JPH0285896A

JPH0285896A - 音声検出方式

Info

Publication number: JPH0285896A
Application number: JP63238049A
Authority: JP
Inventors: Shingo Nishimura; 新吾西村; Masashi Miyagawa; 宮川　正志; Masayuki Unno; 海野　雅幸
Original assignee: Sekisui Chemical Co Ltd
Current assignee: Sekisui Chemical Co Ltd
Priority date: 1988-09-22
Filing date: 1988-09-22
Publication date: 1990-03-27
Anticipated expiration: 2011-12-04
Also published as: JP2559475B2

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】［産業上の利用分野コ本発明は、音声検出方式に関する。

［従来の技術］従来、雑音環境下で音声の存在を検出する方法は多数あ
り、特公昭５７−１２９９９号公報に記載されているよ
うな通信における音声区間の検出に用いたり、音声言語
内容の認識の前処理に用いたりされているが、高雑音下
での一般用途への展開は困難て、例えば、着信ベル音が
鳴っているような状態でのハンズフリー電話機の音声に
よる応答開始等ができなかった。

なお、雑音環境下で簡易に音声の存在を検出する方法と
しては、入力信号か一定時間間隔内に参照軸を横切る回
数を検出する方法かあった。

［発明が解決しようとする課題］しかしながら、上記従来の音声検出方式を用いる方法に
あっては、一般に雑音の振幅は音声の振幅に比較して小
さいという前提を用いており、雉音の振幅が音声の振幅
と同程度の場合、音声の存在を検出することができない
。

そこで本出願人は、雑音環境下での音声の存在を簡易に
検出することができる音声検出方式として、■入力信号
の参照軸交差数と波高値（波形の振幅レベルの無次元化
量）とを特徴パラメータとして有声音を検出する方法、
■入力信号の参照軸交差数と圧基準振幅時間（波形の振
幅が一定時間間隔内に実効値を目安とするしきい値を越
える時間）とを特徴パラメータとして有声音を検出する
方法を提案している。

上記■、■の音声検出方式は、従来方式に比して有用で
あるものの、以下の理由によりその有声音検出率の向上
に限界かある。

すなわち、■の場合には、一定時間の区間内に雑音の影
響等により一ケ所でも特に振幅レベルの高い入力信号が
あると、そのレベルが波高値となる。このような区間の
存在は、波高値の分散を大きくする傾向を招き、有声音
検出率の向上を阻害する要因となる。

また、■の場合には、圧基準振幅時間が波形の時間軸方
向に関する値であるに過ぎず、このパラメータたけでは
波形の振幅レベルに関する情報量が不足し、有声音検出
率を向上するのに困難がある。

本発明は、雑音の振幅が大きく音声の検出に対する影響
が大きい場合にも、雑音環境下での音声の存在を、簡易
に高い検出率で検出することを目的とする。

［課題を解決するための手段］請求項１に記載の本発明は、入力信号の参照軸交差数と
、波形の振幅レベルに関する値と、波形の振幅が一定時
間間隔内に実効値を目安とするしきい値を越える時間と
を特徴パラメータとして算出し、この算出結果を、有声
音と特定雑音についての辞書データと比較し、入力信号
が有声音を含むかどうかを判定するようにしたものであ
る。

請求項２に記載の本発明は、前記波形の振幅レベル分布
に関する値として、例えば次式で表わされる波高値Ｐを
用いるようにしたものである。

Ｐ　＝　２ＤＸ　１ｏｇ＋ｏ（Ｖｐ／Ｌｍｓ）ただし、
ＶＰエニー時間間隔内の振幅の絶対値の最大値 ■１□　二同一定時間間隔内の振幅の実効値請求項３に記載の本発明は、前記波形の振幅レベルに関
する値として、例えば次式で表わされる波高値Ｐを用い
るようにしたものである。

Ｐ　＝　２（ＩＸ　ｌｏｇ＋ｏ（Ｖｐ／Ｖａ）たたし、
■Ｐニ一定時間間隔内の振幅の絶対値の最大値 ■６：同一定時間間隔内の振幅の絶対値の平均値［作用］請求項１に記載の本発明にあっては、雑音環境下の音声
を以下の如く検出する。なお、本発明にあっては、有声
音（母音、半母音、鼻音等の声帯の振動をともなう音で
あり、人間が発声する殆どすべての音声には有声音が含
まれている）をもって音声とする。

（１）有声音と特定雑音について、それらの信号の一定
時間間隔内における参照軸交差数（零レベル等、予め定
めた参照レベルを横切る回数）と、波形の振幅レベルに
関する値（波高値）と、波形の振幅が一定時間間隔内に
実効値を目安とするしきい値を越える時間（圧基準振幅
時間）とを特徴パラメータとする辞書データを用意する
。

辞書データとしては、例えば、下記（ａ）（ｂ）　：　
（ｃ）が用いられる。

（ａ）多数の音声から得られた有声音についての特徴パ
ラメータの組。

（ｂ）特定雑音（例えば特定電話機の着信ベル音）につ
いて求められた多数の特徴パラメータの組。

（ｃ）有声音と、特定雑音とを特定の比率で加え合わせ
た結果を多数の音声について求めた特徴パラメータの組
。

なお、上記（ａ）　、　（ｂ）　、　（ｃ）のデータは
、音響データを特徴パラメータ化した数値データ、数値
データを統計処理した平均値、分散等の統計的データ、
もしくは統計的データに基づいて定まる境界方程式等の
判別式データ等の各種態様にて用意できる。

（２）入力信号を採取し、この入力信号の一定時間間隔
内における参照軸交差数と、波高値と、圧基準振幅時間
とを特徴パラメータとして算出する。

（３）上記（２）で算出した特徴パラメータと、上記（
１）で定めた辞書データが規定する標準パターンとを、
パラメータ空間上て比較し、入力信号が有声音を含むか
どうかをパターン認識により判定する。

辞書データを用いて上述のパターン認識は例えば以下の
如くなされる。

■辞書データが規定するカテゴリー「有声音」（前記（
ａ）の有声音、もしくは前記（Ｃ）の特定雑音を特定の
比率で加え合わされた有声音のカテゴリー）と、カテゴ
リー「その他」とで２分されるパラメータ空間な構成し
、入力信号の特徴パラメータがどちらのカテゴリーに属
するかを判定する。

■次に、特定雑音の振幅が大きく、これが有声音の検出
に大きく影響を与えることの可能性を考慮し、上記■に
加え、カテゴリー「特定雑音」とカテゴリー「有声音」
の境界を定め、入力信号の特徴パラメータがどちらのカ
テゴリーに属するかを判定する。

■上記■、■の判定の結果、入力信号が、■においてカ
テゴリー「有声音」に属し、かっ■においてカテゴリー
「特定雑音」に属さないことを条件に、入力信号中に有
声音が存在することを判定する。

しかして、請求項１に記載の本発明にあっては、特徴パ
ラメータとして参照軸交差数と波高値と圧基準振幅時間
の３つのパラメータを用いたから、■参照軸交差数と波
高値の２つのパラメータのみを用いる場合に、雑音の影
響等により波高値の分散が大きくなり有声音の検出率が
向上しない傾向を、圧基準振幅時間を併用することによ
り補完し、また■参照軸交差数と圧基準振幅時間の２つ
のパラメータのみを用いる場合に、波形の振幅レベルに
関する情報量が不足することを、波高値を併用すること
により補完できる。これにより、特定雑音の振幅か大き
く音声の検出に対する影響が大きい場合にも、カテゴリ
ー「有声音」とカテゴリー「特定雑・音」とをパラメー
タ空間において明瞭に分離でき、雑音環境下での音声の
存在を簡易に高い検出率で検出できる。

請求項２に記載の本発明によれば、波形の振幅レベルに
関する値として、前述した如くの波高値を用いたから、
有声音の特徴である先鋭な波形を忠実に反映したパラメ
ータ値を用いることとなり、雑音の識別性が向上すると
いうメリットがある。また、この場合には、波高値と圧
基準振幅時間の算定過程において、振幅の実効値を共用
できるから、演算量が少なくて足り、検出作業がより簡
易となる。

請求項３に記載の本発明によれば、波形の振幅レベルに
関する値として、前述した如くの波高値を用いたから、
請求項２に記載の本発明に比して演算量を少なくてき、
かつ有声音の特徴である先鋭な波形を比較的忠実゛に反
映したパラメータ値を用いることとなり、雑音の識別性
が向上するというメリットかある。なお、演算量か少な
・いということは応答速度が速いことを意味する。

［実施例コ第１図は本発明の実施に用いられる音声検出装置の一例
を示すブロック図、第２図は本発明の特徴パラメータに
よって形成されるパラメータ空間を示す模式図である。

第１図において、１１はマイク、１２は増幅器、１３は
ローパスフィルタ、１４はＡ／Ｄコンバータ、１５はパ
ラメータ計算部、１６は辞書データ記憶部、１７は判定
部、１８は結果出力部である。この実施例にあっては、
雑音環境下の音声を以下の如く検出する。

（１）有声音と特定雑音について、それらの信号の２０
ｍ５間における参照軸交差数Ｘｌと、波高値×２と、圧
基準振幅時間×３とを特徴パラメータとする辞書データ
を用意し、これを辞書データ記憶部１６に記憶せしめる
。

ここで、波高値×２としては、下記■、■のいずれかを
用いることかできる。

■下式て表わされる波高値Ｐ０Ｐ　＝　２０Ｘ　ｌｏｇ＋ｏ　（ｖｐ／ｖｒ＋−ｓ）た
たし、■、ニ一定時間間隔内の振幅の絶対値の最大値Ｖ　ｒ　ＩＮ　ｍ　　：同一定時間間隔内の振幅の実効
値 ■下式で表わされる波高値Ｐ。

Ｐ　：”　２０Ｘ　ｌＯｇ＋ｏ（Ｖｐ／Ｖａ）たたし、
ＶＰユニー時間間隔内の振幅の絶対値の最大値ｖ＆二同一定時間間隔内の振幅の絶対値の平均値上記■の波高値を用いる場合には、有声音の特徴である
先鋭な波形を比較的忠実に反映したパラメータ値を用い
ることとなり、雑音の識別性が向上するというメリット
かある。

上記■の波高値を用いる場合には、上記■の波高値に比
して演算量を少なくてき、かつ有声音の特徴である先鋭
な波形を忠実に反映したパラメータ値を用いることとな
り、雑音の識別性が向上するというメリットがある。

また、辞書データとしては、例えば下記（ａ）、（ｂ）
、および（ｃ）が作成される。

（ａｌ多数の音声から得られた有声音［ア］についての
特徴パラメータの組。

（ｂ）特定雑音（特定電話機の着信ベル音）について求
められた多数の特徴パラメータの組。

（ｃ）有声音［ア］と特定雑音とを、２０Ｘ　１ｏｇ＋ｏ（Ｓｒｍｓ／Ｎｒ＋＋＋ｊ　［ｄＢ
］で定義される有声音対特定雑音比−１０［ｄＢ］で加
え合わせた結果を多数の音声について求めた特徴パラメ
ータの組。なお、Ｓ、□は有声音「ア」の振幅の実効値
を表わし、Ｎ　ｒａｗは特定雑音の振幅の実効値を表わ
す。

（２）マイク１１にて入力信号を採取し、この入力信号
を、増幅器１２で増幅し、ローパスフィルタ１３を通す
ことによって４．２Ｋ）ｌｚ以上の成分はカットし、Ａ
／Ｄコンバータ１４によって標本化周波数１０ＫＨｚ　
、変換ビット数１６ｂｉｔのデジタル信号に変換し、パ
ラメータ計算部１５に送り込む。

パラメータ計算部１５は、上記入力信号の２０ｍ５間に
おける参照軸交差数×１と、波高値×２と、超基準振幅
時間×３とを特徴パラメータとして算出する。

（３）上記（２）で算出した特徴パラメータと、上記（
１）て定めた辞書データか規定する標準パターンとを、
判定部１７において比較し、入力信号が有声音を含むか
どうかを判定し、この判定結果を結果出力部１８から出
力する。

ここで、前述の辞書データを用いたパターン認識は、例
えば第２図のパラメータ空間上で以下の如くなされる。

なお、第２図は零交差数（参照軸レベルを零レベルに設
定したもの）と波高値と超基準振幅時間の３つの特徴パ
ラメータをそれぞれＸ、軸とｘ２軸と×３軸にとつだも
のである。第２図において、μｍ　σ１いａ１２、σ１
３はそれぞれ有声音（前記（ａ）の有声音［ア］、もし
くは前記（Ｃ）の特定雑音を特定の有声音対特定雑音比
て加え合わされた有声音）の辞書パラメータの平均値、
Ｘ。

軸成分の標準偏差、Ｘ２軸成分の標準偏差、ｘ３３軸成
の標準偏差を表わし、μ２、σ２いσ２２、σ２３はそ
れぞれ特定雑音の辞書パラメータについての同様の値を
表わす。

■辞書データか規定するカテゴリー「有声音」（前記（
ａ）の有声音［ア］、もしくは前記（ｃ）の特定雑音を
特定の比率で加え合わせた有声音のカテゴリー）と、カ
テゴリー「その他」とを２分する境界１を定める。境界
１にあっては、有声音の辞書データの平均値μｍを含む
側がカテゴリー「有声音」である。この境界１は、平均
値のまわりにどれだけ有声音の辞書データか集中してい
るかを表わす集中楕円であり、軸の長さを変えることに
より有声音の辞書データか楕円内に入る割合を変えるこ
とができる。この実施例の場合は有声音の辞書データの
９割が楕円内に入るように軸の長さを定めた。破線はμ
とσで規定されるカテゴリー「有声音」の概念を表わす
。すなわち、この■の過程にあっては、入力信号の特徴
パラメータが境界１のいずれの側のカテゴリーに属する
かを判定することとなる。

■次に、特定雑音の振幅が大きく、これが有声音の検出
に大きく影響を与えることの可能性を考慮し、上記■に
加え、カテゴリー「特定雑音」とカテゴリー「有声音」
の境界２を定める。境界２にあっては、特定雑音の平均
値μ２を含む側がカテゴリー「特定雑音」となる。この
境界２は、カテゴリー「有声音」とカテゴリー「特定雑
音」に対する尤度が等しい点の集まりである。この実施
例の場合には特定雑音の標準偏差が、人工的に作られた
電話機の着信ベル音であって、有声音と特定雑音を特定
の有声音対特定雑音比で加え合わせたものの辞書データ
の標準偏差より一般的に小さいので、カテゴリー「特定
雑音」が閉じた空間になっている。破線はμとσて規定
されるカテゴリー「特定雑音」の概念を表わす。すなわ
ち、この■の過程にあっては、入力信号の特徴パラメー
タが境界２のいずれの側のカテゴリーに属するかを判定
することとなる。

■上記■、■の判定の結果、入力信号か、特徴パラメー
タ空間上で、■において境界１のμｍ側に属し、かつ■
において境界２のμ２１１１Ｎに属さない時、入力信号
をカテゴリー「有声音」に属すると判定する。すなわち
、入力信号中に有声音が存在することを判定する。

しかして、上記実施例にあっては、特徴パラメータとし
て参照軸交差数と波高値と圧基準振幅時間の３つのパラ
メータを用いたから、■参照軸交差数と波高値の２つの
パラメータのみを用いる場合に、雑音の影響等により波
高値の分散が大きくなり有声音の検出率が向上しない傾
向を、圧基準振幅時間を併用することにより補完し、ま
た■参照軸交差数と圧基準振幅時間の２つのパラメータ
のみを用いる場合に、波形の振幅レベルに関する千〇報
量が不足することを、波高値を併用することにより補完
できる。これにより、特定雑音の振幅が大きく音声の検
出に対する影響が大きい場合にも、カテゴリー「有声音
」とカテゴリー「特定雑音」とをパラメータ空間におい
て明瞭に分離でき、雑音環境下での音声の存在を、簡易
に高い検出率で検出できる。

特に、有声音対特定雑音比−１０［ｄＢ］の非常に雑音
の大きな環境下て実験を行なった結果、■零交差数と波
高値を特徴パラメータとして有声音を検出する場合、検
出率は５０［％］、■零交差数と圧基準振幅時間を特徴
パラメータとして有声音を検出する場合、６０［％コて
あったか、上記実施例の場合には９０［％コとなり本発
明の効果が認められた。また、波高値と圧基準振幅時間
の算出過程において、共用できる計算部分（例えば振幅
の実効値）が多いため、上記実施例の処理時間は■また
は■の場合とほとんど変わらなかった。

なお、上記実施例においては、特徴パラメータ空間上で
標準パターンを規定する境界線として集中楕円と２つの
カテゴリーに対する尤度が等しくなる点の集まりを用い
たが、本発明の実施においては、もちろん他の一般的な
パターン認識の手法を用いることができる。例えば、カ
テゴリー「有声音」とカテゴリー「特定雑音」に対する
尤度か等しくなる点の集まりの代わりに、Ｍａｈａｒａ
ｎｏｂｉｓ距離やＥｕｃｌｉｄ距離か等しくなる点の集
まり等を用いることがてきる。

［発明の効果］以上のように本発明によれば、雑音の振幅か大きく音声
の検出に対する影響が大きい場合にも、雑音環境下での
音声の存在を、簡易に高い検出率で検出することかでき
る。

【図面の簡単な説明】

第１図は本発明の実施に用いられる音声検出装置の一例
を示すブロック図、第２図は本発明の特徴パラメータに
よって形成されるパラメータ空間を示す模式図である。１１・・・マイク、１５・・・パラメータ計算部、１６・・・辞書データ記憶部、１７・・・判定部、８・・・結果出力部。

Claims

【特許請求の範囲】

（１）入力信号の参照軸交差数と、波形の振幅レベルに
関する値と、波形の振幅が一定時間間隔内に実効値を目
安とするしきい値を越える時間とを特徴パラメータとし
て算出し、この算出結果を、有声音と特定雑音について
の辞書データと比較し、入力信号が有声音を含むかどう
かを判定する音声検出方式。
（２）前記波形の振幅レベルに関する値として一定時間
間隔内の振幅の絶対値の最大値に対する該一定時間間隔
内の振幅の実効値の比で表わされる波高値を用いる請求
項１記載の音声検出方式。
（３）前記波形の振幅レベルに関する値として一定時間
間隔内の振幅の絶対値の最大値に対する該一定時間間隔
内の振幅の絶対値の平均値の比で表わされる波高値を用
いる請求項１記載の音声検出方式。