JPH02108936A - 音声認識方法 - 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Ｊ この発明は、音声認識方法に係り、特に、不特定話者の
音声を認識する上で有効な音声認識方法に関する。

［従来の技術］ 従来における音声認識方法としては、例えば抽出対象と
なる母音（この例では「Ｕ」）の畜産信号（第７図（ａ
）参照）を周波数分析し、この周波数分析したもの（第
７図（ｂ）参照）を線形予測分析（以下ＬＰＧ分析とい
う）して得られる特性曲線（第７図（Ｃ）参照）から、
第一ホルマント及び第二ホルマントの周波数の絶対値を
特徴パラメータとして抽出するものが広く採用されてい
る。尚、第７図（Ｃ）中、ＦｌないしＦ４は第一ないし
第四ホルマントを示す。

［発明が解決しようとする課題］ ところで、不特定話者の音声認識に当って上記方法を採
用すると、上記第一ホルマント及び第二ホルマントを座
標軸とした音声の特徴空間において、各母音の分布領域
が大きく広がり、しかも、各母音間の距離も接近してい
るため、抽出された特徴パラメータが誤認識され易いと
いう問題を生ずる。

この発明は、以上の問題点に着目してなされたものであ
って、不特定話者の音声を認識する上で誤認識を少なく
できるようにした新規な音声認識方法を提供するもので
ある。

［ａ！題を解決するための手段］ 本発明者は上述した問題を以Ｆのように分析し、本発明
を案出するに至ったのである。

具体的に述べると、従来の音声認識方法において各母音
の分布領域が大きく広がるのは、同じ音声でも、男性、
女性、子供等によってホルマント周波数がある程度大き
く相違するにも拘らず、音声の特徴空間にホルマント周
波数そのものを用いていることに起因すると考えられる
。従って、ホルマント周波数そのものに依存しない音声
の特徴パラメータを選ぶことが重要であり、本発明者は
、音声の特徴空間を聴空間（対数軸空間に相当）に対応
させることを考慮した上で、ホルマント周波数に直接依
存しないホルマント周波数を相対値化してなる音声の特
徴パラメータを見出し、本発明を案出するに至ったので
ある。

すなわち、この発明は、音声を認識するに際し、音声信
号を周波数分析して得られる第一ないし第三ホルマント
のうち隣接する第一及び第二ホルマント周波数並びに第
二及び第三ホルマント周波数の対数差情報を特徴パラメ
ータとして抽出するものである。

このような技術的手段において、本発゛明の適用範囲と
してはホルマント周波数が抽出される音声であれば、母
音、有声子音を問わない。この場合において、有声子音
を認識する際には、第一ないし第三ホルマントが時間的
に変化するため、特徴パラメータの抽出に当って時間変
化をメモリに記憶できるように設計することが必要であ
る。

また、特徴パラメータの抽出方法については、最終的に
隣接ホルマント周波数の対数差情報を抽出し得るもので
あれば、例えば上記第一ないし第三ホルマント周波数の
抽出手段をソフトウェアによって実現したり、ハードウ
ェアによって実現する等適宜選択して差支えない。

「作用」 上述したような技術的手段によれば、音声の特徴パラメ
ータが第一及び第二ホルマント周波数並びに第二及び第
三ホルマント周波数の各対数差情報になっているので、
音声の特徴パラメータがホルマント周波数に直接依存す
ることなく、聴空間に対応した前記対数差スケールから
なる音声の分布空間において相対値化されることになり
、不特定話者による同一音声の特徴パラメータは前記対
数差スケールからなる音声の特徴空間において比較的狭
い範囲に分布することになる。

「実施例」 以下、添附図面に示す実施例に基づいてこの発明の詳細
な説明する。

実施例１ 第１図はこの発明に係る音声認識方法を実現する装置の
一実施例を示し、音声として母音を認識するものである
。

同図において、１は母音からなる音声を電気的音声信号
に変換するマイクロホン、２はマイクロホン１から入力
された音声信号を増幅した後不用な高周波数成分をカッ
トするアンプ及びローパスフィルタ並びに音声信号の撮
幅レベルを調整するオートゲインコントロール回路（以
下ＡＧＣ回路と略記する）からなる信号調整回路、３は
信号調整回路２からのアナログ信号をディジタル化する
ＡＤコンバータ、４はディジタル化された音声信号を一
定周期（約２０ＫＨｚに相当）毎にサンプリングして周
波数分析を行う周波数分析部、５はＬＰＧ分析等によっ
て周波数分析部４で分析された５Ｋｌ（Ｚ以下のスペク
トルビークを抽出し、第一ないし第三ホルマント周波数
を得るホルマント抽出部、６は対数軸スケールにて第一
ホルマントｆ１と第二ホルマントｆ２との差並びに第二
ホルマントｆ２と第三ホルマントｆ３との差を特徴パラ
メータとして抽出する特徴パラメータ抽出部、７は各母
音”ａ、ｔ　、ｕ、ｅ、ｏ°′に対応する第一、第二パ
ラメータの基準値を予め具備し、特徴パラメータ抽出部
６で得られた第一パラメータｌｏｇ　　（ｆｌ／ｆ２　
’）　　（以下１ｆ１２という）をもとに、入力音声を
ａ″及び′０″と“ＬＪ　”及びｉｉ　ｅＪ＋と“ｉｎ
の三つに分類し、その後、第二パラメータｌｏｇ　　（
ｆ３／ｆ２　）　　（以下１ｆ２３という）をもとに、
ａ″及び０″並びに“Ｕ”及びｅ”を分離して、母音を
判別する音声判別部である。

従って、この実施例に係る音声認識装置において、複数
の男性、女性が混在した不特定話者（男性：ＭＡＬＥ、
女性：ＦＥＭＡＬＥ）による各母音”ａ、ｉ　、ｕ、ｅ
、ｏ”の第一及び第二パラメータ１−ｆ１２．Ｌｆ２３
の値を夫々求め、第一及び第二パラメータ１−ｆ１２．
Ｌｆ２３を座標軸とする音声の特徴空間において夫々の
値をプロットしたところ、第２図に示すような分布図が
得られた。尚、同図において、ＭＡＬＥは・（黒塗り）
、ＦＥＭＡＬＥは０（白抜き）、ａは○、　　ｉ　ハΔ
、　ｕＧｃＬ口。

ｅは、０は◇である。

この分布図によれば、男性と女性の区別なく、各母音が
均等に且つ比較的狭い領域３ａ　、　３ｉ　。

Ｓｕ、Ｓｅ、Ｓｏ（図中点線で囲む）に分布してること
が理解される。このことは、前記音声の特徴空間におい
て、各母音の分布領域が相互に重なり合うことがほとん
どないことを意味し、各母音の分布領域ＳａないしＳＯ
は、仕切り線ｉ１ないしｉ５で確実に区画されることに
なる。

よって、各母音゛ａ、ｉ　、ｕ、ｅ、ｏ”に対応する第
一、第二パラメータＬｆ１２．Ｌｆ２３の基準値を、上
記仕切り線り１ないしｉ５の値をもとに各領域Ｓａない
しＳＯが含まれるように予め設定した後音声判別部７に
組込んでおけば、入力された音声情報の第一及び第二パ
ラメータＬ　ｆ　１２゜１ｆ２３がどの領域に含まれる
かが音声判別部７において判断され、入力された音声情
報が正確に判別されるのである。

次に、この実施例に係る音声認識装置の音声認識率が高
いことを以下の比較例１及び比較例２との関係で述べる
。

先ず、比較例１は音声の特徴パラメータとしてホルマン
ト周波数そのものを用いたものであり、複数の男性、女
性が混在した不特定話者による各母音“ａ、ｉ、Ｕ、ｅ
、ｏ”の第一ホルマントｆｌ、第二ホルマントｆ２の周
波数を夫々求め、第一及び第二ホルマントｆ１．ｆ２を
座標軸とする音声の特徴空間において夫々の周波数をプ
ロットしたところ、第３図に示すような分布図が得られ
た。

この比較例１に係る分布図によれば、各母音の分布領域
ＳａないしＳＯが大ぎく広がり、しかも、各母音の分布
領域が接近配置されており、特に、ＩＩ　ｕＩＩと“ｅ
　”の分布領域が一部重なっていることが把握される。

このため、音声の分布領域を明確に区画することが困難
になり、その分、音声の誤認識が生じ易く、特に、上記
“ｕｌｌとｅＩＩとの間で音声の誤認識の頻度が＾くな
ってしまう。

また、比較例２は音声の特徴パラメータとして隣接する
ホルマント周波数の比を用いたもので、複数の男性、女
性が混在した不特定話者による各母音”ａ、ｉ　、ｕ、
ｅ、ｏ”の第一ホルマントｆ１ないし第三ホルマントｆ
３の周波数を夫々求め、第一及び第二ホルマントの比ｆ
２　／ｆｌ　、第二及び第三ホルマントの比ｆ３　／ｆ
２を座標軸とする音声の特徴空間において夫々の周波数
をプロットしたところ、第４図に示すような分布図が得
られた。

この比較例２に係る分布図によれば、比較例１よりも各
母音の分布領域は明確に区画されているが、母音“ｉ”
の分布領域３ｉが他のものに比べて大きく広がっている
ほか、母音の分布領域の大きさがばらついていることが
把握される。このため、母音“ｉ　Ｐ＋の分布領域３ｉ
においては伯の母音の分布領域に比較して不自然である
。また、母音の分布領域の大きさがばらつくと、音声の
判別精度を向上させる上で重み付は処理等を論ずような
場合に重み付は係数が各母音毎に待ちまちになり、その
分、重み付は処理等が面倒になってしまうという不具合
も生じてしまう。

従って、比較例１及び比較例２に係る方法にａ３いて音
声の認識を行ったとしても、実施例で示したものに比べ
て音声の認識率は低いことになる。

また、これらの比較例の場合には、実施例で用いたよう
な減算のみによる方法はとれず、乗除算を必ず行わな（
プればならず、演算時間の点でも不利である。

尚、第一及び第二ホルマント周波数と第三ホルマント周
波数との対数差を特徴パラメータとする場合には、実施
例における分布図が右回りに回転した形となり、各母音
を区画する直線が？！雑になる。このため、実施例にお
けるように、座標軸に平行な直線で各母音を区画するよ
うな手法を用いることは困難であり、判別のための計算
で手間が係る等の点で好ましくない。

実施例２ 第５図はこの発明に係る音声認識方法を実現する装置の
他の実施例を示すブロック図である。

同図において、符号１１は母音からなる音声を電気信号
に変換するマイクロホン、符号１２はマイクロホン１１
から入力された音声信号を増幅した後不用な高周波数成
分をカットするアンプ及びローパスフィルタ並びに音声
信号の振幅レベルを調整するＡＧＣ回路からなる信号調
整回路、１３は音声信号の１５０〜４８００Ｈ２の範囲
を１／３オクターブずつ１５チヤンネルに対数的に等分
割すべく並設されるバンドパスフィルタ、１４はバンド
パスフィルタ１３からのパラレル音声信号をシリアル信
号に変換するマルチプレクサ、１５はマルチプレクサ１
４からのアナログ信号をディジタル信号に変換するＡＤ
コンバータ、１６はＡＤコンバータ１５からの音声信号
がどの母音であるかを判別するＣＰＵボードである。尚
、バンドパスフィルタ１３らの出力は、図示外の整流平
滑回路を通り強度情報のみを持った直流信号に変換され
た後マルチプレクサ１４に入力されるようになっている
。

この実施例において、上記ＣＰＵボード１６は第６図に
示すフローチャートに従う制御動作を行うようになって
いる。具体的には、上記ＣＰＵボード１６は、先ず、Ａ
Ｄコンバータ１５からのディジタル音声信号に基づいて
バンドパスフィルタ１３の隣接するチャンネルｃ　ｈ　
（ｎ）　、　ｃ　ｈ　（ｎ−１）（ｎ−２〜１５）相互
間の出力を比較し、チャンネルＣｈ　（ｎ）　−Ｃｈ　
（ｎ−１）の出力差の正負を調べる（ステップ１，２）
。次いで、上記ＣＰＵボード１６は、上記ステップ２で
求めた符号に基づき符号が正から負に変化するチャンネ
ルの番号をホルマントのあるチャンネルとして検出しく
ステップ３）、しかる復、第二ホルマントのあるチャン
ネル番号から第一ホルマントのあるチャンネル番号の差
を第一のパラメータ１’ｒｉ２として抽出すると共に、
第三ホルマントのあるチャンネル番号から第二ホルマン
トのあるチャンネル番号の差を第二のパラメータｌ−’
ｆ２３として抽出する（ステップ４．５）。更に、上記
ＣＰｔＪボード１６は、第一及び第二のパラメータｌ’
ｆ１２．　Ｌ’ｆ２３をもとに、予め設定されている基
準データと比較し、入力された音声信号が何の母音であ
るかを判別して出力する。

従って、この実施例に係る金庫認識装置によれば、バン
ドパスフィルタ１３を使用することにより、ホルマント
周波数の対数情報をハードウェア的に求めるようにして
いるので、実施例１のようなソフトウェア的処理を行う
必要がなくなり、その分、音声認識処理時間を短縮する
ことができる。

［発明の効果］ 以上説明してきたように、この発明に係る音声認識方法
によれば、隣接する各ホルマント周波数の対数差情報ス
ケールからなる音声の特徴空間において不特定話者にＪ
：る同一音声の特徴パラメータを比較的狭い範囲に分布
させることができるので、異なる音声の分布領域を確実
に区画することが可能になり、その分、音声の誤認識を
少なくすることができる。

【図面の簡単な説明】

第１図はこの発明に係る音声認識方法を実現する装置の
実施例１を示すブロック図、第２図は実施例１に基づく
音声の特徴空間を示すグラフ図、第３図及び第４図は比
較例１、比較例２に基づく音声の特徴空間を示すグラフ
図、第５図はこの発明に係る音声認識方法を実現する装
置の実施例２を示すブロック図、第６図は実施例２のＣ
ＰＵボードの作用を示すフローチャート、第７図（ａ）
ないしくＣ）は従来の音声認識方法におけるホルマント
の抽出過程を示すグラフ図である。 ［符号の説明］ １．１１・・・マイクロホン ２．１２・・・信号調整回路 ３・・・ＡＤコンバータ ４・・・周波数分析部 ５・・・ホルマント抽出部 ６・・・パラメータ抽出部 ７・・・音声判別部 １３・・・バンドパスフィルタ １４・・・マルチプレクサ １５・・・ＡＤコンバータ １６・・・ＣＰＵボード

Claims (1)

【特許請求の範囲】
1. 音声を認識するに際し、音声信号を周波数分析して得ら
   れる第一ないし第三ホルマントのうち隣接する第一及び
   第二ホルマント周波数並びに第二及び第三ホルマント周
   波数の対数差情報を特徴パラメータとして抽出すること
   を特徴とする音声認識方法。