JPH0540495A

JPH0540495A - 音声区間検出方式

Info

Publication number: JPH0540495A
Application number: JP3197738A
Authority: JP
Inventors: Yasunaga Miyazawa; 康永宮沢
Original assignee: Seiko Epson Corp
Current assignee: Seiko Epson Corp
Priority date: 1991-08-07
Filing date: 1991-08-07
Publication date: 1993-02-19

Abstract

(57)【要約】【目的】音声区間と雑音区間とを区別し、正確な音声
区間を検出する。【構成】パワーの値１０がパワーの値のしきい値１２
よりも大きく、且つ、ベクトル量子化誤差の値１１がベ
クトル量子化誤差１３の値よりも小さくなったフレーム
（フレーム番号１６）を始端フレームとし、パワーの値
１０がパワーの値のしきい値１２よりも小さく、且つ、
ベクトル量子化誤差の値１１がベクトル量子化誤差１３
の値よりも大きくなったフレーム（フレーム番号１７）
を終端フレームとする。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は音声認識装置に関する。

【０００２】

【従来の技術】従来、入力信号のパワーが、設定された
しきい値より大きいか否かによって、音声信号であるか
否かを判断する、音声区間検出方式が知られていた。

【０００３】

【発明が解決しようとする課題】しかし従来の技術で
は、実際の音声信号の前後に、設定されたしきい値より
も大きなパワーをもつ雑音が入力信号として入力された
場合、雑音部分を含んだ区間が音声区間として検出され
てしまうため、パターンマッチング等により認識を行っ
た場合、誤認識を起こしやすい、という課題を有してい
た。

【０００４】本発明の目的は、このような課題を解決し
て真の音声区間を検出し、音声認識装置に応用した場
合、認識率を向上させるところにある。

【０００５】

【課題を解決するための手段】入力信号から音声区間を
検出する音声区間検出方式において、前記入力信号を一
定時間長で短区間に分割し、分割された前記短区間毎に
特徴ベクトルとパワーを求める手段と、音声信号のみか
ら作成したコードブックと、前記特徴ベクトルを前記コ
ードブックを用いてベクトル量子化し、前記ベクトル量
子化における量子化誤差を求める手段、とを具備し、前
記入力信号から音声区間の開始点と終了点を検出する際
に、前記パワーと前記量子化誤差とを用いることを特徴
とする。

【０００６】

【実施例】

（実施例１）本発明の音声区間検出方式を音声認識装置
に応用した場合の実施例を、図面に沿って説明する。

【０００７】図１は、本発明の音声区間検出方式を音声
認識装置に応用した場合のシステム構成図である。

【０００８】音声信号及び周囲雑音等は、マイク、ロー
パスフィルタで構成される入力部１より、入力信号とし
て常時入力される。

【０００９】入力部１より入力された入力信号を、Ａ／
Ｄ変換部２において、20KHz,16bits、のディジタル信号
に変換する。

【００１０】Ａ／Ｄ変換部２においてディジタル化され
た入力信号を、分析部３において、フレーム長 25.6mse
c (512 points)、の短区間毎にＬＰＣ分析を行い、２０
次ＬＰＣケプストラム係数を求め、これを特徴ベクトル
とする。この時窓関数として、ハミングウィンドウを用
いる。更に分析部３において、フレーム内の信号のパワ
ーの値を求める。ここで、フレームのシフト量は、12.8
msec (256 points) とする。

【００１１】分析部３において求めたフレーム毎の特徴
ベクトルを、ベクトル量子化部５においてベクトル量子
化によりコード化する。この時参照するコードベクトル
は、コードブック６に登録されている２５６個のコード
ベクトルである。このコードベクトルは、数１０人の発
話した音声から音声区間のみを、スペクトルパターング
ラフとパワーグラフにより人間が切り出し、この音声区
間をフレーム長 25.6msec シフト量 12.8msec でＬＰＣ
分析し２０次ＬＰＣケプストラム係数を求め、求めた２
０次ＬＰＣケプストラム係数を特徴ベクトルとして、Ｌ
ＢＧアルゴリズムを用いて作成した。

【００１２】ベクトル量子化部５におけるベクトル量子
化によって生じる量子化誤差の値は、音声区間検出部４
に送られる。また、ベクトル量子化部５において対応づ
けられたコードは、認識部６に送られる。

【００１３】音声区間検出部４において、分析部３から
送られたパワーの値とベクトル量子化部５より送られた
量子化誤差の値を用いて次のようにして音声区間を検出
する。音声区間の始端点については、パワーの値がパワ
ーのしきい値よりも大きくなり、且つ、量子化誤差の値
が誤差のしきい値よりも小さくなった場合、そのフレー
ムを音声区間の始端フレームとして判断し、認識部７に
「音声区間始端フレーム」の情報を送る。

【００１４】音声区間の終端フレームについては、パワ
ーの値がパワーのしきい値よりも小さくなり、且つ、量
子化誤差の値が誤差のしきい値よりも大きくなった場
合、そのフレームを終端フレームとして判断し、認識部
７に「音声区間終端フレーム」の情報を送る。

【００１５】但し、この音声区間検出後、ある一定時間
内に新たに音声区間を検出した場合、この２つの音声区
間を１つの音声区間として判断し、最初の始端フレーム
を真の始端フレームとし、最後の終端フレームを真の終
端フレームとして、認識部７にその情報を送る。３個以
上の音声区間が連続して検出された場合についても同様
である。これは、１つの単語中に短時間の無音区間が生
じた場合に（例えば、「楽器」という単語をゆっくり発
音した場合、「がっ」と「き」との間には、短時間の無
音区間が生じる）、単語が２個以上連続して発話された
と、誤検出することを防いでいる。

【００１６】実際に雑音信号と音声信号を本発明を用い
た音声認識装置に入力した場合の、パワーの値と量子化
誤差の値の変動について、図２を用いて説明する。

【００１７】図２のグラフの横軸は時間軸、すなわちフ
レーム番号であり、縦軸は、上部がパワーの値で、下部
が量子化誤差の値である。図１の分析部３で計算したパ
ワーの値は曲線１０で、ベクトル量子化部５で計算した
量子化誤差の値は曲線１１で示す。ここで、フレーム番
号１４からフレーム番号１５の区間は雑音信号を入力
し、フレーム番号１６からフレーム番号１７の区間は音
声信号を入力している。パワーの値１０に注目すると、
フレーム番号１４からフレーム番号１５の区間とフレー
ム番号１６からフレーム番号１７の区間の両区間とも、
パワーの値１０は、パワーのしきい値１２より大きくな
っており、ある音量の信号が入力されていることがわか
る。しかし、入力信号が音声信号であるか雑音信号であ
るかの判断は、パワーの値１０だけではできない。ここ
で、フレーム番号１５からフレーム番号１６の無音区間
が、ある一定の時間以内である場合、従来のパワーの値
だけを用いた音声区間検出方式では、フレーム番号１４
からフレーム番号１７までの区間を、音声区間として誤
検出していた。

【００１８】量子化誤差の値１１に注目すると、量子化
誤差の値１１は、音声信号が入力されたフレーム番号１
６からフレーム番号１７の区間で、量子化誤差のしきい
値１３より小さくなり、他の区間では量子化誤差のしき
い値１３よりも大きくなっている。これは入力信号を、
音声信号のみから作成したコードブック６を用いてベク
トル量子化した場合、音声信号は量子化誤差は小さくな
るが、音声信号とは特徴が異なる雑音信号は量子化誤差
が大きくなる、という特性があるためである。よって、
本発明の音声区間検出方式では、この特性を利用するこ
とにより、音声区間と雑音区間との区別を明確に行うこ
とが可能となり、フレーム番号１６からフレーム番号１
７の区間を、音声区間として検出できる。

【００１９】図１の認識部７では、音声区間検出部４よ
り送られた音声区間（始端フレーム、終端フレーム）の
情報により、ベクトル量子化部５より送られたコード列
のうち、音声区間のコード列のみを入力パターンとして
生成する。更に、この入力パターンと、単語辞書８に記
憶されている単語の標準パターンとを、ＨＭＭによりパ
ターンマッチングを行うことにより、単語を認識し、そ
の単語名を出力する。以上説明したように、本発明の音
声区間検出方式を音声認識装置に応用することにより、
正確な音声区間が検出可能となり、音声認識装置の認識
率を高めることができる。

【００２０】

【発明の効果】本発明の音声区間検出方式では、音声区
間の検出に、入力信号のパワーの値と、ベクトル量子化
誤差の値とを用いることにより、音声信号と雑音信号と
を区別して、正確な音声区間を検出することが可能とな
り、音声認識装置に応用した場合、認識率を高くする効
果がある。

【図面の簡単な説明】

【図１】本発明の音声区間検出方式を用いた音声認識装
置のシステム構成図。

【図２】パワーの値とベクトル量子化誤差の値の変動
図。

【符号の説明】

１・・・音声入力部２・・・Ａ／Ｄ変換部３・・・分析部４・・・音声区間検出部５・・・ベクトル量子化部６・・・コードブック７・・・認識部８・・・単語辞書１０・・・パワーの値１１・・・ベクトル量子化誤差の値１２・・・パワーの値のしきい値１３・・・ベクトル量子化誤差の値のしきい値１４・・・フレーム番号１５・・・フレーム番号１６・・・フレーム番号１７・・・フレーム番号

Claims

【特許請求の範囲】

【請求項１】入力信号から音声区間を検出する音声区
間検出方式において、前記入力信号を一定時間長で短区
間に分割し、分割された前記短区間毎に特徴ベクトルと
パワーを求める手段と、音声信号のみから作成したコードブックと、前記特徴ベクトルを前記コードブックを用いてベクトル
量子化し、前記ベクトル量子化における量子化誤差を求
める手段、とを具備し、前記入力信号から音声区間の開始点と終了点を検出する
際に、前記パワーと前記量子化誤差とを用いることを特
徴とする、音声区間検出方式。