JPS58116595A - 単語音声認識装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 本発明は音声の零クロス情報ＶＣよる単語音声認識装置
に関するものである。

音声認識装置としては、多数のパ／ドパスフィルタやス
ペクトル分析手段等を用い：を大規模なものが多く、構
成が複雑でありコストも高い。一方。

認識する単Ｍｊ数が少なく認識率は低ぐても構成が簡単
で安価な音声認識装置に対する要求がある。−簡単な音
声認識方法の１つに、音声波形の零クロス情報を用いる
ものがある。コンパレータによって音声信号の零クロス
を検出し、コノピユータ等を用いてそれを処理すること
によって単語の特捜 徴を描出し、認識するものである。実際には単に入力信
号の零クロスをとるたけでは、第１回に示すように入力
信号に含まれるノイズ等により、音声以外の部分でも零
クロスが検出されるため、音声区間と音声のない区間と
を分離することができないので、零クロス情報以外に、
入力信号の包絡線を検出し、包絡線が定められた値を越
える区ＩＷを音声区間とみなして、その区間の零クロス
情報を認識に用いる。しかしこの方法によると、包絡線
検出のための回路が複雑になる。

音声区間を分離する他の方法としては、コンパレータに
ヒステリシスを持たせたり、コンパレータの基準電圧を
入力信号の平均値からずらせることにより、音声に比べ
て振幅の小さいノイズにコンパレータが応動しないよう
にすることが考えられる。第２図、第３図はそれぞれ、
コンパレータにヒステリシスを持たせた場合、コンハｖ
−タノ基準電圧をずらせた場合の、入力波形とコンパレ
ータの出力波形を示したものである。このようにノイズ
を含んだ入力波形に対し、ヒステリシスを適当に設定し
たり、基準電圧を適当にずらせることにより、音声のな
い区間におけるコンパレータの出力状態の変化を阻止す
ることができる。したがって、出力状態の変化のある区
間の情報を用いて認識を行なう。この除行られる情報は
厳密には零クロス情報ではないが、ノイズに比べ振幅の
大きい音声信号においては、−コンパレータのヒステリ
シスや基準電圧のずれはあ捷り影響せず、零クロス情報
とほぼ同じ情報が得られる。しかし、振幅の小さい子音
部については零クロス情報が失わ扛ることがある。零ク
ロス情報を用いた認識方法においては、母音部など比較
的零クロスの少ない部分と、摩擦音など零クロスの多い
部分との零クロス数の差が大きいことが望筐しい６．シ
かし、摩擦音部は振幅が小さいため、上記のｂ法による
と零クロス情報が失われ、特徴が現われに＜＜、認識精
度が十分得られないという問題がある。

したがって本発明は、コンパレータを用いて零クロス情
報を得、それによって単語音声認識を行なう装置におい
て、認識の精度を向−卜させることを目的とするもので
ある。

本発明は、音声信号の平均レベルに対応する基準値とを
比較する第１の比較手段と、音声信号と。

音声信号の平均レベルより所定量たけ偏倚した基準値と
を比較する第２の比較手段と、第２の比較手段の出力よ
り音声区間を検出する手段と、検出された音声区間にお
ける前記第１の比較手段の出力の零クロス情報から音声
認識を行なう認識手段から成り、簡単な構成で、認識精
度を上げることが可能となる。以下１本発明の実施例に
ついて説明する。

第４図に本発明による音声認識装置の実施例の構成を示
す。図において、マイクロホン１から入力された音声信
号は、プリアンプ２によって増幅され、ピッチ成分除去
のだめのバイパスフィルタ３、入力音声信号の平均値を
ゼロレベルに調節するためのオフセット調整部４を通っ
た後、コンパレータ６および６に入力される。コンパレ
ータ６は実質的に音声信号の平均レベルより所定量だけ
偏倚した基準値と音声信号を比較するもので、例えば第
３図で示したようにヒステリシスを持たせ。

ノイズを主として含む小振幅の信号に対しては応動しな
いようにすることで構成される。ここで。

ヒステリシスを持たせる代わりに、第２図に示したよう
にコンパレータの基準電圧を入力信号の平均値（零レベ
ル）からずらせることによりノイズに対して応動しない
ようにしてもよい。一方、コンパレータ６にはヒステリ
シスを持たせず、基準電圧を入力信号の平均値と一致さ
せている。

コンパレータ６および６の出力はそれぞれマイクロコン
ピュータ７の入力端子および割込み入力端子に入力され
る。マイクロコンビコータは、全体価格をできるだけ安
価にするため１通常４　ｂｉｔ程度のマイコンが用いら
れる。なおＲＡＭ８はマイクロコンピュータ内のＲＡＭ
容量容量小さい場合に外付けされるものである。

マイクロコンピュータ７はコンパレータ６からの入力を
逐次読み、入力の状態が変化するごとにカウント用に割
当てられたメモリの内容を１つ増加させる。この間、コ
ンパレータ６からの入力がハイレベルからローレベルに
変化するごとに割込みが発生し、割込み処理ルーチンに
おいてコンパレータ６のカウント用に割当てられたメモ
リの内容が１つ増加させられる。さらに１０ｍ５ｅｃご
とにタイマ割込みを発生させることにより、１０ｍ５ａ
：（こ扛を１フレームとする。）中のコンパレータ６お
よび６の出力状態の変化回数が得ら扛る。１フレーム中
のコンパレータ６の出力状態の変化回数を零りロス数、
コンパレータ６の出力状態の変化回数を準零クロス数と
呼ぶことにする。これらの処理の流れは、第６図６１お
よび６３．６２および６６に示すとおりである。

まず準零クロス数を用いて音声区間を検出する。

前述ノようにコンパレータ６はノイズに対して応声区間
のフレームでは零でないが、音声のないフレームでは零
であると考えら扛る。したがって。

準零クロス数を用いて音声区間を検出することかり能で
ある。しかし音声区間内においても破裂音の前などには
無音区間が存在するので、単に準零クロス数が零でない
ところを音声区間とみなすのは不十分である。そこで準
零クロス数の系列に対して第６図に示すような方法で音
声区間を決定する。準零クロス数が零でないフレームが
所定数（たとえば６個）連続すると、その最初の零でな
いフレームを音声区間の始１りとする。音声区間が始ま
った後、準零クロス数が零であるフレームが所定数（た
とえば３０個）連続すると零でないフレ・−ムの最後を
音声区間の終わりとする。このようにして検出された音
声区間が一定長（たとえは２０フレーノ、）に達しない
場合、４８語音声としては短かすぎるので音声区間とみ
なさない。また検出された音声区間が所定長（たとえば
１２０フレーム）を越える場合も単語音声とし、では長
すき−るので音声区間とみなさない。

音声区間検出６４と平行して零クロス数のＲＡＭ８への
書き込み６７が行なわれる。第６図に示すように準零ク
ロス数の値に基づいて零クロス数全書き込むか否かが決
定される。第６図において破線テ囲んだ部分はマイクロ
コンピュータ内の処理である。この様子を具体的に示す
と第７図のようになる。ここでＮはＲＡＭ８に書き込ん
だフレームの数１Ｍは準零クロス数が零であるフレーム
の数である。１ず、準零クロス数が零でないフレームが
現われると、零クロス数のＲＡＭへの書き込み制御６６
によりＲＡＭ８の零クロス数格納用に割当てられた領域
の先頭から順次１つフレームごとの零クロス数′（ｆ−
書き込む。書き込みを開始した後、所定フレーム（ここ
では６フレーム）ニ達シないうちに準零クロス数が零で
あるフレームが現れると音声区間でないと判断し、新た
に音声区間の開始点を捜す。音声区間が開始した後、所
定フレーム（ここでは３０フレーム）連続して準零クロ
ス数が零となると、音声区間終了として書き込みを終え
、書き込んだ音声区間が所定フレーム（ここでは２０）
Ｖ−ム）以上であるかどうか判定し、そうでない場合は
音声区間とみなさず新たに音声区間の開始点を捜す。音
声区間と判定された場合、零クロス数、準零クロス数の
カウントと書き込みを終了し次の処理へ移る。また所定
フレーム（ここでは音声区間の最大値１２０フレームと
音声区間終了検出のための３０フレームの和である１６
０フレーム）書き込んでも音声区間終了が検出されない
場合は音声区間とみなさず新たに音声区間の開始点を捜
す。

音声区間と判定され書き込みが終了すると、書き込１れ
たフレームの終わりから所定フレーム（ここでは３０フ
レーム）さかのぼったフｌ／−ムが音声区間の終了点で
ある。このようにして音声区間が決定すると音声区間内
の零クロス数から等ｊ’ｆｆｌ隔Ｋ　１ｓフレ一ム分が
サンプルされる。音声区間をｎフレームとすると、サン
プルされるフレー１１は、１．ｎｚ”１６＋１．２−ｎ
／１ｅ＋１．３−ｎ　′１ｅ＋　１．−＝−，１５−ｎ
／１６＋１番めのフレームである。ここで使用した７１
クロコンピユータは４ビノトマ／ンとしているので、１
６で割るのはフレーム計算のために割当てられたメ七り
の下位１ワードを無視することで実現され、上記の計算
は加算だけで行なうことができる。また。

フレーム番号とＲＡＭ番地は順序よく対応しているので
、サンプルフレームの計算は実際にはフレーム数ではな
（ＲＡＭ番地によって計算される。

このようにして得られた１単語につ：ｅ１６（ｒ！Ａの
零クロス数にもとづいて認識を行う。壕ず、認識すべき
単語の各々について−Ｆ記の１６個の零り「Ｊス数ＲＡ
Ｍ８に登録する。この登録さ扛たものを標準パターンと
呼ぶ。スイッチ入力により登録モードである旨にマイク
ロコンピュータ７に入力した後、マイクロホンから単語
を発声すると、　ＲＡＭ８に書き込１れた零クロス数か
ら１６個がサンプルされ、標準パターン登録用に割当て
られたＲＡＭ領域の先頭から順に書き込１れる。

登録が終了すると、スイッチ入力によりモードを認識に
した後、マイクロホンから音声を人力すん。入力音声か
らサンプルさ九ｆｒ　１ｅ　（Ｉｌｆｉの雲クロス数の
ｉ番目の値１ｓｉ（ｉ＝１．−・・・・・、１６）、　
　標準パターンのｊｍ１に登録した単語のｉ番目の値を
Ｔｊｉ（ｉ−１，−−、１６、ｊ　＝　１．−＝−、％
（Ｗは登録単語数））とするとき、入力音声と３番目の
単語ものとする。各標準パターンに対してＤｊｋ計算し
。

功　の最小値を与える標準パターンに対応する単語を認
識結果とし、ＬＥＤ等の表示素子（図示せず）で表示す
る。

本実施例は以上述べたように、音声区間検出と単１ｆｆ
ｊ　間の距離算出用の２つのコンパレータと、マイクロ
コンピュータとを用いることにより、簡単な回路で音声
区間を検出するとともに、振幅の小さい子音部の零クロ
スも比較的精度よく検出できる。また、認識のための処
理が簡単であるので。

４ヒント程度のマイクロコンピュータで実現できる。

なお、ノイズなどにより零クロスの頻度が非常ニ多く、
マイクロコンピュータの割り込み処理力Ｎ、ν間約に追
従できない恐れのある揚台は、コンパレータ６に対して
も若干のヒステリシスを持たせたり、基準電圧を音声信
号の平均値より偏倚きせたりしてもよい。

【図面の簡単な説明】

第１図は従来の単語音声認識装置のコンパレータの動作
を説明するための波形図、第２図はヒステリシスを設け
たコンパレータの動作を説明するための波形図、第３図
は偏倚した基準電圧を有するコンパレータの動作を説明
するための波形図。 第４図は本発明の一実施例による単語音声認識装置のブ
ロック図、第６図は同実施例における音声区間検出の流
ｎ図、第６図および第７図は零クロス数のＲＡＭへの書
き込みの流扛図である。 １・・・・・マイクロボン、２・・・・・プリアンプ、
３　・・・・バイパスフィルタ、４・・・・・・オフセ
ット１Ａ１ｔ［。 ５．６・・・・・コンパレータ、了・・・・・マイクロ
コンピュータ、８・・・・・・ＲＡＭ。 代理人の氏名　弁理士　中　尾　敏　男　ほか１名第６
図 第７図

Claims (1)

【特許請求の範囲】
1. 音声信号と音声信号の平均レベルに対応する基準値とを
   比較する第１の比較手段と、音声信号と音声信号の平均
   レベルより所定量たけ偏倚した基準値とを比較する第２
   の比較手段と、第２の比較手段の出力より音声区間を検
   出する手段と、検出された音声区間における前記第１の
   比較手段の出力の零クロス情報を標準の零クロス情報と
   比較することによって単語音声認識を行なう認識手段と
   から成る単語音声認識装置。