JPS62217296A - 音声認識装置の入力キヤンセル法 - 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】 １帆立夏 本発明は、音声認識装置の入力キャンセル法に関する。

皿米肢亙 従来の音声認識装置において、入力音声のキャンセルは
、音声区間の時間幅が短い場合や認識結果を基に入力を
リジェクトしていた。しかしながら、発声者の声量が小
さかったり話者がマイクから離れて発声した場合などに
おいて正確に音声区間を検出することが難しく、誤認識
を防ぐことは難しかった。また、話者に声量を知らせる
ためのレベルメータを用いている場合もあるが１話者が
そのレベルを見忘れた時など、誤認識を防ぐことが難し
かった。

目　　　　　的 本発明は、上述のごとき実情に鑑みてなされたもので、
特に、話者の発声が適当なレベルでない時の誤認識を防
止することを目的としてなされたものである。

構　　　成 本発明は、上記目的を達成するために、入力された音声
のパワー信号を検出する手段と、そのパワー信号をもと
に音声区間を検出する手段とを有する音声認識装置にお
いて、ある閾値以上の音声パワーのｎ（ｎ：整数）フレ
ームの総和がある下限値に満たないときは発声された音
声が過少であり２ある上限値より大きいときは過大であ
るとして入力された音声をキャンセルすること、或いは
。

音声区間内の音声パワーの総和を総フレーム数で割った
平均フレームパワーがある下限値から上限値にない時は
入力された音声をキャンセルすることを特徴としたもの
である。以下、本発明の実施例に基づいて説明する。

上述のように、音声認識装置においては入力された音声
がすべて正確な音声とは限らず特に話者の声が小さかっ
た場合などは音声区間の検出を正確に行うことは難しく
誤認識の原因となる。つまり１話者の声が小さいと正確
な辞書を作ることは難しく、また、入カバターンの音声
パワーが欠落する様な場合が生じるからである。本発明
はこの様な欠点を補うためになされたもので、話者の発
声をある音声レベル内に導けるように小さいもの、大き
すぎるものをキャンセルしようとするものである。

第１図は、本発明の一実施例を説明するための電気的ブ
ロック線図で、図中、１はマイク、２は前処理部、３は
特徴抽出部、４は音声区間検出部。

５はパワー積算部、６は比較部、７は認識部、８は音声
辞書、９は認識結果出力部である。

第２図は、本発明の動作原理を説明するための波形図で
、波形Ａは音声パワー、波形Ｂは音声区間信号、Ｔｈ、
Ｐｔｈの閾値を示す。今、入力された音声の音声パワー
信号Ａが音声区間閾値Ｔｈを越すと音声区間を検知され
音声区間信号ＢがＯＮとなる。音声区間信号ＢがＯＮに
なると音声の特徴量をある時間周期で認識部へ送るが、
それと同時に音声パワー信号を監視し音声パワー信号が
閾値ｐｔｈを越すかどうかを検知し、越したものを順次
加算していく。この様にしてｎフレームまで加算した結
果をもとにその加算値Ｖ　（ｔ）がある値より大きいか
小さいかを比較部で判定し、ある範囲（Ｌｔｈ＜Ｖ（ｔ
）＜Ｈｔｈ）に入らない場合はキャンセル信号を送り入
力をキャンセルする。この様にして発声された音声パワ
ーを監視し、音声レベルが適正値となるように発声者に
促し、適正値となる様にする。又、音声区間の総フレー
ムの平均パワーが同様にある範囲に入っているかどうか
を比較しても同様な効果を得ることが可能である。

このある範囲は音声区間の検出に影響を受けない範囲と
すればよい。

次に、この閾値ｐｔｈが一定値であるとすると周囲の環
境騒音が増加した時の音声レベルの適正値を変える必要
がある。従って、ある時点（例えば前発声の終端）の暗
騒音パワーレベルを基にその閾値ｐｔｈと適正値の範囲
を変化させ、Ｐｔｈ＝に、（Ｖ（ｔ））＋Ｐｔｈ Ｌｔｈ＝に、（Ｖａｔ）　）＋Ｌｔｈ Ｈｔｈ＝　Ｋ３　（Ｖ　（ｔ）　）　＋　Ｌｔｈとする
。この様にすれば環境騒音に追従した入力リジョクト値
の適正値を得ることが可能となる。

羞−一米 以上の説明から明らかなように、本発明によると、話者
の発声が適当なレベルでない時の誤認識を防ぎ、リジェ
クトする事が可能となる。

【図面の簡単な説明】

第１図は、本発明の一実施例を説明するための電気的ブ
ロック線図、第２図は、本発明の動作原理を説明するた
めの波形図である。 １・・・マイク、２・・・前処理部、３・・・特徴抽出
部、４・・・音声区間検出部、５・・・パワー積算部、
６・・・比較部、７・・・認識部、８・・・音声辞書、
９・・・認識結果出力部。

Claims (4)

【特許請求の範囲】
1. （１）入力された音声のパワー信号を検出する手段と、
   そのパワー信号をもとに音声区間を検出する手段とを有
   する音声認識装置において、ある閾値以上の音声パワー
   のｎ（ｎ：整数）フレームの総和がある下限値に満たな
   いときは発声された音声が過少であり、ある上限値より
   大きいときは過大であるとして入力された音声をキャン
   セルすることを特徴とする音声認識装置の入力キャンセ
   ル法。
2. （２）前記閾値及び上限値、下限値が周囲の環境騒音に
   従って変化する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の入力キャンセル法。
3. （３）入力された音声のパワー信号を検出する手段と、
   そのパワー信号をもとに音声区間を検出する手段とを有
   する音声認識装置において、音声区間内の音声パワーの
   総和を総フレーム数で割った平均フレームパワーがある
   下限値から上限値にない時は入力された音声をキャンセ
   ルすることを特徴とする音声認識装置の入力キャンセル
   法。
4. （４）前記下限値、上限値が周囲の環境騒音に従って変
   化することを特徴とする特許請求の範囲第（３）項記載
   の音声認識装置の入力キャンセル法。