JPS59224900A - 音声認識方法 - 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】 発明の技術分野 本発明は、電話による音声応答システムに用いられるよ
うな不特定話者方式の音声認識装置において、入力音声
の有音区間にはさまれた無音部における環境雑音の特性
を、認識処理において考慮し、マツチング性能を改善し
た音声認識方式に関する。

技術の背景 不特定話者を対象とする音声認識装置の中で。

特に入力音声を音素に分解して認識する方式のものにお
いては、標準パターンを音素単位で有している。他方、
入力音声には、無音区間が多く含まれている。例えば、
数字６の発声音「ロクｊは。

ＲＯとＫＵの間に無音部がある。したがって音素を単位
として認識を行う方式では、音素標準パターンの１つと
して雑音に対応した標準パターンを持ち、かつ認識対象
語は雑音音素も含めた形で音素系列表記を行い記憶して
おく。このような方式において無音部を含んだ語が正し
く認識されるためには、この無音部において雑音に対応
する標準パターンとの距離が小さい値である必要がある
。

しかし、電話による音声応答システムに用いられる場合
など、実際には周囲雑音が環境により大幅に変動するた
め、無音区間において必ずしも雑音に対応した標準パタ
ーンとの距離値が小さい値をとるとは限らず、これが認
識誤りの原因となる問題点があった。

そのため１本発明は、このような無音部において、雑音
の標準パターンとの距離が大きくなることをさけるため
話者の発声直前の環境雑音を収集して、パラメータ分析
したものを雑音に対応した標準パターンとして用いるこ
とにより、マツチング特性を向上させた音声認識方式を
提供するものである。

そして９本発明は、その構成として、認識単語中に現わ
れる音素を標準パターンとして予め認識装置に登録して
おき、入力音声をある時間間隔で切出し、上記標準パタ
ーンとの距離を求め、更（り音素系列で表現しである認
識対象語とマツチングをとる不特定話者音声認識方式に
おいて１話者の発声前に、環境雑音を収集し、これを雑
音音素として定義される音素標準パターンの１つとして
登録することにより、入力音声の無音区間に含まれる環
境雑音を雑音音素に対応づけて認識処理することを特徴
としている。

以下に９本発明を実施例にしたがって説明する。

第１図は実施例装置の構成図である。図において、１は
アナログ部であり、入力音声をＡ／Ｄ変換してデジタル
信号化する。２は音声分析部であり、入力デジタル音声
信号を数十ミリ秒のフレーム周期毎に、線型予測分析等
を用いてパラメータ分析し、特徴パラメータを計算する
。３は音声バッファであり、フレーム周期毎の入力音声
の特徴パラメータを格納する。４は音素標準パターン・
メモリであり、音素の標準となるパラメータを格納した
メモリである。５は距離計算部であり、音声バッファ３
中の入力音声の特徴パラメータと。

音素標準パターン・メモリ４中の音素標準パラメータと
の距離計算を、フレーム毎に行なう。６は単語辞書メモ
リであり、音素系列で表現された単語が格納されている
。７はマツチング部であり。

距離計算部５からの距離計算された音素の系列と。

単語辞書メモリ６からの各単語の音素系列との間で、Ｄ
Ｐ−マツチングのような照合を行ない、最小距離をもつ
単語を認識結果として出力する。８は制御部であり９本
発明では、特に音声入力前に環境雑音を測定して、雑音
音素のパラメータを標準パターン・メモリに加える設定
制御を行なう。

次に動作例を説明する。第２図（α）は、中間に無音部
を有する入力音声の一例を示す。図において。

無音部は、環境雑音にしたがったレベルを示している。

ｙｌ、　ｙ、、　ｙ３．・・・・・・、１％は、フレー
ム毎に分析されたパラメータ系列である。

たとえば、中間に無音部υを有する入力音声「イＩ」チ
」が入力された場合９次のような音素標準パターンを用
いて、距離計算とマツチング処理を行ない、最適マツチ
ングを求めた結果を第２図（ｂ）に示す。

音素名　　　パラメータ ｉ　　　　　　　Ｉ ｃｈ　　　　　　ＣＨ 、Ｎ α　　　　　　Ａ 無音　　　　　Ｘ 上側のように、数字１を「イロチ」と無音部１−１を挾
んで発声されたときに、正しく音声認識されるためには
、無音期間のパラメータｕｉが、無音の音素標準パター
ンＸに対して、距離計算結果が最短距離を示さなければ
ならない。しかし、一般に環境雑音は、千差万別である
。

そのため、無音に相当する雑音音素として、−律に単一
のパターンを適用することをせずに、音声入力される直
前の話者の周囲の環境雑音を収集し、第１図の音声分析
部２によりパラメータ分析したものを、音素標準パター
ン・メモリ４に雑音音素パラメータとして登録する。

環境雑音の収集、登録処理は、牙２図（α）に示すよう
な有音部区間を検出するパワー閾値を決定するた′めに
、音声入力開始前に通常行なわれる雑音測定の際に、制
御部８内の雑音音素設定ルーチンにより、同時に行なわ
れる。

しかし、雑音測定時に、誤って音声や突発的な大きな音
響が混入したときには、それを雑音として登録するのは
、認識性能を低下させることになるので、避けなければ
ならない。

このため、雑音として許容できる一定基準を設け、これ
から外れるものを排除する。たとえば。

複数人の話者の無音区間を分析し、これを予め雑音音素
の基準パターンとして登録しておく。雑音測定時に入力
された信号の分析パラメータは、まず雑音音素基準パタ
ーンとの距離計算により異常の有無が調べられる。距離
が一定の開直を超えて離れている場合には、それを採用
せずに再度雑音測定を指示する。牙３図は、制御部８内
の処理手順を示す。

雑音音素の基準パターンは、音素標準パターン・メモリ
４内の特定番地に格納されており、制御部８の雑音音素
設定ルーチンのみによって呼び出■ されることができる。

発明の効果 本発明によれば、入力音声中の無音区間が環境雑音から
とられた雑音音素標準パターンによって対応づけられる
ため、高いマツチング精度の音声認識結果を得ることが
できる。

【図面の簡単な説明】

牙１図は実施例装置の構成図、牙２図はその動作説明図
、牙３図は雑音音素標準パターン設定手順を説明するフ
ロー図である。 図中、１はアナログ部、２は音声分析部、３は音声バッ
ファ、４は音素標準パターン・メモリ。 ５は距離計算部、６は単語辞書メモリ、７はマツチング
部、８は雑音音素設定を含む制御部を示す。 特許出願人　富士通株式会社（外１名）代理人弁理士　
　長谷用　文　廣（外１名）千１図 オＺ図 １ｖ、ｙＡ　−−−−−−’−−−−−−−−−−−−
ｖ、、ｌ第３図 −６４４−

Claims (2)

【特許請求の範囲】
1. （１）　　認識単語中に現われる音素を標準パターンと
   して予め認識装置に登録しておき、入力音声をある時間
   間隔で切出し、上記標準パターンとの距離を求め、更に
   音素系列で表現しである認識対象語とマツチングをとる
   不特定話者音声認識方式において９話者の発声前に、環
   境雑音を収集し、これを雑音音素として定義される音素
   標準パターンの１つとして登録することにより、入力音
   声の無音区間に含まれる環境雑音を雑音音素に対応づけ
   て認識処理することを特徴とする音声認識方式。
2. （２）前記″；＋Ｐ（１）項において、収集された環境
   雑音と、予め定められた基準となる雑音との間で、その
   パラメータ間距離が一定の大きさを超える場合に、雑音
   音素としての標準パターンの登録を禁止することを特徴
   とする音声認識方式。