析部３によりデジタル信号ｘn の線形予測分析を行っ
て線形予測係数ａi を求め、デジタル信号ｘn と線形予
測係数ａi とから残差信号演算部４により予測残差信号
ｅn を求め、この予測残差信号ｅn から確率密度分布演
算部５により確率密度分布Ｐ(ｋ)を求め、この確率密度
分布Ｐ(ｋ)に基づいて、予測残差信号ｅn が予め定めら
れた基準値以上になる確率が低い区間を音声の存在する
音声区間Ｓとして検出するようにした。
せた音声区間検出方法を提供すること。 【構成】 音響／電気信号変換部１により音声を集音し
て電気信号ｘ(t) に変換し、この電気信号ｘ(t) をＡ／
Ｄ変換部２によりデジタル信号ｘn に変換し、線形予測
分析部３によりデジタル信号ｘn の線形予測分析を行っ
て線形予測係数ａi を求め、デジタル信号ｘn と線形予
測係数ａi とから残差信号演算部４により予測残差信号
ｅn を求め、この予測残差信号ｅn から確率密度分布演
算部５により確率密度分布Ｐ(ｋ)を求め、この確率密度
分布Ｐ(ｋ)に基づいて、予測残差信号ｅn が予め定めら
れた基準値以上になる確率が低い区間を音声の存在する
音声区間Ｓとして検出するようにした。
Description
【０００１】
【産業上の利用分野】本発明は、音声認識に利用される
音声の区間を検出する技術に係り、特に騒音下の自動車
の中や工場の中における音声区間検出方法に関する。
音声の区間を検出する技術に係り、特に騒音下の自動車
の中や工場の中における音声区間検出方法に関する。
【０００２】
【従来の技術】音声認識装置を実現する上で、音声区間
の検出は非常に重要な問題であり、以後の音声の認識結
果に大きな影響を及ぼすものである。従来にあっては、
音声のパワーを２つの閾値（スレッショルドレベル）と
比較することにより音声の区間を検出する方法が用いら
れていた。なお、このような方法については、例えば、
「音声認識」新見著、共立出版、p．68〜69 に記載され
ている。また、特開昭６０−３９７００号公報に開示さ
れた「音声区間検出方法」がある。これは、まず、パワ
ーにより音声区間を大まかに検出し、次に、語頭を隣接
フレームとの残差パワーに重みをおいたケプストラム距
離を用いて修正することにより、音声区間の検出精度を
高めるようにしたものである。
の検出は非常に重要な問題であり、以後の音声の認識結
果に大きな影響を及ぼすものである。従来にあっては、
音声のパワーを２つの閾値（スレッショルドレベル）と
比較することにより音声の区間を検出する方法が用いら
れていた。なお、このような方法については、例えば、
「音声認識」新見著、共立出版、p．68〜69 に記載され
ている。また、特開昭６０−３９７００号公報に開示さ
れた「音声区間検出方法」がある。これは、まず、パワ
ーにより音声区間を大まかに検出し、次に、語頭を隣接
フレームとの残差パワーに重みをおいたケプストラム距
離を用いて修正することにより、音声区間の検出精度を
高めるようにしたものである。
【０００３】
【発明が解決しようとする課題】しかしながら、上述し
たような従来の音声区間検出方法では、自動車の中や工
場の中のような騒音下において音声区間を検出すること
は困難である。本発明は、特に騒音下において音声区間
の検出精度を高めようとするものである。
たような従来の音声区間検出方法では、自動車の中や工
場の中のような騒音下において音声区間を検出すること
は困難である。本発明は、特に騒音下において音声区間
の検出精度を高めようとするものである。
【０００４】
【課題を解決するための手段】請求項１記載の発明で
は、音響／電気信号変換部により音声を集音して電気信
号に変換し、この電気信号をＡ／Ｄ変換部によりデジタ
ル信号に変換し、このデジタル信号から音声の存在する
音声区間を検出するようにした音声区間検出方法におい
て、線形予測分析部により前記デジタル信号の線形予測
分析を行って線形予測係数を求め、前記デジタル信号と
前記線形予測係数とから残差信号演算部により予測残差
信号を求め、この予測残差信号から確率密度分布演算部
により確率密度分布を求め、この確率密度分布に基づい
て音声の存在する音声区間を検出するようにした。
は、音響／電気信号変換部により音声を集音して電気信
号に変換し、この電気信号をＡ／Ｄ変換部によりデジタ
ル信号に変換し、このデジタル信号から音声の存在する
音声区間を検出するようにした音声区間検出方法におい
て、線形予測分析部により前記デジタル信号の線形予測
分析を行って線形予測係数を求め、前記デジタル信号と
前記線形予測係数とから残差信号演算部により予測残差
信号を求め、この予測残差信号から確率密度分布演算部
により確率密度分布を求め、この確率密度分布に基づい
て音声の存在する音声区間を検出するようにした。
【０００５】請求項２記載の発明では、請求項１記載の
発明において、確率密度分布演算部で得られた確率密度
分布に基づいて検出される音声の存在する音声区間を、
残差信号演算部により得られた予測残差信号が予め定め
られた基準値以上になる確率が低い区間とした。
発明において、確率密度分布演算部で得られた確率密度
分布に基づいて検出される音声の存在する音声区間を、
残差信号演算部により得られた予測残差信号が予め定め
られた基準値以上になる確率が低い区間とした。
【０００６】請求項３記載の発明では、請求項１又は２
記載の発明において、音響／電気信号変換部により得ら
れた電気信号若しくはＡ／Ｄ変換器により得られたデジ
タル信号に基づいて音声パワーを求め、この音声パワー
により音声の存在する音声区間を検出する際に重みづけ
を行うようにした。
記載の発明において、音響／電気信号変換部により得ら
れた電気信号若しくはＡ／Ｄ変換器により得られたデジ
タル信号に基づいて音声パワーを求め、この音声パワー
により音声の存在する音声区間を検出する際に重みづけ
を行うようにした。
【０００７】請求項４記載の発明では、請求項１，２又
は３記載の発明において、線形予測分析部により得られ
た線形予測係数若しくは残差信号演算部により得られた
予測残差信号に基づいて残差パワーを求め、この残差パ
ワーにより音声の存在する音声区間を検出する際に重み
づけを行うようにした。
は３記載の発明において、線形予測分析部により得られ
た線形予測係数若しくは残差信号演算部により得られた
予測残差信号に基づいて残差パワーを求め、この残差パ
ワーにより音声の存在する音声区間を検出する際に重み
づけを行うようにした。
【０００８】
【作用】請求項１，２記載の発明においては、デジタル
信号の線形予測分析を行って線形予測係数を求め、デジ
タル信号と線形予測係数とから予測残差信号を求め、こ
の予測残差信号から確率密度分布を求め、この確率密度
分布に基づいて音声の存在する音声区間を、予測残差信
号が予め定められた基準値以上になる確率が低い区間と
して検出することにより、騒音下においても音声区間の
検出精度を高めることが可能となる。
信号の線形予測分析を行って線形予測係数を求め、デジ
タル信号と線形予測係数とから予測残差信号を求め、こ
の予測残差信号から確率密度分布を求め、この確率密度
分布に基づいて音声の存在する音声区間を、予測残差信
号が予め定められた基準値以上になる確率が低い区間と
して検出することにより、騒音下においても音声区間の
検出精度を高めることが可能となる。
【０００９】請求項３，４記載の発明においては、音響
／電気信号変換部により得られた電気信号若しくはＡ／
Ｄ変換器により得られたデジタル信号に基づいて音声パ
ワーを求め、さらに、線形予測分析部により得られた線
形予測係数若しくは残差信号演算部により得られた予測
残差信号に基づいて残差パワーを求め、確率密度分布演
算部により得られた確率密度分布と音声パワーと残差パ
ワーとに基づいて音声の存在する音声区間を検出するこ
とにより、請求項１，２記載の発明に比べて騒音下での
音声区間の検出精度をより一層高めることが可能とな
る。
／電気信号変換部により得られた電気信号若しくはＡ／
Ｄ変換器により得られたデジタル信号に基づいて音声パ
ワーを求め、さらに、線形予測分析部により得られた線
形予測係数若しくは残差信号演算部により得られた予測
残差信号に基づいて残差パワーを求め、確率密度分布演
算部により得られた確率密度分布と音声パワーと残差パ
ワーとに基づいて音声の存在する音声区間を検出するこ
とにより、請求項１，２記載の発明に比べて騒音下での
音声区間の検出精度をより一層高めることが可能とな
る。
【００１０】
【実施例】請求項１，２記載の発明の一実施例を図１な
いし図３に基づいて説明する。本実施例は、図１に示す
音声区間検出装置を用いて実施するようにしたものであ
る。まず、本実施例に用いる音声区間検出装置の全体構
成の概略を図１に基づいて述べる。音響／電気信号変換
部（マイクロフォン）１の出力側に、Ａ／Ｄ変換部２
と、線形予測分析部３と、残差信号演算部４と、確率密
度分布演算部５と、音声区間検出部６とが順次直列に接
続されている。
いし図３に基づいて説明する。本実施例は、図１に示す
音声区間検出装置を用いて実施するようにしたものであ
る。まず、本実施例に用いる音声区間検出装置の全体構
成の概略を図１に基づいて述べる。音響／電気信号変換
部（マイクロフォン）１の出力側に、Ａ／Ｄ変換部２
と、線形予測分析部３と、残差信号演算部４と、確率密
度分布演算部５と、音声区間検出部６とが順次直列に接
続されている。
【００１１】また、上述したような音声区間検出装置を
用いて以下に示す方法により実施するようにしたもので
ある。前記音響／電気信号変換部１により音声を集音し
て電気信号ｘ(t)に変換し、この電気信号ｘ(t)を前記Ａ
／Ｄ変換部２によりデジタル信号ｘn に変換し、前記線
形予測分析部３により前記デジタル信号ｘn の線形予測
分析を行って線形予測係数（ＬＰＣ）ａi を求め、前記
デジタル信号ｘn と前記線形予測係数ａi とから前記残
差信号演算部４により予測残差信号ｅnを求め、この予
測残差信号ｅn から前記確率密度分布演算部により確率
密度分布Ｐ(ｋ)を求め、この確率密度分布Ｐ(ｋ)に基づ
いて前記音声区間検出部６により音声の存在する音声区
間Ｓを検出するようになっている。
用いて以下に示す方法により実施するようにしたもので
ある。前記音響／電気信号変換部１により音声を集音し
て電気信号ｘ(t)に変換し、この電気信号ｘ(t)を前記Ａ
／Ｄ変換部２によりデジタル信号ｘn に変換し、前記線
形予測分析部３により前記デジタル信号ｘn の線形予測
分析を行って線形予測係数（ＬＰＣ）ａi を求め、前記
デジタル信号ｘn と前記線形予測係数ａi とから前記残
差信号演算部４により予測残差信号ｅnを求め、この予
測残差信号ｅn から前記確率密度分布演算部により確率
密度分布Ｐ(ｋ)を求め、この確率密度分布Ｐ(ｋ)に基づ
いて前記音声区間検出部６により音声の存在する音声区
間Ｓを検出するようになっている。
【００１２】さらに、確率密度分布演算部５で得られた
確率密度分布Ｐ(ｋ)に基づいて検出される音声の存在す
る音声区間Ｓを、残差信号演算部４により得られた予測
残差信号ｅn が予め定められた基準値以上になる確率が
低い区間Ｓ1 とするようになっている。
確率密度分布Ｐ(ｋ)に基づいて検出される音声の存在す
る音声区間Ｓを、残差信号演算部４により得られた予測
残差信号ｅn が予め定められた基準値以上になる確率が
低い区間Ｓ1 とするようになっている。
【００１３】次に、上述したような音声区間検出装置と
方法とを用いた本実施例の具体例を図１及び図２に基づ
いて説明する。まず、図１に示すように、音声を音響／
電気信号変換部１により集音して電気信号ｘ(t) に変換
し、この電気信号ｘ(t) をＡ／Ｄ変換部２によりデジタ
ル信号ｘn に変換する。そして、線形予測分析部３で
は、１０msec程度のフレーム単位毎に、前記デジタル信
号ｘn の線形予測分析を行って線形予測係数ａi を求め
る。この線形予測係数ａi の求め方は、
方法とを用いた本実施例の具体例を図１及び図２に基づ
いて説明する。まず、図１に示すように、音声を音響／
電気信号変換部１により集音して電気信号ｘ(t) に変換
し、この電気信号ｘ(t) をＡ／Ｄ変換部２によりデジタ
ル信号ｘn に変換する。そして、線形予測分析部３で
は、１０msec程度のフレーム単位毎に、前記デジタル信
号ｘn の線形予測分析を行って線形予測係数ａi を求め
る。この線形予測係数ａi の求め方は、
【００１４】
【数１】
【００１５】で表されるｅn の２乗のフレーム区間中の
総和が最小となるような線形予測係数ａi を求めるもの
で、周知のレビンソン・ダービンのアルゴリズムを用い
て効率よく解くことが可能である。ついで、残差信号演
算部４において、Ａ／Ｄ変換部２により得られたデジタ
ル信号ｘn と線形予測分析部３にて求められた線形予測
係数ａi とにより、（１）式を用いて、予測残差信号ｅ
n を求める。
総和が最小となるような線形予測係数ａi を求めるもの
で、周知のレビンソン・ダービンのアルゴリズムを用い
て効率よく解くことが可能である。ついで、残差信号演
算部４において、Ａ／Ｄ変換部２により得られたデジタ
ル信号ｘn と線形予測分析部３にて求められた線形予測
係数ａi とにより、（１）式を用いて、予測残差信号ｅ
n を求める。
【００１６】さらに、確率密度分布演算部５において、
残差信号演算部４にて求められた予測残差信号ｅn の確
率密度分布Ｐ(ｋ)を求める。この確率密度分布Ｐ(ｋ)を
求める方法としては、予測残差信号ｅn の絶対値の最大
値ｅmax を求め、この最大値ｅmax の範囲を数段階に設
定し、予測残差信号ｅn が各範囲に存在する確率を求め
る方法を用いる。すなわち、予測残差信号ｅn の絶対値
の最大値ｅmax の範囲を、 Ｐ(０)：−ｅmax ≦ｅn ＜−０.７５ｅmax Ｐ(１)：−０.７５ｅmax ≦ｅn ＜−０.５ｅmax Ｐ(２)：−０.５ｅmax ≦ｅn ＜−０.２５ｅmax Ｐ(３)：−０.２５ｅmax ≦ｅn ＜０ Ｐ(４)：０≦ｅn ＜０.２５ｅmax Ｐ(５)：０.２５ｅmax ≦ｅn ＜０.５ｅmax Ｐ(６)：０.５ｅmax ≦ｅn ＜０.７５ｅmax Ｐ(７)：０.７５ｅmax ≦ｅn ≦ｅmax に設定し、各範囲内に存在する確率、若しくは、度数を
求める。そして、音声区間検出部６では、確率密度分布
演算部５にて求められた確率密度分布Ｐ(ｋ)から、音声
の存在する音声区間Ｓを検出する。この音声区間Ｓを検
出する方法としては、例えば、 Ｑ＝Ｐ(０)＋Ｐ(１)＋Ｐ(６)＋Ｐ(７) ・・・（２） として、図３のフローチャートに示すように、（２）式
に示すＱが予め定めておいた基準値（閾値）Ｔｈ以下と
なる区間Ｓ1 を音声の存在する音声区間Ｓであると判定
する方法を用いる。ここに、音響／電気信号変換部１に
母音が入力された場合、予測残差信号ｅn には母音に含
まれるピッチ性が現われ、ピッチ周期毎に予測残差信号
ｅn は大きな値となり、母音のピッチ周期以外の区間で
は比較的小さな値となるため、予測残差信号ｅn が大き
な値をとる確率が小さくなる。その結果、母音の存在す
る区間では、（２）式に示すＱが予め定めておいた基準
値Ｔｈ以下となるため、その区間を音声の存在する音声
区間Ｓとして判定する。したがって、確率密度分布演算
部５により求められた確率密度分布Ｐ(ｋ)の総和Ｑが予
め定めておいた基準値Ｔｈ以下の区間Ｓ1 を音声の存在
する音声区間Ｓであると判定することにより、騒音下に
おいても音声の存在する音声区間Ｓの検出精度を高める
ことが可能となる。
残差信号演算部４にて求められた予測残差信号ｅn の確
率密度分布Ｐ(ｋ)を求める。この確率密度分布Ｐ(ｋ)を
求める方法としては、予測残差信号ｅn の絶対値の最大
値ｅmax を求め、この最大値ｅmax の範囲を数段階に設
定し、予測残差信号ｅn が各範囲に存在する確率を求め
る方法を用いる。すなわち、予測残差信号ｅn の絶対値
の最大値ｅmax の範囲を、 Ｐ(０)：−ｅmax ≦ｅn ＜−０.７５ｅmax Ｐ(１)：−０.７５ｅmax ≦ｅn ＜−０.５ｅmax Ｐ(２)：−０.５ｅmax ≦ｅn ＜−０.２５ｅmax Ｐ(３)：−０.２５ｅmax ≦ｅn ＜０ Ｐ(４)：０≦ｅn ＜０.２５ｅmax Ｐ(５)：０.２５ｅmax ≦ｅn ＜０.５ｅmax Ｐ(６)：０.５ｅmax ≦ｅn ＜０.７５ｅmax Ｐ(７)：０.７５ｅmax ≦ｅn ≦ｅmax に設定し、各範囲内に存在する確率、若しくは、度数を
求める。そして、音声区間検出部６では、確率密度分布
演算部５にて求められた確率密度分布Ｐ(ｋ)から、音声
の存在する音声区間Ｓを検出する。この音声区間Ｓを検
出する方法としては、例えば、 Ｑ＝Ｐ(０)＋Ｐ(１)＋Ｐ(６)＋Ｐ(７) ・・・（２） として、図３のフローチャートに示すように、（２）式
に示すＱが予め定めておいた基準値（閾値）Ｔｈ以下と
なる区間Ｓ1 を音声の存在する音声区間Ｓであると判定
する方法を用いる。ここに、音響／電気信号変換部１に
母音が入力された場合、予測残差信号ｅn には母音に含
まれるピッチ性が現われ、ピッチ周期毎に予測残差信号
ｅn は大きな値となり、母音のピッチ周期以外の区間で
は比較的小さな値となるため、予測残差信号ｅn が大き
な値をとる確率が小さくなる。その結果、母音の存在す
る区間では、（２）式に示すＱが予め定めておいた基準
値Ｔｈ以下となるため、その区間を音声の存在する音声
区間Ｓとして判定する。したがって、確率密度分布演算
部５により求められた確率密度分布Ｐ(ｋ)の総和Ｑが予
め定めておいた基準値Ｔｈ以下の区間Ｓ1 を音声の存在
する音声区間Ｓであると判定することにより、騒音下に
おいても音声の存在する音声区間Ｓの検出精度を高める
ことが可能となる。
【００１７】なお、上述したような線形予測分析部３の
線形予測係数ａi 、残差信号演算部４の予測残差信号ｅ
n 、確率密度分布演算部５の確率密度分布Ｐ(ｋ)を求め
る方法、或いは、音声区間検出部６において確率密度分
布Ｐ(ｋ)から音声区間Ｓを求める方法は、本実施例で用
いた方法に限るものではなく、他の方法を用いても実施
可能となるものである。
線形予測係数ａi 、残差信号演算部４の予測残差信号ｅ
n 、確率密度分布演算部５の確率密度分布Ｐ(ｋ)を求め
る方法、或いは、音声区間検出部６において確率密度分
布Ｐ(ｋ)から音声区間Ｓを求める方法は、本実施例で用
いた方法に限るものではなく、他の方法を用いても実施
可能となるものである。
【００１８】次に、請求項３記載の発明の一実施例を図
４及び図５に基づいて説明する。本実施例は、図４に示
す音声区間検出装置を用いて実施するようにしたもので
ある。まず、本実施例に用いる音声区間検出装置の全体
構成の概略を図４に基づいて述べる。なお、請求項１，
２記載の発明の一実施例（図１ないし図３参照）におい
て説明した部分と同一部分については同一符号を用い、
その説明も省略する。Ａ／Ｄ変換部２の出力側と音声区
間検出部６との間に音声パワー検出部７が設けられてい
る。
４及び図５に基づいて説明する。本実施例は、図４に示
す音声区間検出装置を用いて実施するようにしたもので
ある。まず、本実施例に用いる音声区間検出装置の全体
構成の概略を図４に基づいて述べる。なお、請求項１，
２記載の発明の一実施例（図１ないし図３参照）におい
て説明した部分と同一部分については同一符号を用い、
その説明も省略する。Ａ／Ｄ変換部２の出力側と音声区
間検出部６との間に音声パワー検出部７が設けられてい
る。
【００１９】また、上述したような音声区間検出装置を
用いて以下に示す方法により実施するようにしたもので
ある。音響／電気信号変換部１により得られた電気信号
ｘ(t) 若しくはＡ／Ｄ変換器２により得られたデジタル
信号ｘn に基づいて前記音声パワー検出部７により音声
パワーＹｍを求め、この音声パワーＹｍにより音声の存
在する音声区間Ｓを検出する際に重みづけを行うように
なっている。
用いて以下に示す方法により実施するようにしたもので
ある。音響／電気信号変換部１により得られた電気信号
ｘ(t) 若しくはＡ／Ｄ変換器２により得られたデジタル
信号ｘn に基づいて前記音声パワー検出部７により音声
パワーＹｍを求め、この音声パワーＹｍにより音声の存
在する音声区間Ｓを検出する際に重みづけを行うように
なっている。
【００２０】そして、上述したような音声認識装置と方
法とを用いた本実施例の具体例を図５に示すフローチャ
ートに基づいて説明する。音声パワー検出部７において
は、音響／電気信号変換部１により得られた電気信号ｘ
(t) 、若しくは、この電気信号ｘ(t) がＡ／Ｄ変換部２
によりＡ／Ｄ変換されたデジタル信号ｘn に基づいて、
音声パワーＹｍを求める。すなわち、音声パワーＹｍ
を、
法とを用いた本実施例の具体例を図５に示すフローチャ
ートに基づいて説明する。音声パワー検出部７において
は、音響／電気信号変換部１により得られた電気信号ｘ
(t) 、若しくは、この電気信号ｘ(t) がＡ／Ｄ変換部２
によりＡ／Ｄ変換されたデジタル信号ｘn に基づいて、
音声パワーＹｍを求める。すなわち、音声パワーＹｍ
を、
【００２１】
【数２】
【００２２】とし、フレーム毎のデジタル信号ｘn の２
乗値の短時間平均値を求める方法や、デジタル信号ｘn
の絶対値の短時間平均値を求める方法を用いて（３）式
の音声パワーＹｍを求める。
乗値の短時間平均値を求める方法や、デジタル信号ｘn
の絶対値の短時間平均値を求める方法を用いて（３）式
の音声パワーＹｍを求める。
【００２３】そして、音声区間検出部６では、音声パワ
ー検出部７により検出された音声パワーＹｍにより、前
述の「音声認識」、共立出版、新見著、p．68〜69 に記
載されている音声パワーを２つの閾値と比較する方法を
用いて音声の存在する区間Ｓ 2 が検出される。さらに、
この区間Ｓ2 と、前述の請求項１，２記載の発明の一実
施例で説明した確率密度分布Ｐ(ｋ)から求められた区間
Ｓ1 とのＡＮＤ／ＯＲをとった区間を最終的に音声の存
在する音声区間Ｓとして検出する。したがって、音声パ
ワー検出部７にて求められた音声パワーＹｍを、音声の
存在する音声区間Ｓを検出する際の判定基準に加えるこ
とにより、騒音下においても、請求項１，２記載の発明
の一実施例と比べて、音声の存在する音声区間Ｓの検出
精度をより一層高めることが可能となる。
ー検出部７により検出された音声パワーＹｍにより、前
述の「音声認識」、共立出版、新見著、p．68〜69 に記
載されている音声パワーを２つの閾値と比較する方法を
用いて音声の存在する区間Ｓ 2 が検出される。さらに、
この区間Ｓ2 と、前述の請求項１，２記載の発明の一実
施例で説明した確率密度分布Ｐ(ｋ)から求められた区間
Ｓ1 とのＡＮＤ／ＯＲをとった区間を最終的に音声の存
在する音声区間Ｓとして検出する。したがって、音声パ
ワー検出部７にて求められた音声パワーＹｍを、音声の
存在する音声区間Ｓを検出する際の判定基準に加えるこ
とにより、騒音下においても、請求項１，２記載の発明
の一実施例と比べて、音声の存在する音声区間Ｓの検出
精度をより一層高めることが可能となる。
【００２４】なお、上述したような音声パワー検出部７
の音声パワーＹｍを求める方法や、音声区間検出部６に
おいて、確率密度分布Ｐ(ｋ)から求められた区間Ｓ1 と
音声パワーＹｍから検出された区間Ｓ2 とから音声区間
Ｓを検出する方法は、本実施例で用いた方法に限るもの
ではなく、他の方法を用いても実施可能となるものであ
る。
の音声パワーＹｍを求める方法や、音声区間検出部６に
おいて、確率密度分布Ｐ(ｋ)から求められた区間Ｓ1 と
音声パワーＹｍから検出された区間Ｓ2 とから音声区間
Ｓを検出する方法は、本実施例で用いた方法に限るもの
ではなく、他の方法を用いても実施可能となるものであ
る。
【００２５】次に、請求項４記載の発明の一実施例を図
６及び図７に基づいて説明する。本実施例は、図６に示
す音声区間検出装置を用いて実施するようにしたもので
ある。まず、本実施例で用いる音声区間検出装置の全体
構成の概略を図６に基づいて述べる。なお、請求項３記
載の発明の一実施例（図４及び図５参照）において説明
した部分と同一部分については同一符号を用い、その説
明も省略する。線形予測分析部３の出力側と音声区間検
出部６との間に残差パワー検出部８が設けられている。
６及び図７に基づいて説明する。本実施例は、図６に示
す音声区間検出装置を用いて実施するようにしたもので
ある。まず、本実施例で用いる音声区間検出装置の全体
構成の概略を図６に基づいて述べる。なお、請求項３記
載の発明の一実施例（図４及び図５参照）において説明
した部分と同一部分については同一符号を用い、その説
明も省略する。線形予測分析部３の出力側と音声区間検
出部６との間に残差パワー検出部８が設けられている。
【００２６】また、上述したような音声区間検出装置を
用いて以下に示す方法により実施するようにしたもので
ある。線形予測分析部３により得られた線形予測係数ａ
i 若しくは残差信号演算部４により得られた予測残差信
号ｅn に基づいて残差パワー検出部８により残差パワー
Ｚｍを求め、この残差パワーＺｍにより音声の存在する
音声区間Ｓを検出する際に重みづけを行うようになって
いる。
用いて以下に示す方法により実施するようにしたもので
ある。線形予測分析部３により得られた線形予測係数ａ
i 若しくは残差信号演算部４により得られた予測残差信
号ｅn に基づいて残差パワー検出部８により残差パワー
Ｚｍを求め、この残差パワーＺｍにより音声の存在する
音声区間Ｓを検出する際に重みづけを行うようになって
いる。
【００２７】そして、上述したような音声認識装置と方
法とを用いた本実施例の具体例を図７に示すフローチャ
ートに基づいて説明する。残差パワー検出部８において
は、残差信号演算部４により得られた予測残差信号
ｅn 、若しくは、線形予測分析部３から、残差パワーＺ
ｍを求める。すなわち、残差パワーＺｍを、
法とを用いた本実施例の具体例を図７に示すフローチャ
ートに基づいて説明する。残差パワー検出部８において
は、残差信号演算部４により得られた予測残差信号
ｅn 、若しくは、線形予測分析部３から、残差パワーＺ
ｍを求める。すなわち、残差パワーＺｍを、
【００２８】
【数３】
【００２９】として、フレーム毎の予測残差信号ｅn の
２乗値の短時間平均値を求める方法や、予測残差信号ｅ
n の絶対値の短時間平均値を求める方法を用いて（４）
式の残差パワーＺｍを求める。また、線形予測分析部３
において線形予測係数ａi を求める際に、残差パワーＺ
ｍに相当するものが検出されるので、この残差パワーＺ
ｍに相当するものをそのまま残差パワーＺｍとして用い
てもよいものである。
２乗値の短時間平均値を求める方法や、予測残差信号ｅ
n の絶対値の短時間平均値を求める方法を用いて（４）
式の残差パワーＺｍを求める。また、線形予測分析部３
において線形予測係数ａi を求める際に、残差パワーＺ
ｍに相当するものが検出されるので、この残差パワーＺ
ｍに相当するものをそのまま残差パワーＺｍとして用い
てもよいものである。
【００３０】そして、音声区間検出部６においては、残
差パワー検出部８により検出された残差パワーＺｍを用
いて、前述の「音声認識」、共立出版、新見著、p．68
〜69に記載されている音声パワーを２つの閾値と比較す
る方法により音声の存在する区間Ｓ3 を検出する。さら
に、この区間Ｓ3 と、前述の請求項１，２記載の発明の
一実施例で説明した確率密度分布Ｐ(ｋ)から求められた
区間Ｓ1 と、前述の請求項３記載の発明の一実施例で説
明した音声パワーＹｍから求められた区間Ｓ2とのＡＮ
Ｄ／ＯＲをとった区間を最終的に音声の存在する音声区
間Ｓとして検出する。したがって、確率密度分布Ｐ(ｋ)
と音声パワーＹｍと残差パワーＺｍとのそれぞれから検
出された区間Ｓ1 と区間Ｓ2 と区間Ｓ3 とのＡＮＤ／Ｏ
Ｒをとることにより、騒音下においても、前述の請求項
３記載の発明の一実施例に比べて、音声の存在する音声
区間Ｓの検出精度をさらに一層高めることが可能とな
る。しかも、音声の子音の欠落を少なくさせることが可
能となる。
差パワー検出部８により検出された残差パワーＺｍを用
いて、前述の「音声認識」、共立出版、新見著、p．68
〜69に記載されている音声パワーを２つの閾値と比較す
る方法により音声の存在する区間Ｓ3 を検出する。さら
に、この区間Ｓ3 と、前述の請求項１，２記載の発明の
一実施例で説明した確率密度分布Ｐ(ｋ)から求められた
区間Ｓ1 と、前述の請求項３記載の発明の一実施例で説
明した音声パワーＹｍから求められた区間Ｓ2とのＡＮ
Ｄ／ＯＲをとった区間を最終的に音声の存在する音声区
間Ｓとして検出する。したがって、確率密度分布Ｐ(ｋ)
と音声パワーＹｍと残差パワーＺｍとのそれぞれから検
出された区間Ｓ1 と区間Ｓ2 と区間Ｓ3 とのＡＮＤ／Ｏ
Ｒをとることにより、騒音下においても、前述の請求項
３記載の発明の一実施例に比べて、音声の存在する音声
区間Ｓの検出精度をさらに一層高めることが可能とな
る。しかも、音声の子音の欠落を少なくさせることが可
能となる。
【００３１】なお、上述したような残差パワー検出部８
において残差パワーＺｍを求める方法、音声区間検出部
６の確率密度分布Ｐ(ｋ)から求められた区間Ｓ1 と音声
パワーＹｍから検出された区間Ｓ2 と残差パワーＺｍに
より検出された区間Ｓ3 とから音声区間Ｓを検出する方
法は、本実施例で用いた方法に限るものではなく、他の
方法を用いても実施可能となるものである。
において残差パワーＺｍを求める方法、音声区間検出部
６の確率密度分布Ｐ(ｋ)から求められた区間Ｓ1 と音声
パワーＹｍから検出された区間Ｓ2 と残差パワーＺｍに
より検出された区間Ｓ3 とから音声区間Ｓを検出する方
法は、本実施例で用いた方法に限るものではなく、他の
方法を用いても実施可能となるものである。
【００３２】
【発明の効果】請求項１，２記載の発明は、音響／電気
信号変換部により音声を集音して電気信号に変換し、こ
の電気信号をＡ／Ｄ変換部によりデジタル信号に変換
し、このデジタル信号から音声の存在する音声区間を検
出するようにした音声区間検出方法において、線形予測
分析部により前記デジタル信号の線形予測分析を行って
線形予測係数を求め、前記デジタル信号と前記線形予測
係数とから残差信号演算部により予測残差信号を求め、
この予測残差信号から確率密度分布演算部により確率密
度分布を求め、この確率密度分布に基づいて音声の存在
する音声区間を、予測残差信号が予め定められた基準値
以上になる確率が低い区間として検出するようにしたの
で、騒音下においても音声区間の検出精度を高めること
ができるものである。
信号変換部により音声を集音して電気信号に変換し、こ
の電気信号をＡ／Ｄ変換部によりデジタル信号に変換
し、このデジタル信号から音声の存在する音声区間を検
出するようにした音声区間検出方法において、線形予測
分析部により前記デジタル信号の線形予測分析を行って
線形予測係数を求め、前記デジタル信号と前記線形予測
係数とから残差信号演算部により予測残差信号を求め、
この予測残差信号から確率密度分布演算部により確率密
度分布を求め、この確率密度分布に基づいて音声の存在
する音声区間を、予測残差信号が予め定められた基準値
以上になる確率が低い区間として検出するようにしたの
で、騒音下においても音声区間の検出精度を高めること
ができるものである。
【００３３】請求項２，３記載の発明は、音響／電気信
号変換部により得られた電気信号若しくはＡ／Ｄ変換器
により得られたデジタル信号に基づいて求められた音声
パワーや、線形予測分析部により得られた線形予測係数
若しくは残差信号演算部により得られた予測残差信号に
基づいて求められた残差パワーにより音声の存在する音
声区間を検出するようにしたので、騒音下においても音
声区間の検出精度をより一層高めることができるもので
ある。
号変換部により得られた電気信号若しくはＡ／Ｄ変換器
により得られたデジタル信号に基づいて求められた音声
パワーや、線形予測分析部により得られた線形予測係数
若しくは残差信号演算部により得られた予測残差信号に
基づいて求められた残差パワーにより音声の存在する音
声区間を検出するようにしたので、騒音下においても音
声区間の検出精度をより一層高めることができるもので
ある。
【図１】請求項１，２記載の発明の一実施例を示すブロ
ック図である。
ック図である。
【図２】図１の音声区間検出装置を用いて音声の電気信
号から音声の存在する音声区間が検出されるまでの処理
の流れを示すフローチャートである。
号から音声の存在する音声区間が検出されるまでの処理
の流れを示すフローチャートである。
【図３】図２の音声区間検出処理の流れを含めて示すフ
ローチャートである。
ローチャートである。
【図４】請求項３記載の発明の一実施例を示すブロック
図である。
図である。
【図５】図４の音声区間検出装置を用いて音声の電気信
号から音声の存在する音声区間が検出されるまでの処理
の流れを示すフローチャートである。
号から音声の存在する音声区間が検出されるまでの処理
の流れを示すフローチャートである。
【図６】請求項４記載の発明の一実施例を示すブロック
図である。
図である。
【図７】図６の音声区間検出装置を用いて音声の電気信
号から音声の存在する音声区間が検出されるまでの処理
の流れを示すフローチャートである。
号から音声の存在する音声区間が検出されるまでの処理
の流れを示すフローチャートである。
１ 音響／電気信号変換部 ２ Ａ／Ｄ変換部 ３ 線形予測分析部 ４ 残差信号演算部 ５ 確率密度分布演算部 ｘ(t) 線形予測係数 ｘn デジタル信号 ａi 線形予測係数 ｅn 予測残差信号 Ｙｍ 音声パワー Ｚｍ 残差パワー Ｓ 音声区間
Claims (4)
- 【請求項１】 音響／電気信号変換部により音声を集音
して電気信号に変換し、この電気信号をＡ／Ｄ変換部に
よりデジタル信号に変換し、このデジタル信号から音声
の存在する音声区間を検出するようにした音声区間検出
方法において、線形予測分析部により前記デジタル信号
の線形予測分析を行って線形予測係数を求め、前記デジ
タル信号と前記線形予測係数とから残差信号演算部によ
り予測残差信号を求め、この予測残差信号から確率密度
分布演算部により確率密度分布を求め、この確率密度分
布に基づいて音声の存在する音声区間を検出するように
したことを特徴とする音声区間検出方法。 - 【請求項２】 確率密度分布演算部で得られた確率密度
分布に基づいて検出される音声の存在する音声区間を、
残差信号演算部により得られた予測残差信号が予め定め
られた基準値以上になる確率が低い区間としたことを特
徴とする請求項１記載の音声区間検出方法。 - 【請求項３】 音響／電気信号変換部により得られた電
気信号若しくはＡ／Ｄ変換器により得られたデジタル信
号に基づいて音声パワーを求め、この音声パワーにより
音声の存在する音声区間を検出する際に重みづけを行う
ようにしたことを特徴とする請求項１又は２記載の音声
区間検出方法。 - 【請求項４】 線形予測分析部により得られた線形予測
係数若しくは残差信号演算部により得られた予測残差信
号に基づいて残差パワーを求め、この残差パワーにより
音声の存在する音声区間を検出する際に重みづけを行う
ようにしたことを特徴とする請求項１，２又は３記載の
音声区間検出方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3264537A JPH05108089A (ja) | 1991-10-14 | 1991-10-14 | 音声区間検出方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3264537A JPH05108089A (ja) | 1991-10-14 | 1991-10-14 | 音声区間検出方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH05108089A true JPH05108089A (ja) | 1993-04-30 |
Family
ID=17404646
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3264537A Pending JPH05108089A (ja) | 1991-10-14 | 1991-10-14 | 音声区間検出方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH05108089A (ja) |
-
1991
- 1991-10-14 JP JP3264537A patent/JPH05108089A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1569422B1 (en) | Method and apparatus for multi-sensory speech enhancement on a mobile device | |
| EP0637012B1 (en) | Signal processing device | |
| EP2431972B1 (en) | Method and apparatus for multi-sensory speech enhancement | |
| JP3451146B2 (ja) | スペクトルサブトラクションを用いた雑音除去システムおよび方法 | |
| JP3298858B2 (ja) | 低複雑性スピーチ認識器の区分ベースの類似性方法 | |
| JP4673828B2 (ja) | 音声信号区間推定装置、その方法、そのプログラム及び記録媒体 | |
| EP0474496B1 (en) | Speech recognition apparatus | |
| US6823304B2 (en) | Speech recognition apparatus and method performing speech recognition with feature parameter preceding lead voiced sound as feature parameter of lead consonant | |
| EP1229517B1 (en) | Method for recognizing speech with noise-dependent variance normalization | |
| JPH07199997A (ja) | 音声信号の処理システムにおける音声信号の処理方法およびその処理における処理時間の短縮方法 | |
| JP3270866B2 (ja) | 雑音除去方法および雑音除去装置 | |
| JP2010026323A (ja) | 話速検出装置 | |
| Burchard et al. | A single chip phoneme based HMM speech recognition system for consumer applications | |
| JPH05108089A (ja) | 音声区間検出方法 | |
| JP2000276200A (ja) | 声質変換システム | |
| JP2564821B2 (ja) | 音声判定検出装置 | |
| JP2001083978A (ja) | 音声認識装置 | |
| JPH0720892A (ja) | 音声認識装置におけるノイズキャンセリング装置 | |
| JP2018036442A (ja) | 音声処理プログラム、音声処理方法及び音声処理装置 | |
| KR100345402B1 (ko) | 피치 정보를 이용한 실시간 음성 검출 장치 및 그 방법 | |
| JP2000194385A (ja) | 音声認識処理装置 | |
| JP2772598B2 (ja) | 音声符号化装置 | |
| JP3328642B2 (ja) | 音声判別装置及び音声判別方法 | |
| Suk et al. | Voice/non-voice classification using reliable fundamental frequency estimator for voice activated powered wheelchair control | |
| JP2583854B2 (ja) | 有声無声判定方法 |