JPS63226698A

JPS63226698A - 不特定話者電話音声認識装置

Info

Publication number: JPS63226698A
Application number: JP62060792A
Authority: JP
Inventors: 松下　満次; 勝美高橋; 矢端　基之
Original assignee: Oki Electric Industry Co Ltd
Current assignee: Oki Electric Industry Co Ltd
Priority date: 1987-03-16
Filing date: 1987-03-16
Publication date: 1988-09-21

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）本発明は電話機より電話回線を介して入力される不特定
な話者の音声を認識する装置の改良に関するものである
。

（従来の技術）従来のこのような分野の技術としては、村田隆憲　他著
「不特定話者電話音声認識技術の開発」（沖電気研究開
発　第１２９号ＶＯＬ、５３　Ｎｏ、１．昭和６１年１
月１日発行、Ｐ７９〜８Ｂ）に開示されたものがある。

以下、これに沿って説明する。

第２図は従来の不特定話者電話音声認識装置の一例を示
すもので、図中、１は特徴抽出部、２は音声区間検出部
、３はマツチング部、４は標準パターン格納部、５は認
識判定部である。

前記装置において、図示しない電話機より電話回線を介
して送出された音声信号は、まず、特徴抽出部１に入力
される。特徴抽出部１は電話回線の標準的な伝送周波数
帯域を通過帯域とした帯域フィルタと、該伝送周波数帯
域を多数の帯域に分割した多数の帯域フィルタとから構
成されており、入力音声中の前記伝送周波数帯域外の不
要な信号を除去した後、各周波数成分毎に分析し、時系
列化する。なお、前記各帯域フィルタはアナログフィル
タ又はディジタル信号処理によるフィルタのいずれかに
より構成される。

前記特徴抽出部１の分析出力は音声区間検出部２に送出
され、入力音声区間が切出される。入力音声区間の切出
し方法としては種々あるが、ここでは第３図に示すよう
に入力音声のレベル６が予め設定した始端閾値ＬＳを所
定時間Ｔ１以上越えたならば、該始端閾値ＬＳを最初に
越えた時点ｔ１を音声始端とし、音圧レベルが予め設定
した終端閾値ＬＥを所定時間Ｔ２以上下回ったならば、
その所定時間Ｔ２の最後の時点ｔ２を音声終端とする。

入力音声は音声区間が切出された後、線形又は非線形伸
縮により固定長の音声データに変換され、マツチング部
３に送出される。標準パターン格納部４には認識対象語
毎に標準パターンと呼ばれる入力音声との比較用パター
ンデータが数種類ずつ格納されており、これらのパター
ンは多数の話者が発声した音声データから平均及び修正
作業により作成されている。

入力音声データは標準パターン格納部４の各認識対象語
の標準パターンとマツチング部３でマツチングが行なわ
れ、その類似度が各々の標準パターンについて順次計算
される。認識判定部５はこれら各標準パターンに対する
類似度のうち、最も大きな値を有する認識対象語を認識
結果として出力する。

（発明が解決しようとする問題点）現在、市場に出回っている電話機は多種多様であるが、
これらの電話機に対する通話品質の規制は通信機械工業
会の通話品質に関する自主規制があるのみである。従っ
て、前述した不特定話者電話音声認識装置に接続される
電話機の送話周波数特性には大きなバラツキが存在する
。

第４図は種々の電話機の送話周波数特性を示すものであ
るＪ同図において、破線で示す特性７は現在最も普及、
している６０１型電話機の送話周波数特性であり、通常
、標準パターン作成に使用する音声データもこの電話機
から入力される。また、実線で示す特性８は高域の特性
が極端に良い他の電話機Ａの送話周波数特性であり、ま
た、一点鎖線で示す特性９は低域及び中域の特性がフラ
ットな他の電話機Ｂの送話周波数特性である。

これらの電話機ＡやＢの送話周波数特性はマイクロフォ
ンの構造に起因するものと、スピーチネットワークＩＣ
による特性変化に起因するものとがある。また、電話回
線は公衆電気通信設備の技術規準により、８００ＨＺ〜
３４００Ｈｚの範囲で使用することが義務づけられてい
るが、実際には、３００Ｈｚ以下又は３４００Ｈｚ以上
の音声も伝送され、特に高域の特性の良い電話機の場合
には無視することのできないレベルの音声が伝送される
。

前述した従来の不特定話者電話音声認識装置では、これ
らの周波数特性の大きく異なる電話機より入力された全
ての音声に対する標準パターンを予め用意しておかなけ
ればならず、その作成に時間を要し、また、該標準パタ
ーンを記憶させるメモリの容量が増加し、さらに認識に
要する時間が増大し、さ°らにまた、誤認識や類似度過
小によるリジェクトが多く発生するという問題点があっ
た。

本発明は前記問題点を除去し、少ない標準パターンを用
いて、あらゆる電話機から入力された音声を短い処理時
間で且つ高い認識率をもって認識し得る不特定話者電話
音声認識装置を提供することを目的とする。

（問題点を解決するための手段）本発明では前記問題点を解決するため、電話機より電話
回線を介して入力される不特定な話者の音声を認識する
不特定話者電話音声認識装置において、電話回線の標準
的な伝送周波数帯域より低い帯域における入力音声のレ
ベルを検出し予め設定した所定の値より大きい時に第１
の判定信号を出力する第１の判定手段と、電話回線の標
準的な伝送周波数帯域より高い帯域における入力音声の
レベルを検出し予め設定した所定の値より大きい時に第
２の判定信号を出力する第２の判定手段と、第１の判定
信号を受信した時のみ入力音声の前記低い帯域のレベル
を抑圧する第１の抑圧手段と、第２の判定信号を受信し
た時のみ入力音声の前記高い帯域のレベルを抑圧する第
２の抑圧手段とを設けた。

（作　用）本発明によれば、低域特性の良い電話機より入力された
音声はその低域における信号レベルが第１の判定手段に
よって検出され、その際、出力される第１の判定信号に
より第１の抑圧手段が動作し、音声中の低域のレベルが
下げられ、また、高域特性の良い電話機より入力された
音声はその高域における信号レベルが第２の判定手段に
よって検出され、その際、出力される第２の判定信号に
より第２の抑圧手段が動作し、音声中の高域のレベルが
下げられる。

（実施例）第１図は本発明の不特定話者電話音声認識装置の一実施
例を示すもので、図中、従来例と同一構成部分は同一符
号をもって表わす。即ち、２は音声区間検出部、３はマ
ツチング部、４は標準パターン格納部、５は認識判定部
、１０は入力音声特徴抽出部、２０は電話機判定部であ
る。

図示しない電話機より電話回線を介して送出された入力
音声は、まず、入力音声特徴抽出部１０及び電話機判定
部２０に入力される。電話機判定部２０は後述する如く
して音声入力に使用された電話機の周波数特性を検出・
判定し、その判定結果を入力音声特徴抽出部ｌＯに送出
する。該入力音声特徴抽出部１Ｇは前記判定結果に基づ
いて、入力音声の周波数特性を後述するようにして変更
し又は変更せず、その特徴を分析し、結果を音声区間検
出部２に送出する。以下、音声区間検出部２．マツチン
グ部３．標準パターン格納部４及び認識判定部５におい
て、従来例と同様な音声認識処理が実行され、その２識
結果は上位装置（図示せず）に送出される。

第５図は入力音声特徴抽出部１０の詳細な構成を示すも
ので、帯域フィルタ１１．帯域フィルタ群１２．低域抑
圧部１３及び高域抑圧部１４からなっている。

帯域フィルタ１１は電話回線の標準的な伝送周波数帯域
を通過帯域とした周知のもので、第６図にその周波数特
性を示す。帯域フィルタ群１２は前記電話回線の標準的
な伝送周波数帯域を多数の帯域に分割した多数の周知の
帯域フィルタ１２−１．１２−２．・・・・・・１２−
ｎからなるもので、第７図に各帯域フィルタ１２−１〜
１２−ｎの周波数特性を示す。なお、従来の装置の特徴
抽出部１は該帯域フィルタ１１及び帯域フィルタ群１２
のみからなっている。

低域抑圧部１３は低域抑圧フィルタ１３ａとスイッチＳ
ＷＩとを備え、常時は帯域フィルタ１１の出力をそのま
ま高域抑圧部１４に送出するが、電話機判定部２０より
後述する第１の判定信号Ｓ１を受信した時のみ、スイッ
チＳＷＩを切替え、帯域フィルタ１１の出力を低域抑圧
フィルタ１３Ｈに通した後、高域抑圧部１４に送出する
。

また、高域抑圧部１４は高域抑圧フィルタ１４ａとスイ
ッチＳＷ２とを備え、常時は低域抑圧部１３の出力をそ
のまま帯域フィルタ群１２に送出するが、電話機判定部
２０より後述する第２の判定信号Ｓ２を受信した時のみ
、スイッチＳＷ２を切替え、低域抑圧部１３の出力を高
域抑圧フィルタ１４ａに通した後、帯域フィルタ群１２
に送出する。

第８図は低域抑圧フィルタ１３ａ及び高域抑圧フィルタ
１４ａの周波数特性の一例を示すもので、図中、３１は
低域抑圧フィルタ１３ａの特性、３２は高域抑圧フィル
タ１４ａの特性を示す。

前記構成において、入力音声は帯域フィルタ１１を介し
て低域抑圧部１３に入力され、判定信号Ｓ１に従って低
域が抑圧され又は抑圧されずに高域抑圧部１４に入力さ
れ、判定信号Ｓ２に従って高域が抑圧され又は抑圧され
ずに帯域フィルタ群１２に入力され、ここで、各帯域フ
ィルタ１２−１〜１２−ｎにより各周波数成分毎に分析
され、信号ＣＨＩ、ＣＨ２，・・・・・・ＣＨｎに時系
列化される。

第９図は電話機判定部２０の詳細な構成を示すもので、
低域判定部２１及び高域判定部２２からなっている。

低域判定部２１は低域バンドパスフィルタ２１ａとレベ
ル検出回路２１ｂとを備え、該レベル検出回路２１ｂは
低域バンドパスフィルタ２１ａの出力信号を監視し、そ
のレベルが所定の閾値以上となった時のみ、第１の判定
信号Ｓ１を出力する。また、高域判定部２２は高域バン
ドパスフィルタ２２ａとレベル検出回路２２ｂとを備え
、該レベル検出回路２２ｂは高域バンドパスフィルタ２
２ａの出力信号を監視し、そのレベルが所定の閾値以上
となった時のみ、第２の判定信号Ｓ２を出力する。

第１０図は低域バンドパスフィルタ２１ａ及び高域バン
ドパスフィルタ２２ａの周波数特性の一例を示すもので
、図中、３３は低域バンドパスフィルタ２１ａの特性、
３４は高域バンドパスフィルタ２２ａの特性を示す。こ
こで、低域バンドパスフィルタ２１ａの中心周波数は入
力音声特徴抽出部１０の帯域フィルタ群１２の最も低い
中心周波数よりもさらに低い値に設定され、また、高域
バンドパスフィルタ２２ａの中心周波数は入力音声特徴
抽出部１０の帯域フィルタ群１２の最も高い中心周波数
よりもさらに高い値に設定される。

前記構成において、入力音声は低域バンドパスフィルタ
２１ａ及び高域バンドパスフィルタ２２ａにそれぞれ入
力され、各々の通過帯域に対応する信号のみがレベル検
出回路２１ｂ及び２２ｂにそれぞれ送出され判定され、
該判定結果に従って、判定信号Ｓ１及びＳ２が出力され
又は出力されないよう制御される。

次に、入力音声特徴抽出部１０及び電話機判定部２０の
具体的な動作について説明する。

電話回線の着信前は入力音声特徴抽出部１０の低域抑圧
部１３及び高域抑圧部１４内のスイッチＳＷＩ及びＳＷ
２は直通側に接続されている。

電話回線が接続され、例えば高域特性の良い電話機より
音声が入力されると、電話機判定部２０の高域判定部２
２内の高域バンドパスフィルタ２２ａから出力が現われ
、該出力が予め設定した閾値を超えると、レベル検出回
路２２ｂは判定信号Ｓ２を出力する。

判定信号Ｓ２が出力されると、高域抑圧部１４のスイッ
チＳＷ２が動作し、高域抑圧フィルタ１４ａ側に接続さ
れる。以後、高域部分が抑圧された入力音声が帯域フィ
ルタ群１２に入力され、以後、認識動作が行なわれる。

第１１図（ａ）〜（ｅ）は高域特性の良い電話機及び標
準的な電話機を使用した場合の出力信号のようすを示す
もので、第１１図（ａ）は高域特性の良い電話機の送話
周波数特性を示し、また、第１１図（ｂ）は前記特性を
有する電話機を使用した場合の従来の特徴抽出部１の出
力を示し、さらにまた、第１１図（Ｃ）は前記特性を有
する電話機を使用した場合の入力音声特徴抽出部１０の
出力を示す。また、第１１図（ｄ）は標準的な電話機の
送話周波数特性を示し、第１１図（ｅ）は該標準的な電
話機を使用した場合の入力音声特徴抽出部１０の出力を
示す。

第１１図（ｂ）に示すように従来の特徴抽出部１の出力
では大きな値を示しているチャンネルｎ付近、即ち高域
部分の出力値が、第１１図（Ｃ）に示すように本発明の
入力音声特徴抽出部１０の出力ではその値が抑圧され、
標準的な電話機の出力値を示す第１１図（ｅ）の値とほ
ぼ同様になっていることが理解される。

なお、低域特性の良い電話機から音声が入力された場合
も、同様に低域判定部２１及び低域抑圧部１３が動作し
、低域部分が抑圧された入力音声が帯域フィルタ群１２
に入力され、以後、認識動作が行なわれる。

（発明の効果）以上説明したように本発明によれば、入力信号の低域及
び高域のレベルの判定手段と、入力信号の低域及び高域
のレベルの抑圧手段とを設けたため、標準的な通常の電
話機と送話周波数特性の大幅に異なる電話機より音声が
入力された場合であっても、これを検出し通常の電話機
より入力された音声と同等の特性に補正することができ
、従って、通常の電話機と送話周波数特性の異なった電
話機から入力された音声のための標準パターンを別途用
意する必要がなく、該標準パターンの作成に要する時間
や標準パターンの記憶容量を削減することができ、また
、認識処理時間を低減でき、さらにまた、誤認識及び類
似度過小によるリジェクトの低減等が期待できる。

【図面の簡単な説明】

第１図は本発明の不特定話者電話音声認識装置の一実施
例を示す構成図、第２図は従来の不特定話者電話音声認
識装置の一例を示す構成図、第３図は音声区間の切出し
のようすを示す説明図、第４図は種々の電話機の送話周
波数特性を示すグラフ、第５図は入力音声特徴抽出部の
詳細な構成を示すブロック図、第６図は帯域フィルタの
周波数特性を示すグラフ、第７図は帯域フィルタ群の各
フィルタの周波数特性を示すグラフ、第８図は低域抑圧
フィルタ及び高域抑圧フィルタの周波数特性の一例を示
すグラフ、第９図は電話機判定部の詳細な構成を示すブ
ロック図、第１０図は低域バンドパスフィルタ及び高域
バンドパスフィルタの周波数特性の一例を示すグラフ、
第１１図（ａ）〜（ｅ）は高域特性の良い電話機及び標
準的な電話機を使用した場合の出力信号のようすを示す
説明図である。２・・・音声区間検出部、３・・・マツチング部、４・
・・標準パターン格納部、５・・・認識判定部、１０・
・・入力音声特徴抽出部、１３・・・低域抑圧部、１４
・・・高域抑圧部、２０・・・電話機判定部、２１・・
・低域判定部、２２・・・高域判定部。

Claims

【特許請求の範囲】電話機より電話回線を介して入力される不特定な話者の
音声を認識する不特定話者電話音声認識装置において、電話回線の標準的な伝送周波数帯域より低い帯域におけ
る入力音声のレベルを検出し予め設定した所定の値より
大きい時に第１の判定信号を出力する第１の判定手段と
、電話回線の標準的な伝送周波数帯域より高い帯域におけ
る入力音声のレベルを検出し予め設定した所定の値より
大きい時に第２の判定信号を出力する第２の判定手段と
、第１の判定信号を受信した時のみ入力音声の前記低い帯
域のレベルを抑圧する第１の抑圧手段と、第２の判定信号を受信した時のみ入力音声の前記高い帯
域のレベルを抑圧する第２の抑圧手段とを設けたことを特徴とする不特定話者電話音声認識装置。