JPS6326880Y2 - - Google Patents

Description

【考案の詳細な説明】 本考案は、マイクでピツクアツプされた音声信
号について音声認識を行なう音声認識装置に関す
るものである。

この種の装置は音声を情報信号に交換すること
が可能であり、従つて各種装置に対する指令発生
器として極めて好適であり、この種の装置では、
マイクでピツクアツプされた音声信号が増幅回路
にて増幅され、増幅された音声信号がAD変換回
路にてAD変換され、デジタル化された音声信号
にて音声認識回路で音声認識が行なわれている。

このため、従来においては、背景雑音が変化し
あるいは話者による発生音量の変化を吸収するた
めに、AGC（自動利得制御）回路によつて音声信
号の利得を制御し、増幅回路の増幅度を音声信号
の出力に応じて変更するようにしている。これに
よれば、増幅回路の出力レベルを常に一定とする
ことができる。

ところが、増幅回路は、その増幅度が音声信号
の最高出力時に飽和しない範囲の最大値に設定さ
れているため、話者の音量が低い場合には音声信
号のダイナミツクレンジを充分に取ることができ
ず、その結果音声認識の率が低下するという問題
が生じていた。

また従来では、背景雑音のレベルが音声を切り
出すレベル（スレツシユホールドレベル）を越え
るほど高く音声を取り込めない状態となつて認識
率が低くなることを防止するために増幅回路の増
幅度を下げ、相対的に騒音レベルを低減してい
た。

然しながら、この様に増幅回路のゲインが下げ
られると、話者の音声レベル自体も低く抑制され
るので、音声信号のダイナミツクレンジを十分に
取ることができず、このため第１図に示される様
にこの場合も認識率が低下するという問題が生じ
ていた。

本考案は上記従来の課題に鑑みて為されたもの
であり、その目的は音声認識率を向上させること
が可能な音声認識装置を提供することにある。

本考案に係る音声認識装置は、マイクでピツク
アツプされた音声信号を増幅するアンプと、アン
プで増幅された音声信号を平均化処理する平均化
処理回路と、平均化処理された音声信号に基づい
てアンプの増幅度を制御するAGC回路と、増幅
された音声信号をAD変換するAD変換回路と、
AD変換された音声信号にて音声認識を行なう音
声認識回路と、を有している。

本考案において、アンプで増幅された音声信号
はまず平均化回路へと供給される。平均化回路で
は、音声信号の平均値を求め、この平均値音声信
号をAGC回路へと供給する。ここで、平均値化
された音声信号によつて利得を制御すると、音声
のような単発的な音には影響されず、雑音等定常
的な信号のみで利得が制御されることになり、音
声信号を飽和しない最大値まで、出力レベルを上
げることができる。

なお、雑音が音声を切り出すレベルを越えた場
合は、通常は音声自体のレベルも上がるので（例
えば、騒音の中での会話は大きな声で会話するの
が一般的である。）、音声と雑音との間で相対的な
変化はほとんどなく問題はない。

以下図面に基づいて本考案の好適な実施例を説
明する。

第２図において、マイク１０でピツクアツプさ
れた音声信号１００（背景雑音を含む）は増幅回
路１２にて増幅されており、このとき増幅回路１
２はプリエンフアシスを行なつてその高音部を強
調することができる。

増幅回路１２から出力された音声信号１０２は
フイルタバンク１４に供給されており、本実施例
ではこのフイルタバンク１４はアクテイブフイル
タとスムージング回路の直列回路を８チヤンネル
有しており、音声信号１０２を周波数分折するこ
とが可能である。

さらにマルチプレクサ１６には周波数分折され
た音声信号１０４が順次選択供給され、そのマル
チプレクサ出力１０６はAD変換回路１８でデジ
タル信号とされて音声認識回路２０内のCPU２
２に取り込まれる。

上記CPU２２にはデータバス２００、アドレ
スバス２０２を介してROM２４、RAM２６が
接続されており、またデータバス２００を介して
マツチング演算回路２８が接続されている。さら
にCPU２２にはデータバス２００、アドレスバ
ス２０２を介して操作制御−認識信号出力回路３
０が接続されており、該回路３０には操作−表示
回路３２や各種電気負荷、例えばエアコン、ラジ
オ、パワーウインドウなど、が接続されている。

前述した様に本考案は出力される音声信号１０
２が飽和しない範囲の最大値にその増幅度を音声
信号１００のレベルに応じて自動的に変化させる
様に増幅回路１２が構成されており、このため、
本実施例の増幅回路１２は以下の様に構成されて
いる。

第３図において、増幅回路１２は音声信号１０
０を増幅するアンプ３４を有しており、その増幅
出力１０２は平均化処理回路３６で平均された後
AGC回路３８に供給されている。このAGC回路
３８は平均化処理回路３６にて平均化処理された
音声信号１０２に応じてアンプ３４の増幅度を制
御し、音声信号１０２が飽和しない範囲の最大値
にアンプ３４の増幅度を音声信号１００のレベル
に応じて自動的に変化させることが可能である。
また、平均化処理回路３６の入出力間に登録用操
作スイツチ４０が接続されており、オフ状態（第
１の位置）では、音声信号が前記平均化処理回路
３６を介してAGC回路３８へと至るようになつ
ている。ここで、音声登録時にはこの登録用操作
スイツチ４０はオン状態（第２の位置）とされ、
アンプ３４で増幅された音声信号１０２をAGC
回路３８へ直接供給することが可能となつてい
る。

本考案の好適な実施例は以上の構成から成り、
以下その作用を説明する。

音声の登録が行なわれる場合には、登録用操作
スイツチ４０がオン操作されてマイク１０に最初
の音声（増幅回路１２の増幅度を最初に設定する
ために用いられるもので、例えば「登録開始」）
が入力される。このとき登録用操作スイツチ４０
がオンされているので音声信号１０２が平均化処
理回路３６をバイパスしてAGC回路３８に与え
られ、その結果アンプ３４の増幅度がAGC回路
３８によつて飽和しない最大の値に設定される。

この様にして音声の登録語、入力音声がマイク
１０に与えられて増幅回路１２で増幅されると、
それらの音声信号１０２がフイルタバンク１４に
供給され、フイルタバンク１４は音声信号１０２
について周波数分折を行ない、フイルタバンク１
４で周波数分折された音声信号１０４はマルチプ
レクサ１６、AD変換回路１８を介してデジタル
音声信号１０６としてCPU２２に取り込まれる。

上記CPU２２は、音声信号１０６を所定間隔
（例えば20ms）ごとに取り込みながら正規化を行
なう。この信号１０６の取り込みは、所定長の無
音部が続きかつフイルタバンク１４の各フイルタ
から出力された音声信号１０４の総和が所定値
（スレツシユホールドレベル）以上になつたとき
に開始され、所定長の無音部が続いたときに終了
される。

この様にしてCPU２２に音声信号１０６が取
り込まれるが、このうち登録語が取り込まれる際
には操作−表示回路３２から登録指令が与えられ
ており、その指令によりCPU２２に取り込まれ
た登録語は登録パターンエリアに格納される。

また音声認識時にはCPU２２に取り込まれて
正規化された音声信号１０６の音声パターンと登
録後の音声パターンとのパターンマツチングが行
なわれ、最も類似している登録パターンが選択さ
れて入力された音声パターンの識別が行なわれ
る。なおこのパターンマツチングのための演算に
はマツチング演算回路２８が利用されている。

そして選択された音声パターンは操作制御−認
識信号出力回路３０を介して操作−表示回路３２
や各種電気負荷に与えられ、該操作−表示回路３
２にて表示が行なわれ、また電気負荷の駆動が行
なわれる。

さて前述した様に本実施例では登録時の初回の
発声音に対してのみ平均化処理回路３６が登録用
操作スイツチ４０にてバイパスされるが、その後
は該スイツチ４０がオフとされるので音声信号１
０２が平均化処理回路３６を介してAGC回路３
８に与えられる。これにより、音声信号は平均化
処理回路３６を介してAGC回路３８へと供給さ
れるので、この両者によつて所謂平均値形AGC
回路を構成することになる。平均値形AGC回路
では定常的な音（背景雑音）のみに影響され、単
発的な音（音声）には影響されないという特性を
持つている。従つて、AGC回路３８によつて平
均化処理回路で平均化された音声信号の利得を制
御すると、音声信号に含まれる背景雑音が低減さ
れ、音声のような単発的な音は影響されずに飽和
しない範囲の最大値に保持される。

ここで、音声登録が一般に背景雑音の少ない状
態で行なわれるので、登録時における増幅回路１
２の増幅度は前述した様に最大となつているが、
一般に音声認識が行なわれるときには車両が走行
するなどして背景雑音の高い状態であるので、
AGC回路により増幅回路１２の増幅度が背景雑
音のレベルに応じて低下する。このとき一般に話
者も背景雑音に応じてその音声音量を増加させる
ので、音声認識回路２０にとつて有効な音声信号
に対して背景雑音が相対的に抑制されることにな
る。従つて音声認識回路２０にとつて有効な音声
信号のダイナミツクレンジを十分に拡大すること
が可能となり、その結果音声認識回路２０での音
声認識の誤りを有効に防止することができる。

以上説明した如く本考案に係る音声認識装置
は、増幅回路の増幅度を平均化された入力信号の
レベルに応じて制御することにより、雑音に対し
てのみAGC回路を動作させ、実際の音声に対し
てはダイナミツクレンジを保持することができ、
音声認識率を向上させることができるという優れ
た効果を有する。

【図面の簡単な説明】

第１図は従来装置における音声入力の減衰量に
対する音声認識率の特性図、第２図は本考案の好
適な実施例のブロツク構成図、第３図は第１図実
施例の要部構成図である。 １０……マイク、１２……増幅回路、１４……
フイルタバンク、１６……マルチプレクサ、１８
……AD変換回路、２０……音声認識回路、３４
……アンプ、３６……平均化処理回路、３８……
AGC回路、４０……登録用操作スイツチ。

Claims (1)

【実用新案登録請求の範囲】
1. マイクでピツクアツプされた音声信号を増幅す
   るアンプと、アンプで増幅された音声信号を平均
   化処理する平均化処理回路と、平均化処理された
   音声信号に基づいてアンプの増幅度を制御する
   AGC回路と、増幅された音声信号をAD変換する
   AD変換回路と、AD変換された音声信号にて音
   声認識を行なう音声認識回路と、を有する音声認
   識装置。