JPH01150200A - 入力音声の定常部、過渡部、不確定部の検出装置 - 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】 〔産業上の利用分野〕 この発明は、音声認識において、入力音声の音韻区間を
分割するために重要な情報となる入力音声の定常部、過
渡部、不確定部の検出装置に関する。

〔発明の概要〕

この発明は周波数方向に分割されたチャンネルのそれぞ
れの時間方向のブロック内の分散の和として求められた
過渡検出パラメータと、その差分値とから入力音声の過
渡部、定常部、どちらとも言えない不確定部の検出を行
なうようにしたもので、より精度よく、検出ができるよ
うにしたものである。

〔従来の技術〕

連続音声、大語案音声認識の場合には、音Ｂ認識が基本
となる。この音韻認識に当たっては認識対象の入力音声
を音韻区間毎に分割する必要がある。

例えば「す」という語を発音したとき、音声波形は第３
図Ａに示すようになり、子音「ｓ」と母音「Ｕ」とに音
韻分割することができる。この場合に、この音声波形か
ら明らかなように、音韻が変化する部分すなわち過渡部
内に分割点が存在すること明らかであり、また１つの音
韻区間内の定常性を有する部分、すなわち定常部で音韻
認識をすれば認識を正しく行なうことができる。

この過渡性及び定常性を計る手段として以下に説明する
ような過渡検出パラメータを用いる方法が提案されてい
る。

この過渡検出パラメータは、音声スペクトルの変化量を
各チャンネル（周波数）の時間方向のブロック内の分散
の和として定義される。

すなわち、先ず、音声スペクトルＳ　ｉ　（ｎ）を周波
数方向の以下に示す平均値３ａｖｇ（ｎ）でゲインを正
規化する。

Ｓ　ａｖｇ　（ｎ）　　−Σ　Ｓ　Ｉ　（ｎ）／ｑ　　
　　　　　・・　・・　・・　（１）１：１ ここで、ｌはチャンネル番号、ｑはチャンネル数を示す
。また、ｑチャンネルの各チャンネルの情報は時間方向
にサンプリングされるが、同一時点のｑチャンネルの情
報のブロックをフレームといい、ｎは認識に使用される
フレームの番号を示している。

ゲイン正規化の行われた音声スペクトルＳ　ｉ　（ｎ）
は ５ｉ（ｎ）＝　５ｉ（ｎ）　−３ａｖｇ（ｎ）　　　　
　　・＋　・１２）となる。

過渡検出パラメータＴ　（ｎ）は、そのフレームの前後
のＭフレームの合計（２Ｍ＋１）であるＣｎ−Ｍ、ｎ＋
Ｍ３ブロック内の各チャンネルの時間方向の分散の和と
して定義する。

で各チャンネルのブロック内の時間方向の平均値である
。

なお、実際的にはＣｎ−Ｍ、ｎ＋Ｍ３ブロック中心付近
の変化は、音のゆらぎやノイズを拾いやすいので、過渡
検出パラメータＴ　（ｎ）の計算から取り除くことにし
、第（３）式は次のように変更される・・・・（５） そして、第（５）式において、ａ＝　１．　Ｍ＝２８．
　　ｍ＝３．ｑ＝３２としてパラメータＴ　（ｎ）が求
められ、前述したｒｓＵＪの入力音声の場合、第３図Ｂ
のようになる。

そこで、この過渡検出パラメータＴ　（ｎ）に対し、ス
レッショールド値を設定して比較し、スレッショールド
値より大きいところを過渡部、スレッショールド値より
小さいところを定常部として検出することができる。

〔発明が解決しようとする問題点〕

ところで、過渡検出パラメータＴ　（ｎ）は、音声スペ
クトルの変化の一番激しい過渡点−パラメータＴ　（ｎ
）のピーク点−を検出するのを主たる目的としているた
め、過渡性、定常性を計る場合に、これを単純に適用す
ることは困難である。すなわち、スレッショールド値の
設定が困難であり、定常部と過渡部とを正しく分けるこ
とがむずかしかったこの発明は、より精度よく定常部、
過渡部を検出できる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〕

この発明においては、例えば第１図に示すように音響分
析手段（５１）と、過渡検出パラメータ演算手段（６）
と、過渡検出パラメータの差分値を求める差分値演算手
段（７）と、過渡部、定常部、不確定部の判別手段（８
）とからなる。

〔作用〕

音響分析手段（５１）は入力音声を周波数方向に複数チ
ャンネルに分けて音響分析を行ない、音声スペクトルを
得る。

過渡検出パラメータ演算手段（６）は音響分析手段（５
１）からの音声スペクトルから過渡検出パラメータを得
る。

差分値演算手段（７）は連続する２フレ一ム間の過渡検
出パラメータの値分値を求める。

判別手段（８）は過渡検出パラメータと差分値とから入
力音声の定常部を決定し、差分値から過渡部を決定し、
定常部でも過渡部でない期間は不確定部として検出する
。

〔実施例〕

第１図はこの発明による検出装置の一実施例を備えた音
声認識装置の一例を示す。

すなわち、マイクロホン（１）からの音声信号がアンプ
（２）及び帯域制限用のローパスフィルタ（３）を介し
てＡ／Ｄコンバーク（４）に供給され、例えば１２．５
ｋＨｚ　のサンプリング周波数で１２ビツトのデジタル
音声信号に変換される。このデジタル音声信号は音響分
析手段（５）に供給される。

この音響分析手段（５）はバンドパスフィルタバンク（
５１）およびその他の音響分析手段（５４）からなって
いる。バンドパスフィルタバンク（５１）は、例え＋ｉ
　３２チヤンネルのデジタルバンドパスフィルタ（５１
１，）　（５１１、）　（５１１２）・・・・（５１１
３１）　　を備える。このデジタルバンドパスフィルタ
（５１１０）　（５１１，）・・・・（５１１３１）　
　は例えばバターワース４次のデジタルフィルタにて構
成され、２５０Ｈｚから５．５ｋＨｚまでの帯域が対数
軸上で等間隔で分割された各帯域が各フィルタの通過帯
域となるようにされている。そして、各デジタルバンド
パスフィルタ（５１１゜）（５１１，）・・・°・（５
１１，、）の出力信号はそれぞれ整流回路（５１２゜）
（５１２，）　（５１２，）・・・・（５１２，、）　
　に供給され、これら整流回路（５１２゜）〜（５１２
，、、）　　の出力はそれぞれデジタルローパスフィル
り（５１３゜）（５１３，ン（５１３ｚ）・・・・（５
１３ｓ＋）に供給される。これらデジタルローパスフィ
ルタ（５１３゜）　（５１３１）　（５１３□）・・・
・（５１３３１）　　は例えばカットオフ周波数５２．
８）１ｚのＦＩＲローパスフィルタにて構成される。各
デジタルローパスフィル９　（５１３ｏ）（５１３，）
　（５１３，）・・・・（５１３３，）　　の出力信号
はサンプラー（５２）に供給される。このサンプラー（
５２）ではデジタルローパスフィルタ（５１３゜）（５
１３，）・・・・（５１３３１）の出力信号をフレーム
周期５．１２ｍ５ｅｃ毎にサンプリングする。したがっ
て、これよりはサンプル時系列（音声スペクトル）　５
ｉ（ｎ）（ｉ＝１．２．　−３２　；ｎはフレーム番号
でｎ＝１．２．　　・・・・ｑ）が得られる。

このサンプラー（５２）からの出力、つまりサンプル時
系列Ｓ　ｉ　（ｎ）は正規化回路（５３）に供給され、
これより正規化された音声スペクトルの時系列Ｓ　ｉ　
（ｎ）が得られる。

また、他の音響分析手段（５４）では、この例では入力
音声の対数パワー、ゼロクロスレート、前後のサンプル
間の相関の強さを示す１次のパーコール（ＰＡＲＣＯＲ
）係数、パワースペクトルの傾きが求めろれる。これら
の情報は、サンプラー（５５）に供給されて、サンプラ
ー（１４）と同じサンプリングパルスによりサンプリン
グされる。したがって、このサンプラー（５５）からは
各分析情報が音声スペクトルＳ　ｉ　（ｎ）と同じサン
プル時系列とされて得られる。

正規化回路（５３）からの音声スペクトルのサンプル時
係数５　ｉ　（ｎ）は過渡検出パラメータ演算手段（６
）に供給され、前述の第（５）式の演算がなされて、過
渡検出パラメータＴ　（ｎ）が求められる。この場合、
第（５）式において、Ｍ　＝　５　、　ｍ　＝　２とし
、前述の従前の場合の値、Ｍ＝２８．ｍ＝３に比べて小
さくして、過渡部、定常部検出のためと、計算量削減を
図っている。

この演算手段（６）からの過渡検出パラメータＴ　（ｎ
）は、養分値演算手段（７）に供給され、過渡検出パラ
メータの差分値ｄＴ（ｎ）が ｄ　　Ｔ（ｎ）＝　Ｔ（ｎ＋１）−Ｔ　（ｎ）　　　　
　　　　　・・−（６）として求められる。

そして、演算手段（６）からの過渡検出パラメータＴ　
（ｎ）と、演算手段（７）からの差分値ｄ　Ｔ　（ｎ）
とは判定手段（８）に供給されて、この判定手段（８）
からは過渡部、定常部、不確定部の判定出力が得られる
。これら判定出力は音韻セグメンテーション手段（９）
に供給される。一方、演算手段（６）からの過渡検出パ
ラメータ時系列Ｔ　（ｎ）と、サンプラー（５５）から
の他の音響分析結果のパラメータ時系列とが、この音韻
セグメンテーション手段（９）にセグメンテーション用
パラメータとして供給されるとともに、音韻認識手段（
１０）に認識処理用パラメータとして供給される。

そして、音韻セグメンテーション手段（９）では、判定
手段（８）からの過渡部、定常部、不確定部の判定出力
を参照しながら、主として過渡部内に音韻区間境界が存
在するとし、演算手段（６）およびサンプラー（５５）
からのパラメータから音韻区間候補を求める。この音韻
区間候補は音韻認識手段（１０）に供給される。この音
６１　ｇＢ識平手段１０）では与えられた音響パラメー
タを認識処理用パラメータとし、音韻セグメンテーショ
ン手段（９）で求められた音韻区間候補を参照しながら
音韻認識を実行する。そして、この音韻認識手段（１０
）からは認識された音韻記号が得られ、これが後段の連
続音声、大語賃音声認識手段に供給される。

次に、判定手段（８）について説明するに、この例では
判定手段（８）はパラメータメモＩＪ（８１）、差分値
メモ’Ｊ（８２）、定常部判定部（８３）、過渡点検出
部（８４）、過渡部判定部（８５）、不確定部判定部（
８６）からなる。パラメータメモ！Ｊ（８１）には演算
手段（６）からの過渡検出パラメータＴ　（ｎ）がスト
アされ、また、差分値メモ’Ｊ　（８２）には差分値ｄ
　Ｔ　（ｎ）がストアされる。

以下、判定の動作を順次説明する。

■　定常部判定部（８３）はメモリ（８１）および（８
２）にサーチ信号を送り、順次パラメータＴ　（ｎ）お
よびｄＴ（ｎ）をメモリ（８１）　（８２）から読み出
し、Ｔ　（ｎ）≦ＴｓＩ・・・・（７） または Ｔ　（ｎ）≦ＴＳ２（ＴＳＩ　＜　ＴＳ２）かつｄ　Ｔ
（ｎ）≦ｌｄｏ　　ｌ　　”（８）を満足する区間を定
常部として判定する。ここで、ＴＳｌ、　ＴＳ２．　ｄ
ｏ　　は設定されたスレッショールド値であり、例えば
、Ｔｓ＋　−１，０，ＴＳ２　＝１．５゜ａｏ　　＝０
．１　　とされる。

■　過渡点検出手段（８４）ではパラメータメモリ（８
１）から読み出された過渡検出パラメータＴ　（ｎ）の
ピーク点（第３図Ｂ参照）を検出し、このピーク点を過
渡部の中心である過渡点とし、この過渡点の位置情報（
フレーム番号）を過渡部判定部（８５）に供給する。

■　過渡部判定部（８５）は、差分値メモＩＪ（８２）
に過渡点を基点としたサーチ信号を送り、差分値ｄ　Ｔ
　（ｎ）を読み出す。この場合に先ず過渡点を基点とし
て時間的に過去にサーチ（以下後方サーチという）し、
差分値ｄ　Ｔ（ｎ）が、ｄ　Ｔ（ｎ）≧ａ＋（ａ＋はス
レッショールド値）・・・・（９）を満足する区間を判
定し、後方過渡部とする。

例えばａ、　　＝０．２　とする。

■　この後方サーチにおいて、上記（９）式を満足する
区間が定常部判定部（８３）で判定された定常部と重な
るときは、その定常部と重なる手前までを過渡部とする
。

■　次に、過渡部判定部（８５）は過渡点を基点として
時間的に未来にサーチ（以下前方サーチという）し、 ｄ　Ｔ　（ｎ）≦−ｄ　、　　　　　　　・−・・（１
０）を満足する区間を判定し、前方過渡部とする。

■　この前方サーチにおいても、上記（ｌＯ）式を満足
する区間が定常部と重なったときは、その手前までを過
渡部とする。

■　後方過渡部と前方過渡部とで、一つの過渡点を中心
とした過渡部が検出される。以上が各過渡点について行
なわれ、過渡部のすべての判定がなされる。

■　次に、定常部判定部（８３）の判定出力と、過渡部
判定部（８５）の判定出力とから、不確定部判定部（８
６）では、定常部および過渡部のどちらにも決定されな
かった区間を不確定部とする。

この不確定部判定部（８６）の判定出力は、定常部判定
部（８３）の判定出力および過渡部判定部（８５）の判
定出力とともに、前述したように音韻セグメンテーショ
ン手段（９）に供給される。

なお、判定手段（８）の判定出力を音韻認識手段（１０
）に供給し、認識に当たって定常部を特に注目するとと
もに、不確定部は変動要因となるので、この区間を認識
時には無視するようにすることにより、より正しい認識
を行なうことができる。

なお、以上はコンピュ・−夕を用いて演算処理すること
ができる。第２図はそのときの定常部、過渡部、不確定
部の判定手順を示すフローチャ−トである。

〔発明の効果〕

この発明は、過渡検出パラメータを単にスレッショール
ド値と比較して過渡部と定常部とを判定するのではなく
、過渡検出パラメータの差分値を求め、過渡検出パラメ
ータと、その差分値から定常部を定め、差分値から過渡
部を定めるようにしたので、より精度よく過渡部、定常
部の判定ができる。

また、この発明では過渡部でも定常部でもない区間を不
確定部として検出するようにしたので、この不確定部判
定出力を求めることにより、変動要因となるこの不確定
部を除去した区間で音韻区間判定や音韻認識をすること
が可能になる。

【図面の簡単な説明】

第１図はこの発明の一実施例を適用した音声認識装置の
一例のブロック図、第２図はこの発明の要部の一例の説
明のためのフローチャート、第３図は入力音声波形と過
渡パラメータの説明のための波形図である。 （５）は音響分析手段、（５１）はバンドパスフィルタ
バンク、（６）は過渡検出パラメータ演算手段、（７）
は差分値演算手段、（８）は判定手段である。

Claims (1)

1. 【特許請求の範囲】 ａ）入力音声の音響分析を行い音声スペクトルを求める
   音響分析手段と、 ｂ）上記音声スペクトルから過渡検出パラメータを得る
   手段と、 ｃ）この過渡検出パラメータの差分値を求める手段と、 ｄ）上記過渡検出パラメータと差分値から上記入力音声
   の定常部を決定し、上記差分値から上記入力音声の過渡
   部を決定し、定常部でも過渡部でもない部分を不確定部
   とする判別手段と からなる入力音声の定常部、過渡部、不確定部の検出装
   置。