JPH0348900A - 有音検出装置及びその方法 - 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】 ［発明の目的］ （産業上の利用分野） 本発明は、ＡＴＭ　（Ａｓｙｎｃｈｒｏｎｏｕｓ　　Ｔ
ｒａｎｓｆｅｒ　　Ｍｏｄｅ）通信、ＤＳＩ（Ｄｉｇｉ
ｔａｌ　　５ｐｅｅｃｈ　　Ｉｎｔｅｒｐｌａｔｉｏｎ
）、パケット通信、音声認識の分野に適用され、音声信
号中の有音区間を精度良く検出する有音検出装置に関す
る。

（従来の技術） 第１０図は従来の有音検出装置の一構成を示している。

入力端子１００に入力された音声信号中から電力、零交
差数、自己相関関数、スペクトルなどの特徴パラメータ
がフレーム単位で特徴パラメータ計算器１０１によって
計算される。

計算された特徴パラメータは、マツチング器１０２へ出
力され、予め設定された有音標準パターン１０３及び雑
音標準パターン１０４と比較し、それぞれの距離が算出
される。

もし、特徴パラメータと有音標準パターン１０３の距離
が特徴パラメータと雑音パターン１０４との距離よりも
小さければ、入力フレームは有音に属し、反対であれば
雑音に属すると判定され、その判定結果が出力端子１０
５から出力される。

（発明が解決しようとする課題） しかしながら、有音であっても子音の電力は母音と異な
り背景雑音の電力を下回ることが多い。

このため、背景雑音が大きい環境下では、子音区間の特
徴パラメータに背景雑音の特徴が大きく出てしまう。

上記従来の有音検出装置によれば、背景雑音の影響を受
けた特徴パラメータをそのまま判定に用いていたので、
背景雑音が大きい場合には、子音の検出誤りが多くなっ
ていた。

このことによって、通信の分野では音質の劣化の要因と
なり、また、音声認識の分野で認識率の低下を招いてい
た。

本発明は上記事情に鑑みてなされたものであり、その目
的は、背景雑音が大きい場合にあっても有音の検出精度
を向上することができる音声検出装置を提供することに
ある。

［発明の構成］ （課題を解決するための手段） 上記課題を解決するために、第１の発明は、入力された
音声信号中からフレーム単位で音声の特徴パラメータを
演算する手段と、 演算されたフレーム単位の特徴パラメータを全であるい
は雑音区間の特徴パラメータを順次蓄積するバッファと
、 蓄積された特徴パラメータの内、入力フレームからＳフ
レーム前の特徴パラメータを基準として過去のＮフレー
ム分の特徴パラメータ集合を取り出し、前記入力フレー
ムの特徴パラメータとの距離ベクトル若しくはベクトル
のノルムを演算することによって入力フレームの特徴パ
ラメータの変換パラメータを生成する手段と、 前記変換パラメータと予め設定された標準パターンとを
比較して前記音声信号中の有音区間を判別する手段と、 を有することを特徴とする。

また、第２の発明は、入力された音声信号中からフレー
ム単位で音声の特徴パラメータを演算する手段と、 演算されたフレーム単位の特徴パラメータを順次蓄積す
るバッファと、 蓄積された特徴パラメータから回帰係数を演算し、入力
フレームの特徴パラメータの変換パラメータを生成する
手段、 前記変換パラメータと予め設定された標準パターンと比
較して前記音声信号中の有音区間を判断する手段と、 を有することを特徴とする。

（作用） 以上の構成において、第１の発明ではフレーム単位で演
算された特徴パラメータの全であるいは雑音領域での特
徴パターンの任意のＮフレーム分の集合から入力フレー
ムの特徴パラメータとの距離ベクトル若しくはベクトル
のノルムを演算してこれらを変換パラメータとする。そ
して、この変換パラメータと標準パターンとを比較する
ことにより、雑音の影響を回避した有音判別がされる。

また、第２の発明では蓄積された特徴パラメータから回
帰係数を求め、この回帰係数から変換パラメータを求め
る。そして、この変換パラメータと標準パターンとを比
較することにより、同様に雑音の影響を回避した有音判
別がされる。

（実施例） 第１図は本発明に係る有音検出装置の概略的構成を示す
ブロック図であり、この装置は、特徴パラメータ計算器
１と、特徴パラメータ変換器２と、有音判定器３とから
構成される。

なお、以下の各実施例では、音声信号をフレーム単位に
分析し有無・音声の判定を行なっていく。

例えば、音声信号を８ＫＨｚでサンプリングし、１６０
サンプルづつまとめて１フレームとする。

ただし、フレーム長は、常に一定長である必要はない。

特徴パラメータ計算器１では、フレーム単位にＤｕｒｂ
ｉｎ法などを用いて線形予測係数を計算する。ここで、
線形予測係数からＰＡＲＣＯＲ係数、ＬＰＣケプストラ
ム、メルケプストラム等を計算し、特徴パラメータとし
てもよい。また、電力、自己相関関数、零交差数、等も
計算してもよい。

現在有音か無音かを判定しようとしているフレームを以
下では入力フレームという。また、特徴パラメータ計算
器１で得られた入力フレームの特徴パラメータをＸ（ｎ
）とする。ｎはフレームのシーケンシャルな番号である
。特徴パラメータは、ｐ次元のベクトルで、次の（１）
の式で書き表わされる。

Ｘ（ｎ）　＝　（ｘｔ　（ｎ）、ｘ２（ｎ）ｓ＝、　　
ＸＰ　（ｎ））・・・（１） 特徴パラメータ変換器２では、音声と雑音の違いを強調
するために特徴パラメータを変換する。

ここで変換された特徴パラメータを、以下では変換パラ
メータと呼び、次の（２）式で書き表わせる。

変化パラメータはｒ（≦Ｐ）次元のベクトルである。

Ｙ（ｎ）　＝　（ｙｔ　（ｎ）、ｙ２（ｎ）、＝−、ｙ
ｒ　（ｎ））・・・（２） 第２図は本発明の一実施例の特徴部分である特徴パラメ
ータ変換器２の構成を示すブロック図であり、本実施例
は背景雑音の影響を回避するため雑音区間の特徴パラメ
ータを蓄積し、その蓄積データから入力フレームの特徴
パラメータの距離ベクトルを変換パラメータＹ　（ｎ）
として求めた後、変換パラメータＹ（ｎ）を標準パター
ンと比較して有音区間を判別するものである。

本実施例の特徴パラメータ変換器２は、電力測定器４と
、雑音判定器５と、スイッチ（ＳＷ）６と、バッファ７
と、距離ベクトル計算器８とから構成されている。

電力測定器４では、フレーム単位に次の（３）式で平均
電力Ｐを測定する。

フレーム内の音声信号のサンプルをａ（１）（１−０，
１、Ｎ−１）　、１フレームのサンプル数をＮとすると
、 平均電力Ｐ　＝　”？　ａ（１）２／　Ｎ　　　　　−
（３）雑音判定器５では、入力信号の中から、確実に雑
音であるという区間を検出するためにあらかじめ、与え
られているしきい値Ｔの電力測定器で測定した電力Ｐと
比較する。

もし、Ｐ≧Ｔならば雑音でないと判定し“０”ＳＷ６に
出力する。

そうでなければ雑音と判定し“１“をＳＷ６に出力する
。

ＳＷ６は、雑音判定器の出力が“１”ならば、バッファ
４２にそのフレームの特徴パラメータヲ記憶させる。

バッファ７では、特徴パラメータがバッファ７に蓄積さ
れる時間の順序関係を保存するために、特徴パラメータ
がバッファに入力された順番で、バッファのヘッドから
テイルに向かって蓄積する。

すなわち、一番新しい特徴パラメータ（現在判定すべき
フレームの特徴パラメータ）をバッファのヘッドに、一
番過去の特徴パラメータをテイルに蓄積する。第３図に
はバッファ７の構成例が示されている。

距離ベクトル計算器８では、バッファ７に蓄積された特
徴パラメータのうち、入力フレームのＳフレーム前（バ
ッファのヘッドからＳフレームめ）からバッファのテイ
ルに向かってＮフレーム分の特徴パラメータ集合Ωを取
り出し、Ωと入力フレームの特徴パラメータＸ（ｎ）と
の距離ベクトルを計算する。

なお、前記Ｓフレーム、Ｎフレームは任意の数フレーム
を取り得るが、数フレームから２０フレ一ム程度が好適
である。

まず、バッファ７内で、入力フレームのＳフレーム前の
フレームから数えてＮフレーム過去の特徴パラメータの
集合Ωを第３図に示すように、Ω：　ＸＬ　（０）、Ｘ
Ｌ　（１）、・・・、　Ｘ、　（Ｎ−１，）　＋とする
。

Ｘ（ｎ）とΩの雑音距離ベクトルをＹ　（ｎ）とする。

Ｙ（ｎ）は、Ωの平均値ＭとＸ（ｎ）の差をΩの標準偏
差で正規化したものであり、次の（４）式で表される。

第４図にはＸ（ｎ）、Ω、Ｙ（ｎ）の関係が図示されて
いる。

Ｙ（ｎ）　＝　（ｙ＋　（ｎ）、ｙ２（ｎ）、−、３’
ｑ　（ｎ））・・・（４） Ｍ”　（ｍｔ　１ｍ２＊　・”１ｍｑ　）　　　・・・
（５）とすると、 Ｙ＋　（ｎ）　−（ｘ＋　（ｎ）、ｍｔ　）　／ａｔ　
−（６）・・・（８） ここで、１＝Ｉ−，２，−、ｑ、　ｒ　＞　１のときｑ
＝ｒで、変換パラメータはＹ　（ｎ）である。

ｒ＝１のとき、ｑは１≦ｑ≦ｐの任意の大きさを取るこ
とができる。特に、ｒ＝１、ｐ＞ｌの場合には、１１・
１１をベクトルのノルムとすると、変換パラメータをＩ
ＩＹ（１１）　　＋１．！１．する。

有音判定器３では、特徴パラメータ変換器２から得られ
た変換パラメータをもとに、有音区間を判定する。この
有音判定器３は第５図に示すように、マツチング器９と
、Ｍ個の標準パターン１０とから構成されている。

マツチング器９では、標準パターンと変換パラメータの
距離を測定し、音声に属する標準パターンにマツチング
された場合音声、そうでない場合無音と判定する。

まず、次式より各標準パターンω、　　（ｉ＝１゜・・
・、Ｍ）との距離を測定する。

ＤＩ　　（Ｙ） ＝　　（Ｙ−μ（）′　　Σ＋　　−’　（Ｙ−μ、）
＋１０１　Σ　１　　　　　　　　　　　　　　　　　
・・・（９）Ｙは ｉ　＝ｍｉｎ　Ｄ　＋　　（Ｙ）　　　　　　　　　　
・・・（１０）なるω１にＹが属しているとする。もし
ω１が音声に属していれば、そのフレームは有音、ω、
が雑音に属していれば、そのフレームは雑音であると判
定する。

標準パターン１０は以下のように定義できる。

標準パターン１０はマツチング器９の構成から分は標準
パターンのクラスを示すｉを簡易のため省略する。

クラスωに属するＬ個のｒ次元変換パラメータをＹ、　
（ｊ）−（ｙ−ｔ（ｊ）、ｙ　、２（ｊ）、・・・、　
　ｙ、、（ｊ））・・・（１１） ｊ−１，２，・・・、Ｌ とする。

また、μとΣの各要素をμ１、Σ１とすると、第５図の
平均・共分散行列計算器８で次式を用いて計算される。

（（ｙＷｔ（ｊ）　　−μＬ）　　・・・（１３）標準
パターン（標準パターント・・標準パターンＭ）の作成
は以下のようにして行なう。

標準パターンを作成するため、各標準パターンのクラス
ごとに、音声データを作成する。

その作成方法は、まず、複数の被検者に各クラスに属す
る音韻を発音してもらい、それを録音する。

このようにして得られた音声信号に対し、フレーム単位
に、子音と雑音の区別をつけるためのラベルを付してい
く。ラベル付けは、音声信号の波形やスペクトルをＣＲ
Ｔに表示して、それを見ながらフレーム単位にラベルを
付けていく。

ラベル付けされた音声データベース１１から、第６図に
示すように、変換パラメータを計算する。

このとき、ラベルデータベース１２を参照して、そのク
ラスに属するフレームの変換パラメータならば、平均・
共分散行列計算器１３で、平均・共分散を計算する。

このようにして作成された標準パターンと前述のように
して求められた変換パラメータとが比較されて雑音の影
響を回避した有音区間が判別されるのである。

なお、前記実施例では予め雑音判定をしてこの区間の特
徴パラメータと蓄積するため、電力測定機４、雑音判定
器５及びスイッチ６とを用いる構成としたが、雑音判定
をしない場合には、全ての区間の特徴パラメータをバッ
ファ７へ蓄積するようにすればよい。この場合は、これ
ら電力測定器４、雑音判定器５及びスイッチ６は不要で
ある。

また、雑音を判定するために電力測定器４及び雑音判定
器５を用いたが、第５図に示した有音判定器と同様に、
雑音の標準パターンとマツチング器を用いて雑音区間を
判別するようにしてもよい。

第７図は本発明の他の実施例の特徴部分である特徴パラ
メータ変換器２の構成を示すブロック図であり、本実施
例は背景雑音の影響を回避するために、雑音区間の特徴
パラメータを蓄積し、その蓄積データから回避係数と演
算し、この回帰係数から変換パラメータを求めて有音区
間を判別するものである。

バッファ１４は、前記バッファ７と同一構成であり、特
徴パラメータをフレーム単位で順次蓄積する。

回帰係数計算器１５では、以下のようにして回帰係数及
び変換パラメータを求める。

入力フレームの特徴パラメータをＸ（ｎ）　、バッファ
内のに番目のフレームのｐ次元特徴パラメータベクトル
の各要素Ｘ＋（ｋ）が（ｎ−（Ｎ−１））≦に≦ｎの範
囲で与えられたとき、各要素ｘ＋（ｋ）の（ｎ−（Ｎ−
１））≦に≦ｎでの近似関数が、ｆ　＋　（ｋ）−ａ　
ｔｏ　＋　ａ　ＩＬＫ”　＋　ａ　１２に２十・・・＋
ａ、、に’　　　　　　　・・・（１４）で表されると
する。これを第８図に示す。

各点におけるｘ＋（ｋ）とｆ＋（ｋ）の差、すなわち残
差 ｅ＋　（ｋ）　＝ｆ＋　（ｋ）　−Ｘｉ　（ｋ）　　　
・（ｔ５）の２乗和をＪｌとすると、Ｊ、は Ｊ、＝　　　Σ　ｅ　ｌ　　２（ｋ） となる。このＪｌを最小となるように各回帰係数ａＩＩ
）＋　・・・、ａ、を定める。

入力フレームの変換パラメータは、次の（１７）式％式
％ （１７） または複数のｉの組合せである。例えば、Ｙ　（ｎ）　
”　（ａｚ＋　　ａ２１＋　”’＋　　ａｒｌ＋　　ａ
１２＋ａ　２２．−、　　ａ　ｒ２）　　　　・・・（
［１）となる。

このようにして求められた変換パラメータＹ（ｎ）は有
音判定器３で標準パターンと比較され有音区間が判定さ
れる。なお、有音区間の判定は先の実施例と同一の過程
によりなされるので、説明は省略する。

以上の各実施例の効果を具体的な測定結果を基に説明す
る。

母音と異なり、子音の電力は背景音電力を下回ることが
多い。そのため、背景雑音が大きな環境では、子音区間
でも特徴パラメータに雑音の特徴が大きく出てしまう。

従来の方式では、背景雑音の影響を受けた特徴パラメー
タをそのまま判定に用いていたなめ、背景雑音が大きな
場合には、子音の検出誤りが多くなっていた。

本発明の各実施例では、雑音と音声の特徴を強調するた
め、Ｓ／Ｎ比が２０ｄＢから１４ｄＢはどの、背景雑音
の大きな環境でも検出率が良好な検出率が得られた。

以下に、特徴パラメータ・特徴パラメータ変換法を変え
たときの語頭子音の検出結果を示す。

音声データに付けられたラベルが子音を示しているフレ
ームが子音のクラスのうちいずれかであると判定された
場合、正しく検出されたものであるとする。

第１０図に示した検出率は子音検出率と雑音検出率の平
均値である。子音検出率は、次式で定義される。

子音検出率− また、雑音データのフレームが、雑音クラスのうちいず
れかであると判定された場合、正しく検出されたものと
する。これが雑音検出率であり、次式で定義される。

雑音検出率＝ 第１０図において、縦軸は検出率である。また、横軸は
特徴パラメータの種類を示しており、ＬＰＣはＬＰＣケ
プストラム、Ｐはフレーム内平均電力、Ｐ＋ＬＰＣはＰ
とＬＰＣの併用である。

なお、以下ではＬＰＣケプストラム分析次元は１２次、
変換パラメータ次元は特徴パラメータがＬＰＧのとき４
次、Ｐ＋ＬＰＧのとき５次とした。

特徴パラメータ変換法は、プロットを変えて示した。

Ｃは、特徴パラメータ変換を行わない従来の方法である
。

ｎは、第２図に示した実施例であり、雑音判定をしてい
るものである。

■は、第２図に示した実施例で、雑音判定をしていない
ものである。

ｒは、第７図に示した他の実施例であり、特徴パラメー
タを回帰係数に変換したものである。

［発明の効果］ 以上説明したように本発明によれば、特徴パラメータ変
換により特徴パラメータから雑音の影響を除去できるの
で、背景雑音が大きい環境下にあっても精確に有音区間
を判別することができる。

【図面の簡単な説明】

第１図は本発明に係る有音検出装置の概略構成を示すブ
ロック図、第２図は本発明の一実施例の特徴部分を示す
ブロック図、第３図は同実施例で使用されるバッファの
構成図、第４図は同実施例の変換パラメータの説明図、
第５図は有音判定器の構成例を示すブロック図、第６図
は標準パターンを作成する装置の構成例を示すブロック
図、第７図は本発明の他の実施例の特徴部分を示すブロ
ック図、第８図は同実施例の回帰係数を求める過程の近
似関数を示す図、第９図は各実施例における特徴パラメ
ータと検出率との関係を示す特性図、第１０図は従来の
有音検出装置の構成例を示すブロック図である。 １・・・特徴パラメータ計算器 ２・・・特徴パラメータ変換器 ３・・・有音判定器 ４・・・電力判定器 ５・・・雑音判定器 ６・・・スイッチ ８・・・雑音ベクトル計算器 ９・・・マツチング器 １０・・・標準パターン

Claims (2)

【特許請求の範囲】
1. （１）入力された音声信号中からフレーム単位で音声の
   特徴パラメータを演算する手段と、 演算されたフレーム単位の全ての特徴パラメータをある
   いは雑音区間の特徴パラメータを順次蓄積するバッファ
   と、 蓄積された特徴パラメータの内、入力フレームからＳフ
   レーム前の特徴パラメータを基準として過去のＮフレー
   ム分の特徴パラメータ集合を取り出し、前記入力フレー
   ムの特徴パラメータとの距離ベクトル若しくはベクトル
   のノルムを演算することによって入力フレームの特徴パ
   ラメータの変換パラメータを生成する手段と、 前記変換パラメータと予め設定された標準パターンとを
   比較して前記音声信号中の有音区間を判別する手段と、 を有することを特徴とする有音検出装置。
2. （２）入力された音声信号中からフレーム単位で音声の
   特徴パラメータを演算する手段と、 演算されたフレーム単位の特徴パラメータを順次蓄積す
   るバッファと、 蓄積された特徴パラメータから回帰係数を演算し、入力
   フレームの特徴パラメータの変換パラメータを生成する
   手段、 前記変換パラメータと予め設定された標準パターンとを
   比較して前記音声信号中の有音区間を判別する手段と、 を有することを特徴とする有音検出装置。