JPH02134700A - 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］ この発明は、音声認識装置に係り、特に、ホルマント周
波数自体あるいはホルマント周波数に基づく情報を特徴
パラメータとして抽出するタイプの音声認識装置の改良
に関する。

［従来の技術］ 一般に、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″の音声信号（第８図（ａ）参照）
を周波数分析し、この周波数分析したちのく第８図（ｂ
）参照）を線形予測分析（ＬＰＧ分析）して得られる特
性曲線（第８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
て抽出することが広く採用されている。尚、第８図（Ｃ
）中、ＦｌないしＦ４は第一ないし第四ホルマントを示
す。

このような従来の音声認識方法を実現する装置としては
、例えば第９図に示すように、母音のような音声を電気
的音声信号に変換するマイクロホン１０と、マイクロホ
ン１０から入力された音声信号を増幅した後不要な高周
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１１と、信号調整回路１１からのアナログ信号
をディジタル化するＡＤコンバータ１２と、ディジタル
化された音声信号を一定周期毎にサンプリングして周波
数分析を行う周波数分析部１３と、線形予測分析等によ
って周波数分析部１３で分析された５ＫＨ２以下のスペ
クトルビークを抽出し、第−及び第二ホルマント周波数
を検出するホルマント検出部１４と、このホルマント検
出部１４で検出されたホルマント周波数を特徴パラメー
タとし、この特徴パラメータをもとに母音を判別する音
声判別部１５とで構成されたものが既に知られている。

［発明が解決しようとする課題１ ところで、このような従来の音声認識装置にあっては、
音声信号をディジタル化した後、ＣＰＵボード等のソフ
トウェア処理によってホルマント周波数を検出するよう
にしているので、必然的にホルマント周波数の検出時間
がかかり、その分、音声認識を高速に行うことが困難に
なるという問題を含んでいた。

このような問題は、ホルマント周波数をそのまま特徴パ
ラメータとして抽出するものに限られるものではなく、
ホルマント周波数を検出し、検出されたホルマント周波
数に基づいて特徴パラメータを抽出するものにおいても
同様に生じ得る。

この発明は、以上の問題点に着目して為されたものであ
って、ホルマント周波数の検出動作時間の短縮化を図り
、もって、音声認識の高速化を企図した音声認識装置を
提供するものである。

［課題を解決するための手段］ すなわち、この発明は、第１図に示すように、音声信号
Ｓを所定の周波数帯域成分毎に分割して出力する音声信
号分割手段１と、この音声信号分割手段１にて分割され
た各周波数毎の音声分割信号ｓｒ　　＜ｒ＝１〜ｎ）の
出力レベルを隣接チャンネル間で比較して二値化する比
較手段２と、上記比較手段２からの比較情報に基づいて
ホルマント周波数を検出し、検出されたホルマント周波
数に基づいて特徴パラメータを抽出するパラメータ抽出
手段３と、このパラメータ抽出−手段３からの特徴パラ
メータをもとに音声の判別を行う音声判別手段４とを備
えた音声認識装置である。

このような技術的手段において、本発明の適用範囲とし
ては音声認識に当ってホルマント周波数を検出し得るも
のであれば総て対象になり得る。

この場合において、音声を認識する上での特徴パラメー
タとしては、ホルマント周波数自体やその対数情報等適
宜選択することができるが、不特定話者の音声を認識す
る際の個人差を少なく抑えるという観点からすれば、ホ
ルマント周波数そのものに依存しないホルマント周波数
相互の比やホルマント周波数の対数差情報の此等ホルマ
ント周波数を相対値化したものを特徴パラメータとする
ことが好ましい。

また、上記音声信号分割手段１の分割数、分割すべき周
波数帯域の範囲等については、各種音声のホルマント周
波数に応じて適宜選択することができる。この場合にお
いて、特徴パラメータとしてホルマント周波数の対数情
報を用いるタイプにあっては、対数変換をパラメータ抽
出手段３にて行うようにしてもよいが、音声認識のより
高速化を企図すれば、バンドパスフィルタ群を対数的に
配列したり、バンドフィルタ群と対数変換手段とを組合
せたりして音声信号分割手段１を構成し、上記音声信号
分割手段１にて予めホルマント周波数を実質的に対数変
換するようにすることが好ましい。

更に、上記比較手段２としてはアナログ信号である隣接
する音声分割信号３ｉ−１，３ｉを比較して二値化し得
るものであれば適宜設計変更して差支えない。

更にまた、上記パラメータ抽出手段３としては、比較手
段２からの比較情報に基づいてホルマント周波数を検出
するホルマント検出部と、このホルマント検出部からの
検出情報に基づいて特徴パラメータを演算するパラメー
タ演算部とを備えたものであれば、適宜設計変更差支え
ない。この場合において、有声子音を認識する際には、
各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、音声判別手段４としては、認識対象となる音声に
関する基準情報を具備し、特徴パラメータと前記基準情
報とを比較して合致したものを入力音声として認識し得
るものであれば適宜設計変更することができる。

［作用」 上述したような技術的手段によれば、音声信号Ｓが音声
信号分割手段１に入力されると、音声信号Ｓは所定の周
波数帯域毎に分割された音声分割信号３ｉとして出力さ
れる。そして、隣接する音声分割信号３ｉ−１，Ｓｉは
比較手段２で比較されて二値化され、この比較情報がパ
ラメータ抽出手段３に入力される。

次いで、このパラメータ抽出手段３では、入力された比
較情報に基づいてホルマント周波数が検出されると共に
、検出されたホルマント周波数に基づいて特徴パラメー
タが抽出されることになり、この後、音声判別手段４が
前記特徴パラメータをもとに入力音声信号Ｓを判別する
。

［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。

第２図はこの発明に係る音声認識装置の一実施例を示す
ブロック図であり、音声の特徴パラメータとしては隣接
するホルマント周波数の対数差を用い、音声として母音
及び有声子音を認識し１テるものである。

同図において、２１は音声を電気的音声信号に変換する
マイクロホン、２２はマイクロホン２１から入力された
音声信号を増幅した後不要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１辰動レ
ベルを調整するＡＧＣ回路からなる信号調整回路、２３
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（具体的にはチャンネルｃｈ
（ｉ）（ｉ−１〜１５））（本発明の音声信号分割手段
１に相当）、２４はバンドパスフィルタ２３の隣接する
チャンネルｃ　ｈ　（ｉ−１）　、　ｃ　ｈ　（ｉ）間
の出力レベルを比較した後二値化して出力する二値化回
路（本発明の比較手段２に相当）、２５は上記二値化回
路２４からの音声信号がどの母音あるいは有声子音であ
るかを判別するＣＰＵボード（本発明のパラメータ抽出
手段３及び音声判別手段４に相当）である。尚、バンド
パスフィルタ２３からの出力は、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る。

この実施例において、上記二値化回路２４は、特に第３
図に示すように、１４個のコンパレータ２４　（ｊ）　
　（ｊ　＝　１〜１４）からなり、夫々のコンパレータ
２４　（ｊ）にてｃ　ｈ　（ｊ＋１）　＞　ｃ　ｈ　（
ｊ）のときＣｊ＝’“１″、そうでないときＣｊ−“°
０″を出力するようになっている。

また、上記ＣＰＵボード２５は第４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ＣＰｔＪボード２５は、二値化回路２４からの
各比較信号ｃｊ＜　ｃ　ｈ　（ｊ＋１）−ｃｈ（ｊ））
に基づいてその符号が正から負に変化する箇所を調べ（
ステップ１）、正から負に変化するチャンネルｃ　ｈ　
（ｉ）の番号（この実施例ではｍｌないしｍ３とする）
をホルマントのあるチャンネルとして検出する（ステッ
プ２）。しかる後、上記ＣＰＵボード２５は、第二ホル
マントのあるチャンネル番号ｍ２から第一ホルマントの
あるチャンネル番号ｍ１の差を第一のパラメータＬ　ｆ
１２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ｍ３から第二ホルマントのあるチャンネル番
号ｍ２の差を第二のパラメータＬ　ｆ２３として抽出し
くステップ３．４）、次いで、第−及び第二のパラメー
タ１−ｆ１２　、１−ｆ２３の時間変化をメモリに記憶
させた後、ＤＰマツチングを行う（ステップ５，６）。

この後、ＣＰＵボード２５は、第−及び第二のパラメー
タ１ｆ１２゜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Ｓがなにであ
るかを判別して出力する（ステップ７）。

次に、この実施例に係る音声認識装置で例えば母音を認
識する場合について説明する。

今は、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−及び第二のパラメータＬｆ１２
　、１Ｊ２３の値を夫々求め、第−及び第二のパラメー
タＬｆ１２　、　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５図に示
すような分布図が得られた。尚、同図において、ＭＡＬ
Ｅは・（黒塗り）。

ＦＥＭＡＬＥは○（白抜き）、ａはｏ、ｉ　は、ＩＵは
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、３ｕ。

Ｓｅ、３ｏ　　（図中点線で囲む）に分布していること
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３ａないしＳＯ
は、仕切り線１１ないし１５で確実に区画されることに
なる。

よって、各母音”ａ、ｉ、ＬＪ、ｅ、ｏ″に対応する第
一、第二のパラメータＬｆ１２　、１Ｊ２３の基準値を
、上記仕切り線１１ないしｉ５の値をもとに各ｆａ　域
Ｓ　ａないしＳＯが含まれるように予め設定しておけば
、入力された音声情報の第−及び第二パラメータしｆ１
２　、１ｆ２３がどの領域に含まれるかがＣＰＵボート
２５の音声判別部（ステップ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。

尚、有声子音の認識についても、時間的に変化する基準
データを予め設定しておき、これと比較することにより
上述したのと同様に判別することができる。

このような音声認識過程においては、ホルマント周波数
を検出する過程で、バンドパスフィルタ２３及び二値化
回路２４を使用しているので、ＣＰＵボード２５では二
値化回路２４の出力信号の符号を調べるだけでホルマン
・ト周波数を検出することが可能になる。このため、ホ
ルマント周波数の検出手段の大部分をハードウェア構成
にすることができ、その分、ホルマント周波数の検出動
作時間が短縮される。

更に加えて、この実施例においては、特殊なバンドパス
フィルタ２３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、ＣＰＵボード２５内でホルマント周波数の対数差を
求める演算を行う必要がなくなり、しかも、ホルマント
周波数の比をとる場合等において必要となる乗除筒を行
う必要がない。このため、ＣＰＵ−ド２５内での計算量
が少なくなり、その分、特徴パラメータの抽出時間を短
縮することができるほか、ＬＳＩを使用する等集積化が
容易になる。

また、この実施例においては、特徴パラメータとして、
ホルマント周波数の対数差情報１ｆｔ２゜Ｌ　ｒ２３を
用いているため、音声認識率が高いものになっている。

この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ｆ１．第二ホルマントｆ２の周
波数を夫々求め、第−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６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
３ａないしＳＯが大きく広がり、しかも、各母音の分布
領域が接近配置されており、特に、１１　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
″゛Ｕ”とｅ″との間で音声の誤認識の頻度が高くなっ
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−及び第二ホルマントの比ｆ
ｌ　／ｆ２　、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７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“１′
′の分布領域Ｓｉ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１１　ｉ　ＩＩの分布領
域３ｉにおいては他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施す
場合に重み付は計数が各母音毎にまちまちになり、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
が生じてしまう。

従って、比較例１及び比較例２に係るものが実施例に比
べて音声の１１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粋のみによる
方法はとれず、乗除算を必ず行わなければならない分、
演算時間の点で不利である。

更に、第−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複雑になる。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
で時間がかかる等の点で好ましくない。

尚、この実施例にあっては、音声として母音及び有声子
音を認識対栄としているが、例えば、無声子音をも認識
対象とする場合には、第２図に仮想線で示すように、バ
ンドパスフィルタからのパラレルな音声分１．１１信号
Ｓ１をマルチプレクサ３１によってシリアル信号に変換
した後、ＡＤコンバータ３２にてディジタル化してＣＰ
Ｕボード２５に導く訴うにする一方、上記ＣＰＬＩボー
ド２５内に無声子音判別部（図示せず）を設け、この無
声子音判別部で上記ＡＤコンバータ３２からのデータを
処理し、無声子音をも判別できるようにすることが可能
である。

［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装置
によれば、音声信号のホルマント周波数の検出過程の装
置構成を工夫し、ホルマント周波数の検出時間の短縮化
を図るようにしたので、ホルマント周波数に基づく特徴
パラメータをもとにした音声認識を高速に行うことがで
きる。

更に、請求項２記載の音声認識装置にあっては、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いるの
で、ホルマント周波数に直接依存しない聴空間に対応し
た音声の特徴空間を形成することができる。このため、
不特定話者によ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、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。

特に、請求項３記載の音声認識装置にあっては、ホルマ
ント抽出手段にてホルマント周波数の対数差演算を行う
必要がなくなるので、ホルマント抽出手段でホルマント
周波数の対数差演算をソフトウェア処理にて行う場合に
比べて特徴パラメータの抽出時間をより短縮することが
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装置の概略構成を示す
説明図、第２図はこの発明に係る音声認識装置の一実施
例を示すブロック図、第３図は実施例に係る二値化回路
の詳細を示す説明図、第４図は実施例に係るＣＰＵボー
ドの具体的な処理を示すフローチャート、第５図は実施
例に基づく音声の特徴空間を示すグラフ図、第６図及び
第７図ハ比較例１寝比較例２に基づく音声の特徴空間を
示すグラフ日、第８図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、第９図は従来の音
声認識装置の一例を示す説明図である。 ［符号の説明］ Ｓ・・・音声信号 Ｓｉ・・・音声分割信号 １・・・音声信号分割手段 ２・・・比較手段 ３・・・ホルマント抽出手段 ４・・・音声判別手段

Claims (1)

1. 【特許請求の範囲】 １）音声信号（Ｓ）を所定の周波数帯域成分毎に分割し
   て出力する音声信号分割手段（１）と、この音声信号分
   割手段（１）にて分割された各周波数毎の音声分割信号
   （Ｓｉ）の出力レベルを隣接チャンネル間で比較して二
   値化する比較手段（２）と、 上記比較手段（２）からの比較情報に基づいてホルマン
   ト周波数を検出し、検出されたホルマント周波数に基づ
   いて特徴パラメータを抽出するパラメータ抽出手段（３
   ）と、 このパラメータ抽出手段からの特徴パラメータをもとに
   音声の判別を行う音声判別手段（４）とを備えた音声認
   識装置。 ２）請求項１記載のものにおいて、音声の特徴パラメー
   タとしてホルマント周波数の対数差情報を用いたことを
   特徴とする音声認識装置。 ３）請求項２記載のものにおいて、音声信号分割手段（
   １）は対数的に配列されたバンドパスフィルタ群からな
   り、パラメータ抽出手段（３）は、ホルマント周波数を
   検出するホルマント検出部と、検出されたホルマント周
   波数に対応する音声信号分割手段（１）のチャンネル番
   号差を特徴パラメータとして演算するパラメータ演算部
   とを備えていることを特徴とする音声認識装置。