JPS6367197B2 - - Google Patents

Description

【発明の詳細な説明】 産業上の利用分野 本発明は、音声認識技術に関するものである。

従来例の構成とその問題点 音声認識の方法において、入力音声と標準パタ
ーンを比較して、最も類似度の高いものを出力す
る方法が一般的である。この場合、標準パターン
の単位として単語を用いるもの、音素を用いるも
のが代表的である。以下の説明では、不特定話者
を対象とした音声認識によつて説明を行なうの
で、音素を単位とした認識方法が有効であり、以
下の説明は音素の認識によつて説明を行なう。し
かし、本発明の内容は音素の認識方法に止どまる
ものでなく、単語や文を単位とした場合も全く同
様な方法が使用できる。

従来の装置における音素認識を行なう部分のブ
ロツク図を第１図に示す。１は分析部、２は音素
認識比較部、３は音素標準パターン格納部であ
る。格納部３には、各音素に対応する標準的な特
徴パラメータが音素の数だけ入つている。この
各々の標準パターンと分析部１で分析された入力
特徴パラメータが比較部２で比較され、入力特徴
パラメータと類似度が最も大きい標準パターンに
おける音素の記号又は番号が音素認識結果として
出力される。

不特定話者を対象とするシステムでの標準パタ
ーンの作成には、多くの人のデータが必要であ
る。したがつて、使用環境下でいちいち多くの人
のデータを収録する事は出来ない為一定環境（例
えば防音室内）において収録したデータを使つて
作成せざるを得ない。この為騒音下（使用環境
下）での入力音声と騒音なし標準パターンとのマ
ツチング（照合）がうまくいかず認識率が低下す
る原因となつていた。第２図にＳ／Ｎ比（信号対
騒音比）と音素認識率の関係を示す。これを見る
と、騒音のない場合の認識率は85.2％となるが
Ｓ／Ｎ比が低くなるにつれて認識率も低下し、
Ｓ／Ｎ比5dB（デシベル）になると72.7％と12.5％
も低下してしまい騒音の影響を考慮していない従
来の方法は明らかに問題がある。

発明の目的 本発明は、以上のような従来の問題点を解決す
る為になされたもので、騒音を考慮した標準パタ
ーンを作成し、それを使用し音素認識をする事に
よつて誤認識を少なくする事を目的とする。

発明の構成 この目的を達成するために本発明は騒音の種類
に対応して複数の標準パターンを用意しておき環
境騒音に応じて最適な標準パターンを選択するよ
うにしたものである。

実施例の説明 第３図は本発明の一実施例を示すもので、１は
分析部、２は音素認識比較部でこれらは第１図と
対応している。３は騒音レベル検出部、４は標準
パターン選択部、５は標準パターン格納部であ
る。標準パターン格納部５には、第１図の格納部
３とは異なり、騒音のレベルと対応した複数の標
準パターンが格納されている。６はモードの切り
替えを行なうスイツチであり、ａ側に倒れている
と認識モード、ｂ側に倒れていると環境学習モー
ドとなる。

音声認識装置使用前（音声が入つていない状
態）にスイツチ６をｂ側に切り替えて、まず使用
環境騒音のみを騒音レベル検出部３の騒音レベル
検出部で検出する。４では検出された騒音レベル
によつて標準パターン格納部５の中から対応する
音素標準パターンを選択する。以後の認識では、
この標準パターンを使用する事になる。音声認識
装置使用時にはスイツチ６をａ側に切り替え、第
１図の場合と同様に入力音声を分析部１で特徴パ
ラメータに変換し、比較部２で標準パターンと比
較して音素の認識を行なう。

次に騒音を考慮した標準パターンの作成法につ
いて説明を行なう。使用環境下における騒音の性
質をそのまま使用して標準パターンを作成すれ
ば、認識率の向上に対する貢献度が最も大きい
が、環境騒音の種類はさまざまであるのでこの方
法は現実的でない。従つてここでは騒音の性質を
モデル化する事によつて、標準パターンを作成す
る。

環境騒音の周波数特性は統計的には第４図に示
すHOTHスペクトル特性であることが知られて
いる。騒音の代表として、HOTHスペクトル特
性を有するモデル騒音を作成しておく。このモデ
ル騒音と防音室内で収録した音声データをＳ／Ｎ
比が一定値になるように混合して騒音入りの音声
データを作成する。次に、このデータを使用して
従来と同様の方法で音素標準パターンを作成す
る。このような手続きをいくつかのＳ／Ｎ比に対
して行ない、複数の標準パターンを作成して標準
パターン格納部５に格納してある。本実施例で
は、Ｓ／Ｎ比5dB〜35dBを対象とし、5dBおきに
標準パターンを作成し、合計８種類の標準パター
ンを作成して標準パターン格納部５に格納してい
る。このようにして作成した標準パターンは汎用
的なものであり、一度作成しておけば変更する必
要がないのが特徴である。

騒音レベル検出部３は、マイクロホンから入力
された騒音信号の自乗和を計算してパワーを求め
る部分である。標準パターン選択部４は騒音パワ
ーをＳ／Ｎ比に変換し、標準パターン格納部５の
中から対応するＳ／Ｎ比に最も近い標準パターン
を選択する。Ｓ／Ｎ比と騒音パワーの変換は次式
で行なう。

Ｓ／Ｎ比＝10log（音声パワー）−10log （騒音パワー） ここでマイクに入力される音声パワー（右辺第
１項）は、ほぼ一定と考えて良いから上式で、
Ｓ／Ｎ比と騒音パワーを対応づけることができ
る。

発明の効果 本発明による効果を音素認識率で評価する。こ
こで用いる音素認識率とは、正しく認識されたフ
レームの数（１フレームは10ｍ sec長の音声デ
ータ）の全フレーム数に対する割合で定義され
る。第５図は例としてＳ／Ｎ比25dBに相当する
騒音環境下における５母音と鼻音（／ｍ／，／
ｎ／，はつ音）に対する評価結果を示したもので
ある。実線７が本発明による標準パターンを使用
した場合の結果であり、破線８は従来の標準パタ
ーンを使用した場合の結果である。平均認識率で
3.6％の向上が認められ、鼻音では26％も向上し
た。従つて、本発明の効果は大きいと言える。

尚、第５図は、男性10名が発声した212単語の
中の音素を対象として評価したもので、各音素共
約15000フレーム程度のデータ量があり、十分信
頼できる結果である。

このように本発明は、比較的単純で一般性のあ
る方法であり、しかも音素認識率の改善に対する
効果が大きく有効である。

【図面の簡単な説明】

第１図は標準パターンマツチングによつて音素
認識を行なう従来の方法のブロツク図、第２図は
Ｓ／Ｎ比と音素認識率の関係を示す図、第３図は
本発明の一実施例における音声認識装置ブロツク
図、第４図は騒音の周波数スペクトルを示す図、
第５図は本発明の装置による認識率を従来の装置
によるそれぞれと比較して示す図である。 １…分析部、２…音声認識比較部、３…騒音レ
ベル検出部、４…標準パターン選択部、５…標準
パターン格納部、６…モード切り替えスイツチ。

Claims (1)

【特許請求の範囲】
1. １ 音声と標準パターンを比較する手段を有し、
   騒音の種類に応じて複数の標準パターンを用意し
   ておき、装置使用前に、環境騒音を学習し、学習
   結果によつて、上記標準パターンの中から対応す
   る標準パターンの選択を行ない、この標準パター
   ンを使用して騒音環境下で発声した音声の認識を
   行なうことを特徴とする音声認識装置。