JPH02165199A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPH02165199A JPH02165199A JP32012888A JP32012888A JPH02165199A JP H02165199 A JPH02165199 A JP H02165199A JP 32012888 A JP32012888 A JP 32012888A JP 32012888 A JP32012888 A JP 32012888A JP H02165199 A JPH02165199 A JP H02165199A
- Authority
- JP
- Japan
- Prior art keywords
- power
- storing
- bandpass filter
- recognition device
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
技監分立
本発明は、音声認識装置に関する。
丈未伎生
一般に、音声認識装置には周波数方向のパワーの分布を
検出するために、ＢＰＦとＤＥＴを使用することが多い
、なぜならば、ＦＦＴを行なうには計算量が多過ぎて、
リアルタイムでデータが処理できないからである。また
、デジタルフィルターに関してもチャンネル数が多くな
るとハードウェアの規模が大きくなり過ぎるため現実的
ではない、このＢＰＦのチャンネル数は主にそれらがカ
バーする帯域によって異なる。音声認識が対象としてい
る音声に関して色々の考え方があるが。
検出するために、ＢＰＦとＤＥＴを使用することが多い
、なぜならば、ＦＦＴを行なうには計算量が多過ぎて、
リアルタイムでデータが処理できないからである。また
、デジタルフィルターに関してもチャンネル数が多くな
るとハードウェアの規模が大きくなり過ぎるため現実的
ではない、このＢＰＦのチャンネル数は主にそれらがカ
バーする帯域によって異なる。音声認識が対象としてい
る音声に関して色々の考え方があるが。
多くは２００Ｈｚ−７ＫＨｚ程度をカバーできるように
ＢＰＦを設定する。この帯域をｎチャンネルのＢＰＦで
カバーするのである。しかしながら、音声認識装置が使
用される状態においては入力される帯域が狭い場合があ
る。例えば、電話音声に関しては最高周波数は３ 、４
Ｋ Ｉ−Ｉ ｚまでであり、それ以上の帯域はパワー
がない。また無線音声の場合でも、同様に周波数が狭く
なる場合が多い。
ＢＰＦを設定する。この帯域をｎチャンネルのＢＰＦで
カバーするのである。しかしながら、音声認識装置が使
用される状態においては入力される帯域が狭い場合があ
る。例えば、電話音声に関しては最高周波数は３ 、４
Ｋ Ｉ−Ｉ ｚまでであり、それ以上の帯域はパワー
がない。また無線音声の場合でも、同様に周波数が狭く
なる場合が多い。
このような場合、従来ではその使用環境にあわせてＢ
Ｐ Ｆのチャンネル数を合わせた音声認識装置を使用し
ていた。しかし使用者がどのような環境で使用するのか
分からない場合には何らの対策もできなかった。例えば
、電話用の音声！２識装置を通常のマイクで使用した場
合には、３ 、４ Ｋ Ｆｌ ｚ以上の情報を使用しな
いため、認識率が低下する恐九がある。逆に、広い帯域
を持つ音声ど爪装置を電話帯域で使用した場合には、必
要でない帯域の入力をサンプリングしたり、必要でない
帯域の辞書を生成したりするため、ご識Ｕ、νｕｒＪが
長くなったり、メモリーを多く必要としたりする欠点が
あった。
Ｐ Ｆのチャンネル数を合わせた音声認識装置を使用し
ていた。しかし使用者がどのような環境で使用するのか
分からない場合には何らの対策もできなかった。例えば
、電話用の音声！２識装置を通常のマイクで使用した場
合には、３ 、４ Ｋ Ｆｌ ｚ以上の情報を使用しな
いため、認識率が低下する恐九がある。逆に、広い帯域
を持つ音声ど爪装置を電話帯域で使用した場合には、必
要でない帯域の入力をサンプリングしたり、必要でない
帯域の辞書を生成したりするため、ご識Ｕ、νｕｒＪが
長くなったり、メモリーを多く必要としたりする欠点が
あった。
１−一匁
本発明は、上述のごとき実情に鑑みてなされたもので、
特に、音声認識装置において、使用状況下では必要とさ
れない帯域のデータを自動的に調べることにより、認識
時間を短縮すること、辞書が使用するメモリーを少なく
すること等を目的としてなされたものである。
特に、音声認識装置において、使用状況下では必要とさ
れない帯域のデータを自動的に調べることにより、認識
時間を短縮すること、辞書が使用するメモリーを少なく
すること等を目的としてなされたものである。
碧−一」又
本発明は、上記目的を達成するために、入力された音声
を適したレベルまで増幅する手段と。
を適したレベルまで増幅する手段と。
ｎｃｈのバンドパスフィルター（ＢＰＦ）と、ｎｃｈの
整流回路（ＤＥＴ）と、それらの出力を時分割にしてシ
リアルなデータとする手段と、Ａ／Ｄ変換手段と、特徴
を抽出する手段と、音声区間を切り出す手段と、辞書を
記憶する手段と、認識をする手段と、サンプリングされ
たフレーム毎にＩｃｈからｎｃｈまでのパワーデータを
記憶する手段と。
整流回路（ＤＥＴ）と、それらの出力を時分割にしてシ
リアルなデータとする手段と、Ａ／Ｄ変換手段と、特徴
を抽出する手段と、音声区間を切り出す手段と、辞書を
記憶する手段と、認識をする手段と、サンプリングされ
たフレーム毎にＩｃｈからｎｃｈまでのパワーデータを
記憶する手段と。
そのデータからチャンネルパワーを計算する手段と、そ
の計算値を記憶する手段と、その値をある閾値と比較す
る手段と、その結果によりそれぞれのチャンネルが有効
か無効かを示す手段を有する音声認識装置において、そ
の装置が使用される状態において、予め使用者に決めら
れた発声を行なわせ、各バンドパスフィルターのパワー
を検出して使用状態においてパワーが無い帯域のバンド
パスフィルターを検出し、その帯域に関してはバンドパ
スフィルターの出力のＡ／Ｄ変換を行なわず入力データ
を減少させること、或いは、その帯域に関しては辞書に
登録しないことを特徴としたものである。以下、本発明
の実施例に基づいて説明する。
の計算値を記憶する手段と、その値をある閾値と比較す
る手段と、その結果によりそれぞれのチャンネルが有効
か無効かを示す手段を有する音声認識装置において、そ
の装置が使用される状態において、予め使用者に決めら
れた発声を行なわせ、各バンドパスフィルターのパワー
を検出して使用状態においてパワーが無い帯域のバンド
パスフィルターを検出し、その帯域に関してはバンドパ
スフィルターの出力のＡ／Ｄ変換を行なわず入力データ
を減少させること、或いは、その帯域に関しては辞書に
登録しないことを特徴としたものである。以下、本発明
の実施例に基づいて説明する。
第１図は１本発明の一実施例を説明するための楕成図で
、図中、１は増幅器、２はバンドパスフィルター群（Ｂ
ＰＦ）、３はＡ／Ｄ変換器、４は音声区間検出器、５は
特徴抽出部、６は認識部、７は辞書記憶部、８はパワー
記憶部、９はチャンネルパワー計算部、１０はチャンネ
ルパワー記憶部、１１はコンパレータ、１２はチャンネ
ルイネーブルフラグ、１３はテストモードスイッチで。
、図中、１は増幅器、２はバンドパスフィルター群（Ｂ
ＰＦ）、３はＡ／Ｄ変換器、４は音声区間検出器、５は
特徴抽出部、６は認識部、７は辞書記憶部、８はパワー
記憶部、９はチャンネルパワー計算部、１０はチャンネ
ルパワー記憶部、１１はコンパレータ、１２はチャンネ
ルイネーブルフラグ、１３はテストモードスイッチで。
使用者は音声認識装置を用いて、辞書の登録や認識を行
なう前に、入力される音声の状態を認識装置に知らせる
ため、テストモードスイッチ１３を使用して、装置をテ
ストモード状態にする。スイッチ１３は使用者が直接押
せるものであったり、例えば、電話等であれば、ブツシ
ュホンの呑号によってテストモードになるものであった
り、無線等でモード切り替えができるものであったりす
る。
なう前に、入力される音声の状態を認識装置に知らせる
ため、テストモードスイッチ１３を使用して、装置をテ
ストモード状態にする。スイッチ１３は使用者が直接押
せるものであったり、例えば、電話等であれば、ブツシ
ュホンの呑号によってテストモードになるものであった
り、無線等でモード切り替えができるものであったりす
る。
装置はテストモードになると入力された音声から音声区
間を検出して、検出された音声区間のデータをパワー記
憶部に記憶する。記憶されたデータはＩｃｈからｎｃｈ
までのＤＥＴの出力、つまり各ＢＰＦのパワー値をＡ／
Ｄ変換した値であり、サンプル時間は辞書登録もしくは
Ｐ！識時と等しくする。
間を検出して、検出された音声区間のデータをパワー記
憶部に記憶する。記憶されたデータはＩｃｈからｎｃｈ
までのＤＥＴの出力、つまり各ＢＰＦのパワー値をＡ／
Ｄ変換した値であり、サンプル時間は辞書登録もしくは
Ｐ！識時と等しくする。
ここでテストに使用する音声であるが、低い周波数から
高い周波数まで成分を持った音声でなくてはならない。
高い周波数まで成分を持った音声でなくてはならない。
例えば、高い周波数ならば、子音１９１を含んだものに
すれば良いし、低い周波数ならば′ｎ、１１′ を含め
ば良い。テスト用の発声単語はあらかじめ使用者に指定
すれば良く、上記の音を含んだ単語であればよい。この
テスト単語のパワーデータは各チャンネル毎に、音声区
間内の全フレームについて加算される。この加算された
パワー値はチャンネルパワー記憶部１ｏに記憶される。
すれば良いし、低い周波数ならば′ｎ、１１′ を含め
ば良い。テスト用の発声単語はあらかじめ使用者に指定
すれば良く、上記の音を含んだ単語であればよい。この
テスト単語のパワーデータは各チャンネル毎に、音声区
間内の全フレームについて加算される。この加算された
パワー値はチャンネルパワー記憶部１ｏに記憶される。
このパワー値によって使用するＢ Ｐ Ｆの範囲を決定
する。
する。
第２図は、使用するＢＰＦの範囲を決定する手段の一例
を説明するための図で、チャンネルパワー記憶部１０に
は各チャンネル毎に単語内のパワーが記憶されている。
を説明するための図で、チャンネルパワー記憶部１０に
は各チャンネル毎に単語内のパワーが記憶されている。
ここで入力音声が電話からのものであるとして説明する
。電話の音声は一般に高い周波数の部分にパワーが無い
。そのためテスト単語のパワーを調べると、高い周波数
には殆どパワーが無く高い周波数のＢＰＦの出力データ
はＯに近くなっている。つまりこのパワーが出ないＢＰ
Ｆについては全く音声の情報が無いといえる。そこで、
ある閾値ｍとチャンネルパワー記憶部１０の値を比較し
て、ｍより大きければそのチャンネルは有効であるとし
、逆に小さければ無効であるとする。閾値の値は雑音に
よる影響を除くためであり実験的に求めても良く、それ
ほど値を変化させても影響が無い。このようにして求め
られたチャンネルの有効と無効の情報はチャンネルイネ
ーブルフラグ１２によって示される。本実施例では各チ
ャンネルについて、有効ならば１無効ならばＯにしてい
るがその他の方法でもかまわない。このようにして得ら
れたチャンネルの情報を基に装置は辞書の登録や認識を
行なう。
。電話の音声は一般に高い周波数の部分にパワーが無い
。そのためテスト単語のパワーを調べると、高い周波数
には殆どパワーが無く高い周波数のＢＰＦの出力データ
はＯに近くなっている。つまりこのパワーが出ないＢＰ
Ｆについては全く音声の情報が無いといえる。そこで、
ある閾値ｍとチャンネルパワー記憶部１０の値を比較し
て、ｍより大きければそのチャンネルは有効であるとし
、逆に小さければ無効であるとする。閾値の値は雑音に
よる影響を除くためであり実験的に求めても良く、それ
ほど値を変化させても影響が無い。このようにして求め
られたチャンネルの有効と無効の情報はチャンネルイネ
ーブルフラグ１２によって示される。本実施例では各チ
ャンネルについて、有効ならば１無効ならばＯにしてい
るがその他の方法でもかまわない。このようにして得ら
れたチャンネルの情報を基に装置は辞書の登録や認識を
行なう。
次に、認識時の動作について説明する。認識時には音声
が入力されると同時にＢ Ｉ）ＦのパワーをＡ／Ｄ変換
しその値を取り込みながらパターンマツチングを行なう
。例えば、マイクロプロセッサを使用する場合にはイン
タラブドを使用してデータを取り込みその他の時間で特
徴抽出とマツチング動作を行なう。通常では全ＢＰＦの
出力を入力する必要があるが、本発明では既にチャンネ
ル毎に有効無効が分かっているので必要なチャンネルの
データのみを特徴抽出やパターンマツチングすれば良い
。各チャンネルのデータを入力するには、Ａ／Ｄ変換の
コンバージョン時間とそのデータを入力する時間が必要
な為、入力するチャンネルが減ることによりマイクロプ
ロセッサが特徴抽出やパターンマツチングを行なう時間
が増え、認識時間が短縮されることになる。
が入力されると同時にＢ Ｉ）ＦのパワーをＡ／Ｄ変換
しその値を取り込みながらパターンマツチングを行なう
。例えば、マイクロプロセッサを使用する場合にはイン
タラブドを使用してデータを取り込みその他の時間で特
徴抽出とマツチング動作を行なう。通常では全ＢＰＦの
出力を入力する必要があるが、本発明では既にチャンネ
ル毎に有効無効が分かっているので必要なチャンネルの
データのみを特徴抽出やパターンマツチングすれば良い
。各チャンネルのデータを入力するには、Ａ／Ｄ変換の
コンバージョン時間とそのデータを入力する時間が必要
な為、入力するチャンネルが減ることによりマイクロプ
ロセッサが特徴抽出やパターンマツチングを行なう時間
が増え、認識時間が短縮されることになる。
次に、辞書登録時の動作について説明する。例えば、Ｂ
Ｔ’ Ｓ Ｐ （＋３ｉｎａｒｙ Ｔｉｍｅ−５ｐｅ
ｃｔｒｕｍ Ｐａｔｔｅｒｎ）方式の辞書登録について
説明する。一般には、周波数成分の情報が必要であり、
Ｂ ＰＦ”と等しいチャンネル数の辞書とする場合が多
い。第３図（ａ）に示す辞書はｎチャンネル使用した場
合の辞書である。この場合はチャンネル数ｒｌとフレー
ムｙＪ、１と１つのチャンネルデータのビット数（この
場合は２ピツ１〜）を来した大きさのメモリーを必要と
する。これに対して各チャンネルの有効無効が知ら才し
ている本装置の辞書（第３図（ｂ））ではチャンネルデ
ータがｒｎに減少し、辞書が必要とするメモリーが減少
する。
Ｔ’ Ｓ Ｐ （＋３ｉｎａｒｙ Ｔｉｍｅ−５ｐｅ
ｃｔｒｕｍ Ｐａｔｔｅｒｎ）方式の辞書登録について
説明する。一般には、周波数成分の情報が必要であり、
Ｂ ＰＦ”と等しいチャンネル数の辞書とする場合が多
い。第３図（ａ）に示す辞書はｎチャンネル使用した場
合の辞書である。この場合はチャンネル数ｒｌとフレー
ムｙＪ、１と１つのチャンネルデータのビット数（この
場合は２ピツ１〜）を来した大きさのメモリーを必要と
する。これに対して各チャンネルの有効無効が知ら才し
ている本装置の辞書（第３図（ｂ））ではチャンネルデ
ータがｒｎに減少し、辞書が必要とするメモリーが減少
する。
上記のチャンネルイネーブルフラグの情報は辞書をフロ
ッピーなどに格納するときにそのデータの一部として同
時に格納することにより、−度テストをするだけで済む
ようになる。
ッピーなどに格納するときにそのデータの一部として同
時に格納することにより、−度テストをするだけで済む
ようになる。
肱−一部
以上の説明から明らかなように、諸求項第１項の音声認
識装置においては、ｌ３ＰＦからの入力を減少させてい
るので高速の認識が可能になる。また、請求項第２項の
音声認識装置においては、パワーが無い帯域に関しては
辞書に登録しないので、辞書のメモリーを減少できる。
識装置においては、ｌ３ＰＦからの入力を減少させてい
るので高速の認識が可能になる。また、請求項第２項の
音声認識装置においては、パワーが無い帯域に関しては
辞書に登録しないので、辞書のメモリーを減少できる。
第１図は１本発明による音声認識装置の一実施例を説明
するための摺成図、第２図は使用するＢＰＦの範囲を決
定する手段の一例を説明するための図、第３図は、ＢＴ
ＳＰ方式による辞書登録の一例を説明するための図であ
る。 １・・・増幅器、２・・・バンドパスフィルター群、３
・・・Ａ／Ｄ変換器、４・・・音声区間検出器、５・・
・特徴抽出部、６・・・認識部、７・・・辞書記憶部、
８・・・パワー記憶部、９・・・チャンネルパワー計算
部、１０・・・チャンネルパワー記憶部、１１・・・コ
ンパレータ。 １２・・・チャンネルイネーブルフラグ、１３・・・テ
ストモードスイッチ。 特許出願人 株式会社 リコー
するための摺成図、第２図は使用するＢＰＦの範囲を決
定する手段の一例を説明するための図、第３図は、ＢＴ
ＳＰ方式による辞書登録の一例を説明するための図であ
る。 １・・・増幅器、２・・・バンドパスフィルター群、３
・・・Ａ／Ｄ変換器、４・・・音声区間検出器、５・・
・特徴抽出部、６・・・認識部、７・・・辞書記憶部、
８・・・パワー記憶部、９・・・チャンネルパワー計算
部、１０・・・チャンネルパワー記憶部、１１・・・コ
ンパレータ。 １２・・・チャンネルイネーブルフラグ、１３・・・テ
ストモードスイッチ。 特許出願人 株式会社 リコー
Claims (1)
- 【特許請求の範囲】 １、入力された音声を適したレベルまで増幅する手段と
、ｎｃｈのバンドパスフィルター（ＢＰＦ）と、ｎｃｈ
の整流回路（ＤＥＴ）と、それらの出力を時分割にして
シリアルなデータとする手段と、Ａ／Ｄ変換手段と、特
徴を抽出する手段と、音声区間を切り出す手段と、辞書
を記憶する手段と、認識をする手段と、サンプリングさ
れたフレーム毎にＩｃｈからｎｃｈまでのパワーデータ
を記憶する手段と、そのデータからチャンネルパワーを
計算する手段と、その計算値を記憶する手段と、その値
をある閾値と比較する手段と、その結果によりそれぞれ
のチャンネルが有効か無効かを示す手段を有する音声認
識装置において、該音声認識装置が使用される状態にお
いて、予め使用者に決められた発声を行なわせ、各バン
ドパスフィルターのパワーを検出して使用状態において
パワーが無い帯域のバンドパスフィルターを検出し、そ
の帯域に関してはバンドパスフィルターの出力のＡ／Ｄ
変換を行なわず入力データを減少させることを特徴とす
る音声認識装置。 ２、入力された音声を適したレベルまで増幅する手段と
、ｎｃｈのバンドパスフィルター（ＢＰＦ）と、ｎｃｈ
の整流回路（ＤＥＴ）と、それらの出力を時分割にして
シリアルなデータとする手段と、Ａ／Ｄ変換手段と、特
徴を抽出する手段と、音声区間を切り出す手段と、辞書
を記憶する手段と、認識をする手段と、サンプリングさ
れたフレーム毎にＩｃｈからｎｃｈまでのパワーデータ
を記憶する手段と、そのデータからチャンネルパワーを
計算する手段と、その計算値を記憶する手段と、その値
をある閾値と比較する手段と、その結果によりそれぞれ
のチャンネルが有効か無効かを示す手段を有する音声認
識装置において、該音声認識装置が使用される状態にお
いて、予め使用者に決められた発声を行なわせ、各バン
ドパスフィルターのパワーを検出して使用状態において
パワーが無い帯域のバンドパスフィルターを検出し、そ
の帯域に関しては辞書に登録しないことを特徴とする音
声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP32012888A JPH02165199A (ja) | 1988-12-19 | 1988-12-19 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP32012888A JPH02165199A (ja) | 1988-12-19 | 1988-12-19 | 音声認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02165199A true JPH02165199A (ja) | 1990-06-26 |
Family
ID=18118014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP32012888A Pending JPH02165199A (ja) | 1988-12-19 | 1988-12-19 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02165199A (ja) |
-
1988
- 1988-12-19 JP JP32012888A patent/JPH02165199A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0077194B1 (en) | Speech recognition system | |
| CN105989836B (zh) | 一种语音采集方法、装置及终端设备 | |
| JPH09325790A (ja) | 音声処理方法および装置 | |
| CN102214464A (zh) | 音频信号的瞬态检测方法以及基于该方法的时长调整方法 | |
| JPH02165199A (ja) | 音声認識装置 | |
| JPH02232697A (ja) | 音声認識装置 | |
| JP3284968B2 (ja) | 話速変換機能を有する補聴器 | |
| KR100574883B1 (ko) | 비음성 제거에 의한 음성 추출 방법 | |
| JP3114757B2 (ja) | 音声認識装置 | |
| JPH04100099A (ja) | 音声検出装置 | |
| JPS63278100A (ja) | 音声認識装置 | |
| JP2870421B2 (ja) | 話速変換機能を有する補聴器 | |
| JPH02100099A (ja) | 音声認識装置 | |
| JPS59105697A (ja) | 音声認識装置 | |
| JP3065691B2 (ja) | 音声認識装置 | |
| JPH0635498A (ja) | 音声認識装置及び方法 | |
| JPH01200294A (ja) | 音声認識装置 | |
| JPS60115996A (ja) | 音声認識装置 | |
| JPH03138698A (ja) | 車載用音声認識装置の入力方式 | |
| JP2891259B2 (ja) | 音声区間検出装置 | |
| JPH06318099A (ja) | 話者認識装置 | |
| JPS6227798A (ja) | 音声認識装置 | |
| JPS63226692A (ja) | パターン比較方式 | |
| JPS59211100A (ja) | 登録型音声認識方法 | |
| JPS5872994A (ja) | 信号入力装置 |