JPH0635498A

JPH0635498A - 音声認識装置及び方法

Info

Publication number: JPH0635498A
Application number: JP4212180A
Authority: JP
Inventors: Nobuo Hagimoto; 信男萩本; Toshio Sakuragi; 俊男桜木
Original assignee: Clarion Co Ltd
Current assignee: Faurecia Clarion Electronics Co Ltd
Priority date: 1992-07-16
Filing date: 1992-07-16
Publication date: 1994-02-10

Abstract

(57)【要約】【目的】騒音により変形された音声の分析データを波
形整形することで、耐騒音性能（音声認識率）を向上さ
せた音声認識装置の提供。【構成】音声認識装置は、音声分析部１００、音声入
力部１０５、音声認識部２００、辞書部３００、コント
ローラ３０１、音声波形整形部４０２を有する騒音対策
部４００から構成されている。音声分析部１００から出
力された騒音成分を含む分析データは音声波形整形部４
０２に入力し、音声波形整形部４０２は有音検出用波形
（区間検出用波形）によりデータのゼロ詰め範囲を検出
しながら順次音声認識データの波形整形を行なう。音声
波形整形部４０２は音声分析部１００からの出力データ
を受け取ると音声区間検出手段により対称チャンネルの
分析データとＣＨ７の有音検出用波形とを比較し区間ゼ
ロ詰め処理手段によりデフォルトの場合はゼロデータを
音声認識部２００に出力する。また、音声波形整形処理
方式は音声の存在範囲が検出（有意判定）されたときの
み音声分析部１００から入力した音声認識データを出力
する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声認識装置に関し、
特に、騒音抑圧装置を有する音声認識装置及び方法に関
する。

【０００２】

【従来の技術】近年、音声認識装置を用いて機器をコン
トロールするシステムの研究開発が行なわれ実用化され
つつある。特に、自動車等の車室内における機器操作
は、音声認識装置を用いることにより手を使わず（ハン
ズフリー）、視点をそらすことなく（アイズフリー）行
なえるため、機器操作における運転の安全の確保や向上
が実現できるという利点がある。しかし、現状の音声認
識装置は（特に、車両の走行騒音のような）、騒音環境
下では音声認識性能が大幅に低下するという問題点があ
った。

【０００３】図１６は従来の音声認識装置の構成を示す
ブロック図であり、音声認識装置は、構成を大きく分け
ると、音声分析部１００、音声認識部２００及び辞書部
３００から構成されている。そして、音声の分析結果は
外部バス１１０を介して音声認識部２００に出力される
よう構成されている。

【０００４】図１６に示したような従来の音声認識装置
の音声認識性能が騒音環境下で低下する原因としては、
主に、騒音の混入により音声のスペクトルパターンが変
形されるために、予め辞書部３００に登録されている標
準パターンとの類似性の低下が生じることが挙げられ
る。

【０００５】また、単語音声認識装置の場合、孤立発音
された単語音声の始端と終端を検出し、音声信号を切り
出す音声区間検出処理が必要になることが知られている
が、騒音により音声信号が変形したり、騒音に埋もれた
りすることで、正確な音声検出が行なえなくなり検出精
度が低下し、これが認識性能の低下を招くこととなる。

【０００６】更に、周囲の騒音が高くなってくると音声
区間検出が行なえなくなり、認識装置側が動作不能にな
り、音声を発声しても認識結果が出力されなくなる等と
いう問題点があった。そこで、周囲騒音への対策とし
て、従来はマイクと発声者の口許との距離を近付け（５
〜１０cmくらいに）、マイク感度を落すことで発声者以
外の音のマイクからの入力がされにくくするという方策
がとられることが多い。

【０００７】

【発明が解決しようとする課題】しかしながら、マイク
距離を短くするためにはマイクの設置方法が問題とな
る。例えば、発声者がマイクを身に付けたり、または発
声者の目の前にマイクが設置される。このような場合、
例えば、車の運転中に音声認識される場合等はマイクが
目の前にあると使いにくい、など用途によってはマイク
が邪魔になったり、また、例えば、マイクを体に装着し
て用いている場合等は、車に乗り降りする度にマイクを
着脱しなければならないなど、発声に煩わしさを感じさ
せる等の不都合がある。

【０００８】このため、車室内などでの使用ではマイク
距離を数１０cm（３０〜５０cmくらい）に離し、サンバ
イザ等に取り付ける場合が多い。この方法によればマイ
クの取付法による不都合は解消されるがマイク距離が離
れた分だけマイク感度を上げる必要が生じ、反って騒音
がマイクから拾われやすくなるので、マイクの位置如何
による解決策でなく音声認識装置側での騒音対策が必要
となる。

【０００９】走行騒音は、低周波数にパワーが偏ってい
るので、音声認識装置の前処理としてＨＰＦ（ハイパス
フィルタ）を用いて一部のノイズを相対的に低減する方
法が考えられる。しかし、この方法では、ＨＰＦを用い
ることにより音声情報も欠落するので遮断周波数を適当
に選択する必要がある。なお、この場合ＨＰＦを用いる
ことにより音声情報の欠落に比べて低域ノイズの低減が
大きいので、相対的にＳ／Ｎは向上する。

【００１０】ＨＰＦによる走行騒音対策は、例えば、文
献として、「耐騒音音声認識システム」浜田、滝沢共著
（松下電器）信学技法ＳＰ８９−１０５に示されてい
る。上記耐騒音音声認識システムの欠点として、騒音を大幅に低減しようとして遮断周波数を高く設
定すると、それと共に音声情報の欠落も大きくなり、認
識性能が低下するため遮断周波数の設定に限界があり、
従って、騒音の低減にも限界があること、ＨＰＦにより抑圧される騒音成分以外の帯域にも騒
音は存在しているが、この部分の騒音対策が何等講じら
れていないので認識性能の飛躍的な向上を望めない点、があり、このハイパスフィルターによる騒音対策はあく
までも、前処理として用いられる実用的な手法の１つに
過ぎない。

【００１１】上述したように、音声認識に用いられる音
声の分析データは騒音が混入することで大きく変形され
認識性能を低下させる原因となっている。そして、ＨＰ
Ｆによる低域騒音の抑圧だけでは（または、ＨＰＦがな
くても）、音声の分析帯域内に存在する騒音成分の抑圧
を、音声情報の欠落なしにできないという問題点があ
る。

【００１２】本発明は、上記欠点及び問題点に鑑みて創
案されたものであり、音声認識装置において、騒音によ
り変形された音声の分析データを波形整形することで、
耐騒音性能（音声認識率）を向上させた音声認識装置の
提供を目的とする。

【００１３】

【課題を解決するための手段】上記の目的を達成するた
めに本発明の音声認識装置の基本構成は、音声入力部に
より取り込まれた音声を所定の音声分析データに変換す
る音声分析部と、音声分析データを波形整形処理し波形
整形処理信号を得る騒音対策部と、波形整形処理信号に
基づいて音声を認識処理し音声認識結果を得る音声認識
部を備え、音声分析部が騒音成分を含んだ音声を複数の
所定帯域毎に分割し、第１の音声分析データとしての所
定帯域毎の音声認識処理用データと第２の音声分析デー
タとしての所定帯域の全てを含む帯域の音声区間検出用
データを得る音声分析データ抽出手段を有し、騒音対策
部が、有音検出用波形データに基づいて前記第１の音声
分析データの音声区間を検出し、所定の波形整形用パラ
メータに基づいて音声成分の有無を判定する音声区間検
出手段と、音声区間判定結果に基づいて第１の音声分析
データの音声区間の有無を判定し波形整形区間を設定す
る波形整形区間設定手段と、波形整形区間設定手段の設
定値に基づいて第１の音声分析データの音声区間内に含
まれる無音区間を略ゼロ詰め処理して波形整形し波形整
形処理信号を得る信号波形整形処理手段と、を有する音
声波形整形部を含むことを特徴とする。

【００１４】そして、本発明に基づく第２の発明は上記
音声認識装置において、有音検出用波形データが第２の
音声分析データであることを特徴とする。また、本発明
に基づく第３の発明は上記第２の音声認識装置におい
て、騒音対策部が、更に、第１の音声分析データからデ
ータに含まれる騒音レベルを検出してレベル検出信号を
得る騒音レベル検出手段と、前記レベル検出手段に基づ
いて、所定の波形整形用パラメータを騒音レベル変動に
応じて変更するように調整制御する波形整形用パラメー
タ調節制御手段と、を含むことを特徴とする。

【００１５】更に、本発明に基づく第４の発明は本発明
の音声認識装置において、音声波形整形部が、更に、第
１の音声分析データのうち所定レベル以下のデータを検
出し該検出データの略高域成分に所定の重み付け処理を
行ない重み付け処理信号を得る重み付け処理手段を有
し、前記重み付け処理信号を有音検出用波形データとし
て音声区間検出手段に与えることを特徴とする。

【００１６】更にまた、本発明に基づく第５の発明は上
記第２または第４の発明において、騒音対策部が、更
に、第１の音声分析データを、該データに含まれた騒音
成分の平均騒音レベルに基づく減算量により所定レベル
に減算処理し、減算処理の結果を第１の音声分析データ
として音声波形整形部に入力する騒音減算部を有するこ
とを特徴とする。

【００１７】なお、更に本発明に基づく第６の発明は、
音声入力部により取り込まれた音声を音声分析部にて所
定の音声分析データに変換し音声分析し、その分析され
た音声出力を音声波形整形部で波形整形して、整形され
た音声を音声認識部で認識処理し音声認識結果を得る音
声認識方法において、前記音声波形部により前記分析さ
れた音声出力が所定のしきい値を越え、その越えている
期間が所定フレーム継続すると有音と判定する立上り判
定ステップと、前記音声波形部により前記分析された音
声出力が所定のしきい値を下回り、その下回っている期
間が所定フレーム継続すると無音が以降に続くと判定す
る立下り判定ステップと、を含むことを特徴とする。

【００１８】

【作用】上記構成により第２の発明に基づく音声認識装
置は、騒音対策部が、音声区間検出手段により第２の音
声分析データに基づいて第１の音声分析データの音声区
間を検出し、所定の波形整形用パラメータに基づいて音
声成分の有無を判定し、波形整形区間設定手段が音声区
間判定結果に基づいて第１の音声分析データの音声区間
の有無を判定し波形整形区間を設定し、信号波形整形処
理手段により波形整形区間設定手段の設定値に基づいて
第１の音声分析データの音声区間内に含まれる無音区間
を略ゼロ詰め処理して波形整形し波形整形処理信号を得
る。

【００１９】また、第３の発明に基づく音声認識装置
は、騒音対策部が、更に、騒音レベル検出手段により第
１の音声分析データからデータに含まれる騒音レベルを
検出してレベル検出信号を得て、波形整形用パラメータ
調節制御手段により所定の波形整形用パラメータを騒音
レベル変動に応じて変更するように調整制御する。

【００２０】更にまた、第５の発明による音声認識装置
は、騒音対策部が、更に、第１の音声分析データを、該
データに含まれた騒音成分の平均騒音レベルに基づく減
算量により所定レベルに減算処理し、減算処理の結果を
第１の音声分析データとして音声波形整形部に入力す
る。

【００２１】更に、第４の発明による音声認識装置は、
音声波形整形部が、重み付け処理手段により第１の音声
分析データのうち所定レベル以下のデータを検出し該検
出データの略高域成分に所定の重み付け処理を行ない重
み付け処理信号を得て、重み付け処理信号を有音検出用
波形データとして音声区間検出手段に与える。

【００２２】また第６の発明の方法によると、有意判定
が適切となり、無音区間がゼロ詰めされ、騒音抑圧が可
能となる。

【００２３】

【実施例】図１は本発明に基づく音声認識装置の基本構
成を示すブロック図である。図１において、１００は音
声分析部、１０５は音声入力部としてのマイク、２００
は音声認識部、３００は辞書部としてのメモリ、３０１
はコントローラ、４００は騒音対策部、４０２は音声波
形整形部である。本実施例では説明上、音声分析部１０
０、音声入力部１０５、音声認識部２００、辞書部３０
０及びコントローラの各々の構成は前述した従来の音声
認識装置と同様の構成とする。また、音声分析部１００
は音声分析データ抽出手段としてのフィルタバンク１０
２（図１６）を有する。

【００２４】本発明では、音声分析部１００から出力さ
れた騒音成分を含む分析データ（音声認識処理用データ
（図４Ｂ参照））が音声波形整形部４０２に入力され、
音声波形整形部４０２は有音検出用波形（図４の場合
は、実施例１で後述するように区間検出用波形（ＣＨ
７）を有音検出用波形として用いている）によりデータ
のゼロ詰め範囲を検出しながら順次音声認識データの波
形整形を行なう。図３に有音検出用波形と各種パラメー
タとの関係を示す。波形整形用のパラメータとしては下
記表１に示す５個がある。

【００２５】

【表１】 Level … 有音判定を行なうためのしきい値。 UP … しきい値を越えてから、有音と判定す
るためのフレーム数 IPOFFSET … 有音と判定されてから、ゼロ詰めする
ポイントまでのオフセット数 DOWN … しきい値を下回ってから、無音と判定
するまでのフレーム数 DOWNOFFSET … 無音と判定されてから、スルーとなる
ポイントまでのオフセット数

【００２６】図２は音声波形整形部４０２の構成例を示
すブロック図である。図２において、音声波形整形部４
０２により対象チャンネル（ＣＨ１〜ＣＨ６）の音声認
識データがデフォルトの場合はゼロ詰めを行なうので出
力データはゼロとなる。具体的には、音声波形整形部４
０２は音声分析部１００からの出力データを受け取ると
音声区間検出手段により有音検出用波形を比較検査しデ
フォルトの場合は、波形整形フラグ設定手段により波形
整形フラグ０を設定し、信号波形整形処理手段によりゼ
ロデータを音声認識部２００に出力する。一方、音声区
間検出手段により音声の存在が検出された時は、波形整
形フラグ設定手段により音声の存在範囲（有音部分）に
波形整形フラグ１を設定し、信号波形整形処理手段によ
り音声認識処理用データ（分析データ）を音声認識部２
００に出力する。音声波形整形部４０２において有音判
定を適切に行ない音声区間内の無音区間をゼロ詰め処理
することにより、騒音抑圧を行なうことができる。以
下、図３により有音検出用波形を用いた音声波形整形部
４０２の動作概要を述べる。

【００２７】図３において、音声がしきい値「Level」
を越え（ポイントａ）、その期間が「UP」フレーム継続
すると音声区間検出手段４２５が有音と判断する（ポイ
ントｂ）。そして、波形整形フラグ設定手段４２６がポ
イントｂより「UP＋UPOFFSET-1」フレームだけ遡ったと
ころ（ポイントｃ）をゼロ詰めの最終ポイントとし、そ
れ以降、無音と判定されるまで入力する音声認識データ
に対し有音フラグ“１”をたてる。そして、信号波形整
形手段４２７はゼロ詰めすることなくそのまま音声認識
部２００に出力する。

【００２８】次に、音声が「Level」を下回って（ポイ
ントｄ）、その期間が「DOWN」フレーム継続すると音声
区間検出手段４２５は無音が以降に続くものと判定す
る。そして、波形整形フラグ設定手段４２６がポイント
ｅから「DOWNOFFSET-1」フレームだけすすんだフレーム
（ポイントｆ）をゼロ詰め開始位置とし、ゼロ詰めフラ
グをたてる。信号波形整形手段４２７はそれによりゼロ
データを音声認識処理用データの代りに音声認識部２０
０に出力する。

【００２９】〈実施例１〉本実施例は、図１のブロック
図に示す音声認識装置において、区間検出用波形（ＣＨ
７）を有音検出用波形として用いた例である。また、図
４は“さっぽろ”という単語を音声入力した時の音声分
析部１００の出力波形図であり、部分図４Ａは騒音の無
い時の音声“さっぽろ”の波形図、部分図４Ｂは騒音下
の音声“さっぽろ”の波形図、部分図４Ｃは音声波形整
形部４０２による波形整形処理後の音声“さっぽろ”の
波形図である。

【００３０】図１において、マイク１０５から入力した
騒音の重畳した音声は音声分析部１００に入力され、帯
域分割されたバンクフィルタ（実施例では説明上、７チ
ャンネル（以下、ＣＨと記す）とする）により図４Ｂに
示すような分析データとなる。ＣＨ１からＣＨ６までは
低域から高域の順になっており、ＣＨ７はＣＨ１からＣ
Ｈ６までの分析帯域をカバーする全帯域フィルタの分析
結果である。ＣＨ１〜ＣＨ６を音声認識用のデータ作成
に用い、ＣＨ７は音声区間検出用として用いる。なお、
図４Ｂにおいて、音声に重畳している騒音は車両の走行
騒音であり、低域のチャンネルにそのパワーレベルが集
中しているため、ＣＨ１、ＣＨ２、ＣＨ３…の順に騒音
による音声の変形が大きいことがわかる。以下に、図５
及び図６により本実施例における波形整形部４０２の動
作を詳細に述べる。

【００３１】図５は、波形整形処理で用いるデータバッ
ファとポインタとの関係の説明図であり、波形整形処理
で用いるデータバッファ５１（ring[ch][ptr]）と、波
形整形動作を切り換えるためのフラグgate[ptr]を格納
するバッファ５２が示されている。これらはそれぞれリ
ングバッファ構成をとっており、時々刻々とデータを格
納する位置（ptr-wr）と読み出される位置（ptr-rd）が
変わる。ただし、ch＝１〜７，ptr＝０〜RINGMAX（バッ
ファサイズ）であり、chは分析データ（音声認識用デー
タ）のチャンネル番号、ptrはリングバッファの対象位
置を示すポインタである。また、ptr-rd，ptr-wrは、そ
れぞれ、データの読み出し、書き込みのためのポインタ
である。例えば、図５では、右回りに１つずれ、ptr-wr
に相当するバッファエリアに入力データが格納され、pt
r-rdに相当するデータが読み出される。従って、読み出
されたデータ（即ち、音声認識部２００に出力するデー
タ）は、入力されたデータに対して、バッファサイズRI
NGMAXフレームだけ遅れることになる。

【００３２】波形整形処理において時間軸を遡る処理を
行なう必要があり、信号にその処理に必要な遅延を与え
るために上述のバッファを要する。そして、バッファサ
イズRINGMAXの大きさは波形整形処理を行なうために十
分な、また、音声発声時から音声認識装置の応答までの
時間を極端に遅くしない程度に設定する(例えば、RINGM
AX＝２０とすると、分析フレーム周期が１０msecのと
き、発声から約０．２秒の遅延が生じる）。

【００３３】図６は、音声波形整形部４０２の動作を示
すフローチャートである。以下、図６のステップに従っ
て音声波形整形部の動作を説明する。

【００３４】［ステップ１００〜１１５］音声区間の
検出（音声区間検出手段）入力分析部１００からの１フレーム分のデータをデータ
の一時記憶領域f-input[0]〜f-input[7]に入力し、有音
検出用波形f-input[7]が、しきい値Levelを越えている
（以下、Ｕと記す）か否か（以下、Ｄと記す）の比較を
行ない、Ｕならば“越えている”、Ｄならば“下回って
いる”状態、を示すフラグwaveflaguのチェックを行な
う。なお、電源投入時は予め何れか（例えば、Ｄ）に初
期設定されているものとする（ステップ１００）。

【００３５】次に、１つ前のフレームのデータがLevel
を下回っていたかどうかをwaveflagにより判定する。wa
veflagがＤであれば現在の有音検出用波形f-input[7]と
しきい値Levelとの比較を行なう。ここでLevelを下回っ
ていればしきい値を連続して下回るフレーム数をカウン
トするカウンタdowncntに１を加える（ステップ１１
０）。現在の有音検出用波形f-input[7]としきい値Leve
lとの比較の結果がLevelを下回っていなければカウンタ
downcntをクリアし、f-input[7]の状態がしきい値を上
回っているものとしてwaveflagにＵをセットする(ステ
ップ１１１)。

【００３６】また、１つ前のフレームのデータがLevel
を上回っていたかどうかをwaveflagにより判定する。wa
veflagがＵであれば現在の有音検出用波形f-input[7]と
しきい値Levelとの比較を行なう。ここでLevelを上回っ
ていれば状態が継続中であると判断して、しきい値を連
続して上回るフレーム数をカウントするカウンタupcnt
に１を加える（ステップ１１２）。

【００３７】現在の有音検出用波形f-input[7]としきい
値Levelとの比較の結果がLevelを上回っていなければカ
ウンタupcntをクリアし、f-input[7]の状態がしきい値
を下回っているものとしてwaveflagにＤをセットする
（ステップ１１３）。なお、異常入力に対する措置とし
て、例えば、騒音が大きくてしきい値を常に越えている
ような状態の場合には、upcntがバッファサイズに達し
た時にupcntをクリアする（ステップ１１４）。入力信
号のない場合の措置として、入力信号が常にしきい値を
下回っている状態において、downcntがバッファサイズ
に達した時にdowncntをクリアする（ステップ１１
５）。

【００３８】［ステップ１１６〜１２３］立上りの判
定；波形整形条件の判定１（波形整形フラグ設定手段）リングバッファ５１，５２のポインタを更新し（ステッ
プ１１６）、次に、連続したメモリ領域の一部をリング
バッファとして用いるため、リングバッファのポインタ
がバッファサイズに達した時ポインタをバッファの先頭
に戻す（ステップ１１７）。音声の立上りのポイントを
検出すると共にゼロ詰め終了ポイント（図３のポイント
ｃ）の探索を開始するか否かの判定を行なう。この場
合、ステップ１１２でカウントしたupcntと予め設定し
た定数u-flameとの比較を行ない、upcntがu-flameに達
していればステップ１１９及びステップ１２０を実行す
る（ステップ１１８）。

【００３９】［ステップ１１９，１２０］波形整形フ
ラグの設定１（波形整形フラグ設定手段）ゼロ詰めの切換えスイッチGETFLAGに１セットし、現在
からゼロ詰め処理を中止する設定を行なう（ステップ１
１９）。ステップ１１８で検出した音声の立上りのポイ
ントより以前のフレームにも音声が存在するので、ゼロ
詰め終了ポイントの現在のポイント（図３のポイント
ｂ）から過去へ引き戻す処理を行なう。現在のデータを
格納する位置を示すポインタptr-wrから、「upcnt＋UPO
FFSET-1」フレームだけ、リングバッファ４２（gate[pt
r]）を遡り、その間に１を格納する（但し、UPOFFSETは
予め定めた値である）。これにより、gate[ptr]が１で
あるから対応するポインタ位置のリングバッファ４１
（ring[ch][ptr]）に格納されているデータをゼロ詰め
されることなくそのまま出力する設定が行なわれたこと
になる（ステップ１２０）。

【００４０】［ステップ１２１〜１２３］立下りの判
定；波形整形条件の判定２（波形整形フラグ設定手段）前述した音声の立下りのポイントを検出すると共にゼロ
詰め開始の探索を開始するか否かの判定を行なう。この
場合、ステップ１１０でカウントしたdowncntと予め設
定した定数d-flameとの比較を行ない、downcntがd-flam
eに達していればステップ１２２及びステップ１２３を
実行する（ステップ１２１）。

【００４１】［ステップ１２２，１２３］波形整形フ
ラグの設定２（波形整形フラグ設定手段）ゼロ詰めの切換えスイッチGETFLAGに０をセットし、現
在からゼロ詰めを開始する処理の設定を行なう（ステッ
プ１２２）。ステップ１２１で検出した音声の立下りの
ポイントは有音区間を越えて無音区間に入っているの
で、ゼロ詰めを開始するポイントを現在のポイント（図
３のポイントｆ）から過去へ引き戻す処理を行なう。ス
テップ１２０と同様にポインタptr-wrから、「downcnt＋
DOWNOFFSET-1」フレームだけ、リングバッファ５２(gat
e[ptr]）を遡り、その間に０を格納する（但し、DOWNOF
FSETは予め定めた値である）。これによりgate[ptr]が
０であるから対応するポインタ位置のリングバッファ４
１（ring[ch][ptr]）に格納されているデータは出力さ
れず、代りにゼロデータを出力する設定が行なわれたこ
とになる（ステップ１２３）。

【００４２】［ステップ１２４〜１２８］波形整形処
理（信号波形整形処理手段）入力した分析データをリングバッファ５のring[ch][ptr
wr]に格納し（ステップ１２４）、出力すべきデータを
一時記憶エリアであるf-output[CH]に格納する（ステッ
プ１２５）。次に、読み出しポインタptr-rdに対応する
gate[ptr-rd]の値を参照し、これが０に設定されていれ
ばゼロ詰め動作モードであると判断し、ステップ１２７
を実行し、gate[ptr-rd]の値が１に設定されていればゼ
ロ詰め動作モードでないと判断しそのままステップ１２
８を実行する（ステップ１２６）。

【００４３】ゼロ詰め動作モードの時、一時記憶エリア
f-output[CH]の値をゼロとする（ステップ１２７）。な
お、本実施例では、このとき、ゼロ詰め処理する対象チ
ャンネルを低域のＣＨ１〜ＣＨ４とＣＨ７としている
（図４Ｃ参照）。これは、本実施例では走行騒音を仮定
しているため低域騒音の多い走行騒音では高域には騒音
の影響が殆どないと考えられるからであり、本実施例の
例によることなく全てのチャンネルに対してゼロ詰め処
理を行なってもよい。

【００４４】gate[ptr]の内容によりリングバッファ５
１の値（内容）を読み出して音声認識部２００に出力す
る。例えば、gate[ptr]に、図５に示すような配列で０
または１が格納されていたとすると、現在の読み出しポ
インタptr-rdは、２→３→４→…の順にバッファ５１の
内容を全てのチャンネルについて読み出す。このとき、
gate[2]〜gate[4]までが１であるため、バッファ５１か
ら読み出したデータについてこの間はゼロ詰めされるこ
となくそのまま音声認識部２００に出力される。それ以
降はgate[ptr]がゼロであるから波形整形処理の対象と
なっているチャンネルの出力データはゼロに置き換えら
れて音声認識部２００に出力される。上記ステップ１０
０〜１２８の処理により波形整形処理が完了する。な
お、ステップ１２８では、波形整形処理後の分析データ
はデータの一時記憶エリアf-output[CH]に格納されてお
り、最終的に騒音対策部４００の出力データとなる。

【００４５】〈実施例２〉図７は第３の発明に基づく音
声認識装置の一実施例の構成を示すブロック図である。
本実施例の構成は図１の構成において、騒音対策部４０
０が、更に、騒音レベル測定部４０３とパラメータ変更
部４０４を有する点で図１と異なるが、他の部分の構成
及び機能、動作は図１に示した第１の音声認識装置と等
しいので説明を省略し、異なる点について述べる。

【００４６】前述したように波形整形処理では５つのパ
ラメータ「Level,UP,UPOFFSET,DOWN,DOWNOFFSET」（表
１参照）があり、この値により有音の判定を行なう。こ
の場合、騒音が大きく変動すると、音声の欠落や騒音の
付加等が起こり、有音検出を失敗する場合があった。そ
こで、騒音レベルが大きく変動した時パラメータを調整
する必要があった。

【００４７】第３の発明によれば音声認識装置はこのよ
うな場合に対処できるよう騒音レベルに応じて適当なパ
ラメータ設定が行なわれるように構成されている。そし
て、波形整形処理のパラメータ「Level,UP,UPOFFSET,DO
WN,DOWNOFFSET」がいくつかの騒音レベルＮ１，Ｎ２，
Ｎ３，…のそれぞれについて最適な値として異なる組み
合わせを持っている時に本方式は有効となる。

【００４８】パラメータのうち「Level」は音声の存在
場所を検索するためのしきい値であるため、騒音レベル
に最も敏感である。例えば、しきい値が騒音レベルを下
回ってしまうような場合は、波形整形処理は全く行なわ
れなくなってしまう。従って、少なくとも「Level」は
騒音レベルよりも高く設定しなければならない。しかし
ながら、高く設定し過ぎるとレベルの低い音声部分の検
出ができなくなり、語頭あるいは語尾の欠落が発生する
ため、「Level」は騒音レベルに応じて適切に設定され
なければならない。

【００４９】しきい値Levelが変われば、最終的にゼロ
詰め処理を開始或いは終了するポイントを決定するため
の他のパラメータも変更する必要がある。例えばしきい
値Levelが高くなればゼロ詰め終了となるべきポイント
（図３のポイントｃ）と、有音として判定されるポイン
ト（図３のポイントｂ）までの時間はしきい値が低い時
に比べて長くなるのでパラメータ「UPOFFSET」の値を大
きく取る必要がある。このように、種々の場合に応じて
最適なパラメータを騒音レベル毎に決めておくことがで
きる。

【００５０】例えば、パラメータが騒音レベル（Ｎ１，
Ｎ２）＝（１５，２５）で切り換えられる時のパラメー
タの設定は以下のようになる。但し、レベルは図４に示
したグラフの縦軸のデータであり、最大レベル２５６の
無名数である。Ｐｎ＝「Level,UP,UPOFFSET,DOWN,DOWNOFFSET」Ｐ１＝［４０，３，３，３，−１］（騒音レベルＮ１
＝１５が境界）Ｐ２＝［４０，３，４，３，−１］（騒音レベルＮ２
＝２５が境界）Ｐ３＝［４０，３，６，３，−２］以下の説明では、上記のパラメータがパラメータ変更部
４０４に、例えば、パラメータテーブル（図示せず）と
して、登録されているものとする。

【００５１】図７において、騒音レベル測定部４０３に
は、波形整形処理部４０２での波形整形処理の対象とな
る分析データと同じデータが入力分析部に入力される。
騒音レベル測定部４０３はこの分析データに混入してい
る騒音のレベルを検出する。検出した結果はパラメータ
変更部４０４で判定され、変更の必要があればパラメー
タテーブルを参照し該当するパラメータを音声波形整形
部４０２に設定する。例えば、騒音レベル測定部４０３
により測定された騒音レベルＮｘはパラメータ変更部４
０４に入力され、次のような判定処理を受ける。Ｎ１＞ＮｘならばＰ１を選択する。Ｎ２＞Ｎｘ≧Ｎ１ならばＰ２を選択する。Ｎｘ≧Ｎ２ならばＰ３を選択する。例えば、騒音レベルが１８であるとすると、音声波形整
形部４０２に設定されるパラメータはＰ２＝［４０，
３，４，３，−１］となる。音声波形整形部４０２で
は、実施例１の第１の音声認識装置におけると同様に波
形整形処理を行なう。

【００５２】〈実施例３〉騒音のある信号に対してパワ
ーレベルで環境騒音を減算する方法は、文献、Ｆ．ボー
ル（Ｆ．ＢＯＬＬ）著、「Suppression of Acoustic No
ise in Speech Using Spectral Subtraction」IEEE Tra
ns.ASSp.,Vol.ASSP-272,pp.113-120(1979)に示されてお
り、抑圧の対象となる騒音に定常性を仮定し得るときに
は、有効な方法である。本発明は、騒音の重畳した波形
の騒音レベルの減算処理後に波形整形処理を施すもので
ある。

【００５３】図８は第３の発明に基づく音声認識装置の
一実施例の構成を示すブロック図である。本実施例の構
成は図１の構成において、騒音対策部４００が、更に、
環境騒音減算部４０１を有し、騒音対策部４００が音声
分析部１００から受け取った分析データに対し、環境騒
音を減算し、その後、実施例１で述べたと同様に波形整
形処理を施し音声認識部２００へ出力するよう構成され
ている点で図１と異なるが、他の構成部分の機能及び動
作は図１に示した第１の音声認識装置と等しいので説明
を省略し、異なる点について述べる。また、図９は環境
騒音減算部４０１の構成例を示すブロック図であり、環
境騒音減算部４０１は非対称変換部４１０、騒音レベル
測定部４１１、減算数設定部４１２、環境騒音減算処理
部４１３、対数変換部４１４から構成されている。

【００５４】また、図１０は音声分析部の対数特性図で
あり、図１１は本実施例における減算処理の各過程にお
ける減算処理の動作の説明図であり、図１２Ａは図１２
Ｂに示した走行騒音が変化する時の波形に対して環境騒
音減算部４０１により、分析データの持つ対数特性を補
正して線形に変換した分析データから、各チャンネル毎
に騒音レベルを減算した後、再び対数データに変換した
（非線形）を示す図であり、図１２Ｂは図１２Ａの減算
処理後の波形に対して図８の音声波形整形部４０２によ
り音声波形整形した後の波形図である。

【００５５】以下、図８、図９のブロック図に基づいて
減算処理の動作について説明する。一般に、音声認識装
置の分析データは、広いダイナミックレンジを確保する
ために図１０に示すような対数特性（図１０の例は、対
数特性を折線近似したものである）を用いて対数変換さ
れることが多い。対数変換はマイク１０５の入力アンプ
（図示せず）でアナログ処理で行なわれたり、デジタル
処理で行なわれたりして、種々の方式が取られている
が、本実施例では（音声分析装置１００内の）Ａ／Ｄコ
ンバータの入力特性に図１０に示したような対数特性を
持たせた場合として説明する。

【００５６】このとき、音声分析部１００からの出力で
ある分析データは、対数変換されたデータ（図１１Ａ参
照）であるから、これを非対称（リニア）データに戻す
必要がある。この処理を行なうのが非対数変換部４１０
である。音声認識装置によっては対数変換を音声認識部
２００で行なう場合があるが、この場合は、環境騒音減
算部４０１において、非対数変換部４１０と対数変換部
４１４は構成上必要がない。

【００５７】分析データはＣＨ１〜ＣＨ７の順に入力分
析部１００から出力され、分析周期（フレーム周期）は
１０msecである。非対数変換部４１０はこのように順次
出力されてくる分析データの全てについて非対数変換処
理を行なう。非対数変換部４１０により、リニアなデー
タに変換された分析データ（図１１Ｂ参照）は、騒音レ
ベル測定部４１１に入力される。騒音レベル測定部４１
１は一定時間範囲の分析データを蓄え、そのデータに対
し各チャンネル毎に平均騒音レベルを検出する。平均騒
音レベルは各チャンネル毎に蓄えられた分析データのヒ
ストグラムの最大値をとることで決定する。

【００５８】平均値でなくヒストグラムをとる理由は、
分析データの中に音声が含まれると音響レベルの影響で
平均値が騒音レベルよりも高くなり、正確な騒音レベル
の測定ができないときがあるからである。ヒストグラム
は発生頻度でレベルをみるためにレベルの大きさに左右
されず、発生頻度最大のレベルを平均騒音レベルとみな
すことで、音声の存在にかかわらず精度のよい測定が可
能となる。

【００５９】測定された平均騒音レベルにしたがって、
減算量が減算量設定部４１２により環境騒音減算処理部
４１３に設定され、各チャンネル毎に騒音の減算処理が
行なわれる。減算量の設定は測定した環境騒音レベル分
がそのまま用いられるが、騒音が大きいときは減算量が
大きくなり音声レベルが小さくなり過ぎてしまうときが
あるので、測定した騒音レベルよりも少なめに設定して
もよく、これらの処理は騒音レベルに応じて適応するよ
う設定する。減算処理した波形(図１１Ｃ参照)は、対数
変換部４１４に渡され、再び対数データに変換される
(図１１Ｄ参照)。なお、図４Ｂに示す走行騒音の波形に
対して環境騒音減算部４０１で減算処理を行なうと図１
２Ａの波形になる。この出力を音声波形整形部４０２で
波形整形した結果が図１２Ｂの波形図に示す信号であ
る。走行騒音処理の場合、この信号（データ）を音響認
識部２００に出力する。

【００６０】〈実施例４〉波形整形処理のパラメータ
「Level,UP,UPOFFSET,DOWN,DOWNOFFSET」（表１参照）
を用いて有音区間を検出する際に、検出に用いる波形
（有音検出用波形）として、従来の音声区間検出用の波
形（ＣＨ７）を用いるが、実験によるとＣＨ７の波形に
対して有音／無音の判定処理を行なうと、音声レベルの
低い区間がゼロ詰めされる場合があることが判明した。

【００６１】図１３は有音検出用波形としてＣＨ７（音
声区間検出用波形）を用いた波形整形処理の失敗例であ
る。図１３Ａにおいて点線が騒音のある波形であり、実
線が波形整形を施した波形であり、処理前の波形に比べ
て０．２秒の遅延がある。これを見ると、本来２つの音
声波形の山があるべきところで、後の山が検出できずゼ
ロ詰め処理がなされている。

【００６２】上述の点を解決するために、重み付け処理
手段によりＣＨ１からＣＨ６の波形を用いてレベルの低
い区間を含むチャンネルに重みをかけた加算波形を作
り、これを有音検出用波形とする。重み付けは、音声レ
ベルの低い部分は子音などのように比較的高域チャンネ
ルに有る場合が多く、また走行騒音は低域チャンネルに
存在し高域に重みを付けても騒音に影響されにくいこと
から高域チャンネルを重視する。こうすることにより、
レベルの低い部分も高域チャンネルにその波形があれ
ば、その形状がゼロ詰めに反映されるようになる。

【００６３】図１３Ｂに示す有音検出用波形Ｙは、以下
の式１に基づいて作ったものである。この有音検出用波
形Ｙを用いることにより今まで検出できなかったレベル
の小さい音声の山が検出可能になり良好な波形整形処理
がなされる。（式１）Ｙ＝（ΣＸi×αi）／β Ｘi；ｉチャン
ネルのデータ有音検出用波形（加算波形）を作る時のパラメータはＣ
Ｈ１〜ＣＨ６の重み係数α１〜α６と、加算結果を適当
な大きさにスケール変換するスケールファクタβの７個
からなる。実施例で加算パラメータは、［α１,α２,α３,α４,α５,α６］／β＝[１,２,３,
３,５,１０]／４である。

【００６４】図１４は第４の発明に基づく音声波形整形
部の構成例を示すブロック図であり、本方式による重み
付け手段４２１を音声波形整形部４０２に設けたもので
ある。本実施例において本方式を適用するための構成は
実施例３の図７と同様の構成であり、騒音対策部４００
の環境騒音減算部４０１において音声分析部１００から
受け取った分析データに対し、環境騒音を減算し、その
後、波形整形処理を施し音声認識部２００へ出力する。
本方式では特定のチャンネルを極端に重視するので、高
域に若干の騒音があると、その騒音も一緒に重み付け加
算され加算波形に反映してしまうので、予め減算処理に
より騒音を低減しておくことが望ましい。

【００６５】減算処理後の動作は実施例３に示した内容
と殆ど同じであるが、図６のフローチャートのステップ
１００において、入力した分析データf-input[CH]に対
して重み付け手段４２１により次式の計算を行ない有音
検出用波形Ｙを作成する。（式２）Ｙ＝（Σf-input[i]×αi／β）ｉ；チ
ャンネル番号この有音検出用波形Ｙをステップ１００〜１１５で有音
検出用波形として用いる。図１５に認識実験結果(平均
値)を示す。実験条件は下記の表２の通りである。

【００６６】

【表２】音声ソース：あらかじめＤＡＴに、防音室で収録し
た話者３名の音声。地名２０単語６回発声データ。３回
分を登録用、残りを認識用に用いた。騒音ソース：擬似雑音。ホワイトノイズをＬＰＦを
介した後、走行騒音の特性に、近くなるようにイコライ
ジングしたものを、ＤＡＴテープに記録し使用した。システム：ＤＡＴより再生した音声および騒音信
号を、それぞれライン入力し回路上でミックスし、音声
分析部へ入力した。

【００６７】図１５において、粗い点線１５１で示した
グラフが騒音対策なしのもの、細い点線１５２で示した
グラフが従来のＨＰＦによる前処理を施したもの、実線
１５３で示したグラフがＨＰＦの前処理の後、本発明の
騒音対策を施したものである。騒音に対する動作範囲の
拡大と認識率の向上が実現できていることが明白に示さ
れている。

【００６８】なお、上記実施例１〜４において音声波形
整形部の重み付け処理手段、音声区間検出手段、波形整
形フラグ設定手段、信号波形処理手段はＩＣ化して、音
声認識装置の駆動時に実行されるよう構成することがで
きる。

【００６９】

【発明の効果】以上説明した本発明による音声認識装置
の騒音抑制効果は次の通りである。第１の発明音声区間検出用の波形（実施例ではＣＨ７）が騒音の抑
制されたものとなるために、音声認識装置は騒音に影響
されることなく安定した音声区間検出動作を行なうこと
が可能となり認識性能が向上する。また、第６の発明の
方法のようにして音声認識用に使われる波形（実施例で
はＣＨ１〜ＣＨ４）が波形整形されることで、騒音の混
入により失われた音声の特徴が復活する。従って、辞書
とのマッチングにより得られる類似度が、騒音のある波
形とのマッチングに比べて高くなり、認識性能の向上に
寄与する。第３の発明波形整形処理のパラメータが周囲騒音レベルに応じて最
適な値となるように適応的に設定されているので、騒音
レベルの大きな変動による語頭、語尾の欠落及び騒音の
付加が減少し、結果として認識性能が向上する。第４の発明本発明に基づく第１の音声認識装置に対して、設定され
たしきい値レベルよりも高い騒音レベルが入力されると
波形整形処理が行なわれなくなるので、本発明によれば
減算処理により騒音レベルが低減されているために、騒
音レベルがしきい値よりも低くなり、波形整形処理が可
能となる。また、騒音レベルが変動しても、平均騒音レ
ベルに応じて減算処理を行なっているために、波形整形
処理部に入力する騒音レベルは大きく変動しない。その
ために、波形整形処理のパラメータに対する制約が緩和
され、パラメータの変更の必要がなくなる。第５の発明音声のレベルの低い部分があっても、走行騒音に影響さ
れることなく有音検出を行ない、正確な波形整形処理を
可能にする。

【図面の簡単な説明】

【図１】本発明に基づく音声認識装置の基本構成を示す
ブロック図である。

【図２】図１の音声波形整形部の構成例を示すブロック
図である。

【図３】有音検出用波形としてＣＨ７の音声区間検出用
波形を直接用いた場合の有音検出用波形と各種パラメー
タとの関係を示す説明図である。

【図４】“さっぽろ”という単語を音声入力した時の音
声分析部の出力波形図であり、部分図Ａは騒音の無い時
の音声“さっぽろ”の波形図、部分図Ｂは騒音下の音声
“さっぽろ”の波形図、部分図Ｃは音声波形整形部によ
る波形整形処理後の音声“さっぽろ”の波形図である。

【図５】波形整形処理で用いるデータバッファとポイン
タとの関係の説明図である。

【図６】音声波形部の動作を示すフローチャートであ
る。

【図７】第３の発明に基づく音声認識装置の一実施例の
構成を示すブロック図である。

【図８】第４の発明に基づく音声認識装置の一実施例の
構成を示すブロック図である。

【図９】環境騒音減算部の構成例を示すブロック図であ
る。

【図１０】音声分析部の対数特性図である。

【図１１】図９の環境騒音減算部における減算処理の各
過程における減算処理の動作の説明図である。

【図１２】図４の走行騒音に図９の環境騒音減算部での
処理を行なった場合の出力波形図である。

【図１３】波形整形処理の有音検出用波形による相違を
示す波形図である。

【図１４】第４の発明に基づく音声波形整形部の構成例
を示すブロック図である。

【図１５】音声認識装置実験結果

【図１６】従来の音声認識装置の構成を示すブロック図
である。

【符号の説明】

１００音声分析部１０５音声入力部（マイク）２００音声認識部４００騒音対策部４０１環境騒音減算部４０２音声波形整形部４０３騒音レベル測定部４０４パラメータ変更部４１０非対称変換部４１１騒音レベル測定部４１２減算量設定部４１３環境騒音減算処理部４１４対数変換部

Claims

【特許請求の範囲】

【請求項１】音声入力部により取り込まれた音声を所
定の音声分析データに変換する音声分析部と、該音声分
析データを波形整形処理し波形整形処理信号を得る騒音
対策部と、該波形整形処理信号に基づいて前記音声を認
識処理し音声認識結果を得る音声認識部を備え、前記音
声分析部が騒音成分を含んだ音声を複数の所定帯域毎に
分割し、第１の音声分析データとしての前記所定帯域毎
の音声認識処理用データと第２の音声分析データとして
の前記所定帯域の全てを含む帯域の音声区間検出用デー
タを得る音声分析データ抽出手段を有し、前記騒音対策
部が、有音検出用波形データに基づいて前記第１の音声
分析データの音声区間を検出し、所定の波形整形用パラ
メータに基づいて音声成分の有無を判定する音声区間検
出手段と、音声区間判定結果に基づいて前記第１の音声
分析データの音声区間の有無を判定し波形整形区間を設
定する波形整形区間設定手段と、波形整形区間設定手段
の設定値に基づいて前記第１の音声分析データの音声区
間内に含まれる無音区間を略ゼロ詰め処理して波形整形
し波形整形処理信号を得る信号波形整形処理手段と、を
有する音声波形整形部を含むことを特徴とする音声認識
装置。
【請求項２】請求項１記載の音声認識装置において、
有音検出用波形データが第２の音声分析データであるこ
とを特徴とする音声認識装置。
【請求項３】請求項２記載の音声認識装置において、
騒音対策部が、更に、第１の音声分析データから該デー
タに含まれる騒音レベルを検出してレベル検出信号を得
る騒音レベル検出手段と、前記レベル検出手段に基づい
て、所定の波形整形用パラメータを騒音レベル変動に応
じて変更するように調整制御する波形整形用パラメータ
調節制御手段と、を含むことを特徴とする音声認識装
置。
【請求項４】請求項１記載の音声認識装置において、
音声波形整形部が、更に、第１の音声分析データのうち
所定レベル以下のデータを検出し該検出データの略高域
成分に所定の重み付け処理を行ない重み付け処理信号を
得る重み付け処理手段を有し、前記重み付け処理信号を
有音検出用波形データとして音声区間検出手段に与える
ことを特徴とする音声認識装置。
【請求項５】請求項２または４に記載の音声認識装置
において、騒音対策部が、更に、第１の音声分析データ
を、該データに含まれた騒音成分の平均騒音レベルに基
づく減算量により所定レベルに減算処理し、減算処理の
結果を第１の音声分析データとして音声波形整形部に入
力する騒音減算部を有することを特徴とする音声認識装
置。
【請求項６】音声入力部により取り込まれた音声を音
声分析部にて所定の音声分析データに変換し音声分析
し、その分析された音声出力を音声波形整形部で波形整
形して、整形された音声を音声認識部で認識処理し音声
認識結果を得る音声認識方法において、前記音声波形部により前記分析された音声出力が所定の
しきい値を越え、その越えている期間が所定フレーム継
続すると有音と判定する立上り判定ステップと、前記音声波形部により前記分析された音声出力が所定の
しきい値を下回り、その下回っている期間が所定フレー
ム継続すると無音が以降に続くと判定する立下り判定ス
テップと、を含むことを特徴とする音声認識方法。