JPS61116400A

JPS61116400A - 音声情報処理装置

Info

Publication number: JPS61116400A
Application number: JP59238765A
Authority: JP
Inventors: 耕市山口
Original assignee: Sharp Corp
Current assignee: Sharp Corp
Priority date: 1984-11-12
Filing date: 1984-11-12
Publication date: 1986-06-03
Also published as: JPH0573035B2

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】く技術分野〉本発明は、零交差情報を用いた音声情報処理装置に関す
るものである。

〈従来技術〉波形の零交差回数（以下ＺＣＣとおく）は、コンパレー
タを使った簡単な回路で実現でき、また、音声のスペク
トルに関する情報もある程度表現しているため、従来か
らその性質が研究され、音声分析の手段として利用され
てきた。実際には、単に入力信号の零交差をとるだけで
は、入力信号に含まれるノイズ等により、音声の入って
いない部分でも零交差が検出される。よって、純粋なＺ
ＣＣだけでは音声認識、特に音声（有声）区間と無音区
間との分離等には有効ではなく、ＺＣＣは、音声区間中
である程度以上振幅の大きい部分でのみ、信頼できる情
報を提供する。

無音区間でノイズによるカウントを避けるため、従来か
らなされている手法として、コンパレータにヒステリシ
スを持たせたり、コンパレータの基準電圧を入力信号の
平均値からずらせる方法がある（例えば、特開昭５８−
１１６５９５号公報参照）。

これによると、音声に比べて振幅の小さいノイズ部分、
つま−り無音区間では、コンパレータは応動しないよう
に設定することができる。この方法による情報を、レベ
ル交差回数（ＬＣＣ）と呼ぶことにする。

ＬＣＣは、厳密にはＺＣＣとは違うが、音声区間等のあ
る程度振幅の大きいところではＺＣＣとほぼ一致するた
め、音声認識等でＺＣＣと同様の情報として扱ってもよ
い。ただし、コンパレータの基準電圧（またはヒステリ
シス、この値を以下クロスレベルと呼ぶ）を太キくシす
ぎると、振幅の小さい子音部等でコンパレータが応動せ
ず、零交差情報が失われることがある。特に、摩擦音は
、エネルギーが３に〜６ＫＨｚに存在しているため、Ｚ
ＣＣは非常に高い値を示し、他の音韻と顕著な差が出る
が、その振幅が小さいためクロスレベルが大きいときは
、ＬＣＣは小さい値になる可Ｍ’Ｑ性がある。逆に、ク
ロスレベルが小さすぎると、無音区間でノイズによって
コンパレータが応動し１しまい、音声区間との分離がし
にくくなる０これらが、ＬＣＣの問題点であり、音声認
識等の特徴量としてＬＣＣが用いられたとき、語頭・語
尾の検出誤りや子音部の判定誤りなどが生じ、エラーや
りジェツトを招く結果となる。

〈発明の目的〉本発明は、コンパレータのクロスレベルヲ、音声が含ま
れていない周囲雑音の区間の信号の大きさに応じて自動
的に補正し、上述したような従来の欠点を解消した音声
情報処理装置を提供することを目的とする。　・〈実施例〉以下図面に従って本発明の一実施例を詳細に説明する。

第１図はＬＣＣを使った音声認識装置の構成例を示すブ
ロック図である。図において、マイクロホンｌから入力
された音声信号はプリアンプ２によって増幅され、いく
つかの帯域ろ波器（この例では２個）　３１．３２に通
された後、各々コンパレータ４１，４２に入力される。

各コンパレータ４１゜４２は、クロスレベル変換部５１
．５２の出力である基準電圧と比較し、マイクロコンピ
ュータ６に入力される。結果は出力部７等で表示される
０ここで、基準電圧はＯにしておき、コンパレータ４１
゜４２のヒステリシスを変化するように、変換部５１゜
５２を接続してもよい。変換部５１．５２への入力は、
マイクロコンピュータ６の出力ポートから送られる。こ
の例では、各々３ｂ　ｉ　ｔ、すなわち８段階に変化で
きるようにしている０第２図に、クロスレベル変換部５１．５２の具体的な回
路構成例を示す。図中の集積回路ＩＣは、８チヤンネル
のマルチプレクサとして構成されたものであり、コント
ロール端子への３ｂｉｔ（０〜７）のディジタル信号に
よって、各チャンネルの対応したスイッチがＯＮになる
。そして、これにより外部に接続された抵抗Ｒのタップ
を切換え、コンパレータ４１，４２のクロスレベルを修
正する０第３図は、この認識装置の処理の流れを機能的
に表わすブロック図である。図において、マイクロホン
１から入力された音声信号は、音響分析部＋１によって
分析処理される。この音響分析部１１は、第１図の帯域
ろ波器８１，３２、コンパレータ４１．４２及びクロス
レベル変換器５１．５２に相当する。分析処理は、例え
ば、単位時間（フレーム）毎の特徴ベクトルの時系列゛
として出力することである。得られたベクトル時系列は
、次にバタン変換部１２に入り、音韻等の標準バタン１
３を参照しながら、セグメンテーシジン等の手法により
、音韻もしくはそれに相当するラベルの系列として表現
し、語検出部１４でその系列に基づいて音声区間を検出
する。

ここで、単語音声認識の場合は、入力音声の単語バタン
かマツチング部１５に送られ、単語の標準バタン＋６を
参照して認識を行い、利足結果出力部１７で結果の表示
や送信を実行する。ノイズ適応部１８は、語検出部１４
の結果を参考に、王として音声区間がない部分、すなわ
ち雑音区間の特徴ベクトルの時系列に基づき、音響分析
部１１のクロスレベルを修正する。そして、環境雑音が
大きく認識するには不適当と判断したときは、入力受付
不可表示１９を行う。

ノイズ適応部１８について、さらに詳しく説明する。適
応化アルゴリズムを実現するためには、以下のような要
求がある。

ｌ）実用性の面から、最適なりロスレベルに収束する時
間は速いほどよい。

２）適応化の処理量は、マイコンで実現できる程度のも
のでなければならない。

３）弱い摩擦音をノイズと判定し、適応化を行わないよ
うにする０４）突発性の雑音に対しては、これを無視しなければな
らない。

５）長く続く発声が入力されたとき、継続時間の制限に
より認識装置はりジェツトを出すが、これと大きなノイ
ズとは区別しなければならない。

６）発声の前後には、呼吸音や舌打ちなどの生理的雑音
が存在することがときどきあり、これらのノイズ区間で
適応すると、期待するクロスレベルより大きくなるので
、この区間は適応を避けた方が望ましい。

以上の項目中には、相反する要求もあり、すべてを満足
させるわけにはいかないが、どれもある程度溝たすよう
なアルゴリズムを実現しなければならない。重要な点は
、クロスレベルは適正または過大のときは、バタン変換
によって無音部分以後Ｓと呼ぶ）が抽出でき、また、ク
ロスレベルが過小のときも、周囲騒音の振幅が小さけれ
ばＳが抽出できることである。しかし、クロスレベルが
過小でかつ周囲騒音がある水準より大きいときは、必ら
ずしもＳが抽出されるとは限らないため、この場合は特
別扱いにする必要がある。

前者、すなわちＳが抽出され、語頭・語尾が検出される
場合をケースＡとし、後者、すなわちＳが抽出されず、
継続時間が長過ぎることによるリジェクトが起こる場合
をケースＢとする。このように適応部をＡ、Ｂの２つに
分ける。第４図にノイズ適応部１８のフローチャートを
示す。図中、語頭・語尾の情報は語検出部１４から送ら
れて来る。ケースＡは、発声と発声の間の無音区間に対
して適応化を行い、ケースＢは、語頭検出後（ただし、
これが音声であるか雑音であるかは、この例では判定し
ていない）、継続時間がある基準値以上になったところ
でクロスレベルを変更する。

図において、語頭が存在していないときは、未発声なの
でケースＡのルーチンへ入る。存在シていれば発声がな
されたことになり、語尾判定の結果をみる。語尾が検出
されていなければ、ノイズ適応部】８から脱出する。検
出されているときは、装置が正常に動作していると考え
られるので、ケースＡのルーチンへ入る。通常の単語音
声認識装置は、発声単語の継続時間に最小値と最大値を
設け、その範囲外の入力信号はリジェクトしているが、
最小値より小さいときはケースＡに、最大値を越えたと
きはケースＢに入る。

ケースＡのルーチンでは、語尾またはりジェツトの時点
から、Ｓがある基準時間ＴＢ（およそ０．５秒）継続し
た後から適応Ａを行う。語尾直後とせずに、ＴＢを設け
ているのは、前に述べた要求６）項の生理的雑音を避け
るためである。適応Ａでは、ＴＢ経過後のＳに属する一
定のフレーム分（たとえば１６フレーム）の特徴ベクト
ルの和（Ｘとおく）を用いて、その値をある定められた
関数またはテーブルＴで写像し、現在のクロスレベルＬ
Ｖに加算し、新しいクロスレベルＬＶ’とする。すなわ
ち、ＬＶ’　＝　Ｌ　Ｖ　＋　Ｔ（Ｘ）　　　　　　　　・
・・−曲ｉｌ＋一度、適応Ａを作用させると、その時点
から一定フレーム分（たとえば１６フレーム）は特徴ベ
クトルを集収しない。これは要求４入３）を満たすため
である。以後、同様に集収・適応Ａ・休止を語頭が検出
されるまで続ける。ここで、クロスレベルの最大値を、
認識性能をそこなわない最大のレベルにあらかじめ設定
しておき、ＬＶ’がその最大値を越えたならば、入力の
受付が不可能という表示を行う。この時、同時に入力さ
れたパタンを第３図のマツチング部！５へ送らないよう
にしてもよい。式（１）において、ＬＶが適正ならばＴ
（Ｘ）はＯに近い値をとり、ＬＶが過大ならばＴ（Ｘ）
は負となり、ＬＶ’は減少する。ＬＶが過小のときはＴ
□（は正となり、ＬＶ’は増加する。

ケースＢのルーチンでは、継続時間が長過ぎることによ
るリジェクトが発生してからも、ある程度の時間ＴＮ（
１秒〜１．５秒程度）引き続き発声中、すなわち語尾が
検出されなかったとき、適応Ｂを作用させる。適応Ｂで
は、Ｓの区間から特徴ベクトルが集収できないため、Ｌ
Ｖにある一定量Ｋを加える操作を行う。

ＬＶ’＝＝ＬＶ十Ｋ　　　　　　　　・・・・・・・・
・（２）適応Ｂを施した後、語尾が検出されれば、今度
はケースＡのルーチンに戻る。もちろん、このときの入
力バタンはリジェクトされている。一方、尚語尾が検出
されずにＴＮ経過したならば、再び適応Ｂを行う。以後
、この動作を繰返す。ＬＶ’がクロスレベルの最大値を
越えた場合は、ケースＡと同様である。上のケースＢの
説明は、対象としている継続時間の長過ぎる入力信号が
、発声によるものなのか、純然たる周囲騒音なのかを判
定する機能を認識装置が有していない場合であり、この
機能を有している場合は、リジェクト発生直後に適応Ｂ
を作動させてもよい。

適応Ａ１適応Ｂの起こる様子を＠５図、第６図に示す。

１００は特徴ベクトルの集収、１０１は適応ＡＳ　１０
２は適応Ｂの処理動作を表わしている。！５図では、発
声終了後ＴＢ経過して１００の集収、１０１の適応Ａが
起っている。途中、突発性の雑音が入っているが、継続
時間が短いためリジェクトとなり、その終了時からＴＢ
経過後からケースＡになっている。第６図では、振幅の
大きい雑音が長く続き、リジェクトが生じ、その後火に
ＴＮ続いたので、１０２の適応Ｂが動作している。その
後Ｓが出現し、語尾と判定され、ケースＡになっている
。

以上、音声認識装置について説明したが、有声・無声・
無音等の判定にＬＣＣを用いる音声合成装置においても
、本発明を利用することができ、合成音の音質向上やビ
ットレートの低減に役立つ。

く発明の効果〉上に詳述した如く、本発明は、コンパレータのクロスレ
ベルを周囲雑音に応じて自動的に変化させることを特徴
とし、例えばクロスレベルを手動で設定することは、か
なりの熟練を要し使用者の負担を強いるが、この自動化
のメリットは非常に大きい。また本発明によれば、処理
量が少なく、また簡単な回路で実現できるため、マイク
ロコンピュータを使った音声認識装置や音声合成装置に
組み込むことができ、有用な音声情報処理装置を提供す
る。

【図面の簡単な説明】

％１図は本発明の一実施例を示すブロック構成図、第２
図は第１図の要部具体例を示すブロック図、第３図は処
理の流れを機能的に示す図、第４図は第３図の要部を更
に詳細に説明するフローチャート、第５図、第６図は適
応例を波形とともに示す図である。４１・４２・・・コンノぐレータ、５１・５２・・・ク
ロスレベル変換部、６・・・マイクロコンピュータ、１
１・・・音響分析部、１２・・・バタン変換部、１３・
・・音韻等の標準バタン、１４・・・語検出部、１５・
・・マツチンＡＳ　１０２・・・適応Ｂ０

Claims

【特許請求の範囲】１、音声入力信号と、音声入力信号の平均レベルより所
定量だけ偏倚した基準値とを比較する手段と、前記基準値を、音声が含まれていない周囲雑音の区間の
信号の大きさに応じて修正する手段と、音声区間を検出する機能をもち、音声入力信号の語尾が
検出されたとき、語尾から一定時間経過してから周囲雑
音の区間を分析し、その結果に従って前記基準値の修正
を開始し、音声入力信号の継続時間が長過ぎ、語尾が検
出されないまま一定時間以上経過したときは、その時点
の基準値を所定量増加させる騒音適応手段と、を有する
ことを特徴とする零交差情報利用の音声情報処理装置。