JPS6242197A

JPS6242197A - 音声区間検出方法

Info

Publication number: JPS6242197A
Application number: JP60181082A
Authority: JP
Inventors: 入間野　孝雄
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1985-08-20
Filing date: 1985-08-20
Publication date: 1987-02-24
Anticipated expiration: 2010-11-22
Also published as: JPH07109559B2

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）本発明は音声認識等において、音声区間と音声の存在し
ない区間とが連続している入力音より音声区間を検出す
る音声区間検出方法に間するものである。

（従来の技術）第４図は従来の音声区間検出方法を示すフロー図である
。第４図に示す音声区間検出方法において、音声を入力
するマイクロホンは１個であり、ここからの入カバワの
レベルを用いて音声区間の検出を行う。先ず入力される
以前の周囲ノイズのパワのレベルを学習しておく。以後
、入力パワレベルの監視を続け、そのパワレベルがスレ
ッショルドＰＴより大である時間がスレッショルド１１
以上のときにその区間を音声区間とし、上記条件を満た
さない場合には以」−の動作を続ける。ここでパワレベ
ルのスレッショルドＰｒは、前述の学習された周囲ノイ
ズのパワレベルに予め定められた適当な値を加えた値と
する。また時間のスレッショルドｔ、ｒは予め適当に定
められた値である。

次に上記従来例を、入力音声の例を用いて説明する。第
５図は「アサヒ」と発声したときのパワのレベル変化を
示す図である。横軸５２は時刻、縦軸５３はパワのレベ
ルを示す。点線５４はスし・ツショルドＰｒを示す。「
アサヒ」のパワのレベルの変１ヒは実線５５に示すよう
に連続した山のような形となり、その間そのレベルがス
レッショルドＰＴより大きい状態を保つことことにより
「アリヒ」の音声区間検出がなされる。なお、実際には
、無声子音なとでは子音区間でレベルが著しく小さくな
り、スレッショルドＰＴより小さくなることがあり、そ
のような場合でも正しく音声区間検出を行うためには第
４図に示すよりもやや複雑な方法を必要とｒる。しかし
、本発明の説明においては、これは本質的な問題ではな
いので、この問題への対応についての説明は一切省略す
るものとする。

前述のように、上記従来の音声認識方法でも、周囲ノイ
ズのレベルが常に十分少さいと吉には正しく音声区間検
出ができる。

しかしながら、上記従来の音声区間検出方法では、ノイ
ズレベルが変動した場合、ノイズレベルの大きい部分を
音声区間と誤ることが多かった。

その−例を第６図に示す。第６図は、第５図の場合と同
様に「アサヒ」と発声したときの入力のパワのレベルを
示すものであり、横軸６２は時刻、縦軸６３はパワのレ
ベル、点線６４はスレッシ９ルＦＰｌを表す。入力のパ
ワのレベルは実線６５で示すように、「アサヒ」の音声
区間でスレッシ９ルＩ”ＰＴよりも前にノイズレベルの
大きい区間６６が存在し、従来の音声区間検出方法では
そのノイズの区間を誤って音声区間としていた。このよ
うに従来の音声区間検出方法では、ノイズレベルが変動
した場合、レベルの大きいノイズの区間を誤って音７Ｒ
区間としてしシ〉ことが多いという問題があった。

次に第２の従来例について説明する。

第２の従来例は、上記第１の従来例の問題点に対応し、
２個のマイクロホンを用い、一方のマイクロホンは発声
者の音声と周囲ノイズのＳＮ比が大となるように設置し
、他方のマイクロホンは前者のマイクロホンに比へＳＮ
比が小となるように設置し、それぞれのマイクロホンに
おける入力のパワを計算し、前者のマイクロホンによる
パワから後者のマイクロホンによるパワを引き算し、こ
の差の値を、第１の従来例における入力のパワの値の代
わりに用いて音声区間検出を行うものである。すなわち
、２個のマイクロホンにおけるパワの差を求めることに
よりノイズ成分をキャンセルし、音声区間を正しく検出
しようとするものである。この第２の従来例は、理想的
に機能すれば、原理的には第１の従来例の問題点を解決
できるが、変動するノイズを時々刻々キャンセルするこ
とは調整が困難である等の理由により実際には難しく、
十分な性能は得られていない。

（発明が解決しようとする問題点）上述のように、従来の音声区間検出方法では、ノイズレ
ベルが変動した場合、レベルの大きいノイズの区間を誤
フて音声区間としてしまうことが多いという問題があっ
た。

本発明はこのような問題を解決することを目的とするも
のである。

（問題を解決するための手段）本発明は上記目的を達成するために、音声入力に２個の
マイクロホンを用い、一方のマイクロホン（メインマイ
クという）は発声者の音声と周囲ノイズのＳＮ比が大と
なるように設置し、他方のマイクロホン（サブマイクと
いう）はメインマイクに比べ前記ＳＮ比が小となるよう
に設置す、　　メインマイクにおいて、周囲ノイズレベ
ルに比へ大きいレベルの入力が続いたときにその区間を
音声区間検出とし、その区間におけるメインマイクおよ
びサブマイクそれぞれのマイクロホンにおける入力のレ
ベルの差（または比）、または入力のレベルと周囲ノイ
ズレベルとの差（または比）の１１ｎの差（または比）
が、予め定められたスレッショルド値より大きいときに
はその音声区間候補を音声区間とし、そうでないときに
は、その音声区間候補を棄却するようにしたものである
。

（作用）本発明は上記のような方法であるから、２個のマイクロ
ホンから入力される音声のパワのレベル、またはＳＮ比
を比較することにより、音声区間として検出するため、
ノイズ区間を音声区間に誤ることの少ない確度の高い音
声区間検出ができる。

（実施例）第１図および第２図は本発明の一実施例による音声区間
検出方法に使用する装置の機能ブロック図およびその動
作フローを示す図である。

第１図において、ｌは発声者の音声と周囲ノイズのＳＮ
比が大きくなるように設置したメインマイク、２はメイ
ンマイクに比べＳＮ比が小さくなるように設置したサブ
マイク、３はメインマイク１からの入力信号を前処理す
るメインマイク前処理部、４はサブマイク２からの入力
信号を前処理するサブマイク而処理部、５はメインマイ
クからの入力信号のパワを算出するメインマイクパワ算
出部、６はサブマイクからの入力信号のパワを算出する
サブマイクパワ算出部、７は騒音学習時にメインマイク
パワ算出部で算出した騒音レベルのパワに基づき音声区
間検出のためのスレッショルドｐｔを設定する騒音学習
部、８は騒音学習部７により設定されたスレッショルド
Ｐｖと予め定められた時間のスレッショルド時閉のスレ
ッショルドｔｒに基づき音声区間候補を検出する音声区
間候補検出部、９はメインマイクパワ算出部５の出力と
サブマイクパワ算出部６の出力との差（または比）を求
めるレベル差（または比）検出部、１０はレベル差検出
部９の出力に基づき音声区間候補検出部８により判定さ
れた音声区間候補音声区間として採用するかまたはそれ
を棄却するかを決定する音声区間決定部である。本実施
例においては、入力用の２個のマイクロホンの内メイン
マイクは発声者の正面２０ｃｍの位置に設置し、サブマ
イクは横８０ｃｍの位置に設置している。また両マイク
共、周囲ノイズは回し・ような条件で入力するように設
置しである。第】図において、先ず音声が入力される以
前の周囲ノイズのパワのレベルを、メインマイク１を用
いて騒音学習部７において学習しておく。

以後メインマイク１の人カバワレベルの監視を続け、音
声区間候補８においてそのレベルが騒音学習部７て設定
したスレッショルドＰｔより大である時間がスレッショ
ルドｔＴ以上のときにその区間を音声区間候補とし、そ
の条件を満たさない場合には以上の動作を続ける。音声
区間候補が見出された場合には、レベル差検出部９はそ
の区間における、メインマイク１からの入力の平均のパ
ワレベル（ｄｂ）とサブマイク２からの入力の平均のパ
ワレベル（ｄｂ）の差を計算し、音声区間決定部１０は
その差が予め定めたスレッショルドＴｌａ。より大きい
ときにはその区間を音声区間とし、条件を満たさないと
きにはその音声候補区間を棄却し、ノイズレベル学習直
後の動作に戻る。ここでパワレベルのスレッショルドＰ
ｙは、前述の学習された周囲ノイズのパワレベルに、予
め定められた適当な値を加えた値とする。時間のスレッ
ショルドｂ、およびパワのレベルの差のスレッショルド
Ｔ１６．は、予めそれぞれ適当に定められた値である。

次に本実施例の動作を、入力例を用いて説明する。

入力例として、「アサヒ」と発声し、メインマイクへの
入力のパワが第５図のようになった場合を用いる。この
入力例は、従来の音声区間検出方法の問題点の説明に用
いたものと同じものであり、従来の音声区間検出方法で
は、真の音声区間よりも前に存在するノイズ区間を音声
区間として誤って検出してしまっていた。本実施例にお
ける音声区間検出方法ではサブマイクを用いるが、上記
入力例におけるサブマイクへの入力のパワは第７図に示
される。第７図において、横軸７２は時刻、縦軸７３は
パワのレベルであり、大力パワのレベルは実線７５に示
すように変化した。第６図と第７図を比べると、通常の
ノイズレベルより大きなレベルのノイズが入力した場合
、そのノイズの区間６６においてそのノイズのパワのレ
ベルはメインマイク、サブマイクともほぼ等しい（この
ノイズは遠方で発生されたものとする）。ところが音声
区間におけるパワのレベルは、発声者とメインマイク、
ザブマイクそれぞれとの距離が、正面２０ｃｍ、横８０
ｃｍであるため、サブマイクにおけるレベルはメインマ
イクにおけるそれと比へ一１２ｄｂとなった。よって、
本実施例においてはＴ＋　ｓｎ　＝　６　ｄｂに設定さ
れているため、前記ノイズ区間においては、〔メインマ
イクのレベル〕−〔サブマイクのレベル〕＝０＜Ｔ１．
。　となり、正しく音声区間検出がなされる。

このように本実施例においては、２個のマイクロホンを
使用しメインマイクにおいて、事前に学習された周囲ノ
イズのレベルに比へ大きいレベルの入力が一定時間以上
続く区間を音声区間候補とした」二で、その区間が真に
音声区間であるかどうかをメインマイクとサブマイクへ
の入力のレベル差を利用してチェックすることにより、
高い確度で音声区間検出をすることができる。なお、本
実施例においては、音声区間候補という、ある程度長時
間にわたる平均パワレベルを求めるため、前述の第２の
従来例のように、動作が不安定になることもない。

次に第２の実施例について説明する。第３図は第２の実
施例を示すフロー図であり、第１の実施例と異る部分の
み説明する。第３図において、先ずノイズレベル学習を
行うが、このとき、メインマイクのみでなくサブマイク
においてもノイズレベルの学習を行う。音声区間候補を
第１の実施例と同様に求めた後、その区間において、メ
インマイク、サブマイクそれぞれの入力における平均Ｓ
Ｎ比を求め、その値の差がスレッショルｌ”ＴＳ／Ｎよ
り大きいときにその区間を音声区間とするものである。

つまり、レベルの絶対値ではなく、それぞれのマイクに
おける入力のパワのＳＮ比の比較を行うものである。こ
こで上記ＳＮ比を求めるときのノイズレベルＮは、それ
ぞれのマイクロホンにより、音声区間検出に先だって学
習された周囲ノイズのレベルである。なお、２個のマイ
クの特性が等しく、周囲ノイズに対する設置条件に差が
ない場合には、本実施例は第１の実施例と事実上、同様
な結果、効果が得られる。しかし、第１０実施例におい
ては一方のマイクロホンと交換するとスレッショルドＴ
ｌ５ｎの値の再設定またはマイクアンプのゲインの調整
が必要であったが、第２の実施例においては、マイクロ
ホンを交換しても常に同し動作をするという利点がある
。このように第２の実施例では、２個のマイクにおける
入力のパワの絶対値の代わりにそれぞれのマイクにおけ
るＳＮ比を用いることにより、第１の実施例と同様の効
果を持つと同時にマイクロホンを感度の異るものと交換
しても何らの調整も必要としないという利点を有する。

（発明の効果）本発明は上述の実施例の説明から明らかなように、２個
のマイクロホンを用い、メインマイクにおいて周囲ノイ
ズレベルよりも大きいレベルを持つ音声区間候補を見つ
けた上で、その区間が真に音声区間であるかどうかを２
個のマイクロホンにおける入力のパワのレベル、または
ＳＮ比の差または比の値を利用してチェックすることに
より、ノイズ区間を音声区間に誤ることの少ない、確度
の高い音声区間検出をすることができる。

【図面の簡単な説明】

第１図は本発明の音声区間検出方法の第１の実施例を実
施するための装置の一例を示す機能ブロック図である。第２図は本発明の実施例の音声区間検出方法を示す動作
フロー図である。第３図は第２実施例の音声区間検出方法を示す動作フロ
ー図である。第４図は従来の音声区間検出方法の動作を説明する動作
フロー図である。第５図は入力音声のパワの例を示す図である。第６図は通常の周囲ノイズレベルよりも大きいレベルの
ノイズが存在するときの入力音声のパワの例を示す図で
ある。第７図はメインマイクにおける入力のパワが第６図で示
されるときのサブマイクにおける入力のパワな示す図で
ある。１・・・メインマイク、２・・・サブマイク、３・・・
メインマイク前処理部、４・・・サブマイク前処理部、
５・・・メインマイクパワ算出部、６・・・サブマイク
パワ算出部、７・・・騒音学習部、８・・・音声区間候
補検出部、９・・・レベル差検出部、１０・・・音声区
間決定部、５２．６２．７２・・・時刻を示す軸、５３
，６３．７３・・・パワのレベルを示す軸、５４．６４
・・・パワのスレッショルドＰＴ、５５．６５．７５・
・・パワのレベルの時間変化、６６・・・ノイズ区間。特許出願人　　松下電器産業株式会社第２図第３図第５図第６因

Claims

【特許請求の範囲】

（１）２個のマイクロホンを用い、第１のマイクロホン
は発声者の音声と周囲ノイズのＳＮ比が大きくなるよう
に設置し、第２のマイクロホンは第１のマイクロホンに
比べ前記ＳＮ比が小さくなるように設置し、第１のマイ
クロホンにおいて、周囲ノイズレベルに比べ大きいレベ
ルの入力が続いたときにその区間を音声区間候補とし、
その区間における第１および第２のそれぞれのマイクロ
ホンにおける入力レベルの差または比が、予め定められ
たスレッショルド値より大きいときにはその音声区間候
補を音声区間とし、そうでないときには、その音声区間
候補を棄却することを特徴とする音声区間検出方法。
（２）前記音声区間候補における第１および第２のそれ
ぞれのマイクロホンにおける入力のレベルと周囲のノイ
ズレベルとの差または比が、予め定められたスレッショ
ルド値より大きいときにはその音声区間候補を音声区間
とし、そうでないときには、その音声区間候補を棄却す
ることを特徴とする特許請求範囲第（１）項記載の音声
区間検出方法。