JPH04330498A - 音声認識装置 - 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】

【０００１】

【産業上の利用分野】本発明は、音声によって例えば車
載用音響機器等のコントロールを行う音声認識装置に関
するものであり、特に音信号に含まれる騒音レベルが変
化した際、その騒音レベルに応じて高い音声認識率を確
保する音声認識装置に関するものである。

【０００２】

【従来の技術】音声認識装置を用いることにより、音声
にて各種機器のコントロールができれば、他の作業を行
いながら、発声者の意図を機器に伝えることができて便
利である。特に、車載用音響機器のコントロールが音声
によって可能となれば、車両運転中に車載機器の操作に
気を取られることがなく、安全性も高まる。そこで、音
声認識装置に対しては多くの研究がなされている。

【０００３】ここで、従来から知られる音声認識装置の
ブロック図を図５に示す。すなわち、音声認識装置は、
マイク１、増幅部２、ゲイン制御部２０及び音声認識部
４を備えている。このうち、マイク１は周囲の音情報を
取込み、この音情報を音信号に変換して出力する。増幅
部２はマイク１から入力した音信号を所定の信号レベル
まで増幅する。また、ゲイン制御部２０は通常、周知な
ＡＧＣ（オーディオ・ゲイン・コントロール）フィード
バックループ等の構成をとり、一定レベルの音信号を出
力する。更に、音声認識部４には前記ゲイン制御部２０
のゲインが可変され増幅された音信号を分析する信号分
析回路が内蔵されており、音情報に含まれた音声の処理
を行う。

【０００４】上記のような音声認識装置によれば、所定
レベルの音信号を音声認識部４に入力する際に、前記ゲ
イン制御部２０が、小さい入力信号を一定レベルまで持
ち上げたり、大きい入力信号を一定レベルに抑えたりし
ている。そのため、マイク１からの音情報に含まれる騒
音にも前記ＡＧＣがかかる等、周囲の騒音環境に対して
は何ら考慮されていないのが実情である。従って、特に
自動車等の車室内に音声認識装置を使用する場合、走行
騒音への対策が必要となっている。

【０００５】ところで、音声認識装置の性能を十分に発
揮するためには、音声認識部４の信号分析回路の最大入
力レベルＶｍａｘ　を超えない程度に、なるべく大きく
入力することが音信号の特徴をとり易く、都合が良いで
あろうと考えるのが自然である。実際、高いレベルの音
信号で入力した場合、低いレベルの音信号を入力した場
合に比べて、装置の音声認識率が良いのは周知である。

【０００６】しかし、周囲の騒音レベルが高くなってく
ると、事情が異なってくる。今、増幅部２のアンプゲイ
ンを変えることで入力信号全体のレベルが調整可能であ
る音声認識装置を用いて、次の２つの条件の下で騒音レ
ベルを上昇させていった場合の音声認識率を測定する。 但し、マイクにむかって発生する発声者の音声パワーレ
ベルは一定である。

【０００７】（条件１）アンプゲインを大きくして音信
号のレベルを信号分析回路の最大入力レベルＶｍａｘ　
にひずみのない程度に近付ける。

【０００８】（条件２）アンプゲインを抑えて最大入力
レベルＶｍａｘ　に対して音信号のレベルを２／３〜１
／３程度にする。

【０００９】ここで、音声認識率と騒音レベルとの関係
を表す一般的な実験結果を図６に示す。図において、横
軸は騒音レベル、縦軸は音声認識率である。

【００１０】入力信号がひずまない程度にまでアンプゲ
インを大きくした場合、音声認識率はグラフＡに示すよ
うに変化する。すなわち、騒音レベルが低い時は良好な
音声認識率を得ることができる。ところが、騒音レベル
Ｎ０　近傍から音声認識率は極端に低下し、騒音レベル
Ｎ０　を少し越えた時点で音声検出ができなくなり、認
識動作が不能となる。

【００１１】一方、アンプゲインを抑えた場合は、音声
認識率はグラフＢに示すように変化する。すなわち、騒
音レベルの低い時はアンプゲインを大きくした場合に比
べて音声認識率は低いものの、騒音レベルがＮ０　以上
になると、音声認識率はアンプゲインを大きくした場合
よりも高くなる。更に、グラフＡに示したアンプゲイン
を大きくした場合では動作不能な状態をとった騒音レベ
ルでも、ある程度の認識率を確保することができる。

【００１２】以上のことから、次のことが理解できる。 すなわち、グラフＡ，Ｂの交点である騒音レベルＮ０　
を境にして、アンプゲインを小さくした場合の方が、ア
ンプゲインを大きくした場合よりも音声認識率が高くな
るという音声認識率の逆転現象が発生している。

【００１３】この音声認識率の逆転現象は、アンプゲイ
ンの調整に際して、単に信号全体のレベルを変えるのみ
でＳ／Ｎは変えていないにもかかわらず起きている。

【００１４】ところで、音声認識部４の信号分析回路に
は、入力する音信号を量子化してデジタル信号として出
力するＡ／Ｄコンバータが使用されたり、あるいは信号
分析回路の前後に対数化する回路や処理が施されたりす
る。

【００１５】ここではｌｏｇ特性Ａ／Ｄコンバータの例
で説明する。このＡ／Ｄコンバータの入出力特性は線形
なものではなく、対数関数に近似した非線形なものであ
る。これは、音信号のレベルが低いときは音の変化に敏
感で、音信号のレベルが高くなると変化に鈍感になると
いう人間の聴覚特性に類似させる為である。又、大きな
信号の変化でも、小さな信号の変化でも、分析データへ
データの変化として反映することができるため、音信号
のダイナミックレンジを拡大するという利点もある。従
って、音声認識で対数化処理を行うのは常識となってい
る。

【００１６】この様なＡ／Ｄコンバータの入出力特性の
一例を図７に示す。図において、横軸がアナログ入力の
レベル、縦軸が量子化レベルである。

【００１７】Ａ／Ｄコンバータへの入出力信号レベルが
小さいときは、図７におけるＩの範囲に示すように、Ａ
／Ｄコンバータの入出力特性はおおよそ線形特性に近い
。つまり、この線形特性領域Ｉ内では入力信号の変化に
対して量子化レベルの変化は大きく、信号の変化に敏感
である。

【００１８】一方、入力される信号レベルが大きくなる
と、図７におけるＩＩの範囲に示すように、Ａ／Ｄコン
バータの入出力特性は非線形特性を表す。この非線形特
性領域ＩＩ内では信号の変化に対して量子化レベルの変
化は小さく、信号の変化に鈍感である。

【００１９】ここで、Ａ／Ｄコンバータに騒音の重畳し
た音信号を入力した場合の、Ａ／Ｄコンバータから出力
されるデジタル信号のＳ／Ｎの違いを図８及び図９に基
づいて説明する。図８は前述の実験における条件１での
Ｓ／Ｎを示し、図９は前述の実験における条件２でのＳ
／Ｎを示している。

【００２０】なお、図８及び図９において、２重斜線部
分が騒音レベル（Ｎ１　，Ｎ２　）、斜線及び２重斜線
を含んだ全体が音声レベル（Ｓ１　，Ｓ２　）であり、
音声レベルＳ１　，Ｓ２は、両者とも図７にて示した非
線形特性領域ＩＩに達している。

【００２１】Ａ／Ｄコンバータに入力される段階では、
Ｓ１　／Ｎ１　＝Ｓ２　／Ｎ２　 と設定される。

【００２２】ところが、Ａ／Ｄコンバータから出力され
るデジタル信号のＳ／Ｎは、 Ｓ１　／Ｎ１　＜Ｓ２　／Ｎ２　 となっている。

【００２３】つまり、上記実験における条件１（アンプ
ゲインが大きい）の場合に比べて、条件２（アンプゲイ
ンを抑える）の方が、音信号の変化がデータに反映され
易いという意味からＳ／Ｎが良いことが分かる。

【００２４】また、騒音がないときや、音信号のレベル
が図７にて示した線形特性領域Ｉの内であるときは、Ａ
／Ｄコンバータから出力されるデジタル信号のＳ／Ｎに
は、さほどに変化がない。その為、アンプゲインが大き
い方が入力される音信号のレベルが大きいため、音声認
識部４にとっては音信号の特徴がとり易いと考えられる
。

【００２５】

【発明が解決しようとする課題】以上のことを考え合わ
せると、入力される音信号のレベル調整に際して、アン
プゲインを大きくする調整方式と、アンプゲインを抑え
る調整方式との２つの方式をとることができる。これら
の方式には以下のような短所が存在する。

【００２６】すなわち、アンプゲインを大きくする調整
方式の場合、騒音レベルが比較的低い段階から音声認識
率の低下が始まり、一定の騒音レベルを超えると認識不
能となる。一方、アンプゲインを抑えた調整方式の場合
、騒音レベルの小さい時の音声認識率は低い。

【００２７】図５に示すように、従来の方式では、入力
する音信号の信号レベルを一定にすることに着目し、Ａ
ＧＣ回路等によりゲイン制御を行っており、周囲騒音に
関しては何ら考慮されていない。本来、ある騒音レベル
に応じて最適な調整ポイントを選択すれば、より高い認
識率で音声認識装置を利用することができるにもかかわ
らず、そのポイントが選択されずに低い認識率で音声認
識装置を利用することになるという欠点がある。

【００２８】本発明は、この様な問題点に鑑みて提案さ
れたものであり、騒音レベルが変化する時、その騒音レ
ベルに応じた高い音声認識率が得られるようにすること
を目的とするものである。

【００２９】

【課題を解決するための手段】以上の課題を解決するた
めに、本発明は、取込んだ音情報を音信号に変換するマ
イクと、前記音信号を所定の信号レベルまで増幅する増
幅部と、前記増幅された音信号を分析し認識する音声認
識部とを有すると共に、前記音信号に基づいて信号レベ
ルを検出するレベル検出部と、予め定められた基準レベ
ルに基づいて前記信号レベルの高低を判定し、判定結果
を出力するレベル判定部と、この判定結果により、前記
音声認識部へ入力される前記音信号の信号レベルを切換
えるレベル切換え部と、前記判定結果を一定時間保持し
、該保持された判定結果を前記レベル切換え部に出力す
る判定結果保持制御部とを備えたことを特徴とする。

【００３０】

【作用】以上の構成を有する本発明の作用は次の通りで
ある。すなわち、レベル検出部が音信号に基づいて信号
レベルを検出し、これをレベル判定部に出力する。レベ
ル判定部は、この信号レベルと予め与えられている基準
レベルとを比較し、基準レベルよりも信号レベルの方が
高いと判定した場合、レベル切換え部は信号レベルを減
衰させるようにレベルを切換える。

【００３１】これとは逆に、レベル判定部が基準レベル
よりもレベル検出部からの信号レベルの方が低いと判定
した場合、レベル切換え部は信号レベルを増幅させるポ
イントへレベルを切換える。

【００３２】レベル切換え部の切換え調整のポイントは
、音声認識率の逆転現象が起こる信号レベルをレベル判
定部の基準レベルに対応させて設定することで、騒音レ
ベルに応じた所望のレベル切換えが可能となる。

【００３３】従って、騒音レベルが変化しても、高い音
声認識率で音声認識装置を利用することができる。

【００３４】そして、判定結果保持制御部がレベル判定
部の判定結果を一定時間保持して、保持された判定結果
をレベル切換え部に出力するため、レベル切換え部の調
整ポイントの切換え動作が騒音レベルの過渡的な変化で
むやみに起こることがなく、安定した音声認識率を確保
できる。

【００３５】

【実施例】以上説明したような本発明の一実施例を図面
に基づいて説明する。尚、従来技術と同一の部材に関し
ては同符号を付し、説明は省略する。

【００３６】図１に本実施例のブロック図を示す。

【００３７】本実施例の音声認識装置は、マイク１、増
幅部２、レベル切換え部３、音声認識部４、レベル検出
部５、判定部６及び保持制御部（モノマルチ）７を備え
ている。このうち、マイク１、増幅部２、音声認識部４
には図５にて示した従来例と同一な部材が使用される。

【００３８】すなわち、本実施例の構成の特徴はレベル
切換え部３、レベル検出部５、判定部６及び保持制御部
（モノマルチ）７を備えた点にある。このうち、レベル
切換え部３とレベル検出部５とが増幅部２に接続される
。レベル検出部５には判定部６及び保持制御部７が順次
接続され、レベル切換え部３には前記の保持制御部７と
音声認識部４とが接続される。

【００３９】レベル検出部５は増幅部２から入力した音
信号を全波整流する。また、レベル検出部５は積分回路
（図示せず）を有しており、この積分回路によって整流
処理された信号を平滑する。この平滑出力が平均パワー
レベルである。この様にして、レベル検出部５は入力さ
れた音信号に対して絶対値化して整流・平滑処理を行い
、音信号の短時間の平均パワーレベルを検出して、この
信号レベルを判定部６に出力する。

【００４０】判定部６は予め所定の基準レベルを持って
おり、レベル検出部５から入力した信号レベルの高低を
、この基準レベルに基づいて判定し、この判定結果を保
持制御部７に出力する。

【００４１】保持制御部７は判定部６から入力した判定
結果を一定時間保持して、保持した信号をレベル切換え
部３に出力する。保持制御部７は、例えばモノステーブ
ルマルチバイブレータ（以下、モノマルチと称する。）
を使用することにより構成される。モノマルチのトリガ
は、入力信号の立上がり（図４（ａ）に（１）或いは（
２）で示す）でかかるものとする。また、モノマルチの
状態遷移時間がｍとなるようにＣＲの時定数が設定され
ている。この一定時間ｍの長さは、音声認識に使う発声
単語長の数倍程度に選択される。

【００４２】レベル切換え部３は保持制御部７から入力
した判定部６の判定結果によって、増幅部２から入力し
た信号レベルを切換え、音声認識部４に出力する。

【００４３】図２は図１の回路図の一例である。図を参
照して、判定部６及びレベル切換え部３の回路を詳しく
説明する。

【００４４】判定部６はコンパレータ６ａ及び基準電圧
部６ｂを有している。コンパレータ６ａの（＋）反転入
力端子にはレベル検出部５が接続され、（−）非反転入
力端子には基準電圧部６ｂが接続されている。また、基
準電圧部６ｂに設定される電圧レベルは、騒音レベルが
図３及び図６に示した騒音レベルＮ０になった場合のレ
ベル検出部５の出力する信号レベルである。この騒音レ
ベルＮ０　は、前述したように音声認識率の逆転現象が
発生するレベルポイントである。

【００４５】基準電圧部６ｂからの出力レベルよりもレ
ベル検出部５からの信号レベルの方が高い場合、コンパ
レータ６ａの出力はＨレベルとなる。また、基準電圧部
６ｂからの出力レベルよりもレベル検出部５からの信号
レベルの方が低い場合、コンパレータ６ａの出力はＬレ
ベルとなる。これらコンパレータ６ａから出力されるＨ
またはＬのレベル信号が、判定部６の判定結果として保
持制御部７を介して、レベル切換え部３に出力される。

【００４６】レベル切換え部３はアナログスイッチ３ａ
及びアッテネータ３ｂ（Ｒｆ１＋Ｒｆ２＜ＲＳ　の時。 ）を有している。アナログスイッチ３ａはコンパレータ
６ａからＨレベルを入力するとオンになり、コンパレー
タ６ａからＬレベルを入力するとオフになる。また、ア
ッテネータ３ｂは増幅器２から信号レベルを入力する。

【００４７】アナログスイッチ３ａがオンの時、そのフ
ィードバック抵抗はＲｆ１となり、入力した信号レベル
を減衰して音声認識部４に出力する。一方、アナログス
イッチ３ａがオフの時、アッテネータ３ｂのフィードバ
ック抵抗はＲｆ１とＲｆ２とのシリーズとなり、入力し
た信号レベルを増幅して音声認識部４に出力する。

【００４８】以上のような構成を有する本実施例の作用
は次の通りである。すなわち、レベル検出部５が検出し
た信号レベルを判定部６に出力すると、判定部６のコン
パレータ６ａは、騒音レベルＮ０　（図３及び図６に示
す）に対応させた基準電圧レベルと入力された信号レベ
ルとを比較して、ＨまたはＬのレベル信号をレベル切換
え部３のアナログスイッチ３ａに出力する。

【００４９】（１）コンパレータ６ａの出力がＨレベル
となる場合、アナログスイッチ３ａはオンになり、アッ
テネータ３ｂのフィードバック抵抗はＲｆ１となって、
レベル切り換え部３から音声認識部４に出力される信号
レベルは抑制される。この時、図３及び図６で示したグ
ラフＢの特性が使用される。

【００５０】（２）一方、コンパレータ６ａの出力がＬ
レベルとなる場合、アナログスイッチ３ａはオフになり
、アッテネータ３ｂのフィードバック抵抗は、Ｒｆ１と
Ｒｆ２とのシリーズとなって、レベル切換え部３から音
声認識部４に出力される信号レベルは上記（１）の場合
に比べて大きくなる。この時、図３及び図６で示したグ
ラフＡの特性が用いられる。

【００５１】すなわち、上記（１），（２）の場合の切
換えポイント、言い換えれば判定部６の基準レベルを図
３及び図６の騒音レベルＮ０　に合わせたことで、音声
認識率の逆転現象が起こる騒音レベルＮ０　を境として
、コンパレータ６ａによって高い音声認識率が得られる
信号レベルの方に、レベル切換え部３のアッテネータ３
ｂが自動的に切換えられる。従って、図３の実線で示す
ような音声認識率特性が得られる。

【００５２】この様な音声認識率特性を有する本実施例
によれば、判定部６が周囲の騒音レベルが騒音レベルＮ
０　よりも低いと判定した時は、レベル切換え部３が音
声認識部４に出力する信号のレベルを高くする。そのた
め、良好な音声認識率を確保できる。

【００５３】一方、判定部６が周囲の騒音レベルが騒音
レベルＮ０　よりも高いと判定した時は、レベル切換え
部３が音声認識部４に出力する信号のレベルを低くする
。 これにより、認識率は図３に示す実線のカーブに沿った
特性となり、認識率が逆転するレベルポイントＮ０　で
、高い方の認識率を選択することができる。

【００５４】更に、図４の（ａ）で保持制御部７は判定
部６のコンパレータ６ａからの出力を受けて、（１）の
時のコンパレータ出力の立上がりでトリガされてＨレベ
ルとなる。この時、保持制御部７の状態遷移時間はｍで
あるとＣＲの時定数が設定されているため、（１）でト
リガされてＨレベルとなった保持制御部７の出力はコン
パレータ６ａからのレベル信号の状態にかかわらず、図
４の（ｂ）のｍの期間はＨレベルになる。

【００５５】（１）から一定時間ｍが経過すると、保持
制御部７の出力はＬレベルとなる。この時、コンパレー
タ６ａからの入力信号がＨレベルとならない限り、モノ
マルチ７はＬレベルを維持する（図５の（ｂ）のｎ期間
）。

【００５６】そして、（２）の時にコンパレータの出力
が立ち上がる為、保持制御部７は再びトリガされ、前述
のように、一定時間ｍの間、Ｈレベルとなる。以下、同
様の動作を繰返す。

【００５７】以上のような本実施例によれば、保持制御
部７が動作することにより、レベル切換え部３の切換え
動作が騒音レベルの過渡的な変化で頻繁に発生すること
がない。そのため、音声信号の入力中にレベル切換え動
作が行われるという不都合の起こる機会は極端に減る。 従って、音声を認識させるための音声の入力動作に悪影
響を及ぼすことがない。

【００５８】なお、本発明は以上の実施例に限定される
ものではなく、例えば、レベル切り換え部３の回路をア
ッテネータではなく、増幅器（Ｒｆ１＋Ｒｆ２＞ＲＳ　
の時。）として作用しても同様の結果となる。

【００５９】また、切替ポイントを多段にして、図３の
一点鎖線に示す部分の特性を得ることも可能である。

【００６０】更に、保持制御部７はリトリガ機能付きを
使用しても良い。

【００６１】

【発明の効果】以上述べたように、本発明によれば、音
声認識率の騒音による逆転現象が生じるポイントの前後
で、高い音声認識率を得ることができるようなレベル調
整ポイントへレベル切換え部がレベル判定部の制御のも
とに切換えられる。

【００６２】従って、騒音のある時でも無い時でも、ま
たは騒音レベルが変化した時でも、その周囲の騒音レベ
ルに対して、最高の認識率を得ることができる。

【図面の簡単な説明】

【図１】図１は本発明の音声認識装置に係る一実施例の
ブロック図。

【図２】図２は図１に示した本実施例のブロック図を説
明する回路図。

【図３】図３は本発明の音声認識装置における音声認識
率を説明する為のグラフを示す特性図。

【図４】図４は本実施例の動作を説明するためのタイミ
ングチャートであり、（ａ）はコンパレータ出力、（ｂ
）はモノマルチ出力を示す。

【図５】図５は従来の音声認識装置のブロック図。

【図６】図６は従来の音声認識装置における音声認識率
の逆転現象を説明する為のグラフを示す特性図。

【図７】図７はＡ／Ｄコンバータの非線形特性を説明す
る特性図。

【図８】図８は音声認識率の逆転現象を説明する説明図
。

【図９】図９は音声認識率の逆転現象を説明する説明図
。

【符号の説明】

１　　　　マイク ２　　　　増幅部 ３　　　　レベル切換え部 ４　　　　音声認識部 ５　　　　レベル検出部 ６　　　　判定部 ７　　　　保持制御部

Claims (1)

【特許請求の範囲】
1. 【請求項１】　　音情報を取込み、該音情報を音信号に
   変換するマイクと、前記音信号を所定の信号レベルまで
   増幅する増幅部と、前記増幅された音信号を分析し認識
   する音声認識部と、を備えた音声認識装置において、前
   記音信号に基づいて信号レベルを検出するレベル検出部
   と、予め定められた基準レベルに基づいて前記信号レベ
   ルの高低を判定し、判定結果を出力するレベル判定部と
   、前記判定結果により、前記音声認識部へ入力される前
   記音信号の信号レベルを切換えるレベル切換え部と、前
   記判定結果を一定時間保持し、該保持された判定結果を
   前記レベル切換え部に出力する判定結果保持制御部と、
   を備えたことを特徴とする音声認識装置。