JPH01159697A - 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】 産業上の利用分野 本発明は、ピッチの有無にて音声区間を検出する音声認
識装置に関するものである。

従来の技術 近年、音声認識技術の発達と共に、音声認識装置が様々
の分野で実用化されようとしている。実用化するために
は、音声認識の技術的な問題点だけでなく、認識装置を
実際に使用する上での様々の問題点をも解決する必要が
ある。この使用上の問題点の１つに、認識装置に音声以
外の信号（たとえば、周囲の突発的な雑音、または音声
の前後に入力されやすい息音など）が入力された場合に
、その信号を除去できずに誤った認識結果を出力してし
まうという点があった。

従来の音声認識装置では、上記問題点を解決するため、
認識結果を出力する前に、各標準音声と入力音声との最
短照合距離値（以下第１候補距離値と呼ぶ）と、予め決
められた距離しきい値との大小を比較し、第１候補距離
値がしきい値より小さい場合のみ結果を出力し、大きい
場合には結果を出力しないという方法がとられた。以上
の方法により、音声以外の信号が入力された場合でも誤
った結果を出力することのない認識装置を実現すること
が可能となる。

以下、図面を参照しながら、上述したような従来の音声
認識装置について説明を行う。第２図は、従来の音声認
識装置のブロック図で、１は音声入力端子、７は特徴抽
出部、１２は標準パターンテンプレート、１３は音声区
間抽出部、１４はパターン照合部、１５は結果確認部、
１６は認識結果出力端子である。以上のように構成され
た音声認識装置について、その動作を説明する。

まず、音声入力端子１より入力された信号を特徴抽出部
７で分析し、特徴パラメータを抽出する。

分析方法は、たとえばＬＰＧケプヌトラム法を用いれば
、単位時間ごとに信号のエネルギーレベルと所定の個数
のケプストラム係数が算出される。

次に、音声区間抽出部１３で、上記のエネルギーレベル
が予め決められたレベルしきい値より大きい部分を全信
号区間から抽出し、相当する部分の始点から終点までを
音声区間とする。

標準パターンテンプレート１２には、音声区間分のケプ
ストラム係数を１単語分とする標準パターンが各単語に
つき複数個含まれており、パターン照合部１４で標準パ
ターンを入力し、特徴抽出部２で分析され音声区間抽出
部１３で区間抽出された音声パターンと標準パターンと
の距離を算出し、第１候補の標準パターンを選ぶ。

次に、結果確認部１５で、第１候補距離値と距離しきい
値とを比較し、第１候補距離値が小さい場合には出力端
子１６より認識結果を出力し、第１候補距離値が大きい
場合には認識結果を出力せずに処理を終了する。

発明が解決しようとする問題点 しかしながら、上記のような構成では、認識処理の大部
分を行った後に信号の確認を行っているだめに、音声以
外の信号が入力された場合には処理時間のかかる照合処
理を無駄に行うことになり、また音声区間抽出をエネル
ギーレベル情報を用いて行うために、相当する音声が入
力されていても、音声以外のエネルギーレベルの大きい
信号と共に、入力された場合には距離値が大きくなり結
果が出力されない。また、認識装置が不特定用の場合な
どは距離しきい値が決めに＜＜、結果の確認が正確に行
われない場合があるという問題点を有していた。

本発明は、上記問題点に鑑み、ピッチ有無判定部で単位
時間ごとのピッチの有無を判定し、音声区間抽出部で左
記ピッチ有無の情報を用いて区間抽出を行い、音声と確
認された部分だけをパターン照合部に入力することによ
り、認識処理を無駄にすることもなく、また決定の困難
な距離しきい値を使用せずに、不要な信号を除いた音声
のみの照合結果を認識結果として出力することができる
音声認識装置を提供するものである。

問題点を解決するだめの手段 この目的を達成するために本発明の音声認識装置は、入
力された信号のピッチ分析を行うピッチ分析部と、ピッ
チ分析結果よりピンチの有無を判定するピッチ有無判定
部と、入力信号のピンチ以外の音響的特徴を抽出する特
徴抽出部と、信号の中から音声区間のみを抽出する音声
区間抽出部とから構成されている。

作用 この構成によって、ピッチ分析部で入力信号の単位時間
ごとのピッチを分析し、ピッチ有無判定部で分析結果よ
り単位時間ごとのピッチの有無を判定し、音声区間抽出
部でピッチ有無の情報を用いて区間抽出を行い、抽出さ
れた区間と標準パターンとの照合結果を認識結果として
出力する。

実施例 以下、本発明の単語音声認識における実施例について第
１図を参照しながら説明する。第１図において、１は音
声入力端子、２はＬＰＦ（Ｌｏｗ　Ｐａ５ｓ　Ｆｉｌｔ
ｅｒ　）部、３は整流化部、４は２値化部、６は自己相
関算出部、６は以上の各部で分析されたピッチの有無を
判定するピッチ有無判定部、７は入力信号のピッチ以外
の音響的特徴を抽出する特徴抽出部、８は信号の中から
音声区間のみを抽出する音声区間抽出部、９はパターン
照合部、１１は認識結果出力端子、１０は標準パターン
テンプレートであり、前記従来例と同じものは、同一の
番号を付与している。

以上のように構成された音声認識装置について以下その
動作について説明する。

まず、音声入力端子１よシ入力された信号は、ＬＰＦ部
２と特徴抽出部７に別々に入力される。

ＬＰＦ部２でＬＰＦ　（たとえば、カットオフ周波数９
００Ｈｚ）を通過した信号は、整流化部３で整流化され
た信号に変換され、２値化部４に入力される。２値化部
４では、上記信号の単位時間ごとの波形ピークレベルを
見つけ、ピークレベルの一定倍（例えば、７０％）のレ
ベルをクリップレベルとし、クリップレベル以上を１、
以下を０として信号を２値化する。ピークレベルの探索
方法は、たとえば単位時間を２４　ｍ５ｅｃとすると、
単位区間の最初と最後の８　ｍ１９１５０の波形最大レ
ベルのうち小さい方をピークレベルとしてもよい。

次に、自己相関算出部５で上記で２値化された信号の自
己相関を算出する。たとえば、サンプリング周波数８０
００Ｈｚの信号で単位区間長２４　Ｉｌｌ！！００の場
合に区間全長の相関を算出すると１９２次の相関係数が
算出される。

次に、ピッチ有無判定部６で上記相関係数の次数の小さ
い方から最初のピーク値と最初から２番目のピーク値の
比が一定値以上（例えば、３０チ以上）であれば相当す
る単位区間にピッチが有るとみなし、以下であればピッ
チが無いとみなす。

以上の２値化部４以降の処理を信号全区間に対して行う
。

一方、特徴抽出部７では入力信号を分析し、特徴パラメ
ータを抽出する。信号の種類、分析条件は、従来法と同
様である。

次に、音声区間抽出部８で、上記処理にて抽出されたエ
ネルギーレベルが、予め決められたレベルしきい値より
大きい部分を全信号区間から抽出し、相当する部分の始
点から終点までを音声区間候補とする。さらに、音声区
間候補と上記ピッチ有無判定部６でのピッチ有無の結果
とを比較し、エネルギーレベルが一定値以上あってもピ
ッチの無い部分は音声区間から除外し、最終的に音声区
間を決定する。

次にパターン照合部９で、標準パターンテンプレート１
０内の標準パターンとの距離を算出し、第１候補単語名
を認識結果出力端子１１より出力する０ 以上のように、本実施例によれば、ピッチ分析部で入力
信号の単位時間ごとのピッチを分析し、ピッチ有無判定
部６で左記結果より単位時間ごとのピッチの有無を判定
し、音声区間抽出部８でエネルギーレベルが一定値以上
有りしかもピッチが有るとみなされた部分を音声区間と
し、上記音声区間パターンと標準パターンとの照合結果
を認識結果として出力することにより、認識処理を無駄
にすることもなく、また決定の困難な距離しきい値を使
用せずに、不要な信号を除いた音声の照合結果を認識結
果として出力することができる。

また、ピッチ分析部は、信号を整流化する信号整流化部
３と、信号を２値化する２値化部４と、信号の自己相関
を算出する自己相関算出部５とで構成され、信号整流化
部３で入力信号を整流化し、２値化部４で整流化された
信号の単位時間ごとのクリップレベルを求めクリップレ
ベル以上を１、以下を０として２値化し、自己相関算出
部５で２値化された信号の単位時間ごとの自己相関を算
出し、ピッチ有無判定部６で自己相関係数の次数の小さ
い方から最初のピークと最初から２番目のピークとの比
が一定値以上の場合にピッチ有り、以下の場合にピッチ
無しと判断することで、ピッチ分析をリアルタイムで行
うことができる。

発明の効果 本発明は、ピッチ分析部で入力信号の単位時間ごとのピ
ッチを分析し、ピッチ有無判定部で分析結果より単位時
間ごとのピンチの有無を判定し、音声区間抽出部でピン
チ有無の情報を用いて区間抽出を行うことによシ、認識
処理を無駄にすることもなく、また決定の困難な距離し
きい値を使用せずに、不要な信号を除いた音声の照合結
果を認識結果として出力することができる優れた音声認
識装置を提供するものである。

また、ピッチ分析部は、信号を整流化する信号整流化部
と、信号を２値化する２値化部と、信号の自己相関を算
出する自己相関算出部とで構成され、整流化部で入力信
号を整流化し、２値化部で整流化された信号を信号のエ
ネルギーレベルの大小により２値化し、自己相関算出部
で２値化された信号の単位時間ごとの自己相関を算出し
、ピッチ有無判定部で自己相関の大小にて有無判定を行
うことによシビッチ分析をリアルタイムで行うことがで
きる優れた音声認識装置を提供するものである。

【図面の簡単な説明】

第１図は本発明の一実施例における音声認識装置のブロ
ック図、第２図は従来例における音声認識装置のブロッ
ク図である。 １・・・・・・音声入力端子、２・・・・・・ＬＰＦ部
、３・・・・・・整流化部、４・・・・・・２値化部、
５・・・・・・自己相関算出部、６・・・・・・ピッチ
有無判定部、７・・・・・・特徴抽出部、８・・・・・
・音声区間抽出部、９・・・・・・パターン照合部、１
ｏ・・・・・・標準パターンテンプレート、１１・・・
・・・認識結果出力端子。 代理人の氏名　弁理士　中　尾　敏　男　ほか１名派

Claims (2)

【特許請求の範囲】
1. （１）入力された信号のピッチ分析を行うピッチ分析部
   と、ピッチ分析結果よりピッチの有無を判定するピッチ
   有無判定部と、少なくとも入力信号のピッチ以外の音響
   的特徴を抽出する特徴抽出部と、信号の中から音声区間
   のみを抽出する音声区間抽出部とを具備し、前記ピッチ
   分析部で入力信号の単位時間ごとのピッチを分析し、前
   記ピッチ有無判定部で前記分析結果より単位時間ごとの
   ピッチの有無を判定し、前記音声区間抽出部で左記ピッ
   チ有無の情報を用いて区間抽出を行うことを特徴とする
   音声認識装置。
2. （２）ピッチ分析部は、信号を整流化する整流化部と、
   信号を２値化する２値化部と、信号の自己相関を算出す
   る自己相関算出部を具備し、前記整流化部で入力信号を
   整流化し、前記２値化部で整流化された信号を信号のエ
   ネルギーレベルの大小により２値化し、前記自己相関算
   出部で２値化された信号の単位時間ごとの自己相関を算
   出し、ピッチ有無判定部で自己相関の大小にて有無判定
   を行うことを特徴とする特許請求の範囲第１項記載の音
   声認識装置。