JPS5999497A - 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】 産業上の利用分野 本発明は、工場や自動車の車室内等の騒音のある環境下
における音声認識を確実に行なうのに好適な音声認識装
置に関するものである。

従来例の構成とその問題点 第１図に従来の音声認識装置を示す。第１図において、
マイクロホン１から入力された音声は増幅器２で増幅さ
れ、Ａ／Ｄ変換器３によりサンプリング周期毎にデジタ
ル量に変換された後に直交変換器４によりスペクトルに
変換され一音声ノくターン変換部５でチャンネル分割、
振幅正規化が行なわれ情報量が圧縮される。いま、スイ
ッチ６を登録パターン・エリア７側に倒しておけば登録
モードとなり、音声ノくターンが登−録ノくターン・工
】Ｊア７に格納され、スイッチ６をノ（ターン・マツチ
ング部８側に倒すことにより認識モードとなり、登録パ
ターン・エリアＴ内の登録）くターンと入カッくターン
との類似度がノくターン・マツチング部８で算出され、
判定部９でそれらの類似度から最も類似度の大なるもの
が選ばれ、この類似度に関する妥当性が吟味され、妥当
であったならば最大類似Ｊｌ持つ登録パターンのカテゴ
リー・ナンノ（−が結果として出力され、入力音声の認
識が行なわれたことになる。しかしながら、上述した音
声認識装置においては入力信号として雑音の重畳した音
声が入力された時、この入力信号のスペクトルは雑音の
重畳していない同一音声のスペクトルに比べて変形して
いるために両音声パターン間の距離が大きくなり、誤認
識を起こす可能性が大きくなる。萱たー雑音の重畳によ
り本来例もないはずの無音声区間に雑音信号が存在する
ために音声区間の検出が正確に行なえなくなり、誤認識
や誤動作を起こす可能性が犬きくなる。たとえば、入力
信号のエネルギがある定めた閾値以上の区間を音声区間
とするような音声区間検出方法を用いている場合には、
雑音のエネルギが上述したある定めた閾値以上になると
音声区間の検出ができなくなり。

音声認識が不可能となるという欠点があった。

発明の目的 本発明は、このような雑音のある環境下においても正確
に音声認識を行なうことができる音声認識装置を提供す
ることを目的とするものである。

発明の構成 本発明の音声認識装置は、入力信号の直交変換を行ない
、この変換値から求めたスペクトルにもとすいて音声認
識を行なうにあたり＋　Ｓ／Ｎ比がある閾値以上の場°
合には音声区間として検出した入力信号のスペクトルに
もとすく音声認識を行ない、Ｓ／Ｎ比がある閾値以上の
場合には音声区間として検出した入力信号のスペクトル
から音声入力以前に求めておいた推定雑音スペクトルを
減じ、この減算結果から得られたスペクトルにもとすく
音声認識を行なうように構成したものである。

実施例の説明 第２図は本発明の一実施例を示しており、第２図におい
て、マイクロホン１ｏからの入力信号は一増幅器１１で
増幅され、Ａ／Ｄ変換器１２によりサンプリング周期毎
にデジタル量に変換された後に直交変換器１３によりス
ペクトルＸ　（ｓ）に変換され、かつＳ／Ｎ比計算部１
４によりＳ／ｕ比カニ計算される。

Ｓ／Ｎ比が第４図に示したＡ点よりも低い時にスイッチ
１６は雑音除去部１６側に倒され、雑音除去部１６で入
力信号のスペクトルＸ　（ｓ）から雑音パターン・チリ
ア１了に蓄えである推定雑音スペクζル９（ｓ）が減じ
られ、一方、Ｓ／Ｎ比）よＡ点よりも高い時にスイッチ
１６は雑音除去部１６０反対側に倒され、直交変換器１
３によるスペクトルが直接□音声パターン変換部１８に
加えられる。そして１、音声パターン変換器１８では上
述のスペクトルのチャンネル分割、振幅正規化が行なわ
れ情報量が圧縮される。スイッチ１９を登録パターン・
エリア２ｏ側に倒しておけば登録モードとなり、音声パ
ターンが登録パターン・エリア２０に格納され。

スイッチ１９をパターン・マツチング部２１側に倒すこ
とにより認識モードとなり、登録パターンエリア２０内
の登録パターンと入カバターンとの類似度がパターン・
マツチング部２１で算出され。

判定部２２でそれらの類似度から最も類似度の犬なるも
のが選ばれ、この類似度に関する妥当性が吟味され、妥
当であったならば最大類似度を持つ登録パターンのカテ
ゴリー・ナンバーが結果として出力され、入力音声の認
識が行なわれたことになる。

ここで、直交変換器１３としてはフーリエ変換器、ウオ
ルシュ・アダマール変換器等が使用され、それぞれの変
換値から周波数スペクトル、交番数スペクトルが得られ
る。

上述したように直交変換器を用いる音声認識装置におい
て、雑音の重畳した音声を認識する時に問題となるのは
、音声区間の検出が難しくなるということと、音声が雑
音により汚染されて特徴がつかみにくくなるということ
の２点である。そこで入力信号の直交変換を行ない、こ
の変換値からスペクトルを求め、このスペクトルに基づ
いて音声認識を行なう場合、雑音のスペクトルの推定値
△ Ｎ（ｓ）を求める手段を設け、この手段により音声入力
以前に雑音のスペクトルの推定値Ｎ　（ｓ）を求めてお
き、入力信号のスペクトルＸ　（ｓ）から上記雑音のス
ペクトルの推定値Ｎ（Ｓ）を減じ、この減算結果から得
られたスペクトルに基づいて音声認識を行なうことによ
り、雑音の重畳した音声を認識する時の上述した問題点
がある程度解決できる。これはスペクトル・サブトラク
ション法と呼ばれている。

このスペクトル・サブトラクション法の効果であるとこ
ろの音声区間検出精度の向上、スペクトル・パターンの
修復の２点について、それぞれ独立して分析した結果を
以下に示す。

ます、スペクトル・サブトラクションによる音声区間の
検出精度の向上についてであるが、第３図はスペクトル
・サブトラクションを行なう場合（破線）とスペクトル
・サブトラクションを行なわない場合（実線）について
　Ｓ／Ｎ比を変化させた時の音声区間の検出誤差を示し
たものである。

この場合、雑音はホワイトノイズである。この第３図か
ら＋　Ｓ／Ｎ比を低下させるにつれて−スペクトル・サ
ブトラクションを行なわない場合の方がスペクトル・サ
ブトラクションを行なう場合よりも音声区間検出誤差が
急激に大きくなるのが観測される。つ筐り、スペクトル
・サブトラクション法が音声区間の検出に大きく貢献し
ているのがわかる０なお、Ｓ／Ｎ比が高い時には、スペ
クトル・サブトラクション全行なう場合の方がスペクト
ル・サブトラクションを行なわない場合よりも音声区間
の検出誤差がわずかに大きくなっているが、これは音声
穂識率にほとんど影響しなかった。

次に−スペクトル・サブトラクションによるスペクトル
・パターンの修復についてであるが、第４図はスペクト
ル・サブトラクションを行なう場合（破線）と−スペク
トル・サブトラクションを行なわない場合（実線）の、
Ｓ／Ｎ比を変化させた時の、雑音を重畳していない元の
音声スペクトルとの市街値距離を示したものである。こ
の場合、雑音はホワイトノイズである。この第４図から
、Ｓ／Ｎ比がＡ点のところの値よりも高い時には、スペ
クトル・サブトラクションを行なわない場合の方がスペ
クトル・サブトラクションを行なう場合よ）も元の音声
スペクトルとの市街値距離が小さくなり−１だ−Ｓ／Ｎ
比がＡ点のところの値よりも低い時には一逆にスペクト
ル・サブトラクションを行なう場合の方がスペクトル・
サブトラクションを行なわない場合よりも元の音声スペ
クトルとの市街値距離は小さくなるということが観測さ
れる。

以上に述べたスペクトル・サブトラクション法の効果に
対する分析結果より、入力信号を直交変換して得られた
スペクトルから推定雑音スペクトルを減じ、該減算結果
から得られたスペクトルに基づいて音声区間の検出を行
ない、第４図のＡ点のところのＳ／Ｎ比を閾値として、
入力信号のＳ／Ｎ比がこの閾値以上の場合には、音声区
間として検出された入力信号のスペクトルに基づいて音
声認識を行々い、入力信号のＳ／Ｎ比がこの閾値以下の
場合には、音声区間として検出された入力信号のスペク
トルから推定雑音スペクトルヲ減じ、この減算結果から
得られたスペクトルに基づいて音声認識を行なえば、雑
音のある環境下においても最適な音声認識結果が得られ
るということがわかる。

また第３図および第４図から推測できるように以上のよ
うなＳ／Ｎ比にもとすくスペクトル・サブトラクション
法の実行処理を行なっても＋　Ｓ／Ｎ比の低下につれて
、パターン・マツチング部２１で算出される類似度はし
だいに小さくなっていくので。

判定部２２で最大類似度の妥当性を吟味する時に、妥当
でないと判断される可能性が犬きくなっていく。そこで
Ｓ／Ｎ比が低下するにつれて、最大類似度の妥当性の判
断のだめの閾値をゆるくする方向に変化させることによ
り、この問題は解決できる。

推定雑音スペクト、ルＮ　（Ｓ）の求め方を以下に示す
。

十分に長い時間の音声には音声が発声されていない無音
声区間が必ず存在するということがわかっている。第６
図（ａ）は音声エネルギの時間変化を示］−だもので、
矢印で示した区間がこの無音声区間である。この音声に
定常的な雑音が重畳すると２第６図山）に示すようにエ
ネルギが全体的に持ち上げられた形になる。この第５図
から、定常的な雑音が重畳した場合には、エネルギが小
さい区間が無音声区間であるということがわかる。この
無音声区間には雑音だけが存在するわけだから一無音声
区間が検出できれば、その区間を直交変換することによ
り、推定雑音スペクトルＮ　（Ｓ）が得られる。

推定雑音スペクトルＮ　に）の求め方として、たとえば
無音声区間における入力信号のスペクトルＸ　（５１）
の平均をとる方法は一つすり ？、無音声区間における入力信号のスペクトルＸ　（ｓ
）の最大値をとる方法、つ！り△ Ｎ　（ｓ）　＝　ｕ＋ａｘ　Ｘ　（ｓ）などが考えられ
る。この推定雑音スペクトルＮ　（ｓ）は、ある時間経
過毎に更新することにより、準定常的な雑音に対しても
追従して推定することがｂ」能となる。

発明の効果 以上、詳述したように本発明によれば、Ｓ／Ｎ比がある
閾値以上にあるか否を判定する手段を設け。

この手段での判定結果に応じて音声区間の検出を稍度艮
〈行ない、音声スペクトルの修複を適切に行なうスペク
トル・サブトラクションを実行するか否か決定するよう
に構成したので、雑音の重畳した音声が入力信号として
入力された場合でも、これを適格に音声認識することが
できる利点を有し、雑音のある環境下における音声認識
を確実に行なえる利点を有する。

【図面の簡単な説明】

第１図は従来の音声認識装置のブロック図、第２図は本
発明の音声認識装置の一実施例を示すブロック図、第３
図、第４図および第５図は同装置の動作説明図である。 １ｏ・・・・・・マイクロホン、１１・・・・・・増幅
器、１２・・・・・・Ａ／Ｄ変換器、１３・・・・・・
直交変換器、１４・・・・・・Ｓ／Ｎ比計算部、１６・
・・・・・スイッチ、１６・・・・・・雑音除去部、１
７・・・・・・雑音パターン・エリア、１８・・・・・
・音声パターン変換部−１９・−・・・・スイッチ、２
゜・・・・・・登録パターン・エリア、２１・・・・・
・パターン・マツチング部、２２・・・・・・判定部。 代理人の氏名　弁理士　中　尾　敏　男　ほか１名−７
徂 第３図 ｓｙＨ比 第４図 Ｓ／ＮＥＩ：＝ 第５図

Claims (3)

【特許請求の範囲】
1. （１）入力信号の直交変換を行ない、この変換値から求
   めたスペクトルに基づいてＳ／Ｎ比を算出する手段と、
   この算出手段での算出結果がある閾１直より大きいか小
   さいかを判定する手段を設け。 これら手段での結果においてＳ／Ｎ比がある閾値以上の
   場合には音声区間として、検出された入力信号のスペク
   トルに基づいて音声認識を行ない。 Ｓ／Ｎ比がある閾値以下の場合には音声区間として検出
   された入力信号のスペクトルから音声入力以前に求めて
   おいた推定雑音スペクトルを減じ、この減算結果から得
   られたスペクトルに基づいて音声認識を行なうように構
   成したことを特徴とする音声認識装置。
2. （２）音声認識を行なう手段は、直交変換により求　３
   められだスペクトルに基づいてパターン・マツチング部
   で入カバターンと登録パターンとの類似度が算出され、
   判定部でそれらの類似度から最も類似度の犬なるものが
   選ばれ、この類似度に関する妥当性が吟味され、妥当で
   あったならば最大類似度を持つ登録パターンのカテゴＩ
   Ｊ−ナンバーが結果として出力されるように構成すると
   共に、上記妥当性を吟味するだめの閾値を入力信号のス
   ペクトルにもとすいてＳ／Ｎ比を算出する手段での算出
   結果に応じて変化させるように構成したことを特徴とす
   る特許請求の範囲第１項記載の音声認識装置。
3. （３）推定雑音スペクトルを求める手段は、ある時間区
   間の入力信号のエネルギの観測において、エネルギが小
   さい値を示した区間を音声の発声されていない５、無音
   声区間とみなし、この無音声区間のスペクトルを雑音の
   スペクトルの推定値として求めるように構成したことを
   特徴とする特許請求の範囲第１項記載の音声認識装置。