JPH04281497A

JPH04281497A - 雑音下音声認識方法

Info

Publication number: JPH04281497A
Application number: JP3069218A
Authority: JP
Inventors: Toshihiro Kasuya; 糟谷　敏宏; Noriya Murakami; 村上　憲也
Original assignee: N T T DATA TSUSHIN KK; NTT Data Communications Systems Corp
Current assignee: N T T DATA TSUSHIN KK; NTT Data Group Corp
Priority date: 1991-03-08
Filing date: 1991-03-08
Publication date: 1992-10-07

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】

【０００１】

【産業上の利用分野】本発明は、雑音下で利用され、パ
タンマッチングを主体とした認識系を持つ音声認識置の
音声認識方法に関し、特に背景雑音の微小変動を考慮し
た識別を行う雑音下音声認識方法に関する。

【０００２】

【従来の技術】雑音の混入した音声は、雑音のない環境
で発音された音声とは、そこから抽出されるスペクトル
等の特徴パラメータを異にする。そのため、雑音下音声
の認識を行う際には、何らかの雑音除去処理を行うか、
あるいはパラメータの変形を考慮した識別を行う必要が
ある。例えば、スペクトルサブトラクション法（以下、
ＳＳ法と略す）を用いて音声認識を行う場合、図２のよ
うに、まず、スペクトル分析等の前処理を行う（２０１
）。この場合、音声に混入した雑音成分を除去するため
、音声のない雑音のみの区間から雑音のスペクトルを推
定し、雑音の混入した音声から得られるスペクトルから
差し引く。この後、入力された音声の特徴量を求め（２
０２）、予め設定・登録してある標準パタンとの間でマ
ッチング処理を行い（２０３）、それらの距離値が所定
のしきい値以内か否かによって入力音声を識別する（２
０４）。また、雑音の重畳による特徴パラメータの変化
に認識系が対応する手法の一つとして、音声認識装置を
用いる場所での背景雑音下で発声された音声を用いて標
準パタンを作成する方法も一般に知られている。例えば
、マルチテンプレート法では、信号対雑音比（ＳＮ比）
を数段設定し、設定したレベルで音声に雑音を重畳し、
それらの雑音重畳信号から複数の標準パタンを作成し、
入力音声から抽出される特徴ベクトルを入力音声のＳＮ
比に近い何れかのテンプレートにマッチングさせること
により雑音下の音声を識別している。なお、従来の音声
認識方法については、例えば「電子情報通信ハンドブッ
ク，電子情報通信学会編（１９８９年），ｐｐ．１１９
１〜１２０７」に記載されている。

【０００３】

【発明が解決しようとする課題】上記従来技術では、Ｓ
Ｓ法を用いた場合、（音声＋雑音）スペクトルと雑音ス
ペクトルの差分を算出するプロセスで、雑音の推定誤差
により雑音成分を完全に取り除くことができなかったり
、逆に過度の減算を行ったりする恐れがあり、音声認識
に悪影響を及ぼすという問題がある。また、マルチテン
プレート法では、テンプレート数の増加に伴って問題が
生じる。すなわち、認識時には、入力音声から得られる
特徴ベクトルを標準パタンと比較するプロセスを必要と
するが、複数のＳＮ比を設定することにより識別カテゴ
リ当たりの標準パタンが多数存在するため、処理に時間
を要する。また、入力音声のＳＮ比と同一のテンプレー
トを持たない場合には、それに近いテンプレートで識別
されるため、その音声は別の識別カテゴリに誤認識され
る恐れがある。さらに、適当なテンプレートを再設定す
ると、処理時間は大幅に増大してしまう。これらの問題
は、背景雑音の時間的変化により生じる雑音パワーの推
定誤差に起因する。本発明の目的は、このような問題点
を改善し、パタンマッチングを主体として音声認識を行
う場合、背景雑音の微小変動を考慮した識別を行うこと
により、雑音パワーの変動に起因する識別率の低下を軽
減することが可能な雑音下音声認識方法を提供すること
にある。

【０００４】

【課題を解決するための手段】上記目的を達成するため
、本発明の雑音下音声認識方法は、マルチテンプレート
法やＳＳ法等、パタンマッチングを主体とした認識系を
持つシステムの音声認識方法において、入力音声に混入
する雑音のスペクトル情報を用い、雑音パワーの微小変
動により入力ベクトルが変化する方向を算出して、その
変化方向の距離がその変化方向と垂直な方向より小さく
なるように重み付けした距離尺度を設定することにより
、入力ベクトルを雑音パワーの変化方向へ変形して、変
形した入力ベクトルにより雑音パワー変動を考慮した識
別を行うことに特徴がある。

【０００５】

【作用】本発明においては、マルチテンプレート法によ
る場合、背景雑音下で入力した音声の入力ベクトルに対
し、識別部はその背景雑音の微小変動を想定した変形を
加える。つまり、背景雑音のスペクトル情報により、入
力ベクトルの基準ベクトルが変化する方向を求め、その
変化方向に対しては小さな値をとり、それと垂直方向で
は大きな値をとるように距離尺度に重み付けをする。こ
の重み付け距離尺度を用いることにより、入力ベクトル
にその変化方向に対する冗長性を持たせて、雑音の混入
した音声を識別する際の識別性能を従来より向上させる
。なお、認識率を従来と同じに設定する場合には、テン
プレート数を削減できる。さらに、ＳＳ法による場合、
雑音除去量の過不足による悪影響を軽減することができ
る。

【０００６】

【実施例】以下、本発明の一実施例を図面により説明す
る。まず、本実施例における雑音下音声認識方法の原理
について述べる。図３は、本発明の一実施例における雑
音下音声認識方法の入力ベクトルに対する重み付けを示
す説明図、図４は本発明の一実施例における雑音下音声
認識方法の入力ベクトルの変化方向を示す説明図である
。本実施例では、音声認識のための特徴量として、線形
予測分析（ＬＰＣ：ｌｉｎｅａｒ　　ｐｒｅｄｉｃｔｉ
ｖｅ　　ｃｏｄｉｎｇ）ケプストラムあるいはケプスト
ラムを用いる。ケプストラムｃは次式（１）で定義され
る。

【０００７】

【数１】（１）式で示されるｃは、通常のテンプレートマッチン
グを主体とした認識系において、入力ベクトルとして用
いられる特徴量であり、ＳＳ法等では、前処理により予
め雑音成分が差し引かれたケプストラムの推定値である
。このとき、音声信号ｓはケプストラムｃから逆に推定
されるものである。ここで、音声信号ｓに、新たに微小
雑音Δｎが混入すると仮定する。これは、音声に加わる
雑音パワーが変動するか、あるいは雑音パワーの推定誤
差によるパワー変動を示すものである。雑音のパワー変
動により、（１）式のｓはｓ＋Δｎに置き換わり、次の
ように展開される。

【０００８】

【数２】ここで、微小雑音Δｎによるケプストラム変化をΔｃと
し、さらに、Ｆ［Δｎ］≪Ｆ［ｓ］を仮定すれば、

【０
００９】

【数３】が得られ、（２）式から算出されるΔｃベクトルを、雑
音が付加されたときのケプストラムの変化方向として入
力ベクトルの変形に利用する。入力ベクトルの変形は、
ケプストラムの変化方向にΔｃを考慮した識別尺度を新
たに用いることにより行う。すなわち、従来の距離尺度
をｄ、雑音の付加が特徴パラメータに与する影響を考慮
した距離をｄｎとするとき、新しく距離尺度を（３）　
　（距離）＝ｄ＋α×ｄｎと置くことにより実現する。但し、αは重み係数である
。また、ｄｎは、Δｎの変化方向へ重み付けされた距離
であり、次式で表現される。ｄｎ＝（（ｒ・Δｃ）２／σ２）＋ｒ２−（ｒ・Δｃ）
２（ｉ．ｅ．ｒ＝ｘ−ｃ）ｘ：入力ベクトルｃ：参照ベクトル Δｃ：正規化されたΔｃ σ：重み（＞１）これは、図３に示すように、黒丸で示す基準ベクトル（
参照ベクトル）から見た入力ベクトル（×印）を、入力
ペクトルが雑音により変動を受ける方向成分ｄｈとそれ
に垂直な成分ｄｖに分解し、Δｃ方向の変化に対しては
小さな値を取り、それと垂直な方向に対しては大きな値
を取るように重み付けして、楕円で示すように変形する
ものである。なお、図３において、矢印は雑音パワーの
変動による入力ベクトルの変化方向を示す。このような
距離尺度を用いることにより、入力ベクトルに雑音のパ
ワー変動を考慮した変形を加えた効果が得られ、認識性
能の向上を計ることができる。すなわち、図４に示すよ
うに、変形後の入力ベクトル４１は、従来方法による入
力ベクトル（点線で円形に描かれた部分）に比べて冗長
性があり、雑音パワーの変化による特徴ベクトルの変化
方向（矢印方向）に追従する。

【００１０】次に、本実施例の音声認識装置の構成およ
び機能について述べる。図１は、本発明の一実施例にお
ける雑音下音声認識方法の処理の流れを示す説明図、図
５は本発明の一実施例における音声認識装置の構成図で
ある。図５において、１は音声を入力するための入力装
置、２はＣＰＵ等の処理装置、３は入力された音声の識
別結果を出力するための出力装置、４はマッチング処理
に用いる標準パタンを格納する外部記憶装置である。ま
た、処理装置２は、入力された音声に対し、ＬＰＣスペ
クトル分析等の前処理を行う前処理部２ａと、前処理さ
れた入力音声から特徴ベクトルを抽出する特徴抽出部２
ｂと、背景雑音を考慮して入力ベクトルを変形させ、そ
の変形入力ベクトルと標準パタンの特徴ベクトルとの距
離により、入力音声を識別する識別部２ｃとを有する。この外部記憶装置４に登録している標準パタンの特徴ベ
クトルは、マルチテンプレート法による入力音声（音声
＋雑音）から抽出したものである。また、識別部２ｃは
、その入力音声に微小な雑音パワー（背景雑音パワー）
が加わった場合の移動方向を算出し、その移動方向に対
する冗長性を入力ベクトルに持たせてからマッチング処
理を行う。このような構成により、図１に示す処理を行
う。すなわち、前処理部２ａは、入力された音声（音声
＋雑音）に対してＬＰＣスペクトル分析を行い（１０１
）、特徴抽出部２ｂにより特徴ベクトルを抽出する（１
０２）。さらに、識別部２ｃにより前記（３）式に示し
た距離ｄを求める（１０３）。一方、識別部２ｃは、背
景雑音パワーの微小変動を考慮した入力ベクトルの変化
方向を算出する（１０４）。この処理では、入力された
音声に微小な背景雑音が加わった場合のケプストラムの
変化方向Δｃを求め（１０４ａ）、その雑音パワーが特
徴パラメータに与える影響を考慮した距離ｄｎを求める
（１０４ｂ）。さらに、音声＋雑音を想定して算出した
距離ｄと背景雑音パワーの微小変動を考慮して算出した
距離ｄｎとから、ケプストラムの変化方向Δｃを考慮し
た新たな距離尺度を求め、これに従って入力ベクトルを
変形し、標準パタンの特徴ベクトルとのマッチング処理
を行い（１０５）、識別結果を出力する（１０６）。本
実施例によれば、背景雑音パワーの微小変動を考慮して
入力ベクトルを直接変形するので、例えば、予め設定さ
れた標準パタンを変形する方法に比べると処理時間は少
くて済む。

【００１１】

【発明の効果】本発明によれば、パタンマッチングを主
体とする音声認識方法において、背景雑音の時間的変化
により生じる雑音パワーの推定誤差に起因する識別率の
低下を軽減することが可能であり、処理時間の大巾な増
加を抑制することができる。例えば、マルチテンプレー
ト法では、入力音声のＳＮ比がある程度変化するので、
テンプート間の補完が可能となり、入力サンプルが入力
音声のＳＮ比とは異なるＳＮ比の識別カテゴリに誤認識
されることも少くなる。また、識別率を変化させない場
合には、テンプレート数を削減することができる。さら
に、ＳＳ法では、雑音パワーの推定誤差に起因する雑音
除去量の過不足を軽減することができる。

【００１２】

【図面の簡単な説明】

【図１】本発明の一実施例における雑音下音声認識方法
の処理の流れを示す説明図である。

【図２】従来の雑音下音声認識方法の処理の流れを示す
説明図である。

【図３】本発明の一実施例における雑音下音声認識方法
の入力ベクトルに対する重み付けを示す説明図である。

【図４】本発明の一実施例における雑音下音声認識方法
の入力ベクトルの変化方向を示す説明図である。

【図５】本発明の一実施例における音声認識装置の構成
図である。

【符号の説明】

１　　入力装置２　　処理装置２ａ　　前処理部２ｂ　　特徴抽出部２ｃ　　識別部３　　出力装置４　　外部記憶装置４１　　変形後の入力ベクトル

Claims

【特許請求の範囲】

【請求項１】　　パタンマッチングを主体とした認識系
を持つシステムの音声認識方法において、入力音声に混
入する雑音のスペクトル情報を用い、雑音パワーの微小
変動により入力ベクトルが変化する方向を算出して、該
変化方向の距離が該変化方向と垂直な方向より小さくな
るように重み付けした距離尺度を設定し、入力ベクトル
を雑音パワーの変化方向へ変形して、変形した入力ベク
トルにより音声を識別することを特徴とする雑音下音声
認識方法。