JPH0242495A - スペクトル正規化装置 - Google Patents
スペクトル正規化装置Info
- Publication number
- JPH0242495A JPH0242495A JP63029677A JP2967788A JPH0242495A JP H0242495 A JPH0242495 A JP H0242495A JP 63029677 A JP63029677 A JP 63029677A JP 2967788 A JP2967788 A JP 2967788A JP H0242495 A JPH0242495 A JP H0242495A
- Authority
- JP
- Japan
- Prior art keywords
- spectrum
- straight line
- approximate straight
- frequency
- normalization
- 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.)
- Granted
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 56
- 238000010606 normalization Methods 0.000 claims abstract description 14
- 238000010183 spectrum analysis Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 10
- 238000000034 method Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
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】
（産業上の利用分野）
本発明は音声認識装置などの前処理に用いられる音声ス
ペクトルの正規化に関する。
ペクトルの正規化に関する。
（従来の技術）
雑音下で発声された音声の認識は非常に困難である。こ
れは音声が雑音によりマスクされるだけでなく、１９１
１年にロンバード（Ｌｏｍｂａｒｄ）によって示された
ロンバード効果による発声自身の変形があるためである
。ロンバード効果は雑音により発声が発声者自身に取っ
て聞き取り辛くなるために、発声者がより大きく、より
明瞭に発声しようとするために生じる。同一話者が静か
な環境と高雑音下において発声した母音ｌａ／のスペク
トルを第２図に示す。第２図において実線は静かな環境
において発声された音声のスペクトルであり、点線は高
雑音下において発声された音声のスペクトルである。
れは音声が雑音によりマスクされるだけでなく、１９１
１年にロンバード（Ｌｏｍｂａｒｄ）によって示された
ロンバード効果による発声自身の変形があるためである
。ロンバード効果は雑音により発声が発声者自身に取っ
て聞き取り辛くなるために、発声者がより大きく、より
明瞭に発声しようとするために生じる。同一話者が静か
な環境と高雑音下において発声した母音ｌａ／のスペク
トルを第２図に示す。第２図において実線は静かな環境
において発声された音声のスペクトルであり、点線は高
雑音下において発声された音声のスペクトルである。
第２図に示すように高雑音下において発声された場合は
全体のエネルギーの上昇だけでなくそのスペクトルの概
形も変化する。
全体のエネルギーの上昇だけでなくそのスペクトルの概
形も変化する。
スペクトル概形の補正方法としては不特定話者の音声認
識を目的とした三輪らの“音声認識のための話者正規化
の検討″、日本音響学会講演論文集３−２．１、ｐｐ、
５７７−５７８．１９７９年６月（以下、文献１と呼ぶ
）がある。
識を目的とした三輪らの“音声認識のための話者正規化
の検討″、日本音響学会講演論文集３−２．１、ｐｐ、
５７７−５７８．１９７９年６月（以下、文献１と呼ぶ
）がある。
第３図を用いて文献１によるスペクトル正規化法を説明
する。入力端子２００に音声が入力されたとする。スペ
クトル分析部２０１は信号線２１０より音声を受は取り
、帯域フィルタ群（２９チヤンネル、中心周波数２５０
ｋＨｚ〜６３００Ｈｚ 、 １／６オクタ一ブ間隔、Ｑ
＝６、広域強調無し）により分析を行い振幅、周波数と
も対数で表現された音声スペクトル（Ｓ（ｎ）、ｎ＝１
．２９）を１０ｍ５毎に信号線２１１および信号線２１
２へ出力する。近似直線計算部２０２は信号線２１２よ
り音声スペクトルを受は取り最小２乗誤差を与える近似
直線Ｎ（ｎ）＝ａＸｎ＋ｂを計算し、係数ａ、 ｂを信
号線２１３へ出力する。スペクトル正規化部２０３は信
号線２１１より音声スペクトルを信号線２１３より近似
直線の係数を受は取り正規化スペクトル（ＳＮ（ｎ）、
ｎ＝１．２９）を５Ｎ（ｎ）＝ ５（ｎ）−ａ Ｘ ｎ
−ｂとして計算し信号線２１４を介して出力端子２０４
へ出力する。
する。入力端子２００に音声が入力されたとする。スペ
クトル分析部２０１は信号線２１０より音声を受は取り
、帯域フィルタ群（２９チヤンネル、中心周波数２５０
ｋＨｚ〜６３００Ｈｚ 、 １／６オクタ一ブ間隔、Ｑ
＝６、広域強調無し）により分析を行い振幅、周波数と
も対数で表現された音声スペクトル（Ｓ（ｎ）、ｎ＝１
．２９）を１０ｍ５毎に信号線２１１および信号線２１
２へ出力する。近似直線計算部２０２は信号線２１２よ
り音声スペクトルを受は取り最小２乗誤差を与える近似
直線Ｎ（ｎ）＝ａＸｎ＋ｂを計算し、係数ａ、 ｂを信
号線２１３へ出力する。スペクトル正規化部２０３は信
号線２１１より音声スペクトルを信号線２１３より近似
直線の係数を受は取り正規化スペクトル（ＳＮ（ｎ）、
ｎ＝１．２９）を５Ｎ（ｎ）＝ ５（ｎ）−ａ Ｘ ｎ
−ｂとして計算し信号線２１４を介して出力端子２０４
へ出力する。
（発明が解決しようとする問題点）
しかしながら、従来のスペクトル正規化法は声道長の個
人差に起因する影響を補正しようとするものであり、対
数周波数軸に対して線形な影響を正規化することを目的
とした方法である。しかし、第２図に示したようにロン
バード効果は２．５ｋＨｚ〜４ｋＨｚにおけるエネルギ
ーの顕著な上昇として現れており、その影響は対数周波
数軸に対して非線形である。したがって、従来の１次近
似式では十分に近似することはできない。
人差に起因する影響を補正しようとするものであり、対
数周波数軸に対して線形な影響を正規化することを目的
とした方法である。しかし、第２図に示したようにロン
バード効果は２．５ｋＨｚ〜４ｋＨｚにおけるエネルギ
ーの顕著な上昇として現れており、その影響は対数周波
数軸に対して非線形である。したがって、従来の１次近
似式では十分に近似することはできない。
（発明の構成）
本発明は入力された音声を分析しスペクトルを計算する
スペクトル分析部と、前記スペクトルの最大値を与える
周波数を求める分割周波数決定部と、前記スペクトルを
前記周波数により分割し、分割されたスペクトル内にお
いてそれぞれ近似直線を求めるに際して前記分割周波数
において前記近似直線が連続となるように近似直線を計
算する近似直線計算部と、前記スペクトルを前記近似直
線により正規化するスペクトル正規化部とから構成され
ることを特徴とする。
スペクトル分析部と、前記スペクトルの最大値を与える
周波数を求める分割周波数決定部と、前記スペクトルを
前記周波数により分割し、分割されたスペクトル内にお
いてそれぞれ近似直線を求めるに際して前記分割周波数
において前記近似直線が連続となるように近似直線を計
算する近似直線計算部と、前記スペクトルを前記近似直
線により正規化するスペクトル正規化部とから構成され
ることを特徴とする。
（作用）
ロンバード効果は周波数領域におけるエネルギーの上昇
が対数周波数軸に対して線形ではなく、２．５〜４ｋＨ
ｚでのエネルギーの顕著な上昇として現れる。したがっ
て、ロンバード効果は従来のようにスペクトルの１次近
似直線で正規化することはできない。
が対数周波数軸に対して線形ではなく、２．５〜４ｋＨ
ｚでのエネルギーの顕著な上昇として現れる。したがっ
て、ロンバード効果は従来のようにスペクトルの１次近
似直線で正規化することはできない。
そこで、本発明はスペクトルの最大値を与える周波数に
おいてスペクトルを分割し、分割されたスペクトル毎に
１次近似直線を求める際に、分割点においてそれら１次
近似直線が連続となるように１次近似直線を求め、スペ
クトルの正規化を行うものである。
おいてスペクトルを分割し、分割されたスペクトル毎に
１次近似直線を求める際に、分割点においてそれら１次
近似直線が連続となるように１次近似直線を求め、スペ
クトルの正規化を行うものである。
いま、音声から得られたスペクトルをＳ（ω）とする。
このスペクトルＳ（ω）より最大値を与える周波数ωＣ
を求める。
を求める。
（１）Ｃ＝ ａｒｇｍａｘ（Ｓ（ω））ここでωｃ ＝
ａｒｇｍａｘ（）はＳ（ω）を最大にする周波数を返
すものとする。
ａｒｇｍａｘ（）はＳ（ω）を最大にする周波数を返
すものとする。
求められた周波数ωＣにおいてＳ（ω）を（ｓｌ（ω）
、ωくωＣ）と（Ｓ２（ω）、ω≧ωＣ）に分割する。
、ωくωＣ）と（Ｓ２（ω）、ω≧ωＣ）に分割する。
分割したＳｌ（ω）、８２（Ｇ））ごとに近似直線Ｎ１
（ω）＝ａ１×ω＋ｂ１、Ｎ２（ω）＝ａ２Ｘω＋ｂ２
を求める。但し、分割点において不連続とならないよう
条件 ａｌＸωｃ＋ｂｌ＝ａ２Ｘωｃ＋ｂ２
（１）を加える。係数ａ１、ａ２、ｂｌ、ｂ２は
この条件式および２乗誤差 ｅ＝（８１（ω）−Ｎｌ（ω））２ｄω＋（Ｓ２（ω）
−Ｎ２（ω））２ｄω （２）を最小化する条件によ
り求められる。
（ω）＝ａ１×ω＋ｂ１、Ｎ２（ω）＝ａ２Ｘω＋ｂ２
を求める。但し、分割点において不連続とならないよう
条件 ａｌＸωｃ＋ｂｌ＝ａ２Ｘωｃ＋ｂ２
（１）を加える。係数ａ１、ａ２、ｂｌ、ｂ２は
この条件式および２乗誤差 ｅ＝（８１（ω）−Ｎｌ（ω））２ｄω＋（Ｓ２（ω）
−Ｎ２（ω））２ｄω （２）を最小化する条件によ
り求められる。
正規化スペクトルＳＮ（ω）は次式により与えられる。
このようにすることにより従来の最小２乗直線による正
規化では補正できなかったスペクトルの変形、すなわち
、ロンバード効果に見られる特定のある周波数を中心に
エネルギーが上昇するようなスペクトルの変形を正規化
することができる。
規化では補正できなかったスペクトルの変形、すなわち
、ロンバード効果に見られる特定のある周波数を中心に
エネルギーが上昇するようなスペクトルの変形を正規化
することができる。
（実施例）
第１図に示すのは本発明の一実施例である。
入力端子１００には音声が入力されたとする。
スペクトル分析部１０１は信号線１１０より音声を受は
取り、音声スペクトルＳ（ω）を計算する。スペクトル
分析部の例は文献１、文献２に示されている。
取り、音声スペクトルＳ（ω）を計算する。スペクトル
分析部の例は文献１、文献２に示されている。
分割周波数決定部１０５は信号線１１８よりスペクトル
Ｓ（ω）を受は取り、Ｓ（ω）の最大値を与える周波数
ωＣを信号線１１７に出力する。
Ｓ（ω）を受は取り、Ｓ（ω）の最大値を与える周波数
ωＣを信号線１１７に出力する。
近似直線計算部１０２は信号線１１１により音声スペク
トルＳ（ω）を信号線１１７よりωＣを受は取り、ωＣ
によりＳ（ω）を８１（ω）、８２（ω）に分割し、８
１（ω）、８２（ω）毎に１次近似直線Ｎｌ（ω）＝ａ
ｌＸω＋ｂｌ、Ｎ２（ω）＝ ａ２ Ｘ ω＋ ｂ２を
（１）式の条件のもとて（２）式を最小にするよう係数
ａ１、ａ２、ｂｌ、ｂ２、をもとめ、信号線１１２へ係
数ａ１、ａ２、ｂｌ、ｂ２、およびωＣを出力する。ω
Ｃとしては例えばロンバード効果の正規化ならば２．５
〜４ｋＨｚにスペクトルの上昇の中心が存在するので２
．５〜４ｋＨｚ内の周波数を選べばよい。
トルＳ（ω）を信号線１１７よりωＣを受は取り、ωＣ
によりＳ（ω）を８１（ω）、８２（ω）に分割し、８
１（ω）、８２（ω）毎に１次近似直線Ｎｌ（ω）＝ａ
ｌＸω＋ｂｌ、Ｎ２（ω）＝ ａ２ Ｘ ω＋ ｂ２を
（１）式の条件のもとて（２）式を最小にするよう係数
ａ１、ａ２、ｂｌ、ｂ２、をもとめ、信号線１１２へ係
数ａ１、ａ２、ｂｌ、ｂ２、およびωＣを出力する。ω
Ｃとしては例えばロンバード効果の正規化ならば２．５
〜４ｋＨｚにスペクトルの上昇の中心が存在するので２
．５〜４ｋＨｚ内の周波数を選べばよい。
スペクトル正規化部１０３は信号線１１２より係数ａ１
、ａ２、ｂｌ、ｂ２および分割周波数ωＣを、信号線１
１３より音声スペクトルＳ（ω）を受は取り正規化スペ
クトルＳＮ（ω）を として求め、信号線１１４を介して端子１０５へ出力す
る。
、ａ２、ｂｌ、ｂ２および分割周波数ωＣを、信号線１
１３より音声スペクトルＳ（ω）を受は取り正規化スペ
クトルＳＮ（ω）を として求め、信号線１１４を介して端子１０５へ出力す
る。
（発明の効果）
以上のように本発明によるスペクトル正規化装置によれ
ば周波数軸に対して非線形な影響を受けた音声スペクト
ルであっても適切に正規化を行える。
ば周波数軸に対して非線形な影響を受けた音声スペクト
ルであっても適切に正規化を行える。
第１図は本発明の一実施例、第２図、第３図は従来技術
の説明図である。 図において、１００は入力端子、１０１はスペクトル分
析部、１０２は近似直線計算部、１０３はスペクトル正
規化部、１０４は出力端子、１０５は分割周波数決定部
、２００は入力端子、２０１はスペクトル分析部、２０
２は近似直線計算部、２０３はスペクトル正規化部、２
０４は出力端子である。
の説明図である。 図において、１００は入力端子、１０１はスペクトル分
析部、１０２は近似直線計算部、１０３はスペクトル正
規化部、１０４は出力端子、１０５は分割周波数決定部
、２００は入力端子、２０１はスペクトル分析部、２０
２は近似直線計算部、２０３はスペクトル正規化部、２
０４は出力端子である。
Claims (1)
- 入力された音声を分析しスペクトルを計算するスペク
トル分析部と、前記スペクトルの最大値を与える周波数
を求める分割周波数決定部と、前記スペクトルを前記周
波数により分割し、分割されたスペクトル内においてそ
れぞれ近似直線を求めるに際して前記分割周波数におい
て前記近似直線が連続となるように近似直線を計算する
近似直線計算部と、前記スペクトルを前記近似直線によ
り正規化するスペクトル正規化部とから構成されること
を特徴とするスペクトル正規化装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63029677A JPH0814760B2 (ja) | 1988-02-09 | 1988-02-09 | スペクトル正規化装置 |
| US07/308,905 US5001761A (en) | 1988-02-09 | 1989-02-08 | Device for normalizing a speech spectrum |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63029677A JPH0814760B2 (ja) | 1988-02-09 | 1988-02-09 | スペクトル正規化装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0242495A true JPH0242495A (ja) | 1990-02-13 |
| JPH0814760B2 JPH0814760B2 (ja) | 1996-02-14 |
Family
ID=12282747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63029677A Expired - Lifetime JPH0814760B2 (ja) | 1988-02-09 | 1988-02-09 | スペクトル正規化装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0814760B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07168594A (ja) * | 1993-07-06 | 1995-07-04 | Alcatel Nv | スピーチ認識方法および装置 |
-
1988
- 1988-02-09 JP JP63029677A patent/JPH0814760B2/ja not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07168594A (ja) * | 1993-07-06 | 1995-07-04 | Alcatel Nv | スピーチ認識方法および装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0814760B2 (ja) | 1996-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0950239B1 (en) | Method and recognizer for recognizing a sampled sound signal in noise | |
| US5054085A (en) | Preprocessing system for speech recognition | |
| CN109147796B (zh) | 语音识别方法、装置、计算机设备及计算机可读存储介质 | |
| US6173258B1 (en) | Method for reducing noise distortions in a speech recognition system | |
| JPH0990974A (ja) | 信号処理方法 | |
| Wanli et al. | The research of feature extraction based on MFCC for speaker recognition | |
| US7917359B2 (en) | Noise suppressor for removing irregular noise | |
| JPH03206499A (ja) | 音声認識装置 | |
| CN120148484B (zh) | 一种基于微型计算机的语音识别方法及装置 | |
| JPH0797279B2 (ja) | 音声認識装置 | |
| JPH0242495A (ja) | スペクトル正規化装置 | |
| US5001761A (en) | Device for normalizing a speech spectrum | |
| JPH01202799A (ja) | スペクトル正規化装置 | |
| Fan et al. | Power-normalized PLP (PNPLP) feature for robust speech recognition | |
| JP3100180B2 (ja) | 音声認識方法 | |
| Niyozmatova et al. | Development Software for Preprocessing Voice Signals | |
| Marković et al. | Recognition of normal and whispered speech based on RASTA filtering and DTW algorithm | |
| JP2975808B2 (ja) | 音声認識装置 | |
| KR0171004B1 (ko) | Samdf를 이용한 기본 주파수와 제1포만트의 비율 측정방법 | |
| Paliwal et al. | Dynamic frequency warping for speaker adaptation in automatic speech recognition | |
| Levin et al. | Research of Window Function Influence on the Result of Arabic Speech Automatic Recognition | |
| EP0421341B1 (en) | Speech recognizer | |
| Fourakis | Effects of changes in stress and in rate of speech on vowels | |
| Rahali et al. | Robust Features for Impulsive Noisy Speech Recognition Using Relative Spectral Analysis | |
| JPS6355280B2 (ja) |