JPS62141595A - 音声検出方式 - 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】 （産業上の利用分野） 本発明は、音声認識装置等において音声の存在する時間
を判定するのに用いる音声検出方式に関する。

（従来の技術） 従来、この種の音声検出方式では、音声のパワーのレベ
ルが閾値を越えている継続時間がある一定時間以上のと
きに音声の始端とし、閾値を下回っている継続′時間が
ある一定時間以上のときに音声の終端とする方式が多く
用いられていた。

（発明が解決しようとする問題点） 上述した従来の音声検出方式では、レベルの継続時間に
よって音声区間を検出しているから、パワー・ディップ
の深い音声の場合には語頭部が欠落したシ、瞬時的な雑
音でも雑音が語尾に近接している場合には終端が延長さ
れて音声区間に雑音が含まれる。このように、従来の音
声検出方式には音声区間を誤って検出するという欠点が
ある。

（問題点を解決するための手段） 前述の問題点を解決するために本発明が提供する手段は
、音声信号のパワーを算出するパワー算出部と、このパ
ワー算出部が算出した前記パワーを平滑化して平滑化パ
ワーを得るパワー平滑化部と、前記平滑化パワーの変化
率が正から負に変わる変曲点をその平滑化パワーのピー
ク候補として検出するピーク検出部と、前記ピーク候補
のうちレベルが最大であるピーク候補を最大ピークとし
て選出し、この最大ピークのレベルと所定のピーク選別
用係数とからピーク選別用閾値を算・出し。

前記最大ピークのレベルと所定のピーク幅算出用係敬と
からピーク幅算出用闇値を算出する閾値算出部と、前記
ピーク検出部で検出した前記ピーク候補のレベルと前記
ピーク選別用閾値とを比較し。

そのレベルが前記ピーク選別用閾値以上の前記ピーク候
補だけをピークとして選別するピーク選別部と、前記平
滑化パワーが前記ピーク幅算出用閾値以上である時間で
あって前記ピーク選別部で選別された前記ピークを含む
時間をピ・−り幅として算出するピーク幅算出部と、前
記ピーク幅のうち所定のピーク幅閾値より広いピーク幅
を音声区間候補として出力するピーク幅比較部と、この
ピーク幅比較部で得た前記音声区間候補が複数である場
合、隣接した前記音声区間候補のうちの前の前記音声区
間候補の終端から後の前記音声区間候補の始端までの時
間を音声区間候補時間差として算出する音声区間候補時
間差算出部と、前記ピーク幅比較部及び前記音声区間候
補時間差算出部の出力結果から音声区間の判定を行なう
音声区間判定部とを備え、この音声区間判定部は、前記
音声区間候補が１つの場合にはそのままその音声区間候
補を前記音声区間と判定し、前記音一区間候補が複数で
あって隣接している前記音声区間候補の前記音声区間候
補時間差が所定の音声区間候補時間差閾値より短かい場
合には複数の前記音声区間候補を１つの音声区間候補に
まとめて前の前記音声区間候補の始端から後ろの前記音
声区間候補の終端までを新たな音声区間候補とする音声
区間候補のまとめ処理を行ない、この音声区間候補のま
とめ処理を繰返し行ない最終的に残った音声区間候補の
うちの１つ又は複数を前記音声区間とするととを特徴と
する。

（実施例） 次に本発明について図面を参照して説明する。

第１図は本発明の一実施例のブロック図である。

この実施例は、パワー算出部ｌ、パワー平滑化部２）ピ
ーク検出部３、閾値算出部４、ピーク選別部５、ピーク
幅算出部６、ピーク幅比較部７、音声区間判定部８及び
音声区間候補時間差算出部２２から構成される。入力音
声１０はパワー算出部１に入力され、算出されたパワー
１１はパワー平滑化部２に入力され、平滑化されたパワ
ー１２はピーク検出部３とピーク幅算出部６とに入力さ
れる。

ピーク検出部３は、平滑化パワー１２の変化率が正から
負に変わる変曲点をその平滑化パワーのピーク候補１３
として検出し、検出したピーク候補１３を閾値算出部４
とピーク選別部５とに出力する。閾値算出部４は、ピー
ク候補１３のうちから最大ピークレベルを算出し、ピー
ク選別用係数１９と演算を行ないピーク選別用閾値１４
を算出しピーク選別部５へ出力し、また最大ピークレベ
ルとピーク幅算出用係数２０との演算を行ないピーク幅
算出用閾値１５を算出しピーク幅算出部６へ出力する。

ピーク選別部５は、ピーク候補１３のピークレベルとピ
ーク選別用閾値１４とを比較し閾値以上のピークレベル
を有するピーク候補だけをピーク２５としてピーク幅算
出部６へ出力する。

ピーク幅算出部６は、ピーク幅算出用閾値１５以上に平
滑化パワー１２がある時間区間であって、ピーク２５が
含まれる時間区間をピーク幅１６として出力する。ピー
ク１陥１６は、ピーク２５が指定する平滑化パワー１２
のピークであって、ピーク幅算出用閾値１５以上である
平滑化パワー１２の時間区間を現わしている。このピー
ク幅１６はピーク幅比較部７へ出力される。ピーク幅比
較部７は、ピーク幅閾値２１と各ピークのピーク幅１６
とを比較し、閾値２１以上のピーク幅を有するピークの
始端及び終端を音声区間候補１７として音声区間判定部
８と音声区間候補時間差算出部２２へ出力する。

音声区間判定部８は、音声区間候補１７が１つの場合そ
のまま音声区間候補１７を音声区間１８として出力する
。音声区間候補１７が複数の場合は、音声区間候補時間
差算出部２２は、隣接した音声区間候補のうちの前の音
声区間候補の終端から後の音声区間候補の始端までの時
間を音声区間候補時間差２３として算出する。このとき
、音声区間判定部８は、隣接した音声区間候補の音声区
間候補時間差２３が音声区間候補時間差閾値２４より小
さい場合には、１つの音声区間候補にまとめる処理をく
り返し行ない、最終的に１つになった場合はまとめ処理
を行なった音声区間候補を音声区間１８として出力し、
１つにならなかった場合、最大のピークレベルを有する
まとめ処理を行なった音声区間候補を音声区間１’　８
として出力する。

このように、音声区間候補が最終的に複数となった場合
、最大ピークレベルを有する音声区間候補以外は切り捨
てるという方式は、雑音区間の除去に有効である。しか
し、音声区間判定部８は、音声区間候補が複数となった
場合には各々の音声区間候補を別々の音声区間と判定す
る方式にすれば、連続して音声を発声した場合における
音声区間の分離などに有効であることは明らかである。

第２図は、第１図実施例における平滑した音声パワー１
２の波形と音声検出用閾値と検出された音声区間との関
係を示す図である。第１図実施例によれば、ピークレベ
ルの低い雑音や音声に近接した雑音が除去され、かつパ
ワー・ディップの深い音声でも語頭の欠落を防ぐことが
できることを、第２図を参照して、また第１図と関連づ
けて以下に詳しく説明する。第２図の横軸３０は時間、
縦軸３１は平滑されたパワーを表し、本図の波形は、第
１図のパワー平滑化部２の出力である平滑化されたパワ
ー１２の波形を示す。

第１図のピーク検出部３によって、第２図のピーク候補
３２．３３，３４．３５の４つのピーク候補が検出され
、第１図の閾値算出部４で最大ピークであるピーク候補
３４からピーク選別用閾値１４とピーク幅算出用閾値１
５とが算出される。

ピーク選別部５では、ピーク選別用閾値１４にょシピー
クレベルの小さいピーク候補３２が除去され、ピーク候
補３３．３４．３５がピークとして出力される。ピーク
幅算出部６では、ピーク幅算出用閾値１５によりピーク
３３１３４，３５のピーク幅３８，３９．４０を訂出し
、ピーク幅比較部７ではピーク幅閾値２１と各ピーク幅
３８゜３９．４０とを比較し、第２図の例では全てのピ
ーク幅が閾値２１より広いので、ピーク３３゜３４．３
５の各々の始端から終端までの区間が音声区間候補１７
として出力される。

音声区間候補時間差算出部２２では、ピーク３３と３４
の音声区間候補時間差４３と、ピーク３４とピーク３５
の音声区間候補時間差４４とを算出する。音声区間判定
部８では、音声区間候補時間差閾値２４と、各音声区間
候補時間差４３１４４とを比較し、音声区間候補時間差
４３が閾値２４より短いのでピーク３３と３４の音声区
間候補を１つにまとめ、ピーク３３の始端からピーク３
４の終端°までを新たな音声区間＠補とし、音声区間候
補時間差４４は閾値２４より広りので、ピーク３５はま
とめることができず、２つの音声区間候補が残ることに
なる。音声区間判定部８は、次に２つの音声区間候補の
ピークレベルを比較し、最大ピーク３４を有する始端４
１から終端４２までの音声区間候補を音声区間１８と判
定し出力する。

従って、第１図実施例によれば、第２図に示した例の様
に、雑音であるピーク３２と３５が除去され、かつパワ
ー・ディップが深くピーク３３と３４に分離している音
声でも正しく音声区間の検出を行なうことができる。

（発明の効果） 以上説明したように、本発明は、平滑化したパワー波形
のピークを検出し、レベルが最大であるピークのレベル
からピーク選別用閾値とピーク幅算出用閾値とを算出し
、ピーク選別用閾値以上のピークレベルを有するピーク
のピーク幅をピーク幅算出用閾値によって算出し、ピー
ク幅が所定の幅以上のピークを音声区間候補と判定し、
音声区間候補と判定されたピークが複数の場合、音声区
間時間差を算出し、所定の時間より短かい場合は１つの
音声区間にまとめる処理をくり返し行ない、最終的に１
つにならなかった場合にはそのうちの１つ（例えば最大
のピークレベルを有する音声区間候補）又は複数の音声
区間候補のうちのいくつかを音声区間と判定することＫ
より、ピークの高さ、幅、隣接ピークとの時間差に基い
て音声区間の判定を行なうことができ、瞬時的なピーク
を持つ雑音が音声に近接していても雑音の部分を除去で
き、またパワー・ディップの深め音声でも語頭のピーク
の部分の欠落を防ぐことができ、上述した従来方式の欠
点を除去することができ、音声認識装置に用いた場合、
認識率を向上できる。

【図面の簡単な説明】

第１図は本発明の一実施例のブロック図、第２図はこの
実施例における平滑化音声パワーの波形を示す図である
。 し・・パワー算出部、２・・す５ワ一平滑化部、３・・
・ピーク検出部、４・・・閾値算出部、５・・・ピーク
選別部、６・・・ピーク幅算出部、７・・・ピーク幅比
較部、８・・・音声区間判定部、１０・・・入力音声、
１１・・・パワー、１２・・・平滑化されたパワー、１
３・・・ピーク候補、１４・・・ピーク選別用閾値、１
５・・・ピーク幅算出用閾値、１６・・・ピーク幅、１
７・・・音声区間候補、１８・・・音声区間、１９・・
・ピーク選別用係数、２０・・・ピーク幅算出用係数、
２１・・・ピーク幅閾値、２２・・・音声区間候補時間
差算出部、２３・・・音声区間候補時間差、２４・・・
音声区間候補時間差閾値、３０・・・横軸（時間）、３
１・・・縦軸（平滑されたパワー）、３２〜３５・・・
ピーク候補、３８〜４０・・・ピーク幅、４１・・・始
端、４２・・・終端、４３．４４・・・音声区間候補時
間差。

Claims (3)

【特許請求の範囲】
1. （１）音声信号のパワーを算出するパワー算出部と、こ
   のパワー算出部が算出した前記パワーを平滑化して平滑
   化パワーを得るパワー平滑化部と、前記平滑化パワーの
   変化率が正から負に変わる変曲点をその平滑化パワーの
   ピーク候補として検出するピーク検出部と、前記ピーク
   候補のうちレベルが最大であるピーク候補を最大ピーク
   として選出し、この最大ピークのレベルと所定のピーク
   選別用係数とからピーク選別用閾値を算出し、前記最大
   ピークのレベルと所定のピーク幅算出用係数とからピー
   ク幅算出用閾値を算出する閾値算出部と、前記ピーク検
   出部で検出した前記ピーク候補のレベルと前記ピーク選
   別用閾値とを比較し、そのレベルが前記ピーク選別用閾
   値以上の前記ピーク候補だけをピークとして選別するピ
   ーク選別部と、前記平滑化パワーが前記ピーク幅算出用
   閾値以上である時間であつて前記ピーク選別部で選別さ
   れた前記ピークを含む時間をピーク幅として算出するピ
   ーク幅算出部と、前記ピーク幅のうち所定のピーク幅閾
   値より広いピーク幅を音声区間候補として出力するピー
   ク幅比較部と、このピーク幅比較部で得た前記音声区間
   候補が複数である場合、隣接した前記音声区間候補のう
   ちの前の前記音声区間候補の終端から後の前記音声区間
   候補の始端までの時間を音声区間候補時間差として算出
   する音声区間候補時間差算出部と、前記ピーク幅比較部
   及び前記音声区間候補時間差算出部の出力結果から音声
   区間の判定を行なう音声区間判定部とを備え、この音声
   区間判定部は、前記音声区間候補が１つの場合にはその
   ままその音声区間候補を前記音声区間と判定し、前記音
   声区間候補が複数であつて隣接している前記音声区間候
   補の前記音声区間候補時間差が所定の音声区間候補時間
   差閾値より短かい場合には複数の前記音声区間候補を１
   つの音声区間候補にまとめて前の前記音声区間候補の始
   端から後ろの前記音声区間候補の終端までを新たな音声
   区間候補とする音声区間候補のまとめ処理を行ない、こ
   の音声区間候補のまとめ処理を繰返し行ない最終的に残
   つた音声区間候補のうちの１つ又は複数を前記音声区間
   とすることを特徴とする音声検出方式。
2. （２）特許請求の範囲第１項記載の音声検出方式におい
   て、前記音声区間判定部は、最終的に前記音声区間候補
   が複数となつた場合、それらの音声区間候補のうちピー
   クレベルが最大である音声区間候補だけを前記音声区間
   とすることを特徴とする音声区間検出方式。
3. （３）特許請求の範囲第１項記載の音声検出方式におい
   て、前記音声区間判定部は、最終的に前記音声区間候補
   が複数となつた場合、各々の前記音声区間候補を別々の
   前記音声区間と判定することを特徴とする音声区間検出
   方式。