JPH0449715B2 - - Google Patents

Description

【発明の詳細な説明】 産業上の利用分野 本発明は音声認識における音声の標準パターン
作成法に関するものである。

従来例の構成とその問題点 話者を限定しない音声認識装置において、音声
を認識する前段階として音素の認識を行なうのが
有効である。第１図に音素認識を行なう部分のブ
ロツク図を示す。１は比較部、２は音素標準パタ
ーン格納部である。音素標準パターン格納部２に
は各音素に対応する標準的な特徴パラメータが音
素の数だけ入つている。入力特徴パラメータが比
較部１で各音素の標準パターンと比較され、最も
類似度の大きい音素の記号または番号が結果とし
て出力される。

不特定話者を対象とするシステムでは、標準パ
ターンは多くの人のデータを使用して、あらかじ
め作成しておく必要がある。すなわち、使用環境
のもとで作成することはできない。一方、入力音
声は環境の影響やマイクロホンの特性の影響を受
けるため、必ずしも標準パターンを作成した環境
と同じ条件で使用されるとは限らない。このため
に、入力音声と標準パターンとのマツチングがう
まくゆかず、誤認識となる場合がある。環境やマ
イクロホン特性の影響に起因する、この種の誤認
識に対して、従来の方法では対処がなされていな
い。

発明の目的 本発明の目的は、騒音やマイクロホンの特性を
考慮した標準パターンを作成し、それを使用する
ことによつて、上記問題点の解決することであ
る。

発明の構成 本発明は上記目的を達成するもので、音声認識
における標準パターン作成法に関して、環境騒音
をモデル騒音とし、またマイクロホンの騒音に対
する特性をフイルタの周波数特性で近似し、モデ
ル騒音に対して前記騒音用のフイルタを適用して
マイクロホン特性を考慮した騒音データを作成す
る。次に音声データと前記マイクロホン特性を考
慮した騒音データを信号対雑音比が一定になるよ
うに加えてノイズが付加した音声データを作成
し、このデータを使用して音声標準パターンを作
成することを特徴とする音声の標準パターン作成
法を提供するものである。

実施例の説明 本発明の一実施例による標準パターン作成法に
ついて述べる。

騒音をモデル騒音（たとえばHOTHスペク
トル騒音）と仮定し、騒音データを用意する。

マイクロホンの騒音に対する周波数特性（遠
距離特性）を近似するフイルタを設計する。

マイクロホンの音声に対する周波数特性（近
距離特性）を近似するフイルタを設計する。

上記に対してのフイルタを適用し、マイ
クロホン特性を考慮した騒音データを作成す
る。

防音室内で周波数特性が平坦なマイクロホン
を使用して収録した音声データ（クリーンデー
タ）に対して、のフイルタを適用し、マイク
ロホン特性を考慮した音声データを作成する。

で作成した音声データとで作成した騒音
データを、音声区間での信号対雑音比（Ｓ／Ｎ
比）が一定となるように加え合わせ、騒音入り
のデータを作成する。

騒音入りデータを使つて標準パターンを作
る。

上記の手順で作成した標準パターンを使用すれ
ば、騒音の統計的な性質とマイクロホンの特性が
考慮されているため、これらの影響を少なくする
ことができ、誤認識が少なくなる。

具体的実施例についてさらに詳しく説明する。

騒音のスペクトル特性は音声認識装置が使用さ
れる環境によつて差異があるが、統計的に環境騒
音はHOTHスペクトル特性を示すことが知られ
ている。第２図に実線３でHOTHスペクトル特
性を示す。モデル騒音としてHOTHスペクトル
騒音を用いれば、それは環境騒音の特性を最もよ
く代表している。本実施例では−6dB／octの周
波数特性の騒音（第２図の破線４）でHOTHス
ペクトル特性を近似する。

次にマイクロホンの周波数特性を近似する方法
を述べる。ここでは例として接話型マイクロホン
を使用した場合について説明する。

第３図は代表的な接話型マイクロホンの周波数
特性を示したものである。細実線５は近距離特性
であり、入力音声に対する特性である。太実線６
は遠距離特性であり、環境騒音に対する特性であ
る。第３図の例では近距離特性５は100〜2000Hz
までは平坦であり、5000Hz付近でも3dB高くなつ
ている程度なので、音声帯域においてほぼ平坦な
特性と考えてよい。このため、近距離特性を近似
するフイルタを設計する必要がない。

遠距離特性６は低域から2000Hz近辺まで大体
6dB／cotで上昇し、それ以上は飽和曲線の形状
となつている。この形状は１次のハイパスフイル
ターで近似することができる。第４図は遠距離特
性６をカツトオフ周波数1900Hzの１次のハイパス
フイルタで近似したものである。（破線７）。図か
ら明らかなように、100〜6000Hzの領域（音声帯
域）では、実によく近似されている。マイクの特
性が複雑な場合でも、同様な考え方でフイルタを
設計することが可能である。また、もし必要なら
ば、近距離特性に対しても近似フイルタを設計す
ることができる。

次には、モデル騒音（白色騒音を積分して−
6dB／cot騒音を発声させる）に対して、上記の
フイルタを適用し、マイクロホン特性を考慮した
騒音を作る。

そして、この騒音を音声データ（クリーンデー
タまたはクリーンデータにマイクロホンの近距離
特性を考慮したもの）に、Ｓ／Ｎ比が一定となる
ように加え、騒音入りの音声データを作る。次に
この音声データを使用して標準パターンを作成す
る。標準パターンを作成する手順はクリーンデー
タで作成する場合と全く同様であるので説明を省
略する。

マイクロホンは用途が決まれば固定されてしま
うので、せいぜい２〜３種類の機種を考慮してお
けばよい。または騒音は環境によつてその性質が
異なるが、ここで使用しているのは統計的な性質
のみである。したがつて、本実施例で述べた方法
は一般性のある方法である。また１つのマイクロ
ホンに対して１度作成しておけばよい。標準パタ
ーンを作成する一連の手順は、計算機を使つて行
なうことができ、人手を煩わせる必要がないなど
の利点がある。

前記実施例による効果を音素認識率で評価す
る。音素認識率は、正しく認識された音素の数
（正確にはフレームの数：１フレームは10ｍ_sec長
の音声データ）の全音素数（全フレーム数）に対
する割合で定義される。

第５図は、５母音と鼻音（／ｍ／、／ｎ／、は
つ音）に対する評価結果である。実線８が本実施
例による標準パターンを使用した場合の結果であ
り、破線９は従来の標準パターンを使用した場合
の結果である。平均認識率で3.6％の向上が認め
られ、鼻音では26％も向上した。したがつて、本
実施例の効果は大きいと言える。なお第５図は男
性10名が発声した212単語の中の音素を対象とし
て評価したもので、各音素とも約15000フレーム
程度のデータ量があり、十分信頼のできる結果で
ある。

このように本実施例は一般性のある方法であ
り、人手を要せず、しかも音素認識率の改善に対
する効果が大きく有効である。

発明の効果 以上のように本発明は環境騒音をモデル騒音と
仮定し、マイクロホンの騒音に対する周波数特性
を所似する騒音用近似フイルタを準備し、モデル
騒音に対して前記騒音用近似フイルタを適用して
騒音データを作成し、音声データと騒音データを
信号対雑音比が一定になるように加え合わせて騒
音付加音声データを作成し、前記騒音付加音声デ
ータを用いて標準パターンを作成するもので、騒
音やマイクロホンの特性による影響を防止し、認
識率の向上がはかれる。

【図面の簡単な説明】

第１図は、パターンマツチングによつて音素認
識を行なう方法のブロツク図、第２図はモデル騒
音の周波数特性を示した図、第３図は接話型マイ
クロホンの特性図、第４図は遠距離特性をフイル
タの特性で近似した図、第５図は本発明の効果を
示す音素認識率を示す図である。 １……比較部、２……音素標準パターン格納
部。

Claims (1)

1. 【特許請求の範囲】 １ 環境騒音をモデル騒音と仮定し、マイクロホ
   ンの騒音に対する周波数特性を近似する騒音用近
   似フイルタを準備し、モデル騒音に対して前記騒
   音用近似フイルタを適用して騒音データを作成
   し、音声データと騒音データを信号対雑音比が一
   定になるように加え合わせて騒音付加音声データ
   を作成し、前記騒音付加音声データを用いて標準
   パターンを作成することを特徴とする音声の標準
   パターン作成法。 ２ 音声データが、マイクロホンの音声に対する
   周波数特性を近似する音声用近似フイルタにより
   作成されていることを特徴とする特許請求の範囲
   第１項記載の音声の標準パターン作成法。