JPS5885498A - 音声入力装置 - 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】 この発明は、例えば走行する車輛に搭載する等の騒音環
境内で使用され、音声認識を行なう音声入力装置に関す
る。

例えば、自動車等の車輛に対して音声認識を行なう音声
入力装置を搭載した場合、この音声入力装置が置かれる
環境は、騒音レベルが大きく、またその騒音レベルおよ
びその周波数分布が時間的に変動するような特徴を有す
る。また、この音声入力装置の設置される車室内には、
運転者を含み人間が存在するものであるため、入力すべ
き音声以外の音声が、入力音声と同じ状態で発せられる
特徴がある。

音声入力可能にあっては、マイクロホンを用いて入力音
声を捕捉するものであるが、捕捉された入力音声を、騒
音と入力すべき音声とに容易に分離することができない
。このため、騒音は実質的に音声認識率の大幅な低下を
招くことになる。

したがって、何らかの手段によって入力音声中に含まれ
る騒音の成分を除去する必要のあるものであるが、騒音
は大きな時間的変動を伴なうものであるため、単に入力
音のサンプリングを行ない、騒音の成分を推定するよう
な手段を用いても、実質的に大きな誤差を生ずる。この
ため、音声認識率の向上を充分にはかることは困難であ
る。

また、車輛走行中で同乗者がいる場合には、運転者等と
会話がなされることが多い。このような会話は、音声入
力装置にとって真の音声入力と同等の状態にあり、これ
を確実に判定することは困難である。

この発明は上記のような点に鑑みなされたもので、例え
ば車載用等のように騒音環境下におかれた場合でも、音
声認識の可能な状態を認定して確実な認識動作が行なわ
れるようにする音声入力装置を提供しようとするもので
ある。

すなわち、この発明に係る音声入力装置は、音声入力を
指示する少なくとも１個のスイッチを備え、このスイッ
チ操作に対応してマイクロホンで捕捉される騒音の状態
を分析検出し、この騒音分析結果にもとすき音声入力可
郁状態を判定して報知し、その入力要求を受は入れるよ
うにしたものである。

例えば、音声入力装置を車載用として用い、運転者もし
くは同乗者が音声入力を行なう場合、車室内に設置され
た音声入力スイッチを投入し、例えば音響装置等の音響
出力をしゃ断して後、車室内の騒音レベルを検出しその
周波数分析を行なって周波数成分を抽出する。この抽出
された周波数成分は例えば騒音レベルおよび周波数成分
の時間的推移を検出し、あらかじめ設定された条件と対
比し、その条件を満たす状態で音声入力可能を報知しそ
の入力要求を受け入れるようにする。この場合騒音検出
によって得られたデータを基にして、音声入力時におけ
る騒音の周波数分布を推定する。

以下図面を参照してこの発明の一実施例を説明する。第
１図はその構成を示したもので、１１は音声を捕捉し電
気信号に変換して入力音声信号とするマイクロホンであ
り、このマイクロホン１１で捕捉された音声信号は増幅
器１２で適宜増幅して複数個、例えば１５個のそれぞれ
通過周波数帯域を異ならせたバンドパスフィルタ１３−
１〜１３−１５に並列的に供給する。

この場合、バンドパスフィルタ１３−１〜１３−１５の
それぞれ通過周波数帯域の中心周波数は、対数軸上で等
間隔となるように設定する。そして、このバンドパスフ
ィルタ１３−１〜１３−１５それぞれを通過した信号は
、それぞれ手！１！波器１４−ノ〜１４−１５に供給し
て、それぞれ通過信号のレベルに対応したアナログ状信
号とし、この検波器１４−１〜１４−１５からの出力信
号はマルチプレクサ１５に供給する。すなわち、バンド
パスフイルタ１３−１〜１３−１５および検波器１４−
１〜１４−１５は、入力音声の周波数分析部を構成する
ようになる。

上記検波器１４−１〜１４−１５それぞれからの出力信
号は、マルチプレクサ１５から順次取り出され、Ａ／Ｄ
コンバータ１６でそれぞれディジタル信号に変換されて
演算処理を行なうＣＰＵ１７に供給される。このＣＰＵ
１７にはタイマー装置１８が付属され、このタイマー装
置１８からＣＰＵ１７に対して割り込み指令を与えるも
ので、ＣＰＵ１７はこの割り込み指令に対応してマルチ
プレクサ１５を制御し、検波１４−１〜１４−１５から
の出力信号を順次取り出し、Ａ／Ｄコンバータ１６に供
給するようになる。

また、この音声入力装置が車載用として用いられる場合
には、この装置の設置される車室内の各座席に対応して
複数個例えば５個の音声入力指示のためのスイッチ１９
−１〜１９−５が設けられ、これらスイッチ１９−１〜
１９−５の操作投入時の信号は、ＣＰＵ１７に対して音
声入力要求として供給される。このような車室内には、
またラジオ、ステレオ等の音響装置２０が装備されるも
ので、この音響装置２０からの出力信号は切換リレー回
路２１を介してスピーカ２２に供給し、車室内に音響出
力が得られるようにしてなる。

上記ＣＰＵ１７からは、上記スイッチ１９−１〜１９−
５のいずれかの操作に対応して音響しゃ断のための指令
信号が発せられ、また音声入力要求を受け入れる状態で
ディジタル状の報知信号が発せられる。そして、この報
知信号はＡ／Ｄコンバータ２３でアナログ状信号とし、
増幅器２４を介して上記切換リレー回路２１に供給する
。このリレー回路２１は、上記しゃ断指令で切換駆動さ
れるもので、この指令の存在時に音響装置２０からスピ
ーカ２２に供給される信号をしゃ断し、増幅器２４から
の報知信号をスピーカ２２に結合するように制御される
。

２５は、音声入力により制御される制御対象とがるエア
コン装置であり、このエアコン装置２５には適宜手動に
よる制御スイッチ機構２６が付属されている。

次に上記のように構成される装置、特にＣＰＵ１７の動
作について、第２図に示す流れ図にもとずき説明する。

まずスタート状態においてこの装置の電源が投入され、
ＣＰＵ１７が起動されるもので、このＣＰＵ１７の起動
に伴なってステップ１０１に進む。このステップ１０１
では、車室内に設置されている音声入力要求のスイッチ
１９−１〜１９−５の操作状態をサーチし、操作投入さ
れたスイッチが存在するか否かを判定する。そして、ス
イッチ１９−１〜１９−５のいずれもが操作されていな
い「ＮＯ」の判定でステップ１０１に戻る。また、スイ
ッチ１９−１〜１９−５のいずれかが操作投入されてい
る場合には、ステップ１０１から「ＹＥＳ」の判定出力
が得られ、ステップ１０２に進む。ステップ１０２では
リレー回路２１に対して音響しゃ断指令を出して、音響
装置２０からスピーカ２２に供給される音響信号をしゃ
断し、車室内における音響再生を禁止するようにリレー
回路２１を切換駆動する。この場合、増幅器２４からの
出力信号がスピーカ２２に結合されるように切換設定さ
れる。

次にステップ１０３に進み、騒音検出の回数を示す指標
ｊを「１」にセットし、ステップ１０４で騒音のサンプ
リングを行なう。すなわち、タイマー装置１８からの割
り込み信号による割り込みによって、マルチプレクサ１
５を制御し、バンドパスフィルタ１３−１〜１３−１５
および検波器１４−１〜１４−１５からなる周波数分析
回路の出力を選択し、検波器１４−１〜１４−１５から
の出力信号を順次Ａ／Ｄコンバータ１６によってデイジ
タル値に変換してサンプリング動作を行なう。このサン
プリングは、例えば２０ｍ秒毎の一定時間毎にタイマー
装置１８からの割り込み信号によって１回（例えば５回
）行なう。

このような騒音サンプリングによってサンプリングされ
たデータは、ステップ１０５において騒音が時間的に安
定であるか否かを判定する。

このステップ１０５における判定は、例えば次のように
して行なう。１回のサンプリングによって各バンドパス
フィルタ１３−１〜１３−１５それぞれからの出力に対
応するデータが１５個得られるもので、このデータセッ
トを以下特徴ベクトルと呼ぶことにする。したがって、
１回のサンプリングによってｉ番目のベクトルが得られ
る。ここで、ｉ番目の特徴ベクトルのｆ番目のバンドパ
スフィルタのサンプリ ング値をυ１．ｆとすると、ｉ番目の特徴ベクトルＶｉ
は次式のように表現される。

Ｖｉ＝（ｖｉ．１、ｖｉ．２、・・・、ｖｉ．ｆ・・・
（１）ここで、指標ｉについて平均操作を行なうと次の
ようになる。

ｖｆ＝Σｖｉ．ｆ／Ｉ・・・（２） ｖｆは「ｆ＝１〜１５」まで求めるもので、ｉは時間を
代表するものであるため、ｖｆはｆ番目のバンドパスフ
イルタ１３−ｆの時間的な平均を示すようになる。

ここで、第１のしきい値ベクトルＶ、を次式で与える。

Ｖ＝（ｖ・・・（３） ｖ／は１番目のバンドパスフィルダ１３−ｆに対応する
第１のしきい値であり、ベクトルＶはあらかじめ設定さ
れる値である。そして、以上の諸量を用いて騒音の定常
性を判定するようになる。すなわち、すべてのサンプリ
ング値ｖｉ．ｔに対して次式が満たされる場合は定常で
あると判定し、それ以外の場合は定常ではないと判定す
る。

ｈ＋ｔ＜ｖｆ（ｉ＝ｊ〜Ｉ１５）・・・（４）このステ
ップ１０５で定常であると判定された場合は次のステッ
プ１０６に進み、定常でないと判定された場合はステッ
プ１０７に進み、指標ｊがあらかじめ設定された値Ｉ（
例えば５）に等しいか否かを判定する。このステップ１
０７で等しい「ＹＥＳ」と判定された場合は、騒音は定
常ではなく音声入力には不適切な状態にあると判定し、
ステップ１０９に進んでＣＰＵ１７内の記憶部に記憶さ
れた「入力不適切」を表示する音波形データを読み出す
。この音波形データは、Ｄ／Ａコンバータ２３でアナロ
グ状信号に変換され、増幅器２４および前述したように
切換えられたリレー回路２１を介してスピーカ２２に供
給される。そして、スピーカ２２から現在が音声入力に
不適切な状態であることを知らせる例えは「ピッピッ」
とする出力音を発生させる。

そして、次にステップ１１７に進み、切換リレー回路２
１を制御して音響装置２０からの出力信号をスピーカ２
２に結合して音響出力を復帰させて１回の動作が終了す
る。

また、前記ステップ１０７でｊがＩに等しくない「ＮＯ
」と判定された場合ステップ１０８に進みｊに「１」を
加えてステップ１０４に戻る。

さらに、前記ステップ１０５で騒音が定常である「ＹＥ
Ｓ」と判定された場合は、ステップ１０６に進み、騒音
の大きさが充分に小さなものであるか否かを判定するも
ので、この判定は例えば次のようにして行なう。すなわ
ち、第２のしきい値ベクトル■を次式で与え、あらかじ
め設定しておく。

■で＝（ｖ２Ｔ．１、ｖ２Ｔ．２、・・・、ｖ２Ｔ．２
・・・、ｖ２Ｔ．１５・・・（５そして、ステップ１０
５で求めた平均価ｖｆに対して次式の判定を行なう。

ｖｆ＜ｖ２Ｔｆ（ｆ＝１〜１５）・・・（６）１５個の
ｖｆのうちいずれか１つでも上記（６）式を満たさない
時、騒音レベルが大きくて音声入力には適さないと判定
し、ステップ１０７に進む。逆にすべてのｖｆが（６）
式を満たす場合には、騒音レベルは充分小さくて音声入
力に適すると判定し、ステップ１１０に進む。このステ
ップ１１０では音声入力を要求した者に対して、音声入
力が可能であることを前記ステップ１０９と同様にして
例えは「ピッ」とする報知音出力で知らせる。そして、
ステップ１１１に進み入力音声のサンプリングを行なわ
せる。

この音声サンプリングの過程は第３図の流れ図に示され
る。すなわち、この音声サンプリングの過程に入ると、
まずステップ２０１で有効な音声入力の回数を示す指標
１を「１」に初期設定し、ステップ２０２で有効音声入
力後の無効な入力の回数を示す指標ｌを「０」に初期設
定する。そしてステップ２０３に進み、タイマー装置１
８の割り込み信号による割り込みによって、マルタプレ
クサ１５を制御し、バンドパスフィルタ１３−１〜１３
−１５それぞれに対応する検波器１４−１〜１４−１５
それぞれからの検波出力を、順次Ａ／Ｄコンバータ１６
でディジタル値に変換してサンプリングを行なう。その
結果、第ｉ番目のサンプリングデータ（特徴ベクトル）
をｖｉとすると、次式が得られる。

Ｖｉ＝（ｖｉ．１、ｖｉ２、・・・、ｖｉ．ｆ、・・・
、ｖｉ１５（７）ここで、ｖｉ．ｆは第１番目のサンプ
リングの第ｆ番目のバンドパスフィルタ１３−ｆの検波
出力のサンプリング値を示す。

このようにサンプリングが行なわれると、ステップ２０
４に進み、特徴ベクトルＶｉの音声パワーの計算を行な
う。ここでは音声パワーとして次式を用いる。

Ｐｉ＝Σ（ｖｉ．ｆ−ｖｆ）・・・（８）ここで、ｖｆ
は先に説明した騒音の周波数成分である。

次にステップ２０５に進み、特徴ベクトルＶ１が有効な
音声入力を代表しているか否かを判定するもので、この
判定はあらかじめ定められたしきい値Ｐｏに対して次式
を満たすか否かによって行なう。

Ｐｉ＞Ｐｏ・・・（９） このステップ２０５で判定結果が「ＹＥＳ」の場合はス
テップ２０６に進み、有効音声入力後の無効入力回数を
示す指標ｌが「０」に等しいか否かを判定する。このス
テップ２０６で「ＹＥＳ」の判定の場合はステップ２０
９に進み、ｉに「１」を加えてステップ２０３に戻る。

また、「ＮＯ」の判定の場合はステップ２０７に進み、
過去ｌ回の無効入力は単語内に含まれる無音部分であっ
たと判定し、そのｌ回の特徴ベクトルは発音された単語
の短時間の音声を代表する有効な入力であるとして、ｉ
に加えてステップ２０８に進み、ｌを「０」リセットし
てステップ２０９に進む。

上記ステップ２０５で無効入力「ＮＯ」であると判定さ
れた場合は、ステップ２１０でｉが「１」に等しいか否
かを判定する。そして「ＹＥＳ」の場合は音声は未だ発
せられていないと判定し、ステップ２０３に戻る。また
「ＮＯ」の場合はステップ２１１に進み、ｌがあらかじ
め定められたしきい値Ｌより大きいか否かを判定する。

そして「ＹＥＳ」の場合は単語内に含まれる無音部分よ
り充分長い無音部分があり、音声入力は終了したと判定
してステップ２１３に進み、ｉがあらかじめ定めたしき
い値Ｉよりも大きいか否かを判定する。このステップ２
１３で「ＮＯ」の結果が得られた場合は、音声が発せら
れ且つ音声入力は終了したが、音声入力時間が小さいた
め無効な入力であると判定し、ステップ２０１に戻って
再び音声入力の検出を行なう。また「ＹＥＳ」の場合は
、有効な音声入力があり且つこれが終了したとして音声
サンプリングの過程を終了する。

また、前記ステップ２１１で「ＮＯ」の判定かされた場
合は、単語内に含まれる無音部分である可能性があると
して、ステップ２１２でｌに「１」を加え、ステップ２
０３に戻る。

このようにして第２図のステップ１１１の音声サンプリ
ングの過程が終了するとステップ１１２に進み、ステッ
プ１１１でサンプリングされた入力音声パターンとあら
かじめ登録された標準パターンとのパターンマツチング
を行なう。

ここで、登録されている標準パターンの数をＮ個とし、
入力音声パターンとｎ番目の標準パターンとの類似度を
Ｄｎとすると、各標準パターンに対して次式のように類
似度ベクトルｏを求める。

□＝（Ｄ１、Ｄ２、・・・、Ｄｎ、・・・、ＤＮ）・・
・（１０）次に、ステップ１１３に進み入力音声に対応
する標準パターンがあるが否かを判定する。この判定は
例えば次のようにして行なう。

すなわち、類似度ベクトルＤの中で最大の成分をＤＭと
し、２番目に大きい成分子ＤＭＭとし、あらかじめ設定
されたしきい値Ｄ１ＴＤ２Ｔに対して次式が同時に満た
されるか否がを判定する。

ＤＭ＞Ｄ１Ｔ・・・０η ＤＭ−ＤＭＭ＞Ｄ２Ｔ 上記（１１）式を満たさない場合は入力音声に対応する
標準パターンは存在せず、誤った音声が入力されたと判
定する。また（１２）式が満たされない場合は、入力音
声はＭ番目の標準パターンに対応する可能性は高いが、
ＭＭ番目の標準パターンと有意な差はなく区別すること
ができない、と判定する。そして、（１１）、（１２）
式を同時に満たさない場合はステップ１１４に進み、当
該音声入力が受け付けられなかったことを判断し、前記
ステップ１０９と同様にして音声入力したものに知らし
める。そしてステップ１１７に進み、音響装置２０の出
力を復帰させる。

また、ステップ１１３において（１１）、（１２）式を
同時に満たす場合は、入力音声はＭ番目の標準パターン
に対応すると判定し、ステップ１１５に進む。このステ
ップ１１５では当該入力音声が正常に入力されたことを
判断し、ステップ１０９に同様にして音声入力した者に
無効入力とは異なる出力音、例えば「ピッ」とする報知
音で知らせる。

そして、この判断に対応してステップ１１６に進み、入
力音声に対応する制御１］ヲエアコン装置２５に対して
行ない、ステップ１１７に進んで音響装置２０の出力を
復帰させる。このようにして１回の音声入力認識動作が
終了する。

ここで、上記流れ図には特に示してないが、ステップ１
０４における騒音サンプリングの特徴ベクトルから騒音
の各周波数成分を推定して記憶させる。そして、ステッ
プ１１１による音声サンプリングによる各周波数成分か
ら上記記憶された推定騒音周波数成分を差し引けば、そ
の残りの各周波数成分は入力音声分のものとなり、効果
的な音声認識が行なえるものである。

この場合、推定した騒音成分は、音声入力を行なう直前
のものであるため、その推定精度は充分に高いものであ
り、入力音声の分析がより高精度に実行できるものであ
る。

尚、上記実施例では周波数分析手段としてバンドパスフ
イルタを用いたが、入力音声波形そのもののサンプリン
グを行ない、高速フーリエ変換（ＦＦＴ）手段を用いる
ようにしてもよい。

また、装置の作動状態を報知する手段として、「ピッ」
あるいは「ピッピッ」等の特殊音を用いたが、これは例
えば「現在騒音が定常ではないので音声入力できません
」等の会話音声を合成出力するようにしてもよい。さら
に車室内に設置されたＬＥＤ等による視覚的発光手段を
用いるようにしてもよいことはもちろんである。

また、実施例では音声入力装置を車載用とした場合を説
明したが、この装置は同様の騒音環境の場所においても
同様に使用し得るものである。

以上のようにこの発明によれば、音声入力要求のための
スイッチを設けることにより、例えは車室内での音声入
力時における不安な会話を効果的に禁止することができ
、このような会話音が誤まって入力されることがなくな
る。また、音声入力時に同乗者に確実に沈もくを要求す
ることができ、他の音声の重なることを効果的に防止す
ることが可能となる。

また、騒音の状態を音声入力の直前に検出するようにし
たので、騒音が音声入力の障害となる場合には、音声入
力を回避することができ、認識率を向上させることがで
きる。さらに、この音声認識に際して音響装置の出力を
しゃ断することによって、車室内等の騒音条件を著るし
く向上した状態で音声入力が実行されるようになるもの
である。

【図面の簡単な説明】

第１図はこの発明の一実施例に係る音声入力装置を説明
する構成図、第２図は上記装置の演算過程を説明する流
れ図、第３図は同じく入力音声サンプリングの過程を説
明する流れ図である。 １１・・・マイクロホン、１３−１〜１３−１５・・・
バンドパスフィルタ、１４−１〜１４−１５・・・検波
器、１５・・・マルチプレクサ、１６・・・Ａ／Ｄコン
バータ、１７・・・ＣＰＵ、１９−１〜１９−５・・・
スイッチ（音声入力要求）、２０・・・音響装置、２１
・・・切換リレー回路、２５・・・エアコン装置。 出願人代理人弁理士鈴江武彦 ＝２２−

Claims (3)

【特許請求の範囲】
1. （１）音声入力を指示する少なくとも１個のスイッチと
   、音声を捕捉して電気信号に変換し入力音声信号とする
   マイクロホンと、このマイクロホンで捕捉された入力音
   声信号を周波数分析する手段と、上記スイッチの操作で
   上記周波数分析手段で入力騒音の周波数成分を抽出しそ
   の時間的推移を検出する騒音検出手段と、この検出され
   た周波数成分および時間的推移があらかじめ設置された
   条件を満足するか否かを判定する手段と、上記設定条件
   を満足する判定条件で音声入力可能を報知する手段とを
   具備し、この音声入力可能状態で音声入力を検出し、認
   識するようにしたことを特徴とする音声入力装置。
2. （２）上記騒音検出手段は、その検出騒音の各周波数成
   分から認識音声入力時の騒音の各周波数成分を推定する
   手段を備え、この推定された各周波数成分を入力音声の
   各周波数成分から差し引いて音声認識を行なうようにし
   た特許請求の範囲第１項記載の装置。
3. （３）上記スイッチは、その操作時にマイクロホンに捕
   捉される音響装置出力をしゃ断させるようにし、この音
   響装置は音声入力終了で復帰されるようにした特許請求
   の範囲第１項記載の装置。