JPH08278797A

JPH08278797A - 音声処理装置

Info

Publication number: JPH08278797A
Application number: JP7084241A
Authority: JP
Inventors: Kazuya Sako; 和也佐古; Shoji Fujimoto; 昇治藤本; Hiroyuki Fujimoto; 博之藤本; Ikue Takahashi; 育恵高橋; Yoshiaki Teramoto; 良明寺本; Akihiro Kimura; 晋太木村
Original assignee: Denso Ten Ltd; Fujitsu Ltd
Current assignee: Denso Ten Ltd; Fujitsu Ltd
Priority date: 1995-04-10
Filing date: 1995-04-10
Publication date: 1996-10-22
Anticipated expiration: 2019-11-24
Also published as: JP3594356B2

Abstract

(57)【要約】【目的】入力信号の精度確保を低コストで実現する。【構成】音声のアナログ信号をデジタル信号に変換し
て音声認識処理を行う音声処理装置に、音声のアナログ
信号の電圧を制御する信号利得調整部４と、音声のデジ
タル信号から音声区間を検出する音声区間処理部２２
と、音声区間のデータを基に利得制御値を導出する利得
制御値導出部２３とが設けられる。フィードバック判断
部２４は利得制御値を信号利得調整部４に設定して音声
認識処理の結果を再評価して最適な利得制御値を設定す
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は音声のディジタル信号を
処理する音声処理装置に関し、特に入力信号の精度確保
が低コストで実現することができる音声認識装置に関す
る。

【０００２】

【従来の技術】図２４は従来の音声処理装置の概略を示
す図である。本図（ａ）に示す音声処理装置は、車両に
搭載され、音声のアナログ信号を入力してディジタル信
号に変換するＡ／Ｄ変換器１(Analog To Digital Conve
rter) と、このＡ／Ｄ変換器１に接続され音声認識処理
を行うプロセッサ２と、このプロセッサ２に接続される
インタフェース３から構成される。そして、この音声処
理装置は、例えば、パワーウインドウに対して、「窓
開」、「窓閉」の音声を認識し、オーディオ機器に対し
ては、「オーディオオン」、「オーディオオフ」の音声
を認識し制御を行うものである。本図（ｂ）、（ｃ）は
入力信号のレベルに対する実質的ダイナミックレンジを
示すが、ノイズレベルが非常に小さい場合には、この実
質的ダイナミックレンジは近似的にＳ／Ｎで示される。
この場合、Ａ／Ｄ変換器１がｎ＝１６ビットで変換を行
う場合には、実質的ダイナミックレンジの最大値は６ｎ
＋２＝９８ｄＢとなる。そして、入力レベル変化が大き
い二つの入力レベルＡ、Ｂがあり、これに対応する実質
的ダイナミックレンジをａ、ｂとする。この場合、Ａ、
ＢにＡ≫Ｂの関係があるなら、ａ≫ｂとなる。

【０００３】

【発明が解決しようとする課題】ところで、車両に搭載
される上記音声処理装置では、これを使用するドライバ
ーの声の大小により音声信号の入力レベルが大小し、図
示しないマイクロフォンとの距離の大小により音声信号
の入力レベルが大小する。しかしながら、上記音声処理
装置では、入力レベルが変化する場合に、例えば、入力
レベルが大きいと、入力信号Ｂに関しては実質的ダイナ
ミックレンジｂは十分に大きくとれるが、入力レベルが
小さいと、入力信号Ａに関する実質的ダイナミックレン
ジａは小さく、十分なＳ／Ｎ比が取れない。このため、
後段のプロセッサ２において音声認識処理の精度の悪化
を招来していたという問題点があった。

【０００４】一方、Ｓ／Ｎを高くするために、Ａ／Ｄ変
換器１として高ビット（例えば１６ビット〜１８ビット
以上）のものを使用すると、コストアップという別の問
題点を招来する。また、高ビットの調整作業が必要とな
る。また一般的なアナログ利得制御回路を入力部に用い
る方法もあったが音声区間内で利得が変化し音声信号に
歪が加わる場合があるので必ずしも良好な結果は得られ
なかった。

【０００５】本発明は、前記問題点に鑑み、入力信号の
変化が大きい音声信号を、低ビットのＡ／Ｄ変換器で、
高精度に処理することができる音声認識装置を提供する
ことを目的とする。

【０００６】

【課題を解決するための手段】本発明は、前記問題点を
解決するために、次の構成を有する音声処理装置を提供
する。すなわち、音声のアナログ信号をデジタル信号に
変換して音声認識処理を行う音声処理装置に、音声のア
ナログ信号の電圧を制御する信号利得調整部と、音声の
デジタル信号から音声区間を検出する音声区間処理部
と、音声区間のデータを基に利得制御値を導出する利得
制御値導出部とが設けられる。フィードバック判断部は
前記利得制御値を前記信号利得調整部に設定して音声認
識処理の結果を再評価して最適な利得制御値を設定す
る。

【０００７】前記音声区間処理部の音声区間は母音とし
て推定される範囲であるようにしてもよい。前記音声区
間処理部の音声区間は子音として推定される範囲である
ようにしてもよい。前記音声区間処理部の音声区間は音
声のデジタル信号のレベルを基に求められるようにして
もよい。

【０００８】前記音声区間処理部の音声区間は音声のデ
ジタル信号のパワーレベルを基に求められるようにして
もよい。前記音声区間処理部の音声区間は複数の窓に分
割されるようにしてもよい。前記窓の幅が可変長である
ようにしてもよい。前記利得制御値導出部の利得制御値
は音声区間のデータに任意の係数を乗算して導出される
ようにしてもよい。

【０００９】前記利得制御値導出部の利得制御値は音声
区間のデータに複数の係数から選択した１つの係数を乗
算して導出されるようにしてもよい。前記利得制御値導
出部の利得制御値は音声区間のデータのそれぞれに１組
の係数のそれぞれを乗算して導出されるようにしてもよ
い。前記利得制御値導出部の利得制御値は音声区間のデ
ータのそれぞれに複数の組から選択した１つの組の係数
のそれぞれを乗算して導出されるようにしてもよい。

【００１０】フィードバック判断部の音声認識処理結果
の再評価は、前記利得制御値導出部による利得制御値を
前記信号利得調整部に設定して得られた認識候補の上位
の距離の平均値を用いて行われるが、前記認識候補の上
位の距離の平均値が利得制御値設定前の平均値よりも大
きい場合には設定前の利得制御値が使用され、この逆の
場合には設定後の利得制御値が使用されて行われるよう
にしてもよい。

【００１１】フィードバック判断部の音声認識処理結果
の再評価は、前記利得制御値導出部による利得制御値を
前記信号利得調整部に設定して得られた認識候補の上位
の距離の平均値を用いて行われるが、前記認識候補の上
位の距離の平均値が最小になる利得制御値が使用され
て、行われるようにしてもよい。フィードバック判断部
の音声認識処理結果の再評価は、前記利得制御値導出部
による利得制御値を前記信号利得調整部に設定した後の
認識の修正、次候補の呼び出し操作回数を用いるが、こ
の操作回数が所定値よりも大きい場合には設定前の利得
制御値が使用され、この逆の場合には設定後の利得制御
値が使用されて、行われるようにしてもよい。

【００１２】フィードバック判断部の音声認識処理結果
の再評価は、前記利得制御値導出部による利得制御値を
前記信号利得調整部に設定した後の認識の修正、次候補
の呼び出し操作回数を用いるが、この操作回数が最小に
なる利得制御値が使用されて、行われるようにしてもよ
い。フィードバック判断部は、１単語前の音声区間を用
いて得られた利得制御値を各単語の終端検出後に設定す
るようにしてもよい。

【００１３】フィードバック判断部は、複数の単語前か
らの音声区間を用いて得られた利得制御値を複数の単語
の終端検出後に設定するようにしてもよい。前記利得制
御値を前記信号利得調整部に設定し、デジタル信号への
変換後で音声認識処理前にデジタル信号に前記利得制御
値の逆数を乗算するようにしてもよい。

【００１４】前記利得制御値導出部の利得制御値は、音
声区間のデータの最大値を基に求められるようにしても
よい。前記利得制御値導出部の利得制御値は、音声区間
のデータの最大値を基に求められるようにしてもよい。
前記利得制御値導出部の利得制御値は、音声区間のデー
タの平均値を基に求められるようにしてもよい。

【００１５】前記利得制御値導出部の利得制御値は、音
声区間のデータの絶対値を基に求められるようにしても
よい。前記利得制御値導出部の利得制御値は、音声区間
のデータの完全積分値を基に必要に応じて値をリセット
し、求められるようにしてもよい。前記値はある値以上
にならないようにクリップされるようにしてもよい。

【００１６】前記利得制御値導出部の利得制御値は、音
声区間のデータのリーキー積分値を基に求められるよう
にしてもよい。前記利得制御値導出部の利得制御値は、
音声区間のデータのピークホールド値を基に求められる
ようにしてもよい。前記利得制御値導出部の利得制御値
は、音声区間のデータのピークホールド時のアタック時
間及びリリース時間を基に求められるようにしてもよ
い。

【００１７】前記利得制御値導出部の利得制御値は、認
識候補の上位の距離の平均値が最小になるように、音声
区間のデータのピークホールド時のアタック時間及びリ
リース時間を変化させて、求められるようにしてもよ
い。

【００１８】

【作用】本発明の音声処理装置によれば、音声のデジタ
ル信号から音声区間を検出し、音声区間のデータを基に
利得制御値を導出し、前記利得制御値を前記信号利得調
整部に設定して音声認識処理の結果を再評価して最適な
利得制御値を設定することにより、入力信号レベルのバ
ラツキによらずほぼ一定したＳ／Ｎ比が得られ、信号処
理精度の悪化を抑制でき、また比較的簡単な構成で低ビ
ットのＡ／Ｄ変換器を用いることができ、認識率の向上
とシステムコストの低減が可能になる。

【００１９】

【実施例】以下本発明の実施例について図面を参照して
説明する。図１は本発明の実施例に係る音声認識装置の
概略を示す図である。本図に示す構成で、図２４と異な
るものは、Ａ／Ｄ変換器１の入力段に設けられる信号利
得調整部４である。そして、プロセッサ２には、信号利
得調整部４の利得を制御するためのフィードバック信号
を形成する利得制御部２１及び音声区間処理部、音声認
識部などの音声処理機能が設けられる。

【００２０】図２は図１の信号利得調整部４の構成を示
す図である。本図に示すように、信号利得調整部４は、
利得を変化して入力した音声信号の電圧を制御しＡ／Ｄ
変換器１に出力する電圧制御増幅器４１と、プロセッサ
２からのフィードバックのデジタル信号をアナログ信号
に変換するＤ／Ａ変換器４２(Digital To Analog Conve
rter) と、Ｄ／Ａ変換器４２に接続され高周波成分を除
去した後の信号で電圧制御増幅器４１の利得を制御する
低域通過フィルタ４３とを具備する。

【００２１】図３は図１の利得制御部２１の構成を示す
図である。本図に示すように、利得制御部２１は、Ａ／
Ｄ変換器１に接続され音声区間に処理したデータ群を形
成する音声区間処理部２２と、処理データ群に一定の係
数を乗算して利得制御値を形成する利得制御値導出部２
３と、この利得制御値を前記信号利得調整部４へフィー
ドバックすべきか否かを判断するフィードバック制御部
２４とを有する。なお各部の出力信号又は出力データに
基づき音声認識を行なう音声認識部２２−１も有してい
る。

【００２２】図４は図３の音声区間処理部２２を説明す
る図である。本図に示すように、Ａ／Ｄ変換器１からの
離散した音声信号（図４（ｂ）参照）を記憶するバッフ
ァメモリ３１と、バッファメモリ３１に記憶された音声
信号値、又は算出されたパワー値について一定の閾値以
上のブロックの音声区間（図４（ｃ）、（ｄ）参照）を
切り出すための音声区間検出部３２と、このようにして
切り出された音声区間を記憶する音声区間メモリ３３と
からなる。この音声区間メモリ３３に記憶されたデータ
は、利得制御値導出部２３に出力される。また音声認識
部２２−１は１からの入力信号又は音声区間処理部２２
の出力信号に基づき認識処理を行ない認識結果を出力す
る。この時利得制御導出部２３からの利得制御情報を用
いて入力信号を補正して使用しても良い。

【００２３】図５は図４の音声区間検出部３２の変形を
説明する図である。本図に示すように、母音部は一般的
に子音部に比べて振幅が大きく音素長も長いのでこの特
性を使用し一連の入力信号に含まれる母音区間を推定
し、この入力値を音声区間検出結果として用いる。例え
ばこの推定では、振幅が閾値ｔｈｖ１よりも大きい場合
が母音区間とされる。

【００２４】さらに、この入力レベルを二乗してパワー
を算出して、この入力値に代わり用いてもよい。また、
上記とは逆に子音の区間を推定し、同様にこの入力レベ
ルを音声区間検出結果として用いる。さらに、この入力
レベルを二乗してパワーを算出して、この入力値に代わ
り用いてもよい。

【００２５】図６は図４の音声区間処理部２２の第１の
変形を示す図である。本図に示すように、音声区間処理
部２２の音声区間メモリ３３の後段にそれぞれデータを
二乗してパワーを求める二乗部３４と、二乗して得られ
たパワーデータを記憶するパワーメモリ３５が設けられ
る。このパワーメモリ３５のパワーデータは、利得制御
値導出部２３に出力される。

【００２６】図７は図４の音声区間処理部２２の第２の
変形を示す図である。本図に示すように、音声区間処理
部２２の音声区間メモリ３３の後段に、音声区間を複数
の窓に分割して記憶する分割メモリ３６が設けられる。
この分割メモリ３６に記憶されたデータは、利得制御値
導出部２３に出力される。後述するフィードバックの判
断の精度を向上させるためである。

【００２７】図８は図４の音声区間処理部２２の第３の
変形を示す図である。本図に示すように、音声区間処理
部２２の音声区間メモリ３３の後段に、音声区間を複数
の窓に分割して記憶する分割メモリ３６と、分割メモリ
３６に記憶されたデータを二乗してパワーを求める二乗
部３７と、二乗して得られたパワーデータを記憶するパ
ワーメモリ３８が設けられる。このパワーメモリ３８の
パワーデータは、利得制御値導出部２３に出力される。

【００２８】図９は図４の音声区間処理部２２の第４の
変形であって、図８の窓の幅を変化させる例を示す図で
ある。本図に示すように、図９の分割メモリ３６、パワ
ーメモリ３８の窓の幅を変化させる。同様に、図９の分
割メモリ３６の幅を変化させてもよい。後述するフィー
ドバックの判断の精度を向上させるためである。図１０
は図３の利得制御値導出部２３の一例を説明する図であ
る。本図に示すように、利得制御値導出部２３では、音
声区間処理部２２での処理後の各データ値ｄ0,ｄ1,ｄ2,
…, ｄn に係数ｋ１を乗算する。すなわち、図４の音声
区間メモリ３３の入力レベルのデータに係数ｋ１を乗算
して係数利得調整部４の利得制御値を形成する。

【００２９】図６のパワーメモリ３５のパワーデータに
係数ｋ１を乗算して利得制御値を形成することも可能で
ある。さらに図７の分割メモリ３６の入力値のデータに
係数ｋ１を乗算して利得制御値を形成することも可能で
ある。さらに図８の分割メモリ３７のパワーデータに係
数ｋ１を乗算して利得制御値を形成することも可能であ
る。

【００３０】さらに図９の可変幅のパワーメモリ３８の
パワーデータに係数ｋ１を乗算して利得制御値を形成す
ることも可能である。なお、可変幅の分割メモリ３６の
入力データに係数ｋ１を乗算して利得制御値を形成して
もよい。以上は係数ｋ１を乗算する場合であるが、本図
に示すように、ｋ２、ｋ３、…、ｋｎの係数を選択して
乗算して利得制御値を形成することをさらに可能にして
おく。後述するフィードバックの判断の精度を向上させ
るためでもある。

【００３１】以上は、係数を乗算する線形処理について
説明したが、次に非線形処理について説明する。図１１
は図３の利得制御値導出部２３の他の例を説明する図で
ある。本図に示すように、音声区間処理部２２での処理
後の各データ値ｄ0,ｄ1,ｄ2,…, ｄn に対して、Ｍａｐ
１として、非線形の係数をｋ10, ｋ11, ｋ12, …ｋ1nを
乗算して利得制御値を形成する。

【００３２】さらに、Ｍａｐ２，……，Ｍａｐ２とし
て、係数をｋ20, ｋ21, ｋ22, …ｋ2n、……、ｋn0, ｋ
n1, ｋn2, …ｋnnを追加してこれらを選択的に乗算して
利得制御値とする。図１２は非線形係数を使用する場合
に音声認識を可能にするための例を説明する図である。
本図（ａ）に示すように、利得制御値として非線形の係
数を使用する場合には、プロセッサ２の利得制御部２１
は、利得制御値ｋg を決定して信号利得調整部４に設定
して音声入力信号ｖi ・ｋg とした後にプロセッサ２
は、Ａ／Ｄ変換後の信号を逆数倍してｖi ／ｋg として
音声認識を行う。本図（ｂ）に示すように、プロセッサ
２内では信号ＳもノイズＮも含め元の信号の大きさに復
元して信号の不連続性を除去し音声区間検出処理の精度
を向上する方法をとっても良い。

【００３３】図１３は図３のフィードバック判断部２４
の一例を説明する図である。本図に示すように、フィー
ドバック判断部２４は、図４の音声区間メモリ３３、図
６のパワーメモリ３５、図７の分割メモリ３６、図８の
パワーメモリ３８等のデータを音声認識処理する信号処
理メインルーチン４１と、音声認識処理された結果とし
ての認識候補Ｎｏ．及び音声認識の程度を表す距離を抽
出して記憶する音声認識処理データ部４２と、抽出され
た認識候補Ｎｏ．のうち音声認識の程度が高いつまり距
離が小さいものの平均値を基に、利得制御値の変更の評
価を行い利得制御値の決定を行う利得制御値判断部４３
とを具備する。

【００３４】つまり、利得制御値判断部４３は、図１０
の利得制御値ｋ１又は図１３のＭａｐ１を用いて、の制御値とする。例えば、ｍ＝５とする。

【００３５】Ｒ１＜利得制御値変更前の値なら変更後の
利得制御値とする。さらに、利得制御値判断部４３は、
図９の利得制御値ｋ１、ｋ２、…、ｋｎ又は図１１のＭ
ａｐ１、Ｍａｐ２、…、Ｍａｐｎをパラメータとして、
一定期間毎にＲ１を求め、パラメータに対してＲ１が最
小となるものを最終的な利得制御値とする。

【００３６】フィードバック判断部２４が動作中にはプ
ロセッサ３の音声認識結果をインタフェース３に出力す
るのを禁止し、利得制御値決定後に出力するのを許可す
る様にしてもよい。図１４は図３のフィードバック判断
部２４の他の例を示す図である。本図（ａ）に示すよう
に、インタフェース３には開始スイッチ５１、音声の再
入力により修正するスイッチスイッチ５２、次候補を選
択する次候補スイッチ５３が設けられ、パワーウインド
ウ、オーディオ等の制御対象機器６０が接続される。プ
ロセッサ３の利得制御部２１のフィードバック判断部２
４は、修正スイッチ５１、次候補スイッチ５３の操作回
数Ｃｒをカウントし、このカウントＣｒが所定値ｔｈ１
を越える場合には利得制御値ｋ１に変える。

【００３７】さらに、利得制御値判断部４３は、図９の
利得制御値ｋ１、ｋ２、…、ｋｎ又は図１０のＭａｐ
１、Ｍａｐ２、…、Ｍａｐｎをパラメータとして、操作
回数Ｃｒを求め、このパラメータに対して操作回数Ｃｒ
が最小となるものを最終的な利得制御値とする。使用者
の操作（内容）や操作回数（音声認識における操作回
数、言い直し回数）により信号処理品質（例えば認識
率）の推定を行い、利得制御値を算出することが可能に
なる。

【００３８】さらに、信号処理の品質を複数回分使用
し、平均的な推定値を使用し利得制御値を算出するよう
にしてもよい。さらに、通常開始スイッチ５１のオンに
よりプロセッサ２の処理開始されるが、開始スイッチ５
１がオンされる前で本音声処理装置が未使用時に、プロ
セッサ２内で入力信号を用いて利得制御を行い、信号処
理品質を仮に評価し良好な状態を予め制御しておいても
よい。

【００３９】図１５は利得制御値の設定時期を説明する
図である。本図に示すように、１単語前の音声区間を用
いて、入力信号データ、パワーデータに係数を乗算して
求めた利得制御値は、各単語の終端検出後に、前記信号
利得調整部４に、設定される。図１６は利得制御値の別
の設定時期を説明する図である。本図に示すように、複
数個前の音声区間を用いて、入力データ、パワーデータ
に係数を乗算して求めた利得制御値は、複数単語の終端
検出後に、前記信号利得調整部４に、設定される。

【００４０】以上では予め利得制御値を保持していた
が、簡略のために、音声区間内のデータから利得制御値
を決定する例を、以下に、説明する。図１７は音声区間
内の最大値を用いて利得制御値を決定する例を説明する
図である。最大値と利得制御値との関係を予め決めてお
き、本図に示すように、音声区間内の最大値ｄi(1)を求
めて、これに対応する利得制御値を算出する。

【００４１】図１８は音声区間内の最大値を求めるのに
ピークホールド値を用いて利得制御値を決定する例を説
明する図である。本図（ａ）に示すように、区間検出部
３２の後段にピークホールド処理部５１を設け、本図
（ｂ）に示すように、区間検出部からの離散入力信号列
ｖi に対して、本図（ｃ）に示すように、ｖi(L-1)≦ｖ
i(L)ならば、ｖi(L)をｖi'(L) とする。

【００４２】さらに、本図（ｄ）に示すように、次の音
声区間での最大値測定のためにリリース時間を制御を、
下記式を用いて、行う。ｖi(L)≦ｖi'(L) ・ｋt1、ｋt1＝0.99 図１９は図１８の変形を示す図である。本図に示すよう
に、ピークホールド処理部５１の前に低域通過フィルタ
（ＬＰＦ）で構成されるアタックタイム処理部５２を設
け、さらにピーク処理部５１にはリリース時間の制御部
が設けられる。

【００４３】このアタック時間及びリリース時間を変化
させて、図１３のフィードバック判断部２４を介して、
最適なアタック時間及びリリース時間の制御を行う。次
に、音声区間内の振幅値の平均値と利得制御値との関係
を予め決めておき、音声区間内のデータ値の平均値ｖia
v を求め、これに対応する利得制御値を算出する。

【００４４】さらに変形として、音声区間内の振幅値の
絶対値と利得制御値との関係を予め決めておき、音声区
間内のデータの絶対値を｜ｖi(L)｜、L=0,…m 求め、これに対応する利得制御値を算出する。図２０は
音声区間内の完全積分値を用いて利得制御値を決定する
例を説明する図である。完全積分値と利得制御値との関
係を予め決めておき、本図に示すように、音声区間内の
完全積分値ｖi'(L) をｖi'(L) ＝ｖi(L)＋ｋx1・ｖi'(L-1) 、ｋx1=0.09 として求めて、これに対応する利得制御値を算出する。
このままでは入力が入るたびにｖi'(1) が増大するため
一定期間（時間）ごとにｋx1を１サンプルだけ０にす
る。

【００４５】図２１は図２０の変形を示す図である。本
図に示すように、完全積分にレベルクリップにより出力
値を制限する。すなわち、ｖi'(L) ≧ｋL1のとき、ｖi'
(L)＝ｋL1とする。図２２は音声区間内のリーキー積分
値を用いて利得制御値を決定する例を説明する図であ
る。リーキー積分値と利得制御値との関係を予め決めて
おき、本図に示すように、音声区間内の完全積分値ｖi'
(L) をｖi'(L) ＝ｋx2・ｖi(L)＋ｋx1・ｖi'(L-1) 、ｋx1＋ｋ
x2≦１として求めて、これに対応する利得制御値を算出する。
ｋx1＋ｋx2≦１とすることにより、ｖi'(L) の増大傾向
を防止する。

【００４６】図２３は本実施例の効果を説明する図であ
る。本図に示すように、入力信号データのバラツキによ
らず、ほぼ一定したＳ／Ｎ比が得られ、信号処理精度の
悪化を招来することなく、また比較的簡単な構成で低ビ
ット（８〜１２ビット）のＡ／Ｄ変換器を用いることが
できる。例えば、音声認識装置のおいては認識率の向上
とシステムのコストの低減が可能になる。

【００４７】

【発明の効果】以上説明したように本発明によれば、音
声のデジタル信号から音声区間を検出し、音声区間のデ
ータを基に利得制御値を導出し、前記利得制御値を前記
信号利得調整部に設定して音声認識処理の結果を再評価
して最適な利得制御値を設定するので、入力信号レベル
のバラツキによらずほぼ一定したＳ／Ｎ比が得られ、信
号処理精度の悪化を抑制でき、また比較的簡単な構成で
低ビットのＡ／Ｄ変換器を用いることができ、認識率の
向上とシステムコストの低減が可能になる。

【図面の簡単な説明】

【図１】本発明の実施例に係る音声認識装置の概略を示
す図である。

【図２】図１の信号利得調整部４の構成を示す図であ
る。

【図３】図１の利得制御部２１の構成示す図である。

【図４】図３の音声区間処理部２２説明する図である。

【図５】図４の音声区間検出部３２の変形を説明する図
である。

【図６】図４の音声区間処理部２２の第１の変形を示す
図である。

【図７】図４の音声区間処理部２２の第２の変形を示す
図である。

【図８】図４の音声区間処理部２２の第３の変形を示す
図である。

【図９】図４の音声区間処理部２２の第４の変形であっ
て、図８の窓の幅を変化させる例を示す図である。

【図１０】図３の利得制御値導出部２３の一例を説明す
る図である。

【図１１】図３の利得制御値導出部２３の他の例を説明
する図である。

【図１２】非線形係数を使用する場合に音声認識を可能
にするための例を説明する図である。

【図１３】図３のフィードバック判断部２４の一例を説
明する図である。

【図１４】図３のフィードバック判断部２４の他の例を
示す図である。

【図１５】利得制御値の設定時期を説明する図である。

【図１６】利得制御値の別の設定時期を説明する図であ
る。

【図１７】音声区間内の最大データを用いて利得制御値
を決定する例を説明する図である。

【図１８】音声区間内の最大データを求めるのにピーク
ホールド値を用いて利得制御値を決定する例を説明する
図である。

【図１９】図１８の変形を示す図である。

【図２０】音声区間内の完全積分値を用いて利得制御値
を決定する例を説明する図である。

【図２１】図２０の変形を示す図である。

【図２２】音声区間内のリーキー積分値を用いて利得制
御値を決定する例を説明する図である。

【図２３】本実施例の効果を説明する図である。

【図２４】従来の音声処理装置の概略を示す図である。

【符号の説明】

１…Ａ／Ｄ変換器２…プロセッサ３…インタフェース４…信号利得調整部２１…利得制御部２２…音声区間処理部２３…利得制御値導出部２４…フィードバック判断部

フロントページの続き (72)発明者藤本昇治兵庫県神戸市兵庫区御所通１丁目２番28号富士通テン株式会社内 (72)発明者藤本博之兵庫県神戸市兵庫区御所通１丁目２番28号富士通テン株式会社内 (72)発明者高橋育恵兵庫県神戸市兵庫区御所通１丁目２番28号富士通テン株式会社内 (72)発明者寺本良明神奈川県川崎市中原区上小田中1015番地富士通株式会社内 (72)発明者木村晋太神奈川県川崎市中原区上小田中1015番地富士通株式会社内

Claims

【特許請求の範囲】

【請求項１】音声のアナログ信号をデジタル信号に変
換して音声認識処理を行う音声処理装置において、音声のアナログ信号の電圧を制御する信号利得調整部
（４）と、音声のデジタル信号から音声区間を検出する音声区間処
理部（２２）と、１または複数個分溯った音声区間のデ
ータを基に利得制御値を導出する利得制御値導出部（２
３）と、前記利得制御値を前記信号利得調整部（４）に設定して
音声認識処理の結果を再評価して最適な利得制御値を設
定するフィードバック判断部（２４）とを備えることを
特徴とする音声処理装置。
【請求項２】前記音声区間処理部（２２）の音声区間
は音声のデジタル信号のパワーレベルを基に求められる
ことを特徴とする、請求項１に記載の音声処理装置。
【請求項３】前記音声区間処理部（２２）の音声区間
は母音として推定される範囲であることを特徴とする、
請求項１に記載の音声処理装置。
【請求項４】前記音声区間処理部（２２）の音声区間
は子音として推定される範囲であることを特徴とする、
請求項１に記載の音声処理装置。
【請求項５】前記音声区間処理部（２２）の音声区間
は音声のデジタル信号のレベルを基に求められることを
特徴とする、請求項１に記載の音声処理装置。
【請求項６】前記音声区間処理部（２２）の音声区間
は複数の窓に分割されることを特徴とする、請求項１に
記載の音声処理装置。
【請求項７】前記窓の幅が可変長であることを特徴と
する、請求項６に記載の音声処理装置。
【請求項８】前記利得制御値導出部（２３）の利得制
御値は音声区間のデータに任意の係数を乗算して導出さ
れることを特徴とする、請求項１に記載の音声認識装
置。
【請求項９】前記利得制御値導出部（２３）の利得制
御値は音声区間のデータに複数の係数から選択した１つ
の係数を乗算して導出されることを特徴とする、請求項
１に記載の音声認識装置。
【請求項１０】前記利得制御値導出部（２３）の利得
制御値は音声区間のデータのそれぞれに１組の係数のそ
れぞれを乗算して導出されることを特徴とする、請求項
１に記載の音声認識装置。
【請求項１１】前記利得制御値導出部（２３）の利得
制御値は音声区間のデータのそれぞれに複数の組から選
択した１つの組の係数のそれぞれを乗算して導出される
ことを特徴とする、請求項１に記載の音声認識装置。
【請求項１２】フィードバック判断部（２４）の音声
認識処理結果の再評価は、前記利得制御値導出部（２
３）による利得制御値を前記信号利得調整部（４）に設
定して得られた認識候補の上位の距離の平均値を用いて
行われるが、前記認識候補の上位の距離の平均値が利得
制御値設定前の平均値よりも大きい場合には設定前の利
得制御値が使用され、この逆の場合には設定後の利得制
御値が使用されて行われることを特徴とする、請求項８
又は１０に記載する音声認識装置。
【請求項１３】フィードバック判断部（２４）の音声
認識処理結果の再評価は、前記利得制御値導出部（２
３）による利得制御値を前記信号利得調整部（４）に設
定して得られた認識候補の上位の距離の平均値を用いて
行われるが、前記認識候補の上位の距離の平均値が最小
になる利得制御値が使用されて、行われることを特徴と
する、請求項９又は１１に記載の音声認識装置。
【請求項１４】フィードバック判断部（２４）の音声
認識処理結果の再評価は、前記利得制御値導出部（２
３）による利得制御値を前記信号利得調整部（４）に設
定した後の認識の修正、次候補の呼び出し操作回数を用
いるが、この操作回数が所定値よりも大きい場合には設
定前の利得制御値が使用され、この逆の場合には設定後
の利得制御値が使用されて、行われることを特徴とす
る、請求項８又は１０に記載する音声認識装置。
【請求項１５】フィードバック判断部（２４）の音声
認識処理結果の再評価は、前記利得制御値導出部（２
３）による利得制御値を前記信号利得調整部（４）に設
定した後の認識の修正、次候補の呼び出し操作回数を用
いるが、この操作回数が最小になる利得制御値が使用さ
れて、行われることを特徴とする、請求項９又は１１に
記載する音声認識装置。
【請求項１６】フィードバック判断部（２４）は、１
単語前の音声区間を用いて得られた利得制御値を各単語
の終端検出後に設定することを特徴とする、請求項１に
記載の音声認識装置。
【請求項１７】フィードバック判断部（２４）は、複
数の単語前からの音声区間を用いて得られた利得制御値
を複数の単語の終端検出後に設定することを特徴とす
る、請求項１に記載の音声認識装置。
【請求項１８】前記利得制御値を前記信号利得調整部
（４）に設定し、デジタル信号への変換後で音声認識処
理前にデジタル信号に定数又は前記利得制御値の逆数又
は前記利得制御値と逆比例関係になる係数を乗算するこ
とを特徴とする、請求項１０又は１１に記載の音声認識
装置。
【請求項１９】前記利得制御値導出部（２３）の利得
制御値は、音声区間のデータの最大値を基に求められる
ことを特徴とする、請求項１に記載の音声認識装置。
【請求項２０】前記利得制御値導出部（２３）の利得
制御値は、音声区間のデータの最大値を基に求められる
ことを特徴とする、請求項１に記載の音声認識装置。
【請求項２１】前記利得制御値導出部（２３）の利得
制御値は、音声区間のデータの平均値を基に求められる
ことを特徴とする、請求項１に記載の音声認識装置。
【請求項２２】前記利得制御値導出部（２３）の利得
制御値は、音声区間のデータの絶対値を基に求められる
ことを特徴とする、請求項１に記載の音声認識装置。
【請求項２３】前記利得制御値導出部（２３）の利得
制御値は、音声区間のデータの完全積分値を基に必要に
応じて値をリセットし、求められることを特徴とする、
請求項１に記載の音声認識装置。
【請求項２４】前記値はある値以上にならないように
クリップされることを特徴とする、請求項２３に記載の
音声認識装置。
【請求項２５】前記利得制御値導出部（２３）の利得
制御値は、音声区間のデータのリーキー積分値を基に求
められることを特徴とする、請求項１に記載の音声認識
装置。
【請求項２６】前記利得制御値導出部（２３）の利得
制御値は、音声区間のデータのピークホールド値を基に
求められることを特徴とする、請求項１に記載の音声認
識装置。
【請求項２７】前記利得制御値導出部（２３）の利得
制御値は、音声区間のデータのピークホールド時のアタ
ック時間及びリリース時間を基に求められることを特徴
とする、請求項１に記載の音声認識装置。
【請求項２８】前記利得制御値導出部（２３）の利得
制御値は、認識候補の上位の距離の平均値が最小になる
ように、音声区間のデータのピークホールド時のアタッ
ク時間及びリリース時間を変化させて、求められること
を特徴とする、請求項１に記載の音声認識装置。
【請求項２９】前記利得制御値導出部（２３）の利得
制御値は導出時点で入力信号に対して使用されている利
得制御値の逆数倍により補正復元したデータに基づき決
定されることを特徴とする請求項１に記載の音声認識装
置。
【請求項３０】前記音声区間処理部（２２）の音声区
間は該区間検出処理時点で入力信号に対して使用されて
いる利得制御値の逆数倍により補正復元した入力データ
に基づき行なうと共に復元前又は前記逆数倍とは異なる
係数を乗じたデータにより音声認識処理を行ない結果を
導出することを特徴とする音声処理装置。