JPH06110489A - 音声信号処理装置及びその方法 - Google Patents
音声信号処理装置及びその方法Info
- Publication number
- JPH06110489A JPH06110489A JP4279500A JP27950092A JPH06110489A JP H06110489 A JPH06110489 A JP H06110489A JP 4279500 A JP4279500 A JP 4279500A JP 27950092 A JP27950092 A JP 27950092A JP H06110489 A JPH06110489 A JP H06110489A
- Authority
- JP
- Japan
- Prior art keywords
- sound
- voice
- voiced
- parameter
- unvoiced
- 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
Abstract
(57)【要約】
【目的】音声認識の前処理として音声区間を検出する際
に、有声音・無声音・無音の状態の判定に与える影響力
が減少されて、正確に音声区間の検出が行えるようにす
ることを目的とする。 【構成】あらかじめ、音声の有声音・無声音・無音と推
定される期間を複数のパラメータについて分析し、該分
析結果の最小値を０、最大値が１になるよう変換を実施
し、音声の有声音・無声音・無音についての基準値を算
出手段７ａで算出し、上記音声入力に応答して、所定の
区間について音声分析を行い、修正手段５で上記変換式
を適用してパラメータを修正し、該修正パラメータと上
記基準値との距離を合計手段７ｂで合計し、これらの合
計値から音声の有声音・無声音・無音の区間のそれぞれ
の識別を識別手段８で行なう。
に、有声音・無声音・無音の状態の判定に与える影響力
が減少されて、正確に音声区間の検出が行えるようにす
ることを目的とする。 【構成】あらかじめ、音声の有声音・無声音・無音と推
定される期間を複数のパラメータについて分析し、該分
析結果の最小値を０、最大値が１になるよう変換を実施
し、音声の有声音・無声音・無音についての基準値を算
出手段７ａで算出し、上記音声入力に応答して、所定の
区間について音声分析を行い、修正手段５で上記変換式
を適用してパラメータを修正し、該修正パラメータと上
記基準値との距離を合計手段７ｂで合計し、これらの合
計値から音声の有声音・無声音・無音の区間のそれぞれ
の識別を識別手段８で行なう。
Description
【０００１】
【産業上の利用分野】本発明は、音声認識の前処理とし
て音声区間検出を行うときに用いる音声信号処理装置及
びその方法に関するものである。
て音声区間検出を行うときに用いる音声信号処理装置及
びその方法に関するものである。
【０００２】
【従来の技術】従来、音声信号処理装置及びその方法の
音声区間検出においては、音声をある短い時間で区切っ
て、その一期間（以下フレームと呼ぶ）が有声音Ｖ・無
声音Ｕ・無音Ｓのどの状態か判定し、その結果より音声
の区間検出を行っている。有声音Ｖ・無声音Ｕ・無音Ｓ
の判定のために、例えば、以下に示すパラメータについ
てそれぞれ分析を行う。以下の説明は、図３（Ａ）〜図
６（Ａ）を参照する。正規化自己相関関数が最大となる
ラグの相関値Ｒ１、正規化線形予測残差ＥＲＲ、エネル
ギーレシオＥＮＧＲ、零交叉ＺＣＲを用いてこれらのつ
いて分析する。
音声区間検出においては、音声をある短い時間で区切っ
て、その一期間（以下フレームと呼ぶ）が有声音Ｖ・無
声音Ｕ・無音Ｓのどの状態か判定し、その結果より音声
の区間検出を行っている。有声音Ｖ・無声音Ｕ・無音Ｓ
の判定のために、例えば、以下に示すパラメータについ
てそれぞれ分析を行う。以下の説明は、図３（Ａ）〜図
６（Ａ）を参照する。正規化自己相関関数が最大となる
ラグの相関値Ｒ１、正規化線形予測残差ＥＲＲ、エネル
ギーレシオＥＮＧＲ、零交叉ＺＣＲを用いてこれらのつ
いて分析する。
【０００３】（１）基準値の算出 判定の基準となる値は、次のようにして求めている。有
声音Ｖ・無声音Ｕについては、あらかじめシミュレーシ
ョンを行ない求める。例えば、有声音Ｖの状態のフレー
ムから算出される各パラメータの代表的な値を統計的に
求め、有声音Ｖの基準値として保存する。上記Ｒ１、Ｅ
ＲＲ、ＥＮＧＲ、ＺＣＲについての有声音Ｖの基準値を
それぞれＴｈR1.V、ＴｈERR.V 、ＴｈENGR.V、Ｔｈ
ZCR.V として図３（Ａ）、図４（Ａ）、図５（Ａ）、図
６（Ａ）のＲ１軸、ＥＲＲ軸、ＥＮＧＲ軸及びＺＣＲ軸
上にそれぞれプロットする。これと同様に無声音Ｕにつ
いても基準値を求める。
声音Ｖ・無声音Ｕについては、あらかじめシミュレーシ
ョンを行ない求める。例えば、有声音Ｖの状態のフレー
ムから算出される各パラメータの代表的な値を統計的に
求め、有声音Ｖの基準値として保存する。上記Ｒ１、Ｅ
ＲＲ、ＥＮＧＲ、ＺＣＲについての有声音Ｖの基準値を
それぞれＴｈR1.V、ＴｈERR.V 、ＴｈENGR.V、Ｔｈ
ZCR.V として図３（Ａ）、図４（Ａ）、図５（Ａ）、図
６（Ａ）のＲ１軸、ＥＲＲ軸、ＥＮＧＲ軸及びＺＣＲ軸
上にそれぞれプロットする。これと同様に無声音Ｕにつ
いても基準値を求める。
【０００４】上記Ｒ１、ＥＲＲ、ＥＮＧＲ、ＺＣＲにつ
いての無声音Ｕの基準値を、それぞれＴｈR1.U、Ｔｈ
ERR.U 、ＴｈENGR.U、ＴｈZCR.U として、図３（Ａ）、
図４（Ａ）、図５（Ａ）、図６（Ａ）のＲ１軸、ＥＲＲ
軸、ＥＮＧＲ軸及びＺＣＲ軸上にそれぞれプロットす
る。上記無音Ｓについては、音声区間検出処理動作時に
音声が入力される直前の状態を無音Ｓ状態と仮定し、こ
の期間を分析して算出された各パラメータ値を無音Ｓの
基準値としている。また、上記Ｒ１、ＥＲＲ、ＥＮＧ
Ｒ、ＺＣＲについての無音Ｓの基準値をそれぞれＴｈ
R1.S、ＴｈERR.S 、ＴｈENGR.S、ＴｈZCR.S として、図
３（Ａ）、図４（Ａ）、図５（Ａ）、図６（Ａ）のＲ１
軸、ＥＲＲ軸、ＥＮＧＲ軸及びＺＣＲ軸上にそれぞれプ
ロットする。そして、これらのプロットした範囲を基準
に、それぞれ以下に説明するように２乗距離を求める。
いての無声音Ｕの基準値を、それぞれＴｈR1.U、Ｔｈ
ERR.U 、ＴｈENGR.U、ＴｈZCR.U として、図３（Ａ）、
図４（Ａ）、図５（Ａ）、図６（Ａ）のＲ１軸、ＥＲＲ
軸、ＥＮＧＲ軸及びＺＣＲ軸上にそれぞれプロットす
る。上記無音Ｓについては、音声区間検出処理動作時に
音声が入力される直前の状態を無音Ｓ状態と仮定し、こ
の期間を分析して算出された各パラメータ値を無音Ｓの
基準値としている。また、上記Ｒ１、ＥＲＲ、ＥＮＧ
Ｒ、ＺＣＲについての無音Ｓの基準値をそれぞれＴｈ
R1.S、ＴｈERR.S 、ＴｈENGR.S、ＴｈZCR.S として、図
３（Ａ）、図４（Ａ）、図５（Ａ）、図６（Ａ）のＲ１
軸、ＥＲＲ軸、ＥＮＧＲ軸及びＺＣＲ軸上にそれぞれプ
ロットする。そして、これらのプロットした範囲を基準
に、それぞれ以下に説明するように２乗距離を求める。
【０００５】（２）フレームの有声音Ｖ・無声音Ｕ・無
音Ｓの判定 音声区間検出においては、処理動作時に入力された音声
の、あるフレームが有声音Ｖ・無声音Ｕ・無音Ｓのどの
状態かを判定するには次の処理を行っている。判定の対
象となるフレームを分析して各パラメータ値を算出す
る。算出された正規化自己相関関数が最大となるラグの
相関値Ｒ１、正規化線形予測残差ＥＲＲ、エネルギーレ
シオＥＮＧＲ、零交叉ＺＣＲの値をそれぞれＸR1、Ｘ
ERR 、ＸENGR、ＸZCR とする。この値と（１）で求めて
いる３状態、有声音Ｖ、無声音Ｕ、無音Ｓの基準値との
２乗距離を下記の数式により求めることができる。ここ
で、図３（Ａ）に示すように、算出された正規化自己相
関関数が最大となるラグの相関値Ｒ１に関するＢ点での
有声音Ｖ、無声音Ｕ、無音Ｓの基準値ＴｈR1.V、Ｔｈ
R1.U、ＴｈR1.Sとの差、つまり距離を求め、その２乗距
離をそれぞれＤR1.V、ＤR1.U、ＤR1.Sとする。以下同様
に、図４（Ａ）に示すように、正規化線形予測残差ＥＲ
Ｒに関するＢ点での有声音Ｖ、無声音Ｕ、無音Ｓの基準
値ＴｈERR.V 、ＴｈERR.U 、ＴｈERR. S との差からその
２乗距離をＤERR.V 、ＤERR.U 、ＤERR.S とする。ま
た、図５（Ａ）に示すように、エネルギーレシオＥＮＧ
Ｒに関するＢ点での有声音Ｖ、無声音Ｕ、無音Ｓの基準
値ＴｈENGR.V、ＴｈENGR.U、ＴｈENGR.Sとの差からその
２乗距離を求め、ＤENGR.V、ＤENGR.U、ＤENGR.Sとす
る。図６（Ａ）に示すように、零交叉ＺＣＲに関するＢ
点での有声音Ｖ、無声音Ｕ、無音Ｓの基準値Ｔ
ｈZCR.V 、ＴｈZCR.U 、ＴｈZCR.S との２乗距離をＤ
ZCR.V、ＤZCR.U 、ＤZCR.S とする。図３（Ａ）、図４
（Ａ）、図５（Ａ）、図６（Ａ）より、以下の数式
（１）〜（１２）より基準値との２乗距離を求める。
音Ｓの判定 音声区間検出においては、処理動作時に入力された音声
の、あるフレームが有声音Ｖ・無声音Ｕ・無音Ｓのどの
状態かを判定するには次の処理を行っている。判定の対
象となるフレームを分析して各パラメータ値を算出す
る。算出された正規化自己相関関数が最大となるラグの
相関値Ｒ１、正規化線形予測残差ＥＲＲ、エネルギーレ
シオＥＮＧＲ、零交叉ＺＣＲの値をそれぞれＸR1、Ｘ
ERR 、ＸENGR、ＸZCR とする。この値と（１）で求めて
いる３状態、有声音Ｖ、無声音Ｕ、無音Ｓの基準値との
２乗距離を下記の数式により求めることができる。ここ
で、図３（Ａ）に示すように、算出された正規化自己相
関関数が最大となるラグの相関値Ｒ１に関するＢ点での
有声音Ｖ、無声音Ｕ、無音Ｓの基準値ＴｈR1.V、Ｔｈ
R1.U、ＴｈR1.Sとの差、つまり距離を求め、その２乗距
離をそれぞれＤR1.V、ＤR1.U、ＤR1.Sとする。以下同様
に、図４（Ａ）に示すように、正規化線形予測残差ＥＲ
Ｒに関するＢ点での有声音Ｖ、無声音Ｕ、無音Ｓの基準
値ＴｈERR.V 、ＴｈERR.U 、ＴｈERR. S との差からその
２乗距離をＤERR.V 、ＤERR.U 、ＤERR.S とする。ま
た、図５（Ａ）に示すように、エネルギーレシオＥＮＧ
Ｒに関するＢ点での有声音Ｖ、無声音Ｕ、無音Ｓの基準
値ＴｈENGR.V、ＴｈENGR.U、ＴｈENGR.Sとの差からその
２乗距離を求め、ＤENGR.V、ＤENGR.U、ＤENGR.Sとす
る。図６（Ａ）に示すように、零交叉ＺＣＲに関するＢ
点での有声音Ｖ、無声音Ｕ、無音Ｓの基準値Ｔ
ｈZCR.V 、ＴｈZCR.U 、ＴｈZCR.S との２乗距離をＤ
ZCR.V、ＤZCR.U 、ＤZCR.S とする。図３（Ａ）、図４
（Ａ）、図５（Ａ）、図６（Ａ）より、以下の数式
（１）〜（１２）より基準値との２乗距離を求める。
【０００６】すなわち、 ＤR1.V＝（ＸR1−ＴｈR1.V）2 ・・・・・（１） ＤR1.U＝（ＸR1−ＴｈR1.U）2 ・・・・・（２） ＤR1.S＝（ＸR1−ＴｈR1.S）2 ・・・・・（３） ＤERR.V ＝（ＸERR −ＴｈERR.V ）2 ・・・・・（４） ＤERR.U ＝（ＸERR −ＴｈERR.U ）2 ・・・・・（５） ＤERR.S ＝（ＸERR −ＴｈERR.S ）2 ・・・・・（６） ＤENGR.V＝（ＸENGR−ＴｈENGR.V）2 ・・・・・（７） ＤENGR.U＝（ＸENGR−ＴｈENGR.U）2 ・・・・・（８） ＤENGR.S＝（ＸENGR−ＴｈENGR.S）2 ・・・・・（９） ＤZCR.V ＝（ＸZCR −ＴｈZCR.V ）2 ・・・・・（１０） ＤZCR.U ＝（ＸZCR −ＴｈZCR.U ）2 ・・・・・（１１） ＤZCR.S ＝（ＸZCR −ＴｈZCR.S ）2 ・・・・・（１２） のように表わすことができる。
【０００７】さらに、各状態毎に各パラメータについて
式（１３）〜（１５）のように合計した有声音Ｖ・無声
音Ｕ・無音Ｓの合計距離をそれぞれＤV ・ＤU ・ＤS と
すると、 ＤV ＝（ＤR1.V＋ＤERR.V ＋ＤENGR.V＋ＤZCR.V ）・・・（１３） ＤU ＝（ＤR1.u＋ＤERR.u ＋ＤENGR.u＋ＤZCR.u ）・・・（１４） ＤS ＝（ＤR1.s＋ＤERR.s ＋ＤENGR.s＋ＤZCR.s ）・・・（１５） となる。
式（１３）〜（１５）のように合計した有声音Ｖ・無声
音Ｕ・無音Ｓの合計距離をそれぞれＤV ・ＤU ・ＤS と
すると、 ＤV ＝（ＤR1.V＋ＤERR.V ＋ＤENGR.V＋ＤZCR.V ）・・・（１３） ＤU ＝（ＤR1.u＋ＤERR.u ＋ＤENGR.u＋ＤZCR.u ）・・・（１４） ＤS ＝（ＤR1.s＋ＤERR.s ＋ＤENGR.s＋ＤZCR.s ）・・・（１５） となる。
【０００８】上記有声音Ｖ・無声音Ｕ・無音Ｓの合計距
離ＤV 、ＤU 、ＤS である式（１３）〜（１５）を用い
て式（１６）〜（１８）によりフレームの状態を判定す
ると、有声音Ｖ・無声音Ｕ・無音Ｓの合計距離ＤV 、Ｄ
U 、ＤS のそれぞれの最小値を求め、有声音Ｖ・無声音
Ｕ・無音Ｓの合計距離ＤV が最小の場合、つまり、 ＤV ＝Ｍｉｎ〔ＤV 、ＤU 、ＤS 〕・・・（１６） ならば有声音Ｖになる。有声音Ｖ・無声音Ｕ・無音Ｓの
合計距離ＤU が最小の場合、つまり、 ＤU ＝Ｍｉｎ〔ＤV 、ＤU 、ＤS 〕・・・（１７） ならば無声音Ｕになる。有声音Ｖ・無声音Ｕ・無音Ｓの
合計距離ＤS が最小の場合、つまり、 ＤS ＝Ｍｉｎ〔ＤV 、ＤU 、ＤS 〕・・・（１８） ならば無音Ｓになる。以上のようにして、フレームの状
態から有声音Ｖ・無声音Ｕ・無音Ｓを判定していた。
離ＤV 、ＤU 、ＤS である式（１３）〜（１５）を用い
て式（１６）〜（１８）によりフレームの状態を判定す
ると、有声音Ｖ・無声音Ｕ・無音Ｓの合計距離ＤV 、Ｄ
U 、ＤS のそれぞれの最小値を求め、有声音Ｖ・無声音
Ｕ・無音Ｓの合計距離ＤV が最小の場合、つまり、 ＤV ＝Ｍｉｎ〔ＤV 、ＤU 、ＤS 〕・・・（１６） ならば有声音Ｖになる。有声音Ｖ・無声音Ｕ・無音Ｓの
合計距離ＤU が最小の場合、つまり、 ＤU ＝Ｍｉｎ〔ＤV 、ＤU 、ＤS 〕・・・（１７） ならば無声音Ｕになる。有声音Ｖ・無声音Ｕ・無音Ｓの
合計距離ＤS が最小の場合、つまり、 ＤS ＝Ｍｉｎ〔ＤV 、ＤU 、ＤS 〕・・・（１８） ならば無音Ｓになる。以上のようにして、フレームの状
態から有声音Ｖ・無声音Ｕ・無音Ｓを判定していた。
【０００９】
【発明が解決しようとする課題】上記分析の結果、算出
された各パラメータ値ＸR1、ＸERR 、ＸENGR、Ｘ
ZCR は、数式（１）〜（１２）に示されるように、２乗
距離の計算に直接用いられている。これにより得られる
２乗距離はその絶対的な値が重要となる絶対２乗距離で
ある。仮に、有声音Ｖ・無声音Ｕ・無音Ｓの判定を１個
のパラメータで行う場合には、例えば、判定の対象とな
るフレームを分析して各パラメータ値を算出した正規化
自己相関関数が最大となるラグの相関値Ｒ１で行うと、
上記絶対２乗距離を用いても、図３（Ａ）からわかるよ
うにＤR1.V、ＤR1.u、ＤR1.sの相対関係が保たれている
限り、判定が行える。しかし、複数のパラメータより有
声音Ｖ・無声音Ｕ・無音Ｓの判定を行う場合には、図３
（Ａ）〜図６（Ａ）のように各パラメータ間の２乗距離
の相対関係も重要になるので、上記絶対２乗距離の和の
最小値のみを用いて、変動幅を考慮しない絶対的な判断
を行うと、状態判別が変動幅の大小のパラメータにより
算出される絶対２乗距離の値に対して影響を及ぼされた
り、影響が及ぼされなくなったり不均一になるおそれが
あった。
された各パラメータ値ＸR1、ＸERR 、ＸENGR、Ｘ
ZCR は、数式（１）〜（１２）に示されるように、２乗
距離の計算に直接用いられている。これにより得られる
２乗距離はその絶対的な値が重要となる絶対２乗距離で
ある。仮に、有声音Ｖ・無声音Ｕ・無音Ｓの判定を１個
のパラメータで行う場合には、例えば、判定の対象とな
るフレームを分析して各パラメータ値を算出した正規化
自己相関関数が最大となるラグの相関値Ｒ１で行うと、
上記絶対２乗距離を用いても、図３（Ａ）からわかるよ
うにＤR1.V、ＤR1.u、ＤR1.sの相対関係が保たれている
限り、判定が行える。しかし、複数のパラメータより有
声音Ｖ・無声音Ｕ・無音Ｓの判定を行う場合には、図３
（Ａ）〜図６（Ａ）のように各パラメータ間の２乗距離
の相対関係も重要になるので、上記絶対２乗距離の和の
最小値のみを用いて、変動幅を考慮しない絶対的な判断
を行うと、状態判別が変動幅の大小のパラメータにより
算出される絶対２乗距離の値に対して影響を及ぼされた
り、影響が及ぼされなくなったり不均一になるおそれが
あった。
【００１０】すなわち、上記絶対２乗距離で算出される
場合には、例えば有声音Ｖ・無声音Ｕ・無音Ｓの状態に
よる変動幅の大きなパラメータより算出される絶対２乗
距離の値が大きくなり、合計距離を求める式（１３）〜
（１５）の中で大きな影響力を持つことになり、状態判
定に大きな影響を及ぼすことになる。逆に、有声音Ｖ・
無声音Ｕ・無音Ｓの状態の変動幅が小さなパラメータか
ら算出される絶対２乗距離の値が小さくなり、式（１
３）〜（１５）の中でもその影響力が小さい。従って、
状態判定には、あまり影響を及ぼさなくなる。それ故、
上記判定方法では、複数のパラメータにより状態判定を
行う場合に絶対２乗距離を用いているので、各パラメー
タがその変動幅により状態判定時に同等の影響力をもて
なくなり有声音Ｖ・無声音Ｕ・無音Ｓの状態判別が困難
になる不具合が生じる。
場合には、例えば有声音Ｖ・無声音Ｕ・無音Ｓの状態に
よる変動幅の大きなパラメータより算出される絶対２乗
距離の値が大きくなり、合計距離を求める式（１３）〜
（１５）の中で大きな影響力を持つことになり、状態判
定に大きな影響を及ぼすことになる。逆に、有声音Ｖ・
無声音Ｕ・無音Ｓの状態の変動幅が小さなパラメータか
ら算出される絶対２乗距離の値が小さくなり、式（１
３）〜（１５）の中でもその影響力が小さい。従って、
状態判定には、あまり影響を及ぼさなくなる。それ故、
上記判定方法では、複数のパラメータにより状態判定を
行う場合に絶対２乗距離を用いているので、各パラメー
タがその変動幅により状態判定時に同等の影響力をもて
なくなり有声音Ｖ・無声音Ｕ・無音Ｓの状態判別が困難
になる不具合が生じる。
【００１１】そこで、本発明は、音声認識の前処理とし
て音声区間を検出する際に、有声音・無声音・無音の状
態の判定に与える影響力が減少されて、正確に音声区間
の検出が行えるようにする音声信号処理装置及びその方
法を提供することを目的とする。
て音声区間を検出する際に、有声音・無声音・無音の状
態の判定に与える影響力が減少されて、正確に音声区間
の検出が行えるようにする音声信号処理装置及びその方
法を提供することを目的とする。
【００１２】
【課題を解決するための手段】上記課題を解決するため
の手段として本発明は、音声を入力して有声音、無声音
及び無音を識別して音声区間の検出を行う音声信号処理
装置であつて、あらかじめ、音声の有声音・無声音・無
音と推定される期間を複数のパラメータについて分析
し、該分析結果の最小値を０とし、最大値が１になるよ
うな変換を実施して、音声の有声音・無声音・無音につ
いての基準値を算出する手段と、上記音声入力に応答し
て、所定の区間について音声分析を行ってパラメータを
算出し、該パラメータに上記基準値算出手段の変換式を
適用してパラメータを修正する手段と、該パラメータ修
正手段で上記変換式を適用してパラメータを修正し、該
修正パラメータと上記基準値との距離を算出する手段
と、該距離算出手段で算出された距離に基づいて音声の
有声音・無声音・無音のそれぞれの状態ごとに各パラメ
ータの距離を合計する手段と、該距離合計手段から出力
される合計値から上記音声の有声音・無声音・無音の区
間を識別を行なう手段とを設けた。
の手段として本発明は、音声を入力して有声音、無声音
及び無音を識別して音声区間の検出を行う音声信号処理
装置であつて、あらかじめ、音声の有声音・無声音・無
音と推定される期間を複数のパラメータについて分析
し、該分析結果の最小値を０とし、最大値が１になるよ
うな変換を実施して、音声の有声音・無声音・無音につ
いての基準値を算出する手段と、上記音声入力に応答し
て、所定の区間について音声分析を行ってパラメータを
算出し、該パラメータに上記基準値算出手段の変換式を
適用してパラメータを修正する手段と、該パラメータ修
正手段で上記変換式を適用してパラメータを修正し、該
修正パラメータと上記基準値との距離を算出する手段
と、該距離算出手段で算出された距離に基づいて音声の
有声音・無声音・無音のそれぞれの状態ごとに各パラメ
ータの距離を合計する手段と、該距離合計手段から出力
される合計値から上記音声の有声音・無声音・無音の区
間を識別を行なう手段とを設けた。
【００１３】また、本発明では、音声を入力して有声
音、無声音及び無音を識別して音声区間の検出を行う音
声信号処理方法であつて、あらかじめ、音声の有声音・
無声音・無音と推定される期間を複数のパラメータにつ
いて分析し、該分析結果の最小値を０とし、最大値が１
になるような変換を実施して、音声の有声音・無声音・
無音についての基準値を算出し、上記音声入力に応答し
て、所定の区間について音声分析を行ってパラメータを
算出し、該パラメータに上記変換式を適用してパラメー
タを修正し、該修正パラメータと上記基準値との距離を
算出し、上記音声の有声音・無声音・無音のそれぞれの
状態ごとに各パラメータの距離を合計し、これらの合計
値から上記音声の有声音・無声音・無音の区間を識別を
行なうようにする。
音、無声音及び無音を識別して音声区間の検出を行う音
声信号処理方法であつて、あらかじめ、音声の有声音・
無声音・無音と推定される期間を複数のパラメータにつ
いて分析し、該分析結果の最小値を０とし、最大値が１
になるような変換を実施して、音声の有声音・無声音・
無音についての基準値を算出し、上記音声入力に応答し
て、所定の区間について音声分析を行ってパラメータを
算出し、該パラメータに上記変換式を適用してパラメー
タを修正し、該修正パラメータと上記基準値との距離を
算出し、上記音声の有声音・無声音・無音のそれぞれの
状態ごとに各パラメータの距離を合計し、これらの合計
値から上記音声の有声音・無声音・無音の区間を識別を
行なうようにする。
【００１４】
【作用】音声認識の前処理として音声区間を検出する際
には、あらかじめ、音声の有声音Ｖ・無声音Ｕ・無音Ｓ
と推定される期間を複数のパラメータについて分析し、
得られた値を有声音Ｖ・無声音Ｕ・無音Ｓの状態判定の
ための基準値として保存しておく。そして、各パラメー
タ毎に保存されている基準値の中で最小値を示すものが
０に、最大値を示すものが１になるような変換式を求
め、その変換式を用いて各基準値の設定をし直す。有声
音Ｖ・無声音Ｕ・無音Ｓの判定処理の段階で実際に音声
が入力されたならば、判定の対象となっている音声期間
について分析を行い、各パラメータ値を求める。ここ
で、上記各基準値の修正された修正値を正規化変換し、
変換された値と設定し直された各基準値との距離を求
め、有声音Ｖ・無声音Ｕ・無音Ｓの各状態毎に各パラメ
ータの距離を合計してその結果から有声音Ｖ・無声音Ｕ
・無音Ｓの各状態の判定をする。以上のようにして、各
パラメータの変動幅が正規化され、有声音Ｖ・無声音Ｕ
・無音Ｓの状態の判定に与える影響力が減少されるの
で、正確かつ迅速に音声区間の検出が行える。
には、あらかじめ、音声の有声音Ｖ・無声音Ｕ・無音Ｓ
と推定される期間を複数のパラメータについて分析し、
得られた値を有声音Ｖ・無声音Ｕ・無音Ｓの状態判定の
ための基準値として保存しておく。そして、各パラメー
タ毎に保存されている基準値の中で最小値を示すものが
０に、最大値を示すものが１になるような変換式を求
め、その変換式を用いて各基準値の設定をし直す。有声
音Ｖ・無声音Ｕ・無音Ｓの判定処理の段階で実際に音声
が入力されたならば、判定の対象となっている音声期間
について分析を行い、各パラメータ値を求める。ここ
で、上記各基準値の修正された修正値を正規化変換し、
変換された値と設定し直された各基準値との距離を求
め、有声音Ｖ・無声音Ｕ・無音Ｓの各状態毎に各パラメ
ータの距離を合計してその結果から有声音Ｖ・無声音Ｕ
・無音Ｓの各状態の判定をする。以上のようにして、各
パラメータの変動幅が正規化され、有声音Ｖ・無声音Ｕ
・無音Ｓの状態の判定に与える影響力が減少されるの
で、正確かつ迅速に音声区間の検出が行える。
【００１５】
【実施例】本発明の音声信号処理装置及びその方法の一
実施例について図面を参照して説明する。図１は本発明
の音声信号処理装置及びその方法に適用する音声信号処
理部の要部構成を示すブロック図である。図１におい
て、音声認識の前処理として音声区間をデータ・シグナ
ル・プロセッサ（以下、ＤＳＰという）１０内で検出す
る際には、音声の有声音Ｖ・無声音Ｕ・無音Ｓと推定さ
れる期間を複数のパラメータについて入力部４で分析
し、得られた値を有声音Ｖ・無声音Ｕ・無音Ｓの状態判
定のための基準値として記憶部６にあらかじめ保存して
おく。そして、各パラメータ毎に記憶部６に保存されて
いる基準値の中で最小値を示すものが０に、最大値を示
すものが１になるような変換式を基準値修正手段１で求
め、その変換式を用いて各基準値をパラメータ修正手段
５で修正し直す。
実施例について図面を参照して説明する。図１は本発明
の音声信号処理装置及びその方法に適用する音声信号処
理部の要部構成を示すブロック図である。図１におい
て、音声認識の前処理として音声区間をデータ・シグナ
ル・プロセッサ（以下、ＤＳＰという）１０内で検出す
る際には、音声の有声音Ｖ・無声音Ｕ・無音Ｓと推定さ
れる期間を複数のパラメータについて入力部４で分析
し、得られた値を有声音Ｖ・無声音Ｕ・無音Ｓの状態判
定のための基準値として記憶部６にあらかじめ保存して
おく。そして、各パラメータ毎に記憶部６に保存されて
いる基準値の中で最小値を示すものが０に、最大値を示
すものが１になるような変換式を基準値修正手段１で求
め、その変換式を用いて各基準値をパラメータ修正手段
５で修正し直す。
【００１６】上記有声音Ｖ・無声音Ｕ・無音Ｓの判定処
理の段階で、実際に音声が電話機２からＤＳＰ１０の入
力部４に入力されているならば、判定の対象となってい
る音声期間について分析を行い、各パラメータ値を求め
る。すなわち、基準値修正手段５で各基準値の設定が修
正された修正値を正規化変換し、変換された値と基準値
修正手段１で修正し直されたパラメータに基いて各基準
値との距離を距離算出手段７ａで求め、有声音Ｖ・無声
音Ｕ・無音Ｓの各状態毎に各パラメータの距離を距離合
計手段７ｂで合計して、その結果から有声音Ｖ・無声音
Ｕ・無音Ｓの各状態の判定を音声区間識別手段８です
る。以上の音声信号処理部１０では、音声認識の前処理
として音声区間を検出する際に、パラメータ修正手段５
でパラメータ値の変換を行い、演算部７で二乗距離及び
合計距離を求めて、有声音Ｖ・無声音Ｕ・無音Ｓの状態
の判定に与える影響力をなくし、正確な音声区間の検出
が行えるようになる。
理の段階で、実際に音声が電話機２からＤＳＰ１０の入
力部４に入力されているならば、判定の対象となってい
る音声期間について分析を行い、各パラメータ値を求め
る。すなわち、基準値修正手段５で各基準値の設定が修
正された修正値を正規化変換し、変換された値と基準値
修正手段１で修正し直されたパラメータに基いて各基準
値との距離を距離算出手段７ａで求め、有声音Ｖ・無声
音Ｕ・無音Ｓの各状態毎に各パラメータの距離を距離合
計手段７ｂで合計して、その結果から有声音Ｖ・無声音
Ｕ・無音Ｓの各状態の判定を音声区間識別手段８です
る。以上の音声信号処理部１０では、音声認識の前処理
として音声区間を検出する際に、パラメータ修正手段５
でパラメータ値の変換を行い、演算部７で二乗距離及び
合計距離を求めて、有声音Ｖ・無声音Ｕ・無音Ｓの状態
の判定に与える影響力をなくし、正確な音声区間の検出
が行えるようになる。
【００１７】図２は本発明の音声信号処理装置及びその
方法に適用する音声信号処理部の要部構成を示すブロッ
ク図である。図１を参照して以下の説明をする。音声認
識の前処理として音声区間をデータ・シグナル・プロセ
ッサ（以下、ＤＳＰという）１０内で検出する際には、
音声の有声音Ｖ・無声音Ｕ・無音Ｓと推定される期間を
複数のパラメータについて入力部４で分析する（ステッ
プ１、以下ＳＴ１という）。そして、分析して得られた
値を有声音Ｖ・無声音Ｕ・無音Ｓの状態判定のための基
準値として記憶部６にあらかじめ保存しておく（ＳＴ
２）。
方法に適用する音声信号処理部の要部構成を示すブロッ
ク図である。図１を参照して以下の説明をする。音声認
識の前処理として音声区間をデータ・シグナル・プロセ
ッサ（以下、ＤＳＰという）１０内で検出する際には、
音声の有声音Ｖ・無声音Ｕ・無音Ｓと推定される期間を
複数のパラメータについて入力部４で分析する（ステッ
プ１、以下ＳＴ１という）。そして、分析して得られた
値を有声音Ｖ・無声音Ｕ・無音Ｓの状態判定のための基
準値として記憶部６にあらかじめ保存しておく（ＳＴ
２）。
【００１８】次に、有声音Ｖ・無声音Ｕ・無音Ｓの状態
判定のための基準値として記憶部６にあらかじめ保存さ
れているか否かを確認し、記憶部６にあらかじめ保存さ
れていると判断されるときには、各パラメータ毎に記憶
部６に保存されている基準値の中で最小値を示すものが
０に、最大値を示すものが１になるような変換式を基準
値修正手段１で求める（ＳＴ３，４）。そして、その変
換式を用いて各基準値のパラメータをパラメータ修正手
段５で修正し直す（ＳＴ５）。
判定のための基準値として記憶部６にあらかじめ保存さ
れているか否かを確認し、記憶部６にあらかじめ保存さ
れていると判断されるときには、各パラメータ毎に記憶
部６に保存されている基準値の中で最小値を示すものが
０に、最大値を示すものが１になるような変換式を基準
値修正手段１で求める（ＳＴ３，４）。そして、その変
換式を用いて各基準値のパラメータをパラメータ修正手
段５で修正し直す（ＳＴ５）。
【００１９】上記パラメータ修正手段５で各基準値の設
定が修正された修正値を正規化変換し、変換された値と
基準値修正手段１で修正し直された各基準値との距離を
距離算出手段７ａで求め、有声音Ｖ・無声音Ｕ・無音Ｓ
の各状態毎に各パラメータの距離を距離合計手段７ｂで
合計する（ＳＴ６，７）。上記フローチャートを経て得
られた結果から有声音Ｖ・無声音Ｕ・無音Ｓの各状態を
音声区間識別手段８で識別する（ＳＴ８）。そして、上
記音声区間識別手段８で識別が完了したのを確認して上
記フローチャートを終了する（ＳＴ９）。また、上記音
声区間識別手段８で音声の有声音・無声音・無音の区間
の識別が完了していないと判断する場合には、上記ＳＴ
８を再度実行する。以上のようにして、各パラメータの
変動幅が正規化され、有声音・無声音・無音の状態の判
定に与える影響力が減少されるので、正確かつ迅速に音
声区間の検出が行えるようにする。
定が修正された修正値を正規化変換し、変換された値と
基準値修正手段１で修正し直された各基準値との距離を
距離算出手段７ａで求め、有声音Ｖ・無声音Ｕ・無音Ｓ
の各状態毎に各パラメータの距離を距離合計手段７ｂで
合計する（ＳＴ６，７）。上記フローチャートを経て得
られた結果から有声音Ｖ・無声音Ｕ・無音Ｓの各状態を
音声区間識別手段８で識別する（ＳＴ８）。そして、上
記音声区間識別手段８で識別が完了したのを確認して上
記フローチャートを終了する（ＳＴ９）。また、上記音
声区間識別手段８で音声の有声音・無声音・無音の区間
の識別が完了していないと判断する場合には、上記ＳＴ
８を再度実行する。以上のようにして、各パラメータの
変動幅が正規化され、有声音・無声音・無音の状態の判
定に与える影響力が減少されるので、正確かつ迅速に音
声区間の検出が行えるようにする。
【００２０】次に、図３〜図６に基づいてその動作をさ
らに詳細に説明する。先ず、各パラメータについて有声
音Ｖ・無声音Ｕ・無音Ｓの判定の基準となる値が基準値
算出手段１で求められる。次に、パラメータ毎に基準値
の中で最小値を示すものが０に、最大値を示すものが１
になるような変換を実行する変換式を求める。
らに詳細に説明する。先ず、各パラメータについて有声
音Ｖ・無声音Ｕ・無音Ｓの判定の基準となる値が基準値
算出手段１で求められる。次に、パラメータ毎に基準値
の中で最小値を示すものが０に、最大値を示すものが１
になるような変換を実行する変換式を求める。
【００２１】例として、算出された正規化自己相関関数
が最大となるラグの相関値Ｒ１について述べる。以下の
説明は、図３〜図６の図３（Ａ）〜図６（Ａ）を参照す
る。算出された正規化自己相関関数が最大となるラグの
相関値Ｒ１について求められた有声音・無声音・無音の
基準値をそれぞれＴｈR1.V、ＴｈR1.U、ＴｈR1.Sとし、
それぞれ図３（Ａ）のＲ軸、図４（Ａ）のＥＲＲ軸、図
５（Ａ）のＥＮＧＲ軸及び図６（Ａ）のＺＣＲ軸上にプ
ロットする。
が最大となるラグの相関値Ｒ１について述べる。以下の
説明は、図３〜図６の図３（Ａ）〜図６（Ａ）を参照す
る。算出された正規化自己相関関数が最大となるラグの
相関値Ｒ１について求められた有声音・無声音・無音の
基準値をそれぞれＴｈR1.V、ＴｈR1.U、ＴｈR1.Sとし、
それぞれ図３（Ａ）のＲ軸、図４（Ａ）のＥＲＲ軸、図
５（Ａ）のＥＮＧＲ軸及び図６（Ａ）のＺＣＲ軸上にプ
ロットする。
【００２２】このとき、下記の式（１９）から上記変換
式に用いる係数αR1を求める。 ここでＭａｘ〔〕は〔〕中の値から最大となる値を選択
する関数である。次に、αR1を用いて式（２０）〜（２
２）の変換式より各基準値をパラメータ修正手段５で設
定し直す。
式に用いる係数αR1を求める。 ここでＭａｘ〔〕は〔〕中の値から最大となる値を選択
する関数である。次に、αR1を用いて式（２０）〜（２
２）の変換式より各基準値をパラメータ修正手段５で設
定し直す。
【００２３】上記パラメータ修正手段５で設定し直され
た基準値をそれぞれＴｈｋR1.V、ＴｈｋR1.U、Ｔｈｋ
R1.Sとして、図３（Ｂ）〜図６（Ｂ）のＲ１軸、ＥＲＲ
軸、ＥＮＧＲ軸及びＺＣＲ軸上にプロットする。ここ
で、ｋは設定し直されたことを示すものである。 ＴｈｋR1.V＝αR1（ThR1.V−Min[ThR1.V,Th R1.U,Th R1.S] ）・・・（２０） ＴｈｋR1.U＝αR1（ThR1.U−Min[ThR1.V,Th R1.U,Th R1.S] ）・・・（２１） ＴｈｋR1.S＝αR1（ThR1.S−Min[ThR1.V,Th R1.U,Th R1.S] ）・・・（２２） と表わすことができる。
た基準値をそれぞれＴｈｋR1.V、ＴｈｋR1.U、Ｔｈｋ
R1.Sとして、図３（Ｂ）〜図６（Ｂ）のＲ１軸、ＥＲＲ
軸、ＥＮＧＲ軸及びＺＣＲ軸上にプロットする。ここ
で、ｋは設定し直されたことを示すものである。 ＴｈｋR1.V＝αR1（ThR1.V−Min[ThR1.V,Th R1.U,Th R1.S] ）・・・（２０） ＴｈｋR1.U＝αR1（ThR1.U−Min[ThR1.V,Th R1.U,Th R1.S] ）・・・（２１） ＴｈｋR1.S＝αR1（ThR1.S−Min[ThR1.V,Th R1.U,Th R1.S] ）・・・（２２） と表わすことができる。
【００２４】以上の処理が済むと、フレームの有声音Ｖ
・無声音Ｕ・無音Ｓの判定の処理に移る。有声音Ｖ・無
声音Ｕ・無音Ｓ判定の対象となっているフレームから求
められたパラメータ値ＸｋR1とすると、 ＸｋR1＝αR1（ＸR1−Min[ThR1.V,Th R1.U,Th R1.S] ）・・・（２３） のように表すことができる。ただし、ＸｋR1＞１ならＸ
ｋR1＝１、ＸｋR1＜０ならＸｋR1＝０とする。
・無声音Ｕ・無音Ｓの判定の処理に移る。有声音Ｖ・無
声音Ｕ・無音Ｓ判定の対象となっているフレームから求
められたパラメータ値ＸｋR1とすると、 ＸｋR1＝αR1（ＸR1−Min[ThR1.V,Th R1.U,Th R1.S] ）・・・（２３） のように表すことができる。ただし、ＸｋR1＞１ならＸ
ｋR1＝１、ＸｋR1＜０ならＸｋR1＝０とする。
【００２５】この値と、設定し直された基準値Ｔｈｋ
R1.V、ＴｈｋR1.U、ＴｈｋR1.Sとの２乗距離をそれぞれ
図３（Ｂ）の縦の矢印で示す範囲で規定し、ＤｋR1.V、
ＤｋR1.U、ＤｋR1.Sとすると、式（２４）〜（２６）の
演算を図１の距離算出手段７ａで行う。 ＤｋR1.V＝（ＸｋR1−ＴｈｋR1.V）2 ・・・（２４） ＤｋR1.U＝（ＸｋR1−ＴｈｋR1.U）2 ・・・（２５） ＤｋR1.S＝（ＸｋR1−ＴｈｋR1.S）2 ・・・（２６）
R1.V、ＴｈｋR1.U、ＴｈｋR1.Sとの２乗距離をそれぞれ
図３（Ｂ）の縦の矢印で示す範囲で規定し、ＤｋR1.V、
ＤｋR1.U、ＤｋR1.Sとすると、式（２４）〜（２６）の
演算を図１の距離算出手段７ａで行う。 ＤｋR1.V＝（ＸｋR1−ＴｈｋR1.V）2 ・・・（２４） ＤｋR1.U＝（ＸｋR1−ＴｈｋR1.U）2 ・・・（２５） ＤｋR1.S＝（ＸｋR1−ＴｈｋR1.S）2 ・・・（２６）
【００２６】同様に、他のパラメータＰ２〜Ｐ４も変換
を行い、２乗距離をそれぞれ図４（Ｂ）〜図６（Ｂ）の
縦の矢印で示す範囲で求める。また、正規化線形予測残
差ＥＲＲを変換し求められた２乗距離をそれぞれ図４
（Ｂ）の縦の矢印で示す範囲で求め、これをＤERR.V 、
ＤERR.U 、ＤERR.S とする。
を行い、２乗距離をそれぞれ図４（Ｂ）〜図６（Ｂ）の
縦の矢印で示す範囲で求める。また、正規化線形予測残
差ＥＲＲを変換し求められた２乗距離をそれぞれ図４
（Ｂ）の縦の矢印で示す範囲で求め、これをＤERR.V 、
ＤERR.U 、ＤERR.S とする。
【００２７】以下、同様にエネルギーレシオＥＮＧＲか
らの２乗距離をそれぞれ図５（Ｂ）の縦の矢印で示す範
囲で求め、これをＤｋENGR.V、ＤｋENGR.U、ＤｋENGR.S
とし、また零交叉ＺＣＲからの２乗距離をそれぞれ図６
（Ｂ）の縦に矢印で示す範囲で求め、ＤｋZCR.V 、Ｄｋ
ZCR.U 、ＤｋZCR.S とする。
らの２乗距離をそれぞれ図５（Ｂ）の縦の矢印で示す範
囲で求め、これをＤｋENGR.V、ＤｋENGR.U、ＤｋENGR.S
とし、また零交叉ＺＣＲからの２乗距離をそれぞれ図６
（Ｂ）の縦に矢印で示す範囲で求め、ＤｋZCR.V 、Ｄｋ
ZCR.U 、ＤｋZCR.S とする。
【００２８】ここで、図３（Ａ）のスケーリング前と図
３（Ｂ）のスケーリング後をそれぞれを比較すると、図
３（Ａ）の波頂Ａを上に引上げた図３（Ｂ）のようなス
ケーリング後の波形になり、図３（Ａ）の絶対２乗距離
に比べて図３（Ｂ）の距離ＤR1.V、ＤR1.u、ＤR1.sの距
離を長くとることができるので、以下のフレームの状態
から有声音・無声音・無音の識別が容易に行えるように
なる。
３（Ｂ）のスケーリング後をそれぞれを比較すると、図
３（Ａ）の波頂Ａを上に引上げた図３（Ｂ）のようなス
ケーリング後の波形になり、図３（Ａ）の絶対２乗距離
に比べて図３（Ｂ）の距離ＤR1.V、ＤR1.u、ＤR1.sの距
離を長くとることができるので、以下のフレームの状態
から有声音・無声音・無音の識別が容易に行えるように
なる。
【００２９】以下同様に図３（Ａ）と図３（Ｂ）、図４
（Ａ）と図４（Ｂ）、図５（Ａ）と図５（Ｂ）及び図６
（Ａ）と図６（Ｂ）を比較すると、図３（Ａ）と図３
（Ｂ）と同様の関係が得られる。
（Ａ）と図４（Ｂ）、図５（Ａ）と図５（Ｂ）及び図６
（Ａ）と図６（Ｂ）を比較すると、図３（Ａ）と図３
（Ｂ）と同様の関係が得られる。
【００３０】これらの値を用いて、下記の式（２７）〜
（２９）より、各状態毎の合計距離を図１の距離合計手
段７ｂで求める。上記有声音・無声音・無音の合計距離
をそれぞれＤｋV 、ＤｋU 、ＤｋS とすると、 ＤｋV ＝（ＤｋR1.V＋ＤｋERR.V ＋ＤｋENGR.V＋ＤｋZCR.V ）・・・（２７） ＤｋU ＝（ＤｋR1.U＋ＤｋERR.U ＋ＤｋENGR.U＋ＤｋZCR.U ）・・・（２８） ＤｋS ＝（ＤｋR1.S＋ＤｋERR.S ＋ＤｋENGR.S＋ＤｋZCR.S ）・・・（２９） から有声音・無声音・無音の合計距離が距離合計手段７
ｂより求めることができる。
（２９）より、各状態毎の合計距離を図１の距離合計手
段７ｂで求める。上記有声音・無声音・無音の合計距離
をそれぞれＤｋV 、ＤｋU 、ＤｋS とすると、 ＤｋV ＝（ＤｋR1.V＋ＤｋERR.V ＋ＤｋENGR.V＋ＤｋZCR.V ）・・・（２７） ＤｋU ＝（ＤｋR1.U＋ＤｋERR.U ＋ＤｋENGR.U＋ＤｋZCR.U ）・・・（２８） ＤｋS ＝（ＤｋR1.S＋ＤｋERR.S ＋ＤｋENGR.S＋ＤｋZCR.S ）・・・（２９） から有声音・無声音・無音の合計距離が距離合計手段７
ｂより求めることができる。
【００３１】上記合計距離ＤｋV 、ＤｋU 、ＤｋS を用
いて、下記の式（３０）〜（３２）によりフレームの状
態を図１の音声区間識別手段８で判定する。 ＤｋV ＝Ｍｉｎ〔ＤｋV 、ＤｋU 、ＤｋS 〕・・・（３０） ならば合計距離ＤｋV が最小値であることから有声音Ｖ
であると判定する。また、 ＤｋU ＝Ｍｉｎ〔ＤｋV 、ＤｋU 、ＤｋS 〕・・・（３１） ならば合計距離ＤｋV が最小値であることから無声音Ｕ
であると判定する。さらに、 ＤｋS ＝Ｍｉｎ〔ＤｋV 、ＤｋU 、ＤｋS 〕・・・（３２） ならば合計距離ＤｋS が最小値であることから無音Ｓで
あると判定する。
いて、下記の式（３０）〜（３２）によりフレームの状
態を図１の音声区間識別手段８で判定する。 ＤｋV ＝Ｍｉｎ〔ＤｋV 、ＤｋU 、ＤｋS 〕・・・（３０） ならば合計距離ＤｋV が最小値であることから有声音Ｖ
であると判定する。また、 ＤｋU ＝Ｍｉｎ〔ＤｋV 、ＤｋU 、ＤｋS 〕・・・（３１） ならば合計距離ＤｋV が最小値であることから無声音Ｕ
であると判定する。さらに、 ＤｋS ＝Ｍｉｎ〔ＤｋV 、ＤｋU 、ＤｋS 〕・・・（３２） ならば合計距離ＤｋS が最小値であることから無音Ｓで
あると判定する。
【００３２】以上の図１の音声区間識別手段８による判
断により、有声音Ｖ、無声音Ｕ及び無音Ｓの状態を迅速
かつ確実に判定することができる。従って、上記実施例
によれば、電話回線のような周波数特性を持つ線路では
有声音Ｖ・無声音Ｕ・無音Ｓの状態判定をする際に、特
性変化を受けた音声が、ある特定パラメータの特性変化
を受けて異常に変動しても、他のパラメータが特性変化
を受けないならば、各パラメータの状態判定に与える影
響力が同等であるので、多数決の原理により、異常変動
の影響を減少することができる。
断により、有声音Ｖ、無声音Ｕ及び無音Ｓの状態を迅速
かつ確実に判定することができる。従って、上記実施例
によれば、電話回線のような周波数特性を持つ線路では
有声音Ｖ・無声音Ｕ・無音Ｓの状態判定をする際に、特
性変化を受けた音声が、ある特定パラメータの特性変化
を受けて異常に変動しても、他のパラメータが特性変化
を受けないならば、各パラメータの状態判定に与える影
響力が同等であるので、多数決の原理により、異常変動
の影響を減少することができる。
【００３３】なお、上記実施例で用いた有声音・無声音
・無音の判定用のパラメータの種類に限定されるもので
はなく、その他のパラメータを使用したものであっても
よいことは、言うまでもない。
・無音の判定用のパラメータの種類に限定されるもので
はなく、その他のパラメータを使用したものであっても
よいことは、言うまでもない。
【００３４】
【発明の効果】上記のように本発明によれば、電話回線
のような周波数特性を持つ線路により特性変化を受けた
音声を有声音・無声音・無音の状態判定をする際に、あ
る特定パラメータが特性変化を受けて異常に変動して
も、他のパラメータが特性変化を受けなければ、各パラ
メータの状態判定に与える影響力は同等であるとみなせ
るので、多数決の原理により異常変動の影響が減少する
ことができるなどの優れた効果を奏することができる。
のような周波数特性を持つ線路により特性変化を受けた
音声を有声音・無声音・無音の状態判定をする際に、あ
る特定パラメータが特性変化を受けて異常に変動して
も、他のパラメータが特性変化を受けなければ、各パラ
メータの状態判定に与える影響力は同等であるとみなせ
るので、多数決の原理により異常変動の影響が減少する
ことができるなどの優れた効果を奏することができる。
【図１】本発明の音声の有声音・無声音・無音の状態を
判定する方法において適用される状態判定装置の全体構
成を示すブロック図である。
判定する方法において適用される状態判定装置の全体構
成を示すブロック図である。
【図２】本発明の音声信号処理装置及びその方法に適用
する音声信号処理部の要部構成を示すブロック図であ
る。
する音声信号処理部の要部構成を示すブロック図であ
る。
【図３】スケーリングする前と後の状態における正規化
自己相関関数が最大となるラグの相関値Ｒ１とフレーム
の関係を示す特性図で、図３（Ａ）がスケーリングする
前のＲ１とフレームの関係を示す特性図、図３（Ｂ）が
がスケーリングした後のＲ１とフレームの関係を示す特
性図である。
自己相関関数が最大となるラグの相関値Ｒ１とフレーム
の関係を示す特性図で、図３（Ａ）がスケーリングする
前のＲ１とフレームの関係を示す特性図、図３（Ｂ）が
がスケーリングした後のＲ１とフレームの関係を示す特
性図である。
【図４】スケーリングする前と後の状態における正規化
線形予測残差ＥＲＲとフレームの関係を示す特性図で、
図４（Ａ）がスケーリングする前のＥＲＲとフレームの
関係を示す特性図、図４（Ｂ）がスケーリングした後の
ＥＲＲとフレームの関係を示す特性図である。
線形予測残差ＥＲＲとフレームの関係を示す特性図で、
図４（Ａ）がスケーリングする前のＥＲＲとフレームの
関係を示す特性図、図４（Ｂ）がスケーリングした後の
ＥＲＲとフレームの関係を示す特性図である。
【図５】スケーリングする前の状態におけるエネルギー
レシオＥＮＧＲとフレームの関係を示す特性図で、図５
（Ａ）がスケーリングする前のＥＮＧＲとフレームの関
係を示す特性図、図５（Ｂ）がスケーリングした後のＥ
ＮＧＲとフレームの関係を示す特性図である。
レシオＥＮＧＲとフレームの関係を示す特性図で、図５
（Ａ）がスケーリングする前のＥＮＧＲとフレームの関
係を示す特性図、図５（Ｂ）がスケーリングした後のＥ
ＮＧＲとフレームの関係を示す特性図である。
【図６】スケーリングする前の状態における零交叉ＺＣ
Ｒとフレームの関係を示す特性図で、図６（Ａ）がスケ
ーリングする前のＺＣＲとフレームの関係を示す特性
図、図６（Ｂ）がスケーリングした後のＺＣＲとフレー
ムの関係を示す特性図である。
Ｒとフレームの関係を示す特性図で、図６（Ａ）がスケ
ーリングする前のＺＣＲとフレームの関係を示す特性
図、図６（Ｂ）がスケーリングした後のＺＣＲとフレー
ムの関係を示す特性図である。
１ 基準値修正手段 ２ 電話機 ３ ＤＳＰ ４ 入力部 ５ パラメータ修正手段 ７ 演算手段 ７ａ 距離算出手段 ７ｂ 距離合計手段 ８ 音声区間識別手段
Claims (2)
- 【請求項１】音声を入力して有声音、無声音及び無音を
識別して音声区間の検出を行う音声信号処理装置であつ
て、 あらかじめ、音声の有声音・無声音・無音と推定される
期間を複数のパラメータについて分析し、該分析結果の
最小値を０とし、最大値が１になるような変換を実施し
て、音声の有声音・無声音・無音についての基準値を算
出する手段と、 上記音声入力に応答して、所定の区間について音声分析
を行ってパラメータを規定し、該パラメータに上記基準
値算出手段の変換式を適用してパラメータを修正する手
段と、 該パラメータ修正手段で上記変換式を適用してパラメー
タを修正し、該修正パラメータと上記基準値との距離を
算出する手段と、 該距離算出手段で算出された距離に基づいて音声の有声
音・無声音・無音のそれぞれの状態ごとに各パラメータ
の距離を合計する手段と、 該距離合計手段から出力される合計値から上記音声の有
声音・無声音・無音の区間の識別を行なう手段とを設け
た音声信号処理装置。 - 【請求項２】音声を入力して有声音、無声音及び無音を
識別して音声区間の識別を行う音声信号処理方法であつ
て、 あらかじめ、音声の有声音・無声音・無音と推定される
期間を複数のパラメータについて分析し、該分析結果の
最小値を０とし、最大値が１になるような変換を実施し
て、音声の有声音・無声音・無音についての基準値を算
出し、 上記音声入力に応答して、所定の区間について音声分析
を行ってパラメータを算出し、該パラメータに上記変換
式を適用してパラメータを修正し、 該修正パラメータと上記基準値との距離を算出し、 上記音声の有声音・無声音・無音のそれぞれの状態ごと
に各パラメータの距離を合計し、 これらの合計値から上記音声の有声音・無声音・無音の
区間の識別を行なう音声信号処理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4279500A JPH06110489A (ja) | 1992-09-24 | 1992-09-24 | 音声信号処理装置及びその方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4279500A JPH06110489A (ja) | 1992-09-24 | 1992-09-24 | 音声信号処理装置及びその方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06110489A true JPH06110489A (ja) | 1994-04-22 |
Family
ID=17611917
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4279500A Pending JPH06110489A (ja) | 1992-09-24 | 1992-09-24 | 音声信号処理装置及びその方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06110489A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018077546A (ja) * | 2013-09-09 | 2018-05-17 | ホアウェイ・テクノロジーズ・カンパニー・リミテッド | 音声処理のための無声／有声判定 |
-
1992
- 1992-09-24 JP JP4279500A patent/JPH06110489A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018077546A (ja) * | 2013-09-09 | 2018-05-17 | ホアウェイ・テクノロジーズ・カンパニー・リミテッド | 音声処理のための無声／有声判定 |
| US10347275B2 (en) | 2013-09-09 | 2019-07-09 | Huawei Technologies Co., Ltd. | Unvoiced/voiced decision for speech processing |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7877254B2 (en) | Method and apparatus for enrollment and verification of speaker authentication | |
| KR100438826B1 (ko) | 스무딩 필터를 이용한 음성 합성 시스템 및 그 방법 | |
| US7133826B2 (en) | Method and apparatus using spectral addition for speaker recognition | |
| US20070129941A1 (en) | Preprocessing system and method for reducing FRR in speaking recognition | |
| US20060053009A1 (en) | Distributed speech recognition system and method | |
| US8086449B2 (en) | Vocal fry detecting apparatus | |
| US4937870A (en) | Speech recognition arrangement | |
| JP2969862B2 (ja) | 音声認識装置 | |
| US6272460B1 (en) | Method for implementing a speech verification system for use in a noisy environment | |
| WO1997040491A1 (en) | Method and recognizer for recognizing tonal acoustic sound signals | |
| US6823304B2 (en) | Speech recognition apparatus and method performing speech recognition with feature parameter preceding lead voiced sound as feature parameter of lead consonant | |
| JP3119510B2 (ja) | 音声認識装置 | |
| JPH06110489A (ja) | 音声信号処理装置及びその方法 | |
| JPH03120598A (ja) | 音声認識方法及び装置 | |
| US20060150805A1 (en) | Method of automatically detecting vibrato in music | |
| JPS60114900A (ja) | 有音・無音判定法 | |
| JPH0792989A (ja) | 音声認識方法 | |
| JP5151103B2 (ja) | 音声認証装置、音声認証方法およびプログラム | |
| WO1995020216A1 (en) | Method and apparatus for indicating the emotional state of a person | |
| KR100194953B1 (ko) | 유성음 구간에서 프레임별 피치 검출 방법 | |
| JP3026855B2 (ja) | 音声認識装置 | |
| EP0310636B1 (en) | Distance measurement control of a multiple detector system | |
| KR20050048214A (ko) | 화자인식시스템의 화자 특징벡터 생성방법 및 시스템 | |
| JPH05249987A (ja) | 音声検出方法および音声検出装置 | |
| JPH0619491A (ja) | 音声認識装置 |