JPS62115498A - 無声破裂子音識別方式 - 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】 〔！Ｉ！要〕 無声破裂子音識別方式であって、入力された音声に基づ
いてその破裂時点及び声帯振動開始時点を抽出し、これ
ら両時点に基づいて複数の分析区間を定めて各分析区間
で所望の分析を行ない、その分析で得られた特徴パラメ
ータを標準パターンの特徴パラメータと照合し、両パラ
メータが一定の関係となるときの特徴パラメータを求め
るように構成し、無声破裂子音の特徴をより良く抽出し
てその良好な識別を可能とする。

〔産業上の利用分野〕

本発明は、無声破裂子音識別方式に関し、特に無声破裂
子音の破裂部近傍の特徴パラメータ抽出手段を改善した
無声破裂子音識別方式に関するものである。

例是ば、音声認識装置においては各種の音声を識別する
必要がある。特に、パ、力、夕等の単音節で後に母音の
続く無声破裂子音の識別は難しく、これを確実にするこ
とが要請されている。

〔従来の技術〕

このような要請に応えるものと、して、従来の無声破裂
子音識別方式では、識別対象である音声の破裂時点近傍
で固定の１分析区間を定め、その区間での特徴パラメー
タを用いて無声破裂子音を識別するものがあった。また
、破裂時点近傍で時間的な固定位置で固定長の複数分析
区間を定め、それぞれの分析区間での特徴パラメータを
用いて識別を行なう方式のものがあった。

［発明が解決しようとする問題点〕 しかしながら、このような従来方式にあってはいずれも
固定の分析区間であって、発声の状態に適合した識別が
できないという問題点があった。

つまり、１分析区間による方式では破裂時点近傍の時間
的な動きを捉え切れず、また、複数の分析区間による方
式では各入力音声の子音長（破裂時点から声帯振動開始
時点までの長さ）に応じた識別ができないという欠点が
あった。

本発明はこのような点に鑑みて創作されたものであり、
無声破裂子音の音声特徴をより適確に捉えてその識別を
為し得る無声破裂子音識別方式を提供することを目的と
している。

Ｃ問題点を解決するための手段〕 第１図は本発明の無声破裂子音識別方式の原理ブロック
図である。

図において、変換手段１１５は被識別対象である音声１
１１を無声破裂子音のディジタル時系列信号１１３に変
換する。

抽出手段１２１は、無声破裂子音の破裂時点１１７及び
声帯振動開始時点１１９を求める。

分析位置決定手段１２３は、破裂時点１１７及び声帯振
動開始時点１１９を分析区間の一方の端点とし、これら
端点間内に分析区間を決定する。

分析手段１２７は、前記分析区間のそれぞれに基づいて
、ディジタル時系列信号１１３から特徴パラメータ１２
５を求める。

標準パターン手段１２９は、単音節の無声破裂子音の標
準パターンを複数のカテゴリーについて有する。

照合手段１３３は、標準パタ〒ンの特徴パラメータ１３
１と、複数の分析区間にて求められた複数の特徴パラメ
ータ１２５と照合し、一定の関係が成立する特徴パラメ
ータを求めて識別パラメータ１３５として出力する。

従って、構成全体として、上述の如くして決定される複
数の分析区間に基づき、標準パターンの特徴パラメータ
１３１と一定の関係が成立するものについての識別情報
１３５が得られるようになっている。

〔作用〕

音声１１１は変換手段１１５で無声破裂子音のディジタ
ル時系列信号１１３に変換され、その破裂時点１１７及
び声帯振動開始時点１１９が求まる。これらを基にして
決定された複数の分析区間のそれぞれに基づいて分析が
行なわれて、複数の特徴パラメータ１２５が求められる
。

この従来の特徴パラメータ１２５と標準パターンの特徴
パラメータ１３１とを比較し、一定の関係が成立する特
徴パラメータを求めてそれの識別情報１３５を出力する
。

本発明にあっては、破裂時点１１７及び声帯振動開始時
点１１９に基づいて複数の分析区間を定め、それらを基
にして複数の分析を行なって求めた特徴パラメータから
最適な特徴パラメータより識別情報１３５を求めるよう
な構成により、破裂点近傍及び子音長に拘らず適切な無
声破裂子音の識別が可能となる。

〔実施例〕

第２図は本発明の一実施例を示す。ここで、入力部２１
１は識別対象である入力音声２１３を受けて電気信号と
し、例えば１５　Ｋ１１ｚの一定周波数のサンプリング
信号２１５によって無声破裂子音のディジタル時系列信
号２１７に変換する。なお、このディジタル時系列信号
２１７は以下の処理に先立つ音声処理から得られるもの
であってもよい。

破裂時点抽出部２１９は、ディジタル時系列信号２１７
を受信しそのディジタルデータに基づいて破裂時点を抽
出し、その破裂時点を表す信号２２１を出力する。

声帯振動開始点抽出部２２３は、ディジタル時系列信号
２１７を受信して声帯振動開始時点を抽出し、その時点
を表す声帯開始時点信号２２５を出力する。

分析位置決定部２２７は、破裂時点信号２２１及び声帯
開始時点信号２２５を受信して、これら両持点の間にこ
れら時点を一方の端点とする複数の区間を分析区間と定
め、この複数の分析区間を表す分析区間信号２２９を発
生する。

分析部２３１は、分析区間信号２２９及びディジタル時
系列信号２１７を受信し、上述のように定められた複数
の分析区間の各区間について周波数分析（例えばＦＦＴ
）を行なう。かような周波数分析により、各分析区間に
ついての特徴パラメータが求められ、それらの特徴パラ
メータ群を表す供試パラメータ信号２３３が出力される
。

標準パターン辞書２３５は、識別すべき複数のカテゴリ
ーの無声破裂子音の標準パターンによる特徴パラメータ
が格納されており、そのような標準パターンパラメータ
を表す標準パラメータ信号２３７が出力されるようにな
っている。

照合部２３９は、供試パラメータ信号２３３及び標準パ
ラメータ信号２３７を受信し、それらで表される両特徴
パラメータの照合を行なう。その照合によって、最も近
い特徴パラメータを求めて、それを識別パラメータ信号
２４１として出力する。

次に、上述した構成の詳細動作を以下に述べる。

第３図（ａｌはいま識別の対象となる音声（単音節の無
声破裂子音）の時間経過による状態を示し、また、同図
（ｂ）はそれのフレームパワーの移り変わりを示したも
のであり、横軸に時間ｔをとっている。

第３図（ａｌに示す入力音声データ３１１は、入力部２
１１によって音声２１３を変換したディジタル時系列信
号２１７で表されるディジタルデータである。ここで、
同図＋ａ）に示すように入力音声データ３１１が先ず最
初に急激に立ち上がる時点Ｔ。

が破裂時点であり、それまでは無音状態である。

また、パワー値３１３が再び急激に増大する時点Ｔ２が
声帯振動開始時点であり１．破裂時点Ｔ１からこの声帯
振動開始時点Ｔ２までの期間は「破裂子音」であり、更
に声帯振動開始時点Ｔ２以後は「母音」である。つまり
、第３図に示す例は単音節の無声破裂子音を示している
。

この破裂時点Ｔ、は破裂時点抽出部２１９で、また、声
帯振動開始時点Ｔ２は声帯振動開始時点抽出部２２３で
、パワーの立ち上がる点を捉えてそれぞれ検出される。

分析位置決定部２２７は、いま第３図（ａｌに示すよう
に、破裂時点Ｔ１から数ミリ秒の第１分析区間Ｘと声帯
振動開始時点Ｔ２の直前数ミリ秒の第２分析区間Ｙを定
め、これら両区間Ｘ、Ｙを表す信号２２９を出力する。

このように定められた２つの分析区間Ｘ及びＹのそれぞ
れに基づいて、分析部２３１はディジタル時系列信号２
１７を周波数分析する。従って、周波数ドメインによる
特徴パラメータが２つの区間Ｘ及びＹについて求められ
、これらをＸＩ及びＹｌと表す。いま、例えば特徴パラ
メータを１６次元（ｉ　＝　１６）で表すものとすると
、ＸＩはＸｌ、。

Ｘｉ　２　、　　・・＋、　　ＸＩ＋６　　（＝ＸＩ（
１））と、ＹｌはＹｌ　　１　、　　Ｙ　１２　　、　
　　・　・　・　、　　ＹＩ＋６　　　（＝ＹＩ（す）
　として得られる。

また、標準パターン辞書２３５からは、標準パターンに
おける破裂時点Ｔ、からの区間（分析区間Ｘに相当）に
おける特徴パラメータＸＲ１，ＸＲ２゜−−・、　　Ｘ
ＲＩ＆　　（＝ＸＲ（＋１）と、声帯振動開始時点Ｔ２
直前の区間（分析区間Ｙに相当）における特徴パラメー
タＹＲＩ、ＹＲ２，・・・、ＹＲＩ＆（＝ＹＲｏ＋）と
が信号２３７として出力されている。

照合部２３９における両特徴パラメータＸ　［（＋）及
びＸＲ（ｉ）の照合は、次式で表される距１ｉ１１ｉＤ
の計算によって行なわれる。

Ｄ＝、Σ　　（ｌ　　ＸＩ＋１）　　　　　ＸＲ（＋＞
　　ｌ　　＋　　ｌ　　Ｙ　１ＣＩＩ　　　　　ＹＲＣ
Ｉンｌ ・・・（１１ ここで、ｎはパラメータ次数であり、例えば１６である
。

このような照合による距離計算を、標準パターン辞書２
３５から供給される複数のカテゴリー（例えば、パ、夕
、力など）のそれぞれについて行なう。つまり、標準パ
ターンの特徴パラメータ（Ｘ　Ｒ（１１、Ｙ　Ｒ（１１
）はカテゴリーが変われば変わるので、上記１１１式に
よって求めた距ＭＤもそのカテゴリーに応じて変化する
。その距離が最小となる場合に、供試パラメータと標準
パラメータとが最も近いことになるので、そのときのカ
テゴリーによる標準パターンの特徴パラメータをも識別
パラメータ（信号２４１）として出力する。

このようにして、破裂時点Ｔ、面直後び声帯振動開始時
点Ｔ２直前に分析区間を定めて識別パラメータを求める
ことにより、破裂時点Ｔ１近傍及び子音長を考慮して音
声状態に応じて無声破裂子音のより良い特徴を捉えた識
別ができる。

）　　なお、上述した実施例では、破裂時点Ｔ１直後及
び声帯振動開始時点Ｔ２直前のみで分析区間を定義した
が、両持点間で更に多くの分析区間を定めてもよい。

〔発明の効果〕

以上詳述した如く本発明によれば、音声の破裂時点及び
声帯振動開始時点を抽出し、その両時点に基づいて複数
の分析区間を定めて特徴パラメータを求め、標準パラメ
ータと圧絞して最適な識別パラメータを求めるように構
成することにより、識別対象である音声の状態をより良
く捉えてその識別を行なうことができる無声破裂子音識
別方式を構成簡単に実現でき、実用的に極めて効果大で
ある。

【図面の簡単な説明】

第１図は本発明の無声破裂子音識別方式を示す原理ブロ
ック図、 第２図は本発明の一実施例を示すブロック図、第３図（
ａｌ及び（ｂ）は音声としての一例の入力破裂子音デー
タを示す波形図及びその入力音声パワー曲線図である。 第１図において、 １１１は音声、 １１３はディジタル時系列信号、 １１７は破裂時点、 １１９は声帯振動開始時点、 １３５は識別パラメータである。 第２図及び第３図において、 ２１３は入力音声、 ２１７はディジタル時系列信号、 ２１９は破裂時点抽出部、 ２２３は声帯振動開始抽出部、 ２３９は照合部、 ３１１は入力音声データ、 ３１３はパワー値である。

Claims (1)

1. 【特許請求の範囲】 無声破裂子音のディジタル時系列信号（１１３）を得て
   無声破裂子音を識別する装置において、ディジタル時系
   列信号（１１３）に基づいて、前記音声における単音節
   の無声破裂子音の破裂時点（１１７）及び声帯振動開始
   時点（１１９）を求める抽出手段（１２１）と、 該抽出手段によって求められた破裂時点及び声帯振動開
   始時点を分析区間の一方の端点とし、これら端点間内に
   分析区間を決定する分析位置決定手段（１２３）と、 前記分析区間のそれぞれに基づいて、前記ディジタル時
   系列信号から特徴パラメータ（１２５）を求める分析手
   段（１２７）と、 単音節の無声破裂子音の標準パターンを複数のカテゴリ
   ーについて有する標準パターン手段（１２９）と、 該標準パターン手段によって発生された標準パターンの
   特徴パラメータ（１３１）と前記複数の分析区間に基づ
   く前記特徴パラメータとを照合し、一定の関係が成立す
   る特徴パラメータを求め、それを識別パラメータ（１３
   ５）として出力する照合手段（１３３）とを有して構成
   したことを特徴とする無声破裂子音識別方式。