JPS59124397A

JPS59124397A - 無音区間検出回路

Info

Publication number: JPS59124397A
Application number: JP57233616A
Authority: JP
Inventors: 大賀　英文; 安保　恵津子
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1982-12-29
Filing date: 1982-12-29
Publication date: 1984-07-18

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】産業上の利用分野本発明は音声処理分野における無音７区間の検出を行な
う無音区間検出回路に関するもので、とりわけ音声認識
装置における無音区間検出に関するものである。

従来例の構成とその問題点近年の音声処理分野の発展は著しく、音声合成ばかりで
なく音声認識の実用化も急速に早捷っている。しかしな
がら実用化においては様々な問題がある。周囲雑音の犬
なる環境下での認識も実用化における１つの問題である
。無音区間の検出は音声認識において重要な処理の１つ
であるが、従来の無音区間検出方法では、周囲雑音のレ
ベルの変動にともない、無音区間が正しく検出されず、
音声の認識が正常になされな瞠いう欠点を有していた。

以下登録型単語音声認識装置について第１図に従って説
明しつつ、従来の無音区間検出方法の問題点について説
明する。

第１図において、１はマイク、２は前処理回路で、マイ
ク１からの音声信号の増幅、及び子音部の検出を容易に
するだめの高域の強調等を行なう。

３は分析部で、音声信号の周波数分析等を行なう。

具体的には、複数個の帯域フィルタより構成され、一定
のフレーム周期ＴＦで、これらの帯域フィルタの値を出
力する。これをＳｉとする。フレームとは音声信号を時
間的に処理する単位をいい、フレーム周期とは処理する
単位周期であり、一般にる事を示す。４はバタン変換部
で、分析部３からの出力Ｓ１から特徴を抽出してパラメ
ータａ、に変換し、入力バタンエリヤ５へこのパラメー
タを格納して、単語音声を音声バタンに変換する。なお
入カニリヤ５内に、音声パタンを形成させるためには、
以下説明する６、７．８で示されるフロックの処理がさ
らに必要である。６は音声パワー算出部で、分析部３か
ら送出される出力Ｓ　にもとづき、第１番目のフレーム
の音声パワーＰ、を求める。具体的には複数個の帯域フ
ィルタからの出力値の総和を求めて、音声パワーにする
。６は無音フレーム検出部で、そのフレームが音声信号
の存在しない無音であるフレームであるが否がを検出す
る。無音フレームの状態から、音声区間検出部８により
単語音声の始端フレーム、終端フレームを検出する。バ
タン変換部４で特徴を抽出したパラメータを得る場合、
音声パワー算出部６の出力が使用される。又、音声区間
検出部８がらの出力に応じてバタン変換部４は、計算し
たパラメータを入力バタンエリヤ５へ出力するか否か判
断し、入力バタンエリヤ６内に入力された単語音声の音
声パタンを最終的に与える。９はスイッチで、登録時に
は、Ｅ側に接続し、入力バタンを辞書にするために、登
録バタンエリヤ１０内に格納する○認識時には、スイッ
チ１１をＲ側に接続して、入力バタンと、すへての登録
バタンとの間でバタンマツチングがバタンマツチング部
１１で行なわれる。このバタンマツチング部１１は最も
類似度の高い登録バタンを選出して、認識結果を出力す
る０以上の構成において、以下無音区間の検出方法、音
声区間の検出方法について、第２図に従って詳細に説明
する。

第２図において、横軸は時間軸であり、Ｐｌは音声パワ
ー算出部４からの出力値である。同図においては連続的
に変化しているが、実際はフレーム周期に同期して変化
するためディジタル的に変ムと判別し、第２図に示す様
に無音区間Ｍ１，１ｖｉ２゜Ｍ３と有音区間Ｕ１．Ｕ２
とを検出する。同図の場合は、トノキョ（特許）等の促
音（つ捷る音）が存在する単語を発声した場合の音声ノ
くワーの時間的変化を示しており、この場合には単語内
に無音区間Ｍ２が存在することになる。゛′トノキョ″
の′ト”と゛°キョ″の間に無音区間が存在する。この
促音によって生じる無音区間は、最長でも０．３秒以内
であり、音声区間の検出は次の様にして、一般に行なわ
れている。すなわち単語音声の始端Ｂは、３００ｍ５以
上の無音区間が存在した後に現われる最初の有音フレー
ムを検出し、このフレームを始端とする。単語音声の終
端Ｅは、始端検出語、３００ｍ５以上の無音区間が存在
した時、無音区間以前の最後の有音フレームを終端とす
る。

なお第２図におい才、無音区間Ｍ１　　とＭ３は０．３
秒以上の時間長であり、無音区間Ｍ２は０．３秒以内の
時間長である。そして始端Ｂから終端Ｅの間が音声区間
になり、この区間の音声信号をパラメータに変換して、
入力バタンエリヤ５内に入力バタンを形成させる。

音声認識処理内における無音区間の検出は、以上の説明
から理解できるように、きわめて重要な処理の一つであ
る。音声が存在しないのにもかかわらず、無音区間と判
別しなかったため、誤って音声区間が検出されると、誤
認識が生じる等の間（辿か生じる。特に周囲騒音が高い
環境、例えは工場等で音声認識装置を動作させた場合、
周囲雑音による音声パワーが、第２図における閾値りよ
り大きくなり、音声区間が全く検出できなくなるという
問題が生じていた。この場合閾値りを犬き（するか、あ
るいは前処理回路２内の音声信号の増幅度を低くしてよ
り大きな声で発声する等の対策がとられていた。しかし
この様な対策では周囲雑音が逆に低くなった場合には、
単語音声の始端付近のレベルの低い子音部が検出されに
くくなるという問題が発生する。

すなわち、周囲雑音のレベルが変動する場合には従来の
方法では正しく無音区間を検出することができなかった
。

発明の目的本発明は、周囲の雑音レベルが変動しても、正しく無音
区間を検出する無音区間検出回路を提供するものである
。

発明の構成本発明は上記目的を達するために、音声信号から音声パ
ワーを検出する音声パワー検出部と、前記音声パワーか
ら平均値を算出する平均値算出部と、前記音声パワーか
ら前記平均値を減じる減算部と、前記減算部の出力が一
定の値より小さい時を無音区間と判別する比較部とを設
け、前記平均値算出部は、無音区間内の音声パワーから
平均値を算出するように制御して、無音区間を検出する
ことによって、周囲雑音が変化しても、正確に無音区間
を検出することができるようにしたものである。

寸だ本発明は音声信号から音声パワーを検出する音声パ
ワー検出部と、前記音声パワーから平均値を算出する平
均値算出部と、前記音声パワーから前記平均値ヲ減じる
減算部と、前記減算部の出力が一定の値より小さい時を
無音区間と判別する比較部とを有し、前記平均値算出部
は平均値を記憶するためのレジスタ・と、前記レジスタ
の出力をＰＡとし、無音区間内の音声パワーをＰ工と、
し、Ｎを一定の値とした時、を算出する演算部とを有して、演算部の出力を平均値とするとともに、前記し・ジスタ
ヘ演算後格納するように制御することにより、簡単な構
成で平均値の算出を行なうものであるＯ実施例の説明以下、図面を参照しながら本発明の一実施例について説
明する。

第３図は本発明の一実施例における無音区間検出回路の
ブロック構成を示すものである。第３図において、４は
音声〕々ワ一の算出部で、第１図の□　　音声パワー算
出部と同様な処理を行なうものである。Ｓｉはたとえば
音声信号分析部３からの出力値であるが、従来例で述べ
た様な周波数分析結果である必要は特になく、音声信号
から、なんらかの手段で音声パワーを算出すれば良い。

３０はスイ・ノチで、無音フレームの場合にはこのスイ
ッチ３ｏはオン腰この時このフレームの音声ノ々ワーＰ
０は平均値算出部３１へ転送される。一方有音フレーム
とイ１ｊ別された場合にはスイ、ノチ３０はオフしこの
時このフレームの音声パワーＰ０は平均値算出部３１に
転送されない。平均値算出部３１は、無音フレームの時
の音声パワー（この時の音声パワーをｐ　／、とする）
を複数個得て、平均値を算出する。この平均値をＰａと
する。３２は減算部で、音声パワーＰ工から平均値Ｐａ
を減しる。

３３は比較部で、減算部３２からの値、すなわち（Ｐ、
−Ｐ　　）かあらかじめ定められた閾値りより太１　　
　　　ａであるか否か検出し、そのフレームが有音であるか無音
フレームであるか判別する。そして（ＰニーＰ　　）＜
Ｌである時を無音フレームと判断して、無音区間Ｍを出
力する。無音フレームの場合には、前述したようにスイ
ッチ３０をオンして、そのフレームの音声パワーＰ１を
平均値算出部３１へ転送する。捷だ無音区間Ｍは、従来
例で説明した第１図の音声区間検出部６へも出力され、
音声区間の検出に使用される。

上記のよう々構成において、その動准を第４図に従って
説明する。第４図ａ、ｂ、ｃはそれぞれ音声パワーＰ工
、平均値算出部３１からの出力Ｐａ１及び減算部３２の
出力（ＰニーＰａ）の時間的変化を示している。横軸は
時間軸であり、縦軸はそれぞれパワーの大きさを示して
いる。時間Ｔ１．Ｔ３゜Ｔ５の区間は単語音声を発声し
た区間を示している。時間Ｔ２は周囲雑音が増加した場
合を示し時間Ｔ４は周囲雑音が減少した場合を示す。Ｐ
ａは無音区間内の音声パワーＰ工の複数個から算出され
た平均値であり、従って急激に変化することはなく、あ
る時定数をもって変化するものである。

時間Ｔ０で音声パワーＰ、から平均値か求１つて、（ｐ
、−ｐａ）は閾値りより小さいゼロに近い値になってい
る。時間Ｔつ　で単語音声を発声する。音声パワーＰ０
は急激に変化し、（ＰニーＰａ）＞ＬになるＰ□が出現
する○そしてこの間は有音フレームであると判別する。

スイッチ３ｏによって有音フレームの時の音声パワーＰ
、は、出力Ｐａには影響しないため、出力Ｐａは時間Ｔ
。で算出された値になっている。従って時間Ｔ１　で発
生された単語音声の音声区間が検出される。そして時間
Ｔ２で周囲雑音がゆっくりと増加する。この時（Ｐニー
Ｐａ）は正の値を示すが、閾値りよジ小さいため、無音
区間と判定され、出力Ｐａは音声パワーＰ□に応じて平
均値を求めつつ、ゆっくりと変化する。

音声パワーＰｉが安定になって、時間Ｔ５の後に出力Ｐ
ａは音声パワーＰ０になり、（ＰニーＰａ）はゼロに近
い値になる。時間Ｔ３において音声を発声すると、音声
パワーＰ０は発声によって膚、激に増加して、前述した
様に時間Ｔ３で有音期間となり、時間Ｔ３では音声パワ
ーＰａは変化しない。

そして時間Ｔ４で周囲の雑音レベルが減少すると、（Ｐ
ｉ−Ｐａ）ｔｌ′ｉ負の値じなり、音声パワーＰよの変
化に応じて、出力Ｐａは音声パワーＰ□の平均値を求め
つつ変化する。音声パワーＰ工が安定になって、時間Ｔ
′４の後に出力Ｐａは安定し、（Ｐ、−Ｐａ）はゼロに
近い値になる。時間Ｔ５において音声を発声すると、音
声パワーＰ、は発声によって急激に増加して、（Ｐ、、
−Ｐａ）＞Ｌになり、時間Ｔ５において発声された単語
音声の音声区間が同図の様に検出される。

従って、本実施例によれば、周囲雑音が変化しても、無
音区間の検出が正しく行なわれることになる。

以下図面を参照しながら、平均値算出部３１の具体的構
成を説明する０第５図は、平均値算出部３１の具体的な構成を示したも
のである。第５図において、５０，５１゜６２．５３は
レジスタで、無音フレームと判断された時の音声パワー
Ｐ′、を格納する。これらは、シフトレジスタになって
おり、Ｎ個のし／スタである。Ｒ１，Ｒ２，・・・ＲＮ
−１、ＲＮば、それぞれのレジスタからの出カイ直を示
しており、あらたなＰ′、が入力されるとシフトされて
、Ｐ　／、は第１段目のレジスタへ格納され、シフト前
の第１段目の内容は第２段目へ転送される。以下同様に
、第Ｎ段目の内容は、シフト前の第Ｎ−１段目の内容に
なり、第Ｎ段目のシフト前の値は消える。６４は加算器
で、Ｒ１＋Ｒ２＋Ｒ３・・・＋ＲＮ−１＋　ＲＮを行な
う。５５は除算器て、加算器の出力を１／Ｎして、平均
値Ｐａを出力する。従って、平均値Ｐａは、Ｎになり、無音区間内のＮ個のフレームの音声パワーのＰ
工の平均値を算出することができる。周囲雑音は、発声
した時の音声パワーＰｉの変化に比べて、ゆっくりと変
化するため、第３図、第５図のような構成で周囲雑音の
変化に応じて、平均値を算出していけは、周囲雑音のレ
ベルの変動に影響しない無音区間の検出か可能になる。

なお、初期の設定は、各レジスタ６０，５１，６２゜５
３の内容を最大にしておくだけで良い。各レジスタ５０
，１５１．５２．５３　（７）出力Ｒ１〜ＲＮが最大値
であれば出力Ｐａは最大値となるため、音声パワーＰ、
より出力Ｐａは犬きくなる。つ′−ｊ８す（ｐ、−ｐａ
）は負となって、無音フレームとみなされ、音声パワー
Ｐ□は自動的に第１段目のンジスタヘ転送されることに
なる。Ｎ個程の音声パワーＰｉが現われるまでは、出力
Ｐａは音声パワーＰ０より太であり、無音フレームと判
別されて、自動的にＮ個の音声パワーＰ１ば、各レジス
タ６０，６１．６２゜５３へ格納されることになる。

第５図の場合は、Ｎ個のレジスタが必要である。

しかし第６図は、このレジスタを１個有するだけで、平
均値に相当する値を算出しようとするものである。第６
図において、６０はレジスタ、６１及び６２はＮ分の１
する除算器、６３は蒲−器である。レジスタ６０には平
均値に相当する値Ｐａが格納してあり、加減算器６３で
は次の様な計算を行なう。

この結果を新たなＰａとして、レジスタ６０へ格納する
。周囲雑音レベルとして、厳密に平均値を算出する必要
はない。上式における（　Ｐ　ａ／Ｎ’　）は、第６図
における第Ｎ段目のレジスタのシフトによって、捨てら
れる値に相当する。従って、Ｐａから（Ｐａ／Ｎ）ｋ減
して、これに新たな（Ｐ’１／Ｎ）を加算することによ
って、Ｐａは、Ｐ７のＮ個から算出される平均値に対応
するものになる。（１／Ｎ）の計算はＮを２の倍数とす
ることで７フト処理で可能になる。第６図の構成によれ
ば、第５図の場合と比べて、レジスタの数を減少する事
ができる。

なお第４図においては、時間Ｔ１　で発声された単語に
は、促音がある場合を示している。この促音によって生
じる無音区間内の音声パワーＰ工が平均値の算出に影響
しないようにする方が望捷しい。なぜならば、促音によ
って生じる無音区間はあく寸で発声中に生じるものであ
り、周囲雑音とはかぎらないためである。第２図は、音
声区間の検出について示したものであるが、始端部Ｂが
検出されて、終端部Ｅが検出される１では、第３図にお
けるスイッチ３０をオンしない様に処理することにより
、この問題が解決できる。第３図の方法を実現する方法
は、具体的には計算器のプログラム処理によって行なわ
れるのが一般的である。

従って、始端フレームが、検出されてから、終端フレー
ムが検出される丑での間、スイッチ３０をオンさせる処
理は、プログラム上で簡単に実現できる。終端部Ｅを検
出するためには、終端部Ｅ以降の無音区間が３０ｏ　ｍ
　ｓ以上ある事を検出しなければならない。この間も、
スイッチ３０１ｄオフしている方が望ましい。なぜなら
ば、発声の終端付近では、無音区間と判別されても、不
明隙な発声が続いているかも知れないためである。たと
えば、″ゴオー”（ｑｏ）の場合、終端での発声は伸ば
されて、語尾付近はあいまいな発声になりやすい。この
あい寸いな発声を無音区間とみなして、平均値の算出に
使用しない方が良い。

スイッチ３０をオフさせる期間には、終端部Ｅが検出さ
せるだめの終端部Ｅ以降の無音区間３００ｍ５の間も含
くめた方力＼′良い。

本実施例によれば、ゆるやかに変化する周囲雑音につい
ては、平均値は変化するＯしかし周囲雑音が急激に増加
する場合には、平均値は変化せずに有音区間になるとい
う問題が生じる。（ＰニーＰａ）〉Ｌとなる周囲雑音が
急に発生した場合には、有音区間とみなすため、平均値
Ｐａは変化しなくなり、無音区間が正しく検出されない
ことになる。

この問題を解決する方法としては次の様な方法がある。

有音フレームが連続して、ある一定の間ＴＬ秒以」二に
なった場合には、自動的にイニイ／ヤル処理を実行する
方法である。イニイシャル処理とは、前記したように第
５図、第６図におけるレジスタ内の値を最大値にする処
理であり、これにより、新たなＰ　がレジスタ内に格納
される事になって平均値は周囲雑音に対応し７たレベル
になる。単語−よって発声される期間は、せいぜい１〜
２秒程度であるから前記のＴＬをこの時間以上にする０
有音フレームがＴＬ秒以上字連続した場合には、周囲雑
音が急激に変化して、平均値が周囲雑音のレベルに対応
した値になってないと判断して、イニイシャル処理を実
行する。これによりいかなる周囲雑音の変化にも対応で
きることになるＱなおこれらの処理、判断は、計算機の
プログラムで容易に実現できる。

発明の効果本発明は以上のように、過去の無音区間内の音声パワー
から平均値を算出するとともに、前記音声パワーから前
記平均値を減算し、前記減算結果に応じて無音区間を判
別することにより、周囲の雑音レベルが変化しても、こ
れに応じて無音区間の検出を正しく行なうことができる
。そしす認識装置の場合に、これを使用すれは、周囲雑
音の変化する環境下での認識率の向上が可能になる。

丑だ本発明は音声信号から音声パワーを検出する音声パ
ワー検出部と、前記音声パワーから平均値を算出する平
均値算出部と、前記音声パワーから前記平均値を減じる
減算部と、前記減算部の出力が一定の値より小さい時を
無音区間と判別する比較部とを設け、前記平均値算出部
は平均値を記憶するためのレジスタと、前記レジスタの
出力ヲＰＡとし、無音区間内の音声パワーをＰｏとし、
Ｎ　ｆ一定の値とした時、を算出する演算部とを有して、演算部の出力を平均値と
するとともに、前記レジスタへ演算後格納するように制
御することにより、レジスタ１個でかつ簡単な方法で平
均値の算出を実現することができる。

【図面の簡単な説明】

第１図は従来の登録型単語音声認識装置のブロック結線
図、第２図は音声パワー算出部の出力波形図、第３図は
本発明の一実施例における無音区間検出回路のブ、ロッ
ク結線図、第４図は同回路の各部波形図、第５図は同回
路の平均値算出部のブロック結線図、第６図は本発明の
他の実施例における無音区間検出回路の平均値算出部の
ブロック結線図である０４−・・・音声パワー算出部、３１　・・・平均値算出
部、３２−・・・減算部、３３・・・・・比較部、６０
−・・・レジスタ、６１．６２・・　１／Ｎ除算器、６
３・加減算器。代理人の氏名　弁理士　中　尾　敏　男　ほか１名第２
図）　３　図

Claims

【特許請求の範囲】

（１）音声信号から音声パワーを検出する音声パワー検
、出部と、前記音声パワーから平均値を算出する平均値
算出部と、前記音声パワーから前記平均値を感じる減算
部と、前記減算部の出力が一定の値より小さい時を無音
区間と判別する比較部とを有し、前記平均値算出部は、
過去の無音区間内の音声パワーから平均値を算出するよ
うに制御される事を特徴とする無音区間検出回路。
（２）音声信号から音声パワーを検出する音声パワー検
出部と、前記音声パワーから平均値を算出する平均値算
出部と、前記音声パワーから前記平均値砒戊じる減算部
と、前記減算部の出力が一定の値より小さい時を無音区
間と判別する比較部とを有し、前記平均値算出部は、平
均値を記憶するだめのレジスタと、前記レジスタの出力
をＰＡとし、無音区間内の音声パワーをＰｌとし、Ｎを
一定の値とした時、を算出する演算部とを有して、前記演算部の出力を平均値とするとともに、前記レジス
タへ演算後格納するように制御されることを特徴とする
無音区間検出回路。