JPS5923397A - 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】 本発明は音声の認識を行なう音声認識装置に関するもの
て・ある。

従来より音声認識装置の望ましい使用条件として、話者
が音声入力部を意識せずに使用できること、即ち音声入
力部を話者に近接して設ける（例えば接話マイクの使用
）のではなく、音声入力部から離れた場所からでも音声
を入力できることが挙げられている。この場合、特に問
題となるのが周囲の雑音であり、周囲雑音は音声認識の
際誤認識をもたらす主たる要因の一つであって、耐雑音
性能の高い音声認識装置が従来より望まれている。

さて、周囲雑音の対処法として従来より提案されている
方法は、１つの音声入力部を通して得られる入力音声に
ついて、例えば、無音状態での雑音のスペクトルパター
ンを記憶しておき、有音状態ニおいて入力音声のスペク
トルパターンカラ前記雑音スペクトルパターンを差引い
た結果を用いて入力音声の認識を行う方法である。しか
し、この方法においては、音声入力部が１つであるため
に、特に、音声入力部と音声の発声点との間に雑音源が
存在する様な場合には入力音声信号の信号対雑音電力比
が劣化し、入力された音声信号に対し上記の様な処理を
施しても顕著な効果が期待できない。

本発明は、上記欠点に鑑み音声認識の性能劣化の主たる
要因である周囲雑音に対して、音声入力部を複数個設け
、前記それぞれの音声入力部から得られる入力音声信号
の信号対雑音電力比うち最大値を与える入力音声信号を
用いて入力音声の認識を行うことにより、入力音声のス
サ−・クトルパターンから雑音スペクトルパターンを差
引くととによる周囲雑音除去効果を高めることのできる
音声認識装置を提供するものである。

以下、本発明の一実施例について図面を参照しながら説
明する。

第１図は本発明の一実施例における音声認識装置のブロ
ック図である８ 第１図において、１ａ、１ｂ、〜１Ｃ（ｌ−１音声入力
を人力するとともに電気的な音声信号に変換する音声入
力部、２ａ　、２ｂ　、〜２Ｃはそれぞれ音声入力部１
ａ、１ｂ〜１Ｃから送出される音声信号を基に音声入力
の始端と終端を検出する音声区間検出部、３ａ、３ｂ、
〜３Ｃはそれぞれ音声区間検出部２ａ、２ｂ〜２Ｃから
送出される有音区間を示す始端検出信号及び終端検出信
号を基にそれぞれの音声人力部１ａ、１ｂ〜１Ｃから送
出される音声信号を一定時間ごとにサンプリングすると
ともにその電力を求める電力計算部、４ａ、４ｂ〜４ｃ
はそれぞれ電力計算部３ａ　、３ｂ〜３Ｃの出力を保持
するとともに音声区間検出部２ａ　、２ｂ〜２Ｃの指示
により保持していた電力計算結果を出力する電力保持部
、５ａ、５ｂ〜５Ｃは後述する信号電力と雑音電力との
比を計算する電力比計算部、６は電力比計算部ｓａ、５
ｂ〜５Ｃにより計算された信号電力と雑音電力との比の
中から一番大きな電力比を検出する最大電力比検出部、
ｙａ、ｙｂ〜７Ｃは最大電力比検出部６の指示によりそ
れぞれの音声入力部１ａ、１ｂ〜１Ｃから送出され一時
保持していた音声信号を出力する音声保持部、８は音声
保持部７ａ、７ｂ〜７Ｃのどれか１つから送出されてき
た音声信号から音声入力を認識する音声認識部である。

上記のように構成された装置において、以下その動作を
説明するー まず音声入力は、音声入力部１ａ、１ｂ〜１Ｃにおいて
電気信号（音声信号）に変換され、それぞれの音声区間
検出部２ａ、２ｂ〜２Ｃと音声保持部γａ　、　７　ｂ
　−１ｃと電力計算部３ａ、３ｂ〜３Ｃとに送出される
。次に音声区間検出部２ａ。

２ｂ〜２ｃでは、音声入力部１ａ、１ｂ〜１ｃのそれぞ
れの出力に関して人力した音声の始端と糸冬端を検出し
て、その情報を電力計算部３ａ、３ｂ〜３Ｃに出力する
と同時に、それぞれが始端を検出した時点て音声イ）（
持部７ａ、７ｂ〜７Ｃに音声信号の保持を開始させる信
号を出力し、また、終端を検出した時点で音声保持部７
ａ、７ｂ〜７Ｃのそれぞれに音声信号の保持を終了させ
る信号を出力し、さらに終端を検出しだ時点て電力保持
＠ｂ４ａ　、４ｂ〜４Ｃに対して、保持している電力を
それぞれの電力比計算部６ａ　、５ｂ〜５ｃＬで出力さ
せる信号を出力する。一方、音声保持部子ａ。

７ｂ〜７Ｃば、それぞれが音声区間検出部２ａ。

２ｂ〜２ｃのそれぞれにおいて音声区間として判定され
た部分の音声信号を保持する。

次に電力計算部３ａ　、３ｂ〜３Ｃは、音声人力部１ａ
、１ｂ〜１Ｃのそれぞれの出力、即ち音声信号に関して
一定時間隔で電力を求め、始端前での部分（無音状態）
における電力を電力保持部４ａ　、４ｂ〜４Ｃのうち、
無音状態における電力計算結果（すなわち、雑音電力）
を保持する部分に出力し、始端から終端までの部分（す
なわち、有音状態）における電力を電力保持部４ａ　、
４ｂ〜４Ｃのうち、有音状態における電力計算結果（音
声電力）を保持する部分に出力する。次に電力保持部４
ａ、４ｂ　〜４ｃでは、電力計算部３ａ、３ｂ〜３Ｃの
それぞれの出力（雑音電力及び音声電力）を、雑音電力
は雑音電力を保持すべき領域に、また信号電力は信号電
力を保持すべき領域に、それぞれ保持し、音声区間検出
部２ａ　、２ｂ〜２Ｃのそれぞれから、保持している電
力を電力比計算部５ａ　、５ｂ〜６Ｃに出力すべき信号
が入力された時点で、前記電力を電力比計算部５ａ　、
５ｂ〜５ｃに出力する。次に電力比計算部５ａ、６ｂ〜
５ｃでは、電力保持部４ａ、４ｂ〜４ｃのそれぞれから
の出力、即ち前記電力を用いて、各音声入力部１ａ、１
ｂ〜１Ｃに入力された音声の音声対雑音電力比を計算し
、最大電力比検出部６に出力する。

そして最大電力比検出部６は、各電力比計算部ｓａ、５
ｂ〜６Ｃからの出力、即ち電力比のうちの最大値を検出
し、最大電力比を与えた電力保持部４ａ、４ｂ〜４Ｃの
うちの１つに対応する音声保持部７ａ、７ｂ〜７ｃに対
して、保持している音声信号を音声認識部８に出力させ
るだめの信号すなわち保持音声信号出力信号を送出する
。そして最終的に音声認識部８は、音声保持部子ａ、７
ｂ〜７Ｃのうち、最大電力比を与える音声保持部からの
音声信号を用いて入力音声の認識を行い、認識結果を出
力する。

次に第１図で示しだ複数個の音声入力部１ａ。

１ｂ〜１ｃについて、第２図を用いて具体的な配置例を
説明する。

第２図は、例えば音声入力部１ａ、１ｂ〜１ｃとして同
じ周波数特性を持つ音声入力部１１゜１２．１３．１４
を部屋の四隅に配置した場合である。第２図において、
話者１５と音声入力部１１〜１４との距離及び雑音源１
６と音声入力部１１〜１４との距離をそれぞれＳ＋＋　
、　３１２　、　Ｓ１ｓ　、　３１４　。

ｎＮ　、　ｔＮ２　、　ｎ＋５　、　ｎ＋４とするとき
、音声入力部１１〜１４のそれぞれへ入力される電力は
音声入力部１１〜１４と音源（話者１５又は雑音源１６
）との距離の逆数に関する単調増加関数であり、それぞ
れをｆ　（Ｓ＋＋　）、　ｆ（Ｓ＋２）　、　ｆ　（Ｓ
＋ｓ）　、　ｆ　（Ｓ＋４）　。

ｆ（ｎ１１　）、ｆ（ｎ１２）　、ｆ（ｎ１５）　、ｆ
（ｎ１４）で表せば、話者１６及び雑音源１６と音声入
力部１１〜１４が第２図の様な配置にある場合に音声入
力部１１〜１４のそれぞれに入力される信号対雑音電力
比、／’（ＳＮ　）／、Ｉ’（ｎＮ　）　、ｆ（Ｓ＋２
）／ｆ（ｎ＋２）　、ｆ（Ｓ＋３）／７（ｎ＋：ｆ（Ｓ
１４）／ｆ（ｎ１４）のうち最大の信号対雑音電力比は
ｆｃｓｓ＋　）／７（ｎｊｊ　）であるだめ、音声入力
部１１の入力信号を用いて入力音声の認識を行う。この
様な構成は、話者及び雑音源の移動は殆んどないがそれ
らの存在位置が不明の場合に特に有効である。

以上のように本実施例によれば、複数の音声入力部１ａ
、ｉｂ〜１Ｃにより音声を入力し、それぞれの音声区間
検出部２ａ、２ｂ〜２Ｃにより音声区間を認識するとと
もに、電力計算部３ａ。

３ｂ〜３ｃにより電力計算を行ない電力比計算部ｓａ　
、ｔｓｂ〜６Ｃにより音声電力と雑音電力の比を求め電
力比が最大となった入力信号から音声認識部８により音
声認識を行なうことにより雑音を除去できる。

なお、特に雑音の周波数特性が時間と共に変化する様な
場合には、相異った周波数特性を持つ音声入力部を複数
個１ケ所に設置し、雑音電力の大きな領域に関する利得
が小さな音声入力部からの・）、入力信号を用いて入力
音声の認識を行なってもよい。

さらに、本実施例においては、音声区間検出部２　ａ　
、　２１）−−２Ｃ，音声保持部子ａ、了り〜了Ｃ１電
力計算部ｓａ　、３ｂ〜３ｃ、電力保持部４ａ。

４ｂ〜４Ｃ１電力比計算部６ａ、５ｂ〜５ｃを、音声入
力部１ａ、１ｂ〜１Ｃのそれぞれに関して設けだが、音
声入力部１ａ、１ｂ〜１Ｃだけを複数個とし、音声区間
検出部、音声保持部、電力計算部、電−力保持部、電力
比計算部をそれぞれ１個だけ設け、各音声入力部からの
信号に関して共通で使用するようにしてもよい− また、第１図において、特に音声入力部を２個とした場
合は、最大電力比検出部アは大小判定部に置換えること
もできる。

以」二のように本発明は音声認識における誤認識の主た
る要因である周囲雑音に関して、音声入力部を複数個設
けて、それぞれの音声入力部から得られる入力音声信号
の信号対雑音電力比のうち最大値を与える入力音声信号
を用いて人力音声の認識を行うことにより、以下の様な
効果が得られる。

■　周囲雑音の影響をできるだけ避けることができる− ■　認識結果の信頼度を上げることができる。

■　更に、同一の周波数特性を持つ音声入力部を複数個
並べた場合には、入力音声のスペクトルパターンから雑
音スペクトルパターンを差引くことによる周囲雑音除去
の効果を高めることもできる。

【図面の簡単な説明】

第１図は本発明の一実施例における音声認識装置のブロ
ック図、第２図は音声入力部の配置を示した図である。 １　ａ　、　１　ｂ　〜１　ｃ　＝・・−・音声入力部
、２ａ　、２ｂ〜２Ｃ・・・・・・音声区間検出部、３
ａ、３ｂ〜３Ｃ・・・・・・電力割算部、４ａ　、４ｂ
〜４Ｃ・・・・・・電力保持部、５ａ　、６ｂ〜５Ｃ・
・・電力比計算部、６・・・・・最大電力比検出部、７
ａ、７ｂ〜７Ｃ・・・・・音声保持部、８・・・・・音
声認識部、 代理人の氏名　弁理士　中　尾　敏　男　ほか１名第１
図 第２図

Claims (1)

【特許請求の範囲】
1. 音声を電気信号に変換するとともに、それぞれ別の位置
   に設けられた複数の音声入力手段と、前記音声入力手段
   から送出された電気信号により音声区間を検出する音声
   区間検出手段と、前記音声入力手段から送出された電気
   信号により入力信号の電力を割算する電力計算手段と、
   前記電力計算手段から送出された電力の比を計算する電
   力比計算手段と、複数設けられた前記電力比計算手段の
   中から電力比の最大値を検出する最大電力比計算手段と
   、前記音声入力手段が変換した音声の電気信号により音
   声の認識を行なう音声認識部とを具備し、前記音声区間
   検出手段により音声区間でないと判定された状態（無音
   状態）で複数個の前記音声入力手段から得られる信号の
   それぞれに関して前記電力計算手段を用いて求めた電力
   （雑音電力）と、前記音声区間検出手段によシ音声区間
   と判定された状態（有音状態）で複数個の前記音声入力
   手段から得られる信号のそれぞれに関して前記電力計算
   手段を用いて求めた電力（音声電力）との比（音声対雑
   音電力比）を前記電力比計算手段により求め、前記最大
   電力比検出手段により、複数個の前記音声入力手段に関
   する音声対雑音型送出することを特徴とする音声認識装
   置。