JPH02242298A - 声門波形に基づく話者識別装置 - 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］ 本発明は不特定多数の話者識別装置に関し、特に、話者
の同定に際してキーワードの登録を必要とせず、声門波
形の形状における個人的特徴に基づいた話者識別装置に
関するものである。

〔従来の技術〕

従来、この種の話者識別装置は、第２図に示すような構
成となっている。第２図において、９は入力される音声
信号を無音部分から分離する始終端検出部、１０は抽出
された音声信号の特徴パラメータを算出する音響分析部
、１１は話者識別の補助的情報となるキーワードを登録
しておくキーワード記憶部、及び１２は特徴パラメータ
およびキーワードを使って入力音声の話者と登録されて
いる話者が同一人物であるか否かを判別する話者識別部
である。

［発明が解決しようとする課題］ 上述した従来の話者識別装置では、音声の個人性を表わ
す特徴パラメータを、主に音声信号波形そのものから求
めている。例えば、割合個人性の情報を含むパラメータ
として、ケプストラム係数、線形予測係数、音声信号の
自己相関係数等が使用される。また、話者の個人的特徴
を良く表わすパラメータとして、音声信号の基本周波数
も一般によく使われる。音声信号波形から算出される特
徴パラメータには、声道の形状によって決定される調音
に関する情報が含まれている。一般に、調音情報は、受
話器官の大きさ等個人的な情報も含んでいるが、主に音
韻情報という話者に依存しない情報を含んでいる。した
がって、従来使われているパラメータのみでは、個人性
に基づく特徴パラメータの差が明確に表われず、話者の
識別率はそれほど高くないという欠点がある。

この欠点を補うため、従来の話者識別装置では、話者ご
とにキーワードを設定し、このキーワードにてＤＰマツ
チング等の特定話者音声認識を行ない、この認識結果と
話者識別の結果の両方に基づいて最終判定を下すことに
より、識別率を高め安全性の確保を図っている。しかし
、この話者識別装置においては、利用者は各自のキーワ
ードを決定してそれを登録する必要があるため、常にキ
ーワードを記憶していなければならないという欠点があ
る。

［課題を解決するための手段］ 本発明による声門波形に基づく話者識別装置は、入力さ
れた音声信号から有声区間を検出し、検出した有声音信
号を出力する手段と、該検出した有声音信号の高域補償
を行ない、補償された音声信号と高域補償パラメータを
出力する手段と、該補償された音、声信号から入力信号
を推定し、推定人力信号を出力する手段と、該推定入力
信号と前記高域補償パラメータから声門波形を再現し、
再現した声門波形を出力する手段と、話者ごとの声門波
形の各特徴をあらかじめ登録して記憶しておき、登録済
みパターンを出力する手段と、前記再現した声門波形を
分析して特徴パラメータを抽出し、前記登録済みパラメ
ータと比較して話者を識別する手段とを有している。

［実施例］ 次に、本発明について図面を参照して説明する。

第１図は本発明の一実施例による声門波形に基づく話者
識別装置の構成を示すブロック図である。

人力媒体１は、マイクロフォン、電話回線等を通じて入
力される音声信号をディジタル化するユニットである。

音声区間検出部２は、人力された音声信号の中から音声
音の部分を取り出すユニットである。プレフィルタリン
グ部３は、有声音区間のスペクトルの高域補償を行なう
ユニットである。入力信号推定部４は、補償後の有声音
信号より声道への入力信号を推定するユニットである。

声門波形推定部５は、推定入力信号と高域補償に用いた
パラメータを使って、声門波形を再現するユニットであ
る。話者別パターン記憶部６は、声門ニラの個人的な特
徴のパターンを登録、蓄櫃しておくユニットである。話
者識別部７は、再現された声門波形を分析し、あらかじ
め登録しである各話者の特徴パターンと比較照合するこ
とにより、話者を識別するユニットである。ホスト８は
、このシステム全体の制御を行ない、識別結果に基づき
サービスを指示するコンピュータである。

以下にこの実施例の動作について説明する。

まず、話者の発声した音は人力媒体１に入力され、ここ
でディジタル信号化される。入力手段としては、利用サ
ービスの形態により、マイクロフォンもしくは電話回線
の選択ができる。ディジタル信号化された音声信号は、
有声区間検出部２に送られる。

この音声信号中には、無音区間や無声子音等の情報も含
まれている。音声に反映される個人性の情報は、調音器
官の生理学的違いに基づくフォルマント周波数差よりも
、声門波形の違いによるピッチ周波数の大小、音声信号
のスペクトル特性の傾き、曲がりおよびピッチハーモニ
ー以外の雑音的成分の大小等に顕著に表われるものと考
えられる。したがってこの話者識別装置では、声門波に
よって励起される音声、すなわち有声音のみが話者識別
に必要な情報となる。

このため、有声区間検出部２では、入力された信号の類
サンプル区間のパワー情報および零交差回数等の情報を
用いて、信号中から有声音の区間を一定サンプル数だけ
抽出する。

有声音のスペクトル特性は、一般に、声門波形のスペク
トル特性と口唇からの放射特性を反映して、大体−１０
ｄＢ１０ｃｔ程度の高域減衰特性を侍っている。この特
性は、音声信号の人力信号を推定するのに際し、あまり
好ましい事ではないため、適応的に逆フィルタリング等
を行なう事により、スペクトル概形を平坦化する必要が
ある。

プレフィルタリング部３は、以上の様に有声区間のスペ
クトル原形を平坦化するためにフィルタリングを行なう
が、この時のフィルタリングの係数は声門波を再現する
際に必要となるので、後述する声門波形推定部５にこの
時の係数も送っておく　。

プレフィルタリング部３によってスペクトル特性を補償
された音声音区間は、入力推定部４において線形予測分
析が行なわれ、声道伝達関数と声道への人力信号に分離
される。声道の伝達関数を全極形、この系の人力を周期
的パルス列と仮定すると、声道への入力信号すなわち声
門波は音声信号と線形予測係数の多項式から求めること
ができる。

この有声音区間の推定入力信号は、声門波形推定部５に
送られ、ここでプレフィルタリング部３から先に送られ
ている逆フィルタの係数を用いて、声門波形の再現が行
なわれる。有声音の声門波を時間で２回微分すると、周
期的パルス列で近似できることより、入力信号推定部４
で求めた入力信号に２回積分操作を行なえば声門波形を
再現できル、フレフィルタリ〉・グ部３で求めたフィル
タの係数を用いて逆の伝達特性を持つ正フィルタを構成
し、推定入力信号をフィルタリングすれば、１回積分を
したのと等価になる。あと−回の積分操作は、正フィル
タリングした推定入力信号の和分を行なえば等価となり
、これによって声門波形は再現される。また同時に、声
門波形推定部５では、フィルタリング前の入力信号の自
己相関関数を求め、これよりピッチ周期を算出すること
も行なう。

再現された声門波形は、次の話者識別部７に送られ、以
下の各項目について分析される。

第３図は、ここで分析される声門波形の個人的特徴を示
している。第３図（ａ）において、Ｔはピッチ周期もし
くは音声の基本周期と呼ばれる周期で、話者の声の高低
に対応しており、個人性がよく反映される特徴量である
。τは声門閉鎖期間であり、声門が閉じて呼気流が声道
に流入しない期間の長さである。ｔｏは声門が閉鎖状態
から声門開口面積最大の時点に達するまでの期間長、ｔ
２は声門開口面積最大の時点から声門が閉鎖状態に達す
るまでの期間長である。

話者識別装置においては、個人性を表わす特徴パラメー
タとして上記の４つの特徴量より、ピッチ周期Ｔ１声門
閉鎖期間τとピッチ周期Ｔの比Ｒ１−τ／Ｔ、および声
門波形立上り時間ｔ０と声門波形立下り時間ｔ、の比Ｒ
２−ｔ。／１．の３つを用いる。

比Ｒ１およびＲ２は、声門波形の形状に関して正規化し
た情報であり、主に声の質に関連している。例えば、Ｒ
１が太きくＲ２も大きい第３図（ｂ）に示されるような
音声は、高域の減衰が少なく、ピッチハーモニー以外の
周波数成分が多く、聴感的によ（通る声の話者と考えら
れる。またＲ１が小さくＲ２も小さい第３図（ｃ）に示
されるような音声は、高域の減衰が大きく、ピッチハー
モニー以外の周波数成分が少なく、聴覚的に柔かい声の
話者と考えられる。

話者識別部７では、あらかじめ話者別パターン記憶部６
に登録しであるＴ、Ｒ，Ｒ２の値と、入力された音声信
号より分析されたＴ、Ｒ。

Ｒ２の値を比較し、３つの値共に許容範囲内に収まって
いる場合には、入力された音声信号の話者と登録済の話
者が同一であると判断し、ホスト８に結果を送信する。

ここで、判定の基準に選ばれるＴ、Ｒ，Ｒ２の値は、あ
る一定の長さだけ抽出された有声音より求められた声門
波形における、個々のＴ、Ｒ。

Ｒ２の平均値を用いるが、Ｔ　、　Ｒｌ　、Ｒ２（７）
　各分散値も識別の基準に用いる。これは、各パラメー
タの安定度にも個人差が存在するためであり、このため
有声音を抽出する区間長は、１０ピッチ分の長さが最低
でも必要である。

話者別パターン記憶部６は、このシステムの利用者があ
らかじめ自分自身の音声の声門波形を分析し、その特徴
パターンＴ、Ｒ＋　、Ｒ２の平均値もよγドその分散を
登録しておくメモリであり、ホスト８からの指示電文に
より話者別パターンの登録や登録済パターンの読出しを
話者識別部７との間で行なう。

［発明の効果］ 以上説明したように本発明は、個人性を表わす特徴パラ
メータとして、有声音の声門波形の形状に基づくパラメ
ータを用いることにより、従来の音声信号波形そのもの
から求めたパラメータを用いる方式と比べ、音声の個人
性に関するより本質的な情報を使用するため、音声によ
る話者識別率が向上するという効果がある。

また、有声音の声門波形は音声の音韻性情報をほとんど
含んでいないため、任意の単語発声から抽出した声門波
形より話者識別が可能であり、キーワードの登録による
特定話者単語認識の併用によって、音声に基づく話者識
別の結果を補わなくても高い識別率が得られるため、利
用者は個人のキーワードを覚えておく必要がないという
効果がある。

【図面の簡単な説明】

第１図は本発明の一実施例による声門波形に基づく話者
識別装置の構成を示すブロック図、第２図は従来の話者
識別装置の構成を示すブロック図、第３図（ａ）は有声
音の声門波形の特徴パラメータについての説明図、第３
図（ｂ）、（ｃ）は対照的な声の質を持つ話者の南門波
形の特徴パラメータの違いについての説明図である。 １・・・人力媒体、２・・・有声区間検出部、３・・・
プレフィルタリング部、４・・・入力信号推定部、５・
・・声門波形推定部、６・・・話者別パターン記憶部、
７・・・話者識別部、８・・・ホスト。

Claims (1)

【特許請求の範囲】
1. １、入力された音声信号から有声区間を検出し、検出し
   た有声音信号を出力する手段と、該検出した有声音信号
   の高域補償を行ない、補償された音声信号と高域補償パ
   ラメータを出力する手段と、該補償された音声信号の入
   力信号を推定し、推定入力信号を出力する手段と、該推
   定入力信号と前記高域補償パラメータから声門波形を再
   現し、再現した声門波形を出力する手段と、声門波形の
   個人的特徴をパターンとして記憶しておき、登録済パタ
   ーンを出力する手段と、前記再現した声門波形い特徴を
   分析し、前記登録済パターンと比較することにより話者
   を識別する手段とを有することを特徴とする声門波形に
   基づく話者識別装置。