JPH1097288A - 背景雑音除去装置及び音声認識装置 - Google Patents
背景雑音除去装置及び音声認識装置Info
- Publication number
- JPH1097288A JPH1097288A JP8252854A JP25285496A JPH1097288A JP H1097288 A JPH1097288 A JP H1097288A JP 8252854 A JP8252854 A JP 8252854A JP 25285496 A JP25285496 A JP 25285496A JP H1097288 A JPH1097288 A JP H1097288A
- Authority
- JP
- Japan
- Prior art keywords
- spectrum
- noise
- ratio
- noise spectrum
- time constant
- 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
- Noise Elimination (AREA)
Abstract
(57)【要約】
【課題】 音声認識性能が向上した音声認識装置を実現
する。 【解決手段】 入力音声信号を分析してスペクトル特徴
パラメータを求め、このスペクトル特徴パラメータに基
づいて音声種類を認識する音声認識装置に関する。スペ
クトル特徴パラメータのパワーと、推定雑音スペクトル
のパワーとの比情報を求めるパワー比計算手段と、この
比情報に応じて、推定雑音スペクトルの推定更新の時定
数を出力する比情報／時定数変換手段とを有する。ま
た、時定数、スペクトル特徴パラメータ及び今までの推
定雑音スペクトルに基づいて、新たな推定雑音スペクト
ルを形成する雑音スペクトル形成手段と、スペクトル特
徴パラメータから推定雑音スペクトルを減算して雑音成
分を除去する雑音除去手段とを有する。さらに、雑音成
分が除去されたスペクトル特徴パラメータを、基準のパ
ラメータパターンと照合して、音声種類を決定するパタ
ーン認識手段を有する。
する。 【解決手段】 入力音声信号を分析してスペクトル特徴
パラメータを求め、このスペクトル特徴パラメータに基
づいて音声種類を認識する音声認識装置に関する。スペ
クトル特徴パラメータのパワーと、推定雑音スペクトル
のパワーとの比情報を求めるパワー比計算手段と、この
比情報に応じて、推定雑音スペクトルの推定更新の時定
数を出力する比情報／時定数変換手段とを有する。ま
た、時定数、スペクトル特徴パラメータ及び今までの推
定雑音スペクトルに基づいて、新たな推定雑音スペクト
ルを形成する雑音スペクトル形成手段と、スペクトル特
徴パラメータから推定雑音スペクトルを減算して雑音成
分を除去する雑音除去手段とを有する。さらに、雑音成
分が除去されたスペクトル特徴パラメータを、基準のパ
ラメータパターンと照合して、音声種類を決定するパタ
ーン認識手段を有する。
Description
【０００１】
【発明の属する技術分野】本発明は、音声入力信号に含
まれている背景雑音を除去する背景雑音除去装置、及
び、背景雑音除去機能を有する音声認識装置に関するも
のである。
まれている背景雑音を除去する背景雑音除去装置、及
び、背景雑音除去機能を有する音声認識装置に関するも
のである。
【０００２】
【従来の技術】音声認識装置においては、背景雑音の存
在が認識率の低下をもたらす一要因となっており、その
ため、音声入力信号に含まれている背景雑音を除去する
背景雑音除去機能を備えた音声認識装置が多く存在す
る。
在が認識率の低下をもたらす一要因となっており、その
ため、音声入力信号に含まれている背景雑音を除去する
背景雑音除去機能を備えた音声認識装置が多く存在す
る。
【０００３】従来の音声認識装置においては、簡単で有
効な雑音除去手法としてスペクトルサブトラクション法
（以下、ＳＳ法と呼ぶ）がよく用いられている。ＳＳ法
は、音声に背景雑音が重畳されている入力音声信号を時
間軸上から周波数軸上に変換した後、その入力音声信号
から雑音スペクトルを減算（サブトラクト）することに
より、音声スペクトルを取り出す方法である。さらに、
このＳＳ法を拡張したContinious ＳＳ（以下、ＣＳＳ
と呼ぶ）法を適用した音声認識装置も提案されている。
ＣＳＳ法は、ＳＳ法の前提となる雑音スペクトルが既知
であるという条件を緩和するために、音声／非音声に拘
らず（連続的に）過去の入力から雑音スペクトルを推定
する手法である。
効な雑音除去手法としてスペクトルサブトラクション法
（以下、ＳＳ法と呼ぶ）がよく用いられている。ＳＳ法
は、音声に背景雑音が重畳されている入力音声信号を時
間軸上から周波数軸上に変換した後、その入力音声信号
から雑音スペクトルを減算（サブトラクト）することに
より、音声スペクトルを取り出す方法である。さらに、
このＳＳ法を拡張したContinious ＳＳ（以下、ＣＳＳ
と呼ぶ）法を適用した音声認識装置も提案されている。
ＣＳＳ法は、ＳＳ法の前提となる雑音スペクトルが既知
であるという条件を緩和するために、音声／非音声に拘
らず（連続的に）過去の入力から雑音スペクトルを推定
する手法である。
【０００４】
【発明が解決しようとする課題】ＣＳＳ法は、音声パワ
ーと背景雑音パワーの比（以下、ＳＮ比と呼ぶ）が小さ
い場合には、有効な手法である。しかしながら、ＳＮ比
が大きい場含には、推定された雑音スペクトルに大きな
パワーの音声成分の要素が入り込み、通常のＳＳ法に比
べて、雑音スペクトルの推定精度が悪くなる。その結
果、当然に、音声認識率も低下する。
ーと背景雑音パワーの比（以下、ＳＮ比と呼ぶ）が小さ
い場合には、有効な手法である。しかしながら、ＳＮ比
が大きい場含には、推定された雑音スペクトルに大きな
パワーの音声成分の要素が入り込み、通常のＳＳ法に比
べて、雑音スペクトルの推定精度が悪くなる。その結
果、当然に、音声認識率も低下する。
【０００５】そのため、入力音声信号のＳＮ比に拘らず
雑音スペクトルの推定精度が高い極めて簡便かつ有効な
背景雑音除去装置が求められており、また、入力音声信
号のＳＮ比に拘らず認識率が高い極めて簡便かつ有効な
音声認識装置が求められている。
雑音スペクトルの推定精度が高い極めて簡便かつ有効な
背景雑音除去装置が求められており、また、入力音声信
号のＳＮ比に拘らず認識率が高い極めて簡便かつ有効な
音声認識装置が求められている。
【０００６】
【課題を解決するための手段】かかる課題を解決するた
め、第１の本発明は、入力音声信号に含まれている背景
雑音成分を除去する背景雑音除去装置において、(1) 入
力音声信号をフレーム毎に周波数分析して入力音声スペ
クトルに変換する音響分析手段と、(2) 入力音声スペク
トルのパワーと、推定雑音スペクトルのパワーとの比情
報を求めるパワー比計算手段と、(3) この比情報に応じ
て、推定雑音スペクトルの推定更新の時定数を出力する
比情報／時定数変換手段と、(4) 時定数、入力音声スペ
クトル及び今までの推定雑音スペクトルに基づいて、新
たな推定雑音スペクトルを形成する雑音スペクトル形成
手段と、(5) 入力音声スペクトルから推定雑音スペクト
ルを減算して雑音成分を除去する雑音除去手段とを有す
ることを特徴とする。
め、第１の本発明は、入力音声信号に含まれている背景
雑音成分を除去する背景雑音除去装置において、(1) 入
力音声信号をフレーム毎に周波数分析して入力音声スペ
クトルに変換する音響分析手段と、(2) 入力音声スペク
トルのパワーと、推定雑音スペクトルのパワーとの比情
報を求めるパワー比計算手段と、(3) この比情報に応じ
て、推定雑音スペクトルの推定更新の時定数を出力する
比情報／時定数変換手段と、(4) 時定数、入力音声スペ
クトル及び今までの推定雑音スペクトルに基づいて、新
たな推定雑音スペクトルを形成する雑音スペクトル形成
手段と、(5) 入力音声スペクトルから推定雑音スペクト
ルを減算して雑音成分を除去する雑音除去手段とを有す
ることを特徴とする。
【０００７】この第１の本発明による背景雑音除去装置
により、入力音声信号のＳＮ比に拘らず雑音スペクトル
の推定精度が高い極めて簡便かつ有効な背景雑音除去装
置を実現できる。
により、入力音声信号のＳＮ比に拘らず雑音スペクトル
の推定精度が高い極めて簡便かつ有効な背景雑音除去装
置を実現できる。
【０００８】また、第２の本発明は、入力音声信号を分
析してスペクトル特徴パラメータを求め、このスペクト
ル特徴パラメータに基づいて音声種類を認識する音声認
識装置において、(1) スペクトル特徴パラメータのパワ
ーと、推定雑音スペクトルのパワーとの比情報を求める
パワー比計算手段と、(2) この比情報に応じて、推定雑
音スペクトルの推定更新の時定数を出力する比情報／時
定数変換手段と、(3)時定数、スペクトル特徴パラメー
タ及び今までの推定雑音スペクトルに基づいて、新たな
推定雑音スペクトルを形成する雑音スペクトル形成手段
と、(4) スペクトル特徴パラメータから推定雑音スペク
トルを減算して雑音成分を除去する雑音除去手段と、
(5) 雑音成分が除去されたスペクトル特徴パラメータ
を、基準のパラメータパターンと照合して、音声種類を
決定するパターン認識手段とを有することを特徴とす
る。
析してスペクトル特徴パラメータを求め、このスペクト
ル特徴パラメータに基づいて音声種類を認識する音声認
識装置において、(1) スペクトル特徴パラメータのパワ
ーと、推定雑音スペクトルのパワーとの比情報を求める
パワー比計算手段と、(2) この比情報に応じて、推定雑
音スペクトルの推定更新の時定数を出力する比情報／時
定数変換手段と、(3)時定数、スペクトル特徴パラメー
タ及び今までの推定雑音スペクトルに基づいて、新たな
推定雑音スペクトルを形成する雑音スペクトル形成手段
と、(4) スペクトル特徴パラメータから推定雑音スペク
トルを減算して雑音成分を除去する雑音除去手段と、
(5) 雑音成分が除去されたスペクトル特徴パラメータ
を、基準のパラメータパターンと照合して、音声種類を
決定するパターン認識手段とを有することを特徴とす
る。
【０００９】この第２の本発明による音声認識装置によ
り、入力音声信号のＳＮ比に拘らず認識率が高い極めて
簡便かつ有効な音声認識装置を実現できる。
り、入力音声信号のＳＮ比に拘らず認識率が高い極めて
簡便かつ有効な音声認識装置を実現できる。
【００１０】
【発明の実施の形態】以下、本発明による音声認識装置
の一実施形態を図面を参照しながら詳述する。この実施
形態の音声認識装置は、本発明による背景雑音除去装置
の一実施形態の構成を含んで構成されている。
の一実施形態を図面を参照しながら詳述する。この実施
形態の音声認識装置は、本発明による背景雑音除去装置
の一実施形態の構成を含んで構成されている。
【００１１】この実施形態は、上述した従来の課題を解
決するため、フレームと呼ばれる一定時間毎にＳＮ比を
求め、このＳＮ比あるいは時間方向に平滑化したＳＮ比
に応じて、ＣＳＳ法の特徴である連続雑音スペクトル推
定処理の時定数を調整する機構を設けていることに特徴
を有するものであり、この時定数の調整機構により、Ｓ
Ｎ比が大きいフレームや、あるいは音声の可能性が高い
フレームからの雑音スペクトル推定を等価的にキャンセ
ルし、精度の高い雑音除去を可能としたものである。
決するため、フレームと呼ばれる一定時間毎にＳＮ比を
求め、このＳＮ比あるいは時間方向に平滑化したＳＮ比
に応じて、ＣＳＳ法の特徴である連続雑音スペクトル推
定処理の時定数を調整する機構を設けていることに特徴
を有するものであり、この時定数の調整機構により、Ｓ
Ｎ比が大きいフレームや、あるいは音声の可能性が高い
フレームからの雑音スペクトル推定を等価的にキャンセ
ルし、精度の高い雑音除去を可能としたものである。
【００１２】図ｌは、この実施形態の音声認識装置の全
体構成を示すブロック図である。この実施形態の音声認
識装置は、音響分析部１０１、ＣＳＳ処理部１０２及び
パターン認識部１０３から構成されている。なお、音響
分析部１０１及びＣＳＳ処理部１０２の構成部分は、背
景雑音除去装置に該当する。
体構成を示すブロック図である。この実施形態の音声認
識装置は、音響分析部１０１、ＣＳＳ処理部１０２及び
パターン認識部１０３から構成されている。なお、音響
分析部１０１及びＣＳＳ処理部１０２の構成部分は、背
景雑音除去装置に該当する。
【００１３】音響分析部１０１は、入力音声信号をアナ
ログ信号からデジタル信号に変換し、フレーム毎にスペ
クトル分析処理を行ない、音響パワーとスペクトル特徴
パラメータを算出するものである。
ログ信号からデジタル信号に変換し、フレーム毎にスペ
クトル分析処理を行ない、音響パワーとスペクトル特徴
パラメータを算出するものである。
【００１４】ＣＳＳ処理部１０２は、推定雑音スペクト
ルと、音響パワーのＳＮ比とをフレーム毎に計算し、Ｓ
Ｎ比に応じた時定数を用いて、スペクトル特徴パラメー
タから雑音スペクトルを推定し直すものである。また、
ＣＳＳ処理部１０２は、スペクトル特徴パラメータ系列
から推定雑音スペクトル成分を減算し、雑音除去スペク
トル系列を算出するものである。
ルと、音響パワーのＳＮ比とをフレーム毎に計算し、Ｓ
Ｎ比に応じた時定数を用いて、スペクトル特徴パラメー
タから雑音スペクトルを推定し直すものである。また、
ＣＳＳ処理部１０２は、スペクトル特徴パラメータ系列
から推定雑音スペクトル成分を減算し、雑音除去スペク
トル系列を算出するものである。
【００１５】パターン認識部１０３は、ＣＳＳ処埋部１
０２で計算された雑音除去スペクトル系列と、予め記憶
されている基準となる音声のスペクトル特徴パラメータ
系列（音声標準パターンと呼ぶ；図示せず）とを比較
し、最も類似した音声標準パターンのカテゴリを認識結
果として出力するものである。
０２で計算された雑音除去スペクトル系列と、予め記憶
されている基準となる音声のスペクトル特徴パラメータ
系列（音声標準パターンと呼ぶ；図示せず）とを比較
し、最も類似した音声標準パターンのカテゴリを認識結
果として出力するものである。
【００１６】以下、音響分析部１０１、ＣＳＳ処理部１
０２及びパターン認識部１０３の処理を順に詳述する。
０２及びパターン認識部１０３の処理を順に詳述する。
【００１７】音響分析部１０１は、入力音声信号をアナ
ログ信号からデジタル信号に変換し、フレーム毎にスペ
クトル分析処理を行なう。スペクトル分析処理では、ス
ペクトル特徴パラメータとして、例えば、中心周波数が
異なる１６個のバンドパスフィルタ（以下、ＢＰＦと呼
ぶ）を通過する信号の絶対値をフレーム毎で平均した値
Ｘｉ（ｔ）を用いる。ここで、ｔはフレーム番号を、ｉ
はＢＰＦの番号（ｉ＝１〜１６）を表わす。
ログ信号からデジタル信号に変換し、フレーム毎にスペ
クトル分析処理を行なう。スペクトル分析処理では、ス
ペクトル特徴パラメータとして、例えば、中心周波数が
異なる１６個のバンドパスフィルタ（以下、ＢＰＦと呼
ぶ）を通過する信号の絶対値をフレーム毎で平均した値
Ｘｉ（ｔ）を用いる。ここで、ｔはフレーム番号を、ｉ
はＢＰＦの番号（ｉ＝１〜１６）を表わす。
【００１８】また、音響分析部１０１は、音響パワーＰ
（ｔ）として、(1) 式に示すように、スペクトル特徴パ
ラメータＸｉ（ｔ）の総和を計算する。なお、総和Σ
は、ｉが１〜１６についてである。
（ｔ）として、(1) 式に示すように、スペクトル特徴パ
ラメータＸｉ（ｔ）の総和を計算する。なお、総和Σ
は、ｉが１〜１６についてである。
【００１９】 Ｐ（ｔ）＝ Σ Ｘｉ（ｔ） …(1) 以上のようにして求められたスペクトル特徴パラメータ
Ｘｉ（ｔ）と、音響パワーＰ（ｔ）とが、音響分析部１
０１からＣＳＳ処理部１０２に与えられる。
Ｘｉ（ｔ）と、音響パワーＰ（ｔ）とが、音響分析部１
０１からＣＳＳ処理部１０２に与えられる。
【００２０】ＣＳＳ処理部１０２は、機能的には、図１
に示すように、ＳＮ比計算部１１０、ＳＮ比／時定数変
換部１１１、雑音スペクトル更新部１１２及び雑音スペ
クトル除去部１１３に分けることができる。
に示すように、ＳＮ比計算部１１０、ＳＮ比／時定数変
換部１１１、雑音スペクトル更新部１１２及び雑音スペ
クトル除去部１１３に分けることができる。
【００２１】ＳＮ比計算部１１０においては、その時刻
ｔの推定雑音スペクトルＡｉ（ｔ）のパワーＰＡ（ｔ）
が(2) 式に従って計算されると共に、その雑音パワーＰ
Ａ（ｔ）と音響分析部１０１から与えられた音響パワー
Ｐ（ｔ）とのＳＮ比ＳＮ（ｔ）が(3) 式に従って計算さ
れる。なお、(2) 式における総和Σは、ｉが１〜１６に
ついてである。得られたＳＮ比ＳＮ（ｔ）は、ＳＮ比／
時定数変換部１１１に与えられる。
ｔの推定雑音スペクトルＡｉ（ｔ）のパワーＰＡ（ｔ）
が(2) 式に従って計算されると共に、その雑音パワーＰ
Ａ（ｔ）と音響分析部１０１から与えられた音響パワー
Ｐ（ｔ）とのＳＮ比ＳＮ（ｔ）が(3) 式に従って計算さ
れる。なお、(2) 式における総和Σは、ｉが１〜１６に
ついてである。得られたＳＮ比ＳＮ（ｔ）は、ＳＮ比／
時定数変換部１１１に与えられる。
【００２２】 ＰＡ（ｔ）＝ Σ Ａｉ（ｔ） …(2) ＳＮ（ｔ）＝１０log ｛Ｐ（ｔ）／ＰＡ（ｔ）｝ …(3) なお、(3) 式に従って得られたＳＮ比ＳＮ（ｔ）に代え
て、そのＳＮ比ＳＮ（ｔ）を(4) 式に従って時間方向に
平滑化したＳＮ比ＳＮ’（ｔ）をＳＮ比／時定数変換部
１１１に与えるようにしても良い。(4) 式における総和
Σは、ｔｐがｔ−Ｎ＋１〜ｔについてである。ここで、
Ｎは平滑化に供する時間（サンプル数）を規定する定数
である。
て、そのＳＮ比ＳＮ（ｔ）を(4) 式に従って時間方向に
平滑化したＳＮ比ＳＮ’（ｔ）をＳＮ比／時定数変換部
１１１に与えるようにしても良い。(4) 式における総和
Σは、ｔｐがｔ−Ｎ＋１〜ｔについてである。ここで、
Ｎは平滑化に供する時間（サンプル数）を規定する定数
である。
【００２３】 ＳＮ’（ｔ）＝ Σ ＳＮ（ｔｐ）／Ｎ …(4) ＳＮ比／時定数変換部１１１は、ＳＮ比計算部１１０か
ら与えられたＳＮ比ＳＮ（ｔ）（又はＳＮ’（ｔ））に
応じた時定数ｆを得て雑音スペクトル更新部１１２に与
える。このように時定数ｆ（ＳＮ（ｔ））は、ＳＮ比Ｓ
Ｎ（ｔ）の大きさを連続的に考慮した関数であるが、そ
の変換関数としては、例えば、(5) 式に示す関数や、図
２に示す関数を適用することができる。また、例えば、
シグモイド関数を適用するようにしても良い。
ら与えられたＳＮ比ＳＮ（ｔ）（又はＳＮ’（ｔ））に
応じた時定数ｆを得て雑音スペクトル更新部１１２に与
える。このように時定数ｆ（ＳＮ（ｔ））は、ＳＮ比Ｓ
Ｎ（ｔ）の大きさを連続的に考慮した関数であるが、そ
の変換関数としては、例えば、(5) 式に示す関数や、図
２に示す関数を適用することができる。また、例えば、
シグモイド関数を適用するようにしても良い。
【００２４】 ｆ（ＳＮ（ｔ））＝α ＳＮ（ｔ）≦ＳＨ１のとき ＝０ ＳＮ（ｔ）＞ＳＨ１のとき …(5) なお、(5) 式におけるαは０＜α＜１の範囲の定数であ
り、後述する(6) 式から明らかなように、αが大きいほ
ど時定数が小さいことを意味する。(5) 式におけるＳＨ
１も定数であり、例えば、音声／非音声を弁別できる程
度のＳＮ比の値に選定する。図２に示す関数におけるＳ
Ｈ２及びＳＨ３も定数であり、例えば、前者ＳＨ２は音
声と捕らえてほぼ間違いないＳＮ比の値に選定し、後者
ＳＨ３は非音声と捕らえてほぼ間違いないＳＮ比の値に
選定する。
り、後述する(6) 式から明らかなように、αが大きいほ
ど時定数が小さいことを意味する。(5) 式におけるＳＨ
１も定数であり、例えば、音声／非音声を弁別できる程
度のＳＮ比の値に選定する。図２に示す関数におけるＳ
Ｈ２及びＳＨ３も定数であり、例えば、前者ＳＨ２は音
声と捕らえてほぼ間違いないＳＮ比の値に選定し、後者
ＳＨ３は非音声と捕らえてほぼ間違いないＳＮ比の値に
選定する。
【００２５】雑音スペクトル更新部１１２は、与えられ
た時定数ｆと、スペクトル特徴パラメータＸｉ（ｔ）
と、その時刻ｔの推定雑音スペクトルＡｉ（ｔ）とか
ら、(6)式に従って、次の時刻ｔ＋１の推定雑音スペク
トルＡｉ（ｔ＋１）を形成する。雑音スペクトル更新部
１１２によって形成された推定雑音スペクトルＡｉ
（ｔ）は、ＳＮ比計算部１１０及び雑音除去部１１３に
与えられる。
た時定数ｆと、スペクトル特徴パラメータＸｉ（ｔ）
と、その時刻ｔの推定雑音スペクトルＡｉ（ｔ）とか
ら、(6)式に従って、次の時刻ｔ＋１の推定雑音スペク
トルＡｉ（ｔ＋１）を形成する。雑音スペクトル更新部
１１２によって形成された推定雑音スペクトルＡｉ
（ｔ）は、ＳＮ比計算部１１０及び雑音除去部１１３に
与えられる。
【００２６】 Ａｉ（ｔ＋１）＝（１−ｆ）・Ａｉ（ｔ）＋ｆ・Ｘｉ（ｔ） …(6) この(6) 式は、入力音声信号において音声成分が多いＳ
Ｎ比ＳＮ（ｔ）が大きいときには、時定数ｆを小さくし
て、現時刻ｔのスペクトル特徴パラメータＸｉ（ｔ）よ
り、過去の推定雑音スペクトルＡｉ（ｔ）、Ａｉ（ｔ−
１）、…の影響を強く反映させて推定雑音スペクトルＡ
ｉ（ｔ＋１）を更新し、音声成分による推定雑音スペク
トルＡｉ（ｔ＋１）の誤った更新を押さえ、これに対し
て、入力音声信号において音声成分が少ないＳＮ比ＳＮ
（ｔ）が小さいときには、時定数ｆを大きくして、過去
の推定雑音スペクトルＡｉ（ｔ）、Ａｉ（ｔ−１）、…
より、現時刻ｔのスペクトル特徴パラメータＸｉ（ｔ）
の影響を強く反映させて推定雑音スペクトルＡｉ（ｔ＋
１）を更新し、雑音成分に応じた推定雑音スペクトルＡ
ｉ（ｔ＋１）の更新を実行させるようにしたものであ
る。
Ｎ比ＳＮ（ｔ）が大きいときには、時定数ｆを小さくし
て、現時刻ｔのスペクトル特徴パラメータＸｉ（ｔ）よ
り、過去の推定雑音スペクトルＡｉ（ｔ）、Ａｉ（ｔ−
１）、…の影響を強く反映させて推定雑音スペクトルＡ
ｉ（ｔ＋１）を更新し、音声成分による推定雑音スペク
トルＡｉ（ｔ＋１）の誤った更新を押さえ、これに対し
て、入力音声信号において音声成分が少ないＳＮ比ＳＮ
（ｔ）が小さいときには、時定数ｆを大きくして、過去
の推定雑音スペクトルＡｉ（ｔ）、Ａｉ（ｔ−１）、…
より、現時刻ｔのスペクトル特徴パラメータＸｉ（ｔ）
の影響を強く反映させて推定雑音スペクトルＡｉ（ｔ＋
１）を更新し、雑音成分に応じた推定雑音スペクトルＡ
ｉ（ｔ＋１）の更新を実行させるようにしたものであ
る。
【００２７】雑音除去部１１３は、推定雑音スペクトル
Ａｉ（ｔ）を参照して、基本的には、(7) 式に示すよう
に、スペクトル特徴パラメータＸｉ（ｔ）から、推定雑
音スペクトルＡｉ（ｔ）に応じた雑音成分を除去し、雑
音除去後のスペクトルＸＳｉ（ｔ）を算出してパターン
認識部１０３に与えるものである。なお、(7) 式に従っ
て求めた雑音除去後のスペクトルＸＳｉ（ｔ）が０ある
いはＫ・Ａｉ（ｔ）より小さい場合には、音響を表すも
のとしては不適切であるので、(8) 式で求めたスペクト
ルを、雑音除去後のスペクトルＸＳｉ（ｔ）とする。
(7) 式におけるＫは、予め設定された減算度合を決定す
る係数であり、通常、０．５〜２程度の値に選定され
る。また、(8) 式におけるＫ１としては、小さな正の値
が適用される。
Ａｉ（ｔ）を参照して、基本的には、(7) 式に示すよう
に、スペクトル特徴パラメータＸｉ（ｔ）から、推定雑
音スペクトルＡｉ（ｔ）に応じた雑音成分を除去し、雑
音除去後のスペクトルＸＳｉ（ｔ）を算出してパターン
認識部１０３に与えるものである。なお、(7) 式に従っ
て求めた雑音除去後のスペクトルＸＳｉ（ｔ）が０ある
いはＫ・Ａｉ（ｔ）より小さい場合には、音響を表すも
のとしては不適切であるので、(8) 式で求めたスペクト
ルを、雑音除去後のスペクトルＸＳｉ（ｔ）とする。
(7) 式におけるＫは、予め設定された減算度合を決定す
る係数であり、通常、０．５〜２程度の値に選定され
る。また、(8) 式におけるＫ１としては、小さな正の値
が適用される。
【００２８】 ＸＳｉ（ｔ）＝Ｘｉ（ｔ）−Ｋ・Ａｉ（ｔ） …(7) ＸＳｉ（ｔ）＝Ｋ１・Ａｉ（ｔ） …(8) パターン認識部１０３には、音声認識時における音響分
析部１０１及びＣＳＳ処理部１０２の処理と同様な処理
により、各種の音声要素（音素片や単語）について、予
め作成された音声標準パターン（基準のスペクトル特徴
パラメータ）が格納されている。パターン認識部１０３
は、ＣＳＳ処埋部１０２で計算された雑音除去スペクト
ルＸＳｉ（ｔ）と、各種の音声標準パターンとの類似度
を計算し、最も高い類似度を与える音声標準パターンの
カテゴリ名を認識結果として、外部機器（図示せず）等
に出力する。ここで、類似度の計算方法としては、例え
ば、ＤＰ（Dynamic Programing) 法を適用することがで
きる。
析部１０１及びＣＳＳ処理部１０２の処理と同様な処理
により、各種の音声要素（音素片や単語）について、予
め作成された音声標準パターン（基準のスペクトル特徴
パラメータ）が格納されている。パターン認識部１０３
は、ＣＳＳ処埋部１０２で計算された雑音除去スペクト
ルＸＳｉ（ｔ）と、各種の音声標準パターンとの類似度
を計算し、最も高い類似度を与える音声標準パターンの
カテゴリ名を認識結果として、外部機器（図示せず）等
に出力する。ここで、類似度の計算方法としては、例え
ば、ＤＰ（Dynamic Programing) 法を適用することがで
きる。
【００２９】以上のように、上記実施形態によれば、フ
レーム毎の入力パワーと推定雑音スペクトルのパワーと
のＳＮ比を求め、このＳＮ比、あるいは時間方向に平滑
化したＳＮ比に応じて、ＣＳＳ法の雑音スペクトル推定
の時定数を調整する機構を設けたので、ＳＮ比の大なる
フレームや、音声の可能性が高いフレームからの雑音ス
ペクトル推定を等価的にキャンセルできるため、精度の
高い雑音除去が可能となる。その結果、音声認識性能も
向上させることができる。
レーム毎の入力パワーと推定雑音スペクトルのパワーと
のＳＮ比を求め、このＳＮ比、あるいは時間方向に平滑
化したＳＮ比に応じて、ＣＳＳ法の雑音スペクトル推定
の時定数を調整する機構を設けたので、ＳＮ比の大なる
フレームや、音声の可能性が高いフレームからの雑音ス
ペクトル推定を等価的にキャンセルできるため、精度の
高い雑音除去が可能となる。その結果、音声認識性能も
向上させることができる。
【００３０】図３は、実施形態の評価実験の結果を示す
図表である。この評価実験は、１００単語を発声した音
声に２５種の雑音を重畳させた信号を生成し、フレーム
周期８ミリ秒、α＝０．０２の条件で、(5) 式のＳＨ１
を変化させて認識率を計測したものである。なお、パラ
メータＫ、Ｋ１としては適当な値を適用している。
図表である。この評価実験は、１００単語を発声した音
声に２５種の雑音を重畳させた信号を生成し、フレーム
周期８ミリ秒、α＝０．０２の条件で、(5) 式のＳＨ１
を変化させて認識率を計測したものである。なお、パラ
メータＫ、Ｋ１としては適当な値を適用している。
【００３１】図３において、１０log （ＳＨ１）が２０
ｄＢは、ＳＨ１が、通常生じるＳＮ比より大きな値であ
ることを意味し、(5) 式の処理の結果、常に定数αが出
力される場合を示している。言い換えると、ＳＮ比に応
じた時定数の切替えを実行していない従来に相当する。
１０log （ＳＨ１）が４ｄＢであるＳＮ比に応じた時定
数の切替えを行なった場合の認識率は８８．６％であ
り、従来に相当する１０log （ＳＨ１）が２０ｄＢの場
合の認識率８３．４％より、認識率が５％程度向上して
おり、この実施形態の有効性を評価することができる。
ｄＢは、ＳＨ１が、通常生じるＳＮ比より大きな値であ
ることを意味し、(5) 式の処理の結果、常に定数αが出
力される場合を示している。言い換えると、ＳＮ比に応
じた時定数の切替えを実行していない従来に相当する。
１０log （ＳＨ１）が４ｄＢであるＳＮ比に応じた時定
数の切替えを行なった場合の認識率は８８．６％であ
り、従来に相当する１０log （ＳＨ１）が２０ｄＢの場
合の認識率８３．４％より、認識率が５％程度向上して
おり、この実施形態の有効性を評価することができる。
【００３２】なお、上記実施形態においては、スペクト
ル分析処理（音響分析処理）にＢＰＦを利用したものを
示したが、現在主流となっているＬＰＣケプストラム系
の特徴パラメータに対しても、例えば離散コサイン変換
（ＤＣＴ；Discrete CosineTransform ）などを用いて
周波数スペクトル領域に変換することにより、本発明を
適用することができる。
ル分析処理（音響分析処理）にＢＰＦを利用したものを
示したが、現在主流となっているＬＰＣケプストラム系
の特徴パラメータに対しても、例えば離散コサイン変換
（ＤＣＴ；Discrete CosineTransform ）などを用いて
周波数スペクトル領域に変換することにより、本発明を
適用することができる。
【００３３】また、本発明は、雑音推定スペクトルの更
新方法に特徴を有するものであり、パターン認識方法は
いかなる方法であっても良い。例えば、音声標準パター
ンとして、スペクトル特徴パラメータ列や隠れマルコフ
過程モデル（ＨＭＭ；HiddenMarkov Model ）等を用い
たパターン認識方法を適用したものでも良い。
新方法に特徴を有するものであり、パターン認識方法は
いかなる方法であっても良い。例えば、音声標準パター
ンとして、スペクトル特徴パラメータ列や隠れマルコフ
過程モデル（ＨＭＭ；HiddenMarkov Model ）等を用い
たパターン認識方法を適用したものでも良い。
【００３４】さらに、本発明による背景雑音除去装置
は、音声認識装置以外の音声処理装置に対しても適用す
ることができる。例えば、音声認識装置が必要とする音
声標準パターンの作成装置や、声紋情報（雑音除去後の
スペクトル）に基づいて人物特定を行なう人物弁別装置
に適用することができる。
は、音声認識装置以外の音声処理装置に対しても適用す
ることができる。例えば、音声認識装置が必要とする音
声標準パターンの作成装置や、声紋情報（雑音除去後の
スペクトル）に基づいて人物特定を行なう人物弁別装置
に適用することができる。
【００３５】
【発明の効果】以上のように、本発明の背景雑音除去装
置によれば、フレーム毎の入力パワーと推定雑音スペク
トルのパワーとの比情報を求め、この比情報に応じて、
ＣＳＳ法の雑音スペクトル推定の時定数を調整する機構
を設けたので、比情報の大なるフレームや、音声の可能
性が高いフレームからの雑音スペクトル推定を等価的に
キャンセルできるため、精度の高い雑音除去が可能とな
る。
置によれば、フレーム毎の入力パワーと推定雑音スペク
トルのパワーとの比情報を求め、この比情報に応じて、
ＣＳＳ法の雑音スペクトル推定の時定数を調整する機構
を設けたので、比情報の大なるフレームや、音声の可能
性が高いフレームからの雑音スペクトル推定を等価的に
キャンセルできるため、精度の高い雑音除去が可能とな
る。
【００３６】また、本発明の音声認識装置によれば、上
述した本発明の背景雑音除去装置を含んで構成されてい
るため、パターン認識に供する雑音除去後のスペクトル
の精度が高く、その結果、音声認識性能を向上させるこ
とができる。
述した本発明の背景雑音除去装置を含んで構成されてい
るため、パターン認識に供する雑音除去後のスペクトル
の精度が高く、その結果、音声認識性能を向上させるこ
とができる。
【図１】実施形態の全体構成を示すブロック図である。
【図２】実施形態のＳＮ比／時定数の変換関数の一例を
示す説明図である。
示す説明図である。
【図３】実施形態の効果を説明するための図表である。
１０１…音響分析部、１０２…ＣＳＳ処理部、１０３…
パターン認識部、１１０…ＳＮ比計算部、１１１…ＳＮ
比／時定数変換部、１１２…雑音スペクトル更新部、１
１３…雑音スペクトル除去部。
パターン認識部、１１０…ＳＮ比計算部、１１１…ＳＮ
比／時定数変換部、１１２…雑音スペクトル更新部、１
１３…雑音スペクトル除去部。
Claims (2)
- 【請求項１】 入力音声信号に含まれている背景雑音成
分を除去する背景雑音除去装置において、 入力音声信号をフレーム毎に周波数分析して入力音声ス
ペクトルに変換する音響分析手段と、 入力音声スペクトルのパワーと、推定雑音スペクトルの
パワーとの比情報を求めるパワー比計算手段と、 この比情報に応じて、推定雑音スペクトルの推定更新の
時定数を出力する比情報／時定数変換手段と、 時定数、入力音声スペクトル及び今までの推定雑音スペ
クトルに基づいて、新たな推定雑音スペクトルを形成す
る雑音スペクトル形成手段と、 入力音声スペクトルから推定雑音スペクトルを減算して
雑音成分を除去する雑音除去手段とを有することを特徴
とする背景雑音除去装置。 - 【請求項２】 入力音声信号を分析してスペクトル特徴
パラメータを求め、このスペクトル特徴パラメータに基
づいて音声種類を認識する音声認識装置において、 スペクトル特徴パラメータのパワーと、推定雑音スペク
トルのパワーとの比情報を求めるパワー比計算手段と、 この比情報に応じて、推定雑音スペクトルの推定更新の
時定数を出力する比情報／時定数変換手段と、 時定数、スペクトル特徴パラメータ及び今までの推定雑
音スペクトルに基づいて、新たな推定雑音スペクトルを
形成する雑音スペクトル形成手段と、 スペクトル特徴パラメータから推定雑音スペクトルを減
算して雑音成分を除去する雑音除去手段と、 雑音成分が除去されたスペクトル特徴パラメータを、基
準のパラメータパターンと照合して、音声種類を決定す
るパターン認識手段とを有することを特徴とする音声認
識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8252854A JPH1097288A (ja) | 1996-09-25 | 1996-09-25 | 背景雑音除去装置及び音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8252854A JPH1097288A (ja) | 1996-09-25 | 1996-09-25 | 背景雑音除去装置及び音声認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1097288A true JPH1097288A (ja) | 1998-04-14 |
Family
ID=17243104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8252854A Pending JPH1097288A (ja) | 1996-09-25 | 1996-09-25 | 背景雑音除去装置及び音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH1097288A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002101729A1 (fr) * | 2001-06-06 | 2002-12-19 | Mitsubishi Denki Kabushiki Kaisha | Attenuateur de bruit |
| JP2007006525A (ja) * | 2006-08-24 | 2007-01-11 | Nec Corp | ノイズ除去の方法及び装置 |
| JP2012037603A (ja) * | 2010-08-04 | 2012-02-23 | Fujitsu Ltd | 雑音推定装置、雑音推定方法および雑音推定プログラム |
| CN113571036A (zh) * | 2021-06-18 | 2021-10-29 | 上海淇玥信息技术有限公司 | 一种低质数据的自动化合成方法、装置及电子设备 |
-
1996
- 1996-09-25 JP JP8252854A patent/JPH1097288A/ja active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002101729A1 (fr) * | 2001-06-06 | 2002-12-19 | Mitsubishi Denki Kabushiki Kaisha | Attenuateur de bruit |
| CN1308914C (zh) * | 2001-06-06 | 2007-04-04 | 三菱电机株式会社 | 噪声抑制装置和方法 |
| US7302065B2 (en) | 2001-06-06 | 2007-11-27 | Mitsubishi Denki Kabushiki Kaisha | Noise suppressor |
| JP2007006525A (ja) * | 2006-08-24 | 2007-01-11 | Nec Corp | ノイズ除去の方法及び装置 |
| JP2012037603A (ja) * | 2010-08-04 | 2012-02-23 | Fujitsu Ltd | 雑音推定装置、雑音推定方法および雑音推定プログラム |
| US9460731B2 (en) | 2010-08-04 | 2016-10-04 | Fujitsu Limited | Noise estimation apparatus, noise estimation method, and noise estimation program |
| CN113571036A (zh) * | 2021-06-18 | 2021-10-29 | 上海淇玥信息技术有限公司 | 一种低质数据的自动化合成方法、装置及电子设备 |
| CN113571036B (zh) * | 2021-06-18 | 2023-08-18 | 上海淇玥信息技术有限公司 | 一种低质数据的自动化合成方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Graf et al. | Features for voice activity detection: a comparative analysis | |
| JP3364904B2 (ja) | 自動音声認識方法及び装置 | |
| US7756700B2 (en) | Perceptual harmonic cepstral coefficients as the front-end for speech recognition | |
| KR100870502B1 (ko) | 배경잡음의 존재하에 음성 강화를 위한 방법 및 기기 | |
| Gu et al. | Perceptual harmonic cepstral coefficients for speech recognition in noisy environment | |
| JP4624552B2 (ja) | 狭帯域言語信号からの広帯域言語合成 | |
| KR100269216B1 (ko) | 스펙트로-템포럴 자기상관을 사용한 피치결정시스템 및 방법 | |
| 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 | |
| JPH0612089A (ja) | 音声認識方法 | |
| EP0838805B1 (en) | Speech recognition apparatus using pitch intensity information | |
| Motlıcek | Feature extraction in speech coding and recognition | |
| JP2002123298A (ja) | 信号符号化方法、装置及び信号符号化プログラムを記録した記録媒体 | |
| Zhao et al. | A processing method for pitch smoothing based on autocorrelation and cepstral F0 detection approaches | |
| JPH1097288A (ja) | 背景雑音除去装置及び音声認識装置 | |
| JPH0449952B2 (ja) | ||
| JP4125322B2 (ja) | 基本周波数抽出装置、その方法、そのプログラム並びにそのプログラムを記録した記録媒体 | |
| Ishimoto et al. | A fundamental frequency estimation method for noisy speech based on instantaneous amplitude and frequency | |
| JP3841705B2 (ja) | 占有度抽出装置および基本周波数抽出装置、それらの方法、それらのプログラム並びにそれらのプログラムを記録した記録媒体 | |
| JP2001083978A (ja) | 音声認識装置 | |
| Ito et al. | Forward masking on a generalized logarithmic scale for robust speech recognition | |
| JPH04230798A (ja) | 雑音予測装置 | |
| Islam et al. | Mel-Wiener filter for Mel-LPC based speech recognition | |
| JP2002372982A (ja) | 音響信号分析方法及び装置 | |
| Wiriyarattanakul et al. | Accuracy Improvement of MFCC Based Speech Recognition by Preventing DFT Leakage Using Pitch Segmentation | |
| JP3205141B2 (ja) | 音声分析方式 |