JPS63274998A - 単語音声認識装置 - 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】 ［産業上の利用分齋〕 この発明は、単語音声認識装置、特に音声の特徴の一つ
として有声音の周波数スペクトルをピッチ周波数に適応
させたディジタルフィルタを用いて抽出し、それを用い
て認識処理を行う単語音声認識装置に関するものである
。

［従来の技術］ 第４図は９例えば特開昭６０−７５８９８号公報に示さ
れた従来のピッチ周波数適応型の単語音声認識装置（以
下、単に認識装置と称する）の概略ブロック図である６
図において、音声入力部１は、マイクロホン１１と、マ
イクロホンアンプ１２と、ＡＧＣ回路１３と、Ａ／Ｄ変
換回路１４と。

波形メモリ１５とを含む。音声入力部１の出力は。

レベル計算回路７に与えられると共に特徴抽出部２に与
えられる。レベル計算回路７の出力は、始終端検出回路
６に与えられると共に認識処理部５に与えられる。一方
、特徴抽出部２は、ピッチ周期抽出回路２１と、フィル
タ係数設定回路２２と。

ディジタルフィルタ２３とを含む。ピッチ周期抽出回路
２１およびディジタルフィルタ２３には前述の音声入力
部１の出力が与えられる。ピッチ周期抽出回路２１の出
力は、認識処理部５に与えられると共にフィルタ係数設
定回路２２に与えられる。このフィルタ係数設定回路２
２の出力はディジタルフィルタ２３に与えられる。この
ディジタルフィルタ２３の出力は認識処理部５に与えら
れる。この認識処理部５は入力パターンメモリ３および
登録パターンメモリ４に接続される。

従来の認識装置は上記のように構成され、音声波形を一
定時間のフレームに分割し、そのフレーム毎の周波数ス
ペクトルを特徴パラメータとして抽出する。そして、認
識処理部５は、登録モードにおいては、抽出された登録
語の特徴パラメータあるいは標準音声の特徴パラメータ
を登録パラメータ４に書き込み、複数ｍ語の音声の特徴
パラメータを記憶する。また、認識処理部５は、認識モ
ードにおいては抽出された単語音声の特徴パラメータを
入力パターンメモリ３に書き込む、そして。

この入力パターンメモリ３に記憶された特徴パラメータ
と登録パターンメモリ４に記憶された複数単語の特徴パ
ラメータとの類似度を順次計算し。

その計算結果に基づいて単語音声の認識を行う。

次に、第４図の従来例の動作を詳細に説明する。

マイクロホン１１で取り込んだ音声の入力信号はマイク
ロボンアンプ１２で増幅され、信号の最高値が一定水準
となるようにＡＧＣ回路１３で調整されて、Ａ／Ｄ変換
回路１４でサンプリング点毎にディジタル値に変換され
る。１フレ一ム分のサンプリングデータは波形メモリ１
５に一時記憶される。レベル計算回路７および特徴抽出
部２は波形メモリ１５のデータｘ（ｉ）、（ｉ＝１．２
．・・・。

１、）を用いて以下に示す処理を行う。ここで、Ｉｆは
フレーム長に対応するサンプル数である。

レベル計算回路７は１次式（１）に示すように。

サンプリングデータの自乗和を計算し、そのフレームの
電力（パワー）Ｐに対応する数値を求める。

この数値Ｐは認識処理部５に与えられる。

次に、ピッチ周期抽出回路２１は１次式（２）で示すよ
うに、波形メモリ１５のデータｘ（ｉ）の自己相関関数
値ＣＯＲ（τ）を計算し、ピッチ周期τ２をピッチ周期
探索範囲のうち最大の自己相関関数値ＣＯＲ，ＩＡＸを
与えるτとして求める。

ｃｏＲ（τ）＝￥　ｘ（ｉ）・ｘ（ｉ　＋で）　・”（
２＞ｍｌ フィルタ係数設定回路２２は、ピッチ周波数ｆｐ（ピッ
チ周期の逆数）の整数倍がディジタルフィルタ２３の共
振周波数になるようなフィルタ係数を発生し、その発生
したフィルタ係数をディジタルフィルタ２３に設定する
。なお、このフィルタ係数設定回路２２は、フィルタ係
数テーブルをＲ０Ｍなどで構成し、ピッチ周波数および
その整数倍に対応してＲＯＭの内容を検索する手段によ
って実現されていた。

第５図は第４図に示すディジタルフィルタ２３の構成を
詳細に示すブロック図である。

第６図は、第５図のディジタルＢＰＦ２３１の周波数応
答を示す図である。

第５図において、ディジタルフィルタ２３は。

ディジタルｌ３ＰＦ　（通過帯域フィルタ）２３１と。

自乗回路２３２と、積算回路２３３とより成る。

ディジタルｌ３ＰＦ２３１は、フィルタ係数設定回路２
２よりフィルタ係数を受は取ると、第６図に示すような
Ｑの高い脱時性の周波数応答を示す。

ディジタルフィルタ２３は、波形メモリ１５より音声デ
ータｘ（ｉ）を受は取るとディジタルＢＰＦ２３１によ
りフィルタ演算を行いフィルタ出力ｙ、（ｉ）を求め、
更に、自乗回路２３２．積算回路２３３により次式（３
）に示すスペクトルデータＳ７を抽出する。

ｓ、＝Σ（ｙ　Ｊｉ）ｌ”・・・・・・・・・・・・・
・・・・・（３）ここで、ｎはフィルタ係数設定回路２
２によって設定されたｎ番目のフィルタ係数セラＩ・を
用いた演算結果を示すものである。スペクトルデータ５
１（ｎ＝１〜Ｎ）は、認識処理部５に与えられ、認識処
理のための主要データとして用いられる。なお。

音声信号の始終端検出については、始終端検出回路６が
レベル計算回路７より受は取るパワーＰに基づいて行う
。

以上のような従来の認識装置の特徴は、音声波形の有意
な部分、即ち母音フレームのスペクトルを音声の特徴パ
ラメータとして用い騒音混入時における認識性能の劣化
を防ぐことにあった。即ち。

母音などの有声音はピッチ周波数の整数倍のところのみ
成分を有する離散スペクトル構造を有し。

このスペクトルのパターンが母音の識別に有効な情報と
なっている。従って、第４図の認識装置の特徴抽出部２
が抽出するピッチ周波数の整数倍の周波数に共振するデ
ィジタルフィルタ２３の出力は、母音の特徴をそのまま
表現した特徴パラメータとなっている。しかも、高い騒
音の混入があっても、その騒音の殆どの周波数成分は、
ディジタルフィルタ２３によって遮断され、出力される
ことがない。従って、入力音声波形が騒音によって大き
なスペクトル歪みを有したものであっても。

特徴パラメータは歪みを受けることなく小さく。

認識にとって有効な特徴パラメータとすることができた
。

［発明が解決しようとする問題点］ 上記のような従来の認識装置では、−単語の特徴パラメ
ータとしての有声音区間のみのスペクトルを用いるため
、騒音が小さい場合には、無声音情報を用いる他の認識
装置に比べ認識性能が劣るという問題点があった。仮に
無声音区間のスペクトルを抽出してとしても、無声音は
明確なピッチ周波数を有していないので、同一話者の同
一無声音について常に同じ特徴パラメータを得るとは限
らす２認識性能の向上は望めないという問題点もあった
。

この発明は、かかる問題点を解決するためになされたも
ので、有声音区間だけでなく無声音区間においても有効
なスペクトルを抽出すると共に認識性能の優れた認識装
置を得ることを目的とする。

［問題点を解決するための手段］ この発明に係る認識装置は、特徴抽出手段に音声信号の
ピッチ周波数を検出するピッチ周波数検出手段と、音声
信号が有声音か無声音かを判定する有声音無声音判定手
段と、設定されるフィルタ係数に応じてその共振周波数
と帯域幅が変化し。

かつ音声信号のスペクトルを特徴パラメータとして抽出
するディジタルフィルタと、ディジタルフィルタにフィ
ルタ係数を設定するフィルタ係数設定手段とを備えたも
のである。

［作用］ この発明においては、有声音無声音判定手段が。

入力音声がピッチ性の強い有声音か、ピッチ性の弱い無
声音かを判定すると、フィルタ係数設定手段は、入力音
声が有声音の場合は、ピッチ周波数検出手段よりピッチ
周期を受は取り、ディジタルフィルタの共振周波数がピ
ッチ周波数の整数倍となりＱの高い脱時性の周波数応答
を持つようにフイルタ係数を発生し、フィルタ係数設定
手段は、入力音声が無声音の場合は、ディジタルフィル
タが。

共振周波数が予め定められたＱのさほど高くない周波数
応答を持つようにフィルタ係数を発生し。

次にディジタルフィルタは、設定されたフィルタ係数に
基づき、音声スペクトラムを特徴パラメータとして抽出
する−１ ［実施例］ 第１図はこの発明による認識装置の一実施例を示す概略
ブロック図である０図において、音声入力部１は、マイ
クロホン１１と、マイクロホンアンプ１２と、ＡＧＣ回
路１３と、Ａ／Ｄ変換回路１４と、波形メモリ１５とを
含む、特徴抽出部２０は、レベル計算回路７と、始終端
検出回路６と。

ピッチ周期抽出回路２１と、有声音無声音判定回路２４
と、フィルタ係数設定回路２２と、ディジタルフィルタ
２３とを含む、音声入力部１の出力は、レベル計算回路
７と、ピッチ周期抽出回路２１と、ディジタルフィルタ
２３とに与えられる。

レベル計算回路７の出力は、始終端検出回路６と。

有声音無声音判定回路２４とに与えられると共に認識処
理部５に与えられる。ピッチ周期抽出回路２１の出力は
有声音無声音判定回路２４と、フィルタ係数設定回路２
２に与えられると共に認識処理部５に与えられる。有声
音無声音判定回路２４の出力は、フィルタ係数設定回路
２２に与えられると共に認識処理部５に与えられる。フ
ィルタ係数設定回路２２の出力は、ディジタルフィルタ
２３に与えられる。ディジタルフィルタ２３の出力は認
識処理部５に与えられる。認識処理部５には。

入力パターンメモリ３および登録パターンメモリ４が接
続される。

第２図は、第１図の有声音無声音判定回路２４の構成の
詳細を示すブロック図である０図において、有声音無声
音判定回路２４は、除算器２４１と、基準値設定回路２
４３と、比較器２４２とよりなる。

第３図は、入力音声が無声音の場合のディジタルフィル
タ２３の周波数応答を示す図である。

上記のように構成された認識装置において、音声入力部
１の動作は、第４図の従来例と同一の動作をするので説
明を省く、特徴抽出部２０は波形メモリ１５のデータｘ
　（ｉ　）　（ｉ　＝　１　、−・−，１，）、を用い
て以下に示す処理を行う。

レベル計算回路７は、第４図の従来例と同様に式（１）
の演算を行いパワーＰを求める。ピッチ周期抽出回路２
１は、第４図の従来例と同様に式（２）の演算を行い、
波形メモリ１５の波形データの自己相関関数値Ｃ０Ｒ（
τ）を計算し、ピッチ探索範囲内のうち最大の自己相関
関数値ＣＯＲＭＡＸと、ピッチ周期τ２を求める。ただ
し、τ、はＣＯＲＭＡＸを与えるτである。第２図にお
ける有声音無声音判定回路２４は、レベル計算回路７よ
りパワーＰをピッチ周期抽出回路２１より最大自己相関
関数値ＣＯＲ，ＡＸとを受は取ると１次式に従ってＣｏ
Ｒ１，ｌＡ×とバ’７−Ｐとの比率ＣＯＶ　ＮＡＸを求
める。

ＣＯＶ　、Ａ、＝　ＣＯＲＮＡＸ／　Ｐ　−−−−・・
−・−・・（４）次に、基準値設定回路２４３があらか
じめ設定した基準値ＣＯＶ　ｔｍとの比較を比較器２４
２により行い、ＣＯＶ、Ａ、≧ＣＯＶ、、の場合は、有
声音と判定し、ｃｏｖ、Ａ、＜ｃｏｖ、、の場合は、無
声音と判定する。

第１図において、フィルタ係数設定回路２２は。

有声音無声音判定回路２４より判定結果を受は取り、有
声音と判定された場合は、ピッチ周期抽出回２８２１よ
りピッチ周期τｐを受は取り、ピッチ周波数ｆ、（ピッ
チ周期の逆数）の整数倍がディジタルフィルタ２３の共
振周波数になるようにフィルタ係数を発生し、そのフィ
ルタ係数をディジタルフィルタ２３に設定する。また、
フィルタ係数設定回路２２は、有声音無声音判定回路２
４からの判定結果が無声音の場合は、ディジタルフィル
タ２３の共振周波数とバンド幅が予め定められた値とな
るようにフィルタ係数を発生し、その発生したフィルタ
係数をディジタルフィルタ２３に設定する。フィルタ係
数設定回路２２は、前記従来例と同様にフィルタ係数テ
ーブルをＲＯＭなどで構成して、必要な係数を検索する
方法により実現される。ディジタルフィルタ２３は、第
５図の従来例と同一の構成により実現される。ディジタ
ルフィルタ２３は、フィルタ係数設定回路２２より有声
音分析のためのフィルタ係数を受は取ると。

第６図に示す従来例と同様の周波数応答を示し。

波形メモリ１５より波形データｘ（ｉ）を受は取り、第
５図の従来例と同一の動作を行い２式（３）に従ってス
ペクトルデータＳ。（ｎ＝１．・・・、Ｎ）を抽出する
。ディジタルフィルタ２３は、フィルタ係数設定回路２
２より無声音分析のためのフィルタ係数を受は取ると第
３図に示すようなＱが０゜２〜０．４程度の周波数応答
を示し、波形メモリ１５より波形データｘ（ｊ）を受は
取り９式（３）に従ってスペクトルデータＳ。（ｎ＝１
．・・・、Ｎ）を抽出する。スペクトルデータＳ　ｎ（
ｎ　−１、・・・。

Ｎ）はフレーム毎に、認識処理部５に与えられ。

認識処理のための主要データとして用いられる。

この実施例においては、始終端検出回路６と２認識処理
部５と、入力パターンメモリ３と、登録パターンメモリ
４の動作は、第４図における従来例の動作とほぼ同様で
あるので説明は省く。

なお、上記実施例では、説明の都合上認識装置を特定話
者登録型として説明したが、単語音声の特徴パラメータ
をあらかじめＲＯＭなどに記憶している不特定話者の音
声認識装置でも実現可能なことは言うまでもない。

また、上記実施例では、１個のディジタルフィルタに時
分割的にフィルタ係数を設定して用いるようにしたが、
複数個のディジタルフィルタを並列的に設け、各ディジ
タルフィルタに同時に異なるフィルタ係数を設定しても
よい６ ［発明の効果コ この発明は以上説明したとおり、特徴抽出手段に音声信
号のピッチ周波数を検出するピッチ周□波数検出手段と
、音声信号が有声音か無声音かを判定する有声音無声音
判定手段と、設定されるフィルタ係数に応じてその共振
周波数と帯域幅が変化し、かつ音声信号のスペクトルを
特徴パラメータとして抽出するディジタルフィルタと、
ディジタルフィルタにフィルタ係数を設定するフィルタ
係数設定手段とを備え、音声信号が有声音の場合は。

音声信号のピッチ周波数の調波成分のみを特徴パラメー
タとして抽出し、音声信号が無声音の場合は、広帯域の
周波数成分を特徴パラメータとして抽出するようにして
いるので、＠音が小さい場合は、優秀な認識性能を示し
、騒音が大きくなっても有声音の特徴パラメータは歪み
を受けることが小さいので、騒音による認識性能の劣化
が小さい浸れた音声認識装置を得ることができる効果が
ある。

【図面の簡単な説明】

第１図はこの発明の一実施例を示す概略ブロック図、第
２図は第１図に示す有声音無声音判定回路の構成の詳細
を示すブロック図、第３図は第１図において入力音声が
無声音の場合のディジタルフィルタの周波数応答を示す
図、第４図は従来の認識装置の概略ブロック図、第５図
は第４図に示すディジタルフィルタの構成の詳細を示す
ブロック図、第６図は第５図におけるディジタルＢＰＦ
の周波数応答を示す図である。 図において、（１）・・・音声入力部、（３）・・・入
力パターンメモリ、（４）・・・登録パターンメモリ、
（５）・・・認識処理部、（６）・・・始終端検出回路
、（７）・・・レベル計算回路、（１１）・・・マイク
ロホン、（１２）・・・マイクロホンアンプ。 （１３）・・・ＡＧＣ回路、（１４）・・・Ａ／Ｄ変換
回路、＜１５）・・・波形メモリ、（２０）・・・特徴
抽出部、＜２１）・・・ピッチ周期抽出回路、’（２２
）・・・フィルタ係数設定回路、（２３）・・・ディジ
タルフィルタ、（２４）・・・有声音無声音判定回路。 （２４１）・・・除算回路、（２４２）・・・比較回路
。 （２４３）・・・基準値設定回路である。 なお、各図中同一符号は同−又は相当部分を示す。 兇２ｒＸＪ 罠３図 罠５図 児６図 手続補正書 昭和６２年　９月１１日

Claims (4)

【特許請求の範囲】
1. （１）音声を電気信号に変換する音声信号入力手段と、
   前記音声信号入力手段から入力される音声信号の特徴パ
   ラメータを抽出する特徴抽出手段と、前記特徴抽出手段
   で抽出された認識すべき単語音声の特徴パラメータを記
   憶する入力パターン記憶手段と、前記特徴抽出手段で抽
   出された複数個の単語音声の特徴パラメータを予め記憶
   しておく登録パターン記憶手段と、および前記入力パタ
   ーン記憶手段に記憶された入力音声の特徴パラメータと
   前記登録パターン記憶手段に記憶された複数個の単語音
   声の特徴パラメータとの類似度を計算し、音声の認識処
   理を行う認識処理手段とを備え、 前記特徴抽出手段は、 前記音声信号のピッチ周波数を検出するピッチ周波数検
   出手段と、 前記音声信号が有声音か無声音かを判定する有声音無声
   音判定手段と、 設定されるフィルタ係数に応じてその共振周波数と帯域
   幅が変化し、かつ前記音声信号のスペクトルデータを前
   記特徴パラメータとして抽出するディジタルフィルタと
   、 前記有声音無声音判定手段が前記音声信号を有声音と判
   定した場合は、前記ディジタルフィルタの共振周波数が
   前記ピッチ周波数の整数倍、前記音声信号を無声音と判
   定した場合は、前記ディジタルフィルタの共振周波数と
   帯域幅が予め定められた値、となるように前記ディジタ
   ルフィルタのフィルタ係数を設定するフィルタ係数設定
   手段と、を含むことを特徴とする単語音声認識装置。
2. （２）前記ディジタルフィルタは１個設けられ、前記フ
   ィルタ係数設定手段は、前記ディジタルフィルタに時分
   割的に前記フィルタ係数を設定することを特徴とする特
   許請求の範囲第１項記載の単語音声認識装置。
3. （３）前記ディジタルフィルタは複数個並列的に設けら
   れ、前記フィルタ係数設定手段は、前記並列的に設けら
   れた各ディジタルフィルタに異なるフィルタ係数を設定
   することを特徴とする特許請求の範囲第１項記載の単語
   音声認識装置。
4. （４）前記有声音無声音判定手段は、除算手段と、基準
   値設定手段と、比較手段とから構成されることを特徴と
   する特許請求の範囲第１項記載の単語音声認識装置。