JPH056193A - 音声区間検出方式及び音声認識装置 - Google Patents
音声区間検出方式及び音声認識装置Info
- Publication number
- JPH056193A JPH056193A JP3166391A JP16639191A JPH056193A JP H056193 A JPH056193 A JP H056193A JP 3166391 A JP3166391 A JP 3166391A JP 16639191 A JP16639191 A JP 16639191A JP H056193 A JPH056193 A JP H056193A
- Authority
- JP
- Japan
- Prior art keywords
- voice
- voice section
- feature amount
- input
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
(57)【要約】
【目的】 時間非定常な騒音環境下においても、適切な
雑音除去を行って音声区間を検出する。 【構成】 第１の特徴量抽出部１０で音声の特徴量（Ｘ
ｉ）を求め、第２の特徴量抽出部２０で雑音の特徴量
（Ｎｉ）を求め、係数演算部４０で、係数ｋ（ｉ）を、
ｋ(ｉ）＝〔Ｘ(ｉ)＋Ｃ1〕／〔Ｎ(ｉ)＋Ｃ2〕 (Ｃ1，
Ｃ2＝定数＞０)を求め、雑音成分除去部５０で、音声区
間中の音声スペクトルの推定値Ｓ（ｉ）を、Ｓ（ｉ）＝
Ｘ(ｉ)−ｋ(ｉ）・Ｎ(ｉ)より求める。音声区間検出部
６０は、音声区間検出部３０で検出された概略の音声区
間の前後にそれぞれ予め定められた区間を付け加えた区
間で、前記Ｓ（ｉ）が閾値を超えたかどうかで、各チャ
ンネル毎に、帯域毎の音声区間を検出し、音声区間であ
る場合にはＳ（ｉ）を、そうでない場合には０を出力す
る。
雑音除去を行って音声区間を検出する。 【構成】 第１の特徴量抽出部１０で音声の特徴量（Ｘ
ｉ）を求め、第２の特徴量抽出部２０で雑音の特徴量
（Ｎｉ）を求め、係数演算部４０で、係数ｋ（ｉ）を、
ｋ(ｉ）＝〔Ｘ(ｉ)＋Ｃ1〕／〔Ｎ(ｉ)＋Ｃ2〕 (Ｃ1，
Ｃ2＝定数＞０)を求め、雑音成分除去部５０で、音声区
間中の音声スペクトルの推定値Ｓ（ｉ）を、Ｓ（ｉ）＝
Ｘ(ｉ)−ｋ(ｉ）・Ｎ(ｉ)より求める。音声区間検出部
６０は、音声区間検出部３０で検出された概略の音声区
間の前後にそれぞれ予め定められた区間を付け加えた区
間で、前記Ｓ（ｉ）が閾値を超えたかどうかで、各チャ
ンネル毎に、帯域毎の音声区間を検出し、音声区間であ
る場合にはＳ（ｉ）を、そうでない場合には０を出力す
る。
Description
【０００１】
【技術分野】本発明は、音声区間検出方式及び該音声区
間検出方式を用いた音声認識装置、より詳細には、高騒
音環境下の音声入力装置の音声区間検出技術に関し、特
に、高騒音環境下の音声認識装置、例えば、自動車内、
工場内、家庭内の音声認識装置に応用可能であり、ま
た、音声合成装置、通信機器など他の音声入力装置にお
ける雑音除去に応用可能なものである。
間検出方式を用いた音声認識装置、より詳細には、高騒
音環境下の音声入力装置の音声区間検出技術に関し、特
に、高騒音環境下の音声認識装置、例えば、自動車内、
工場内、家庭内の音声認識装置に応用可能であり、ま
た、音声合成装置、通信機器など他の音声入力装置にお
ける雑音除去に応用可能なものである。
【０００２】
【従来技術】音声認識装置の実用化においては、周囲の
騒音に対する雑音対策が重要な課題である。特に、雑音
が重畳した音声から正確に音声区間を検出することが容
易でないため、この様な環境では、著しく認識率が低下
する。雑音が重畳した音声に適した音声区間検出方式と
しては、例えば、特公昭６３−２９７５４号公報があ
る。これは、２つの閾値を用いていて、高い閾値以上の
区間がある時間以上である場合に、低い閾値以上の区間
を音声区間としているが、時間非定常的な雑音がその高
い閾値の条件を超えるような環境では、区間検出が困難
になる。この時間非定常的な雑音に効果がある方法とし
て、例えば、特開昭５８−１３０３９５号公報がある。
これは、音声用マイクと騒音用マイクの２つの入力のパ
ワーの差と閾値を比較して音声区間を決めている。しか
しながら、音声区間中の音声に重畳している雑音の成分
は除去されていない。
騒音に対する雑音対策が重要な課題である。特に、雑音
が重畳した音声から正確に音声区間を検出することが容
易でないため、この様な環境では、著しく認識率が低下
する。雑音が重畳した音声に適した音声区間検出方式と
しては、例えば、特公昭６３−２９７５４号公報があ
る。これは、２つの閾値を用いていて、高い閾値以上の
区間がある時間以上である場合に、低い閾値以上の区間
を音声区間としているが、時間非定常的な雑音がその高
い閾値の条件を超えるような環境では、区間検出が困難
になる。この時間非定常的な雑音に効果がある方法とし
て、例えば、特開昭５８−１３０３９５号公報がある。
これは、音声用マイクと騒音用マイクの２つの入力のパ
ワーの差と閾値を比較して音声区間を決めている。しか
しながら、音声区間中の音声に重畳している雑音の成分
は除去されていない。
【０００３】更に、２つの入力を用いて、雑音成分を除
去する方法として、従来広く用いられているスペクトル
サブトラクション法があるが、この方法は時間非定常性
の強い騒音には対応できないという欠点がある。こうし
た騒音にも比較的効果のある方法として、特開昭５８−
１９６５９９号公報、特開昭６３−２６２６９５号公
報、特開平１−１１５７９８号公報、特開平１−２３９
５９６号公報がある。これら公報に記載された発明はい
ずれも、音声用入力と騒音用入力との２つの入力手段を
用いたアダプティブノイズキャンセリング法の一種であ
って、次のように表せる。音声用入力のスペクトルをＸ
(ｉ)、騒音用入力のスペクトルをＮ(ｉ)として(ｉ：各
周波数帯域を表す)、２つの入力で得られる雑音の周波
数帯域毎の比ｋ(ｉ)を、 ｋ(ｉ）＝Ｘ(ｉ)／Ｎ(ｉ） として求めておき、音声区間中の音声のスペクトルの推
定値Ｓ(ｉ)を、 Ｓ(ｉ)＝Ｘ(ｉ)−ｋ(ｉ)・Ｎ(ｉ） として求めるものである。この方法によれば、ある帯域
ｉに関して、雑音源が１つであると仮定すると、雑音レ
ベルが変化しても２つの入力で得られる雑音の比ｋ(ｉ)
は変らないので、音声区間中のＸ(ｉ)に含まれる雑音成
分をｋ(ｉ)・Ｎ(ｉ）で推定することができる。従っ
て、ある程度時間非定常的な騒音に関しても効果があ
る。しかし、この方法は、比ｋ(ｉ)の計算を雑音が小さ
い時に行なうと誤差が大きくなり、次の音声区間中に比
較的大きな雑音成分が含まれると、適切な音声スペクト
ルの推定ができない。従って、全ての帯域に常に雑音が
存在するような場合でないと適切な雑音除去が行なえな
いという欠点がある。
去する方法として、従来広く用いられているスペクトル
サブトラクション法があるが、この方法は時間非定常性
の強い騒音には対応できないという欠点がある。こうし
た騒音にも比較的効果のある方法として、特開昭５８−
１９６５９９号公報、特開昭６３−２６２６９５号公
報、特開平１−１１５７９８号公報、特開平１−２３９
５９６号公報がある。これら公報に記載された発明はい
ずれも、音声用入力と騒音用入力との２つの入力手段を
用いたアダプティブノイズキャンセリング法の一種であ
って、次のように表せる。音声用入力のスペクトルをＸ
(ｉ)、騒音用入力のスペクトルをＮ(ｉ)として(ｉ：各
周波数帯域を表す)、２つの入力で得られる雑音の周波
数帯域毎の比ｋ(ｉ)を、 ｋ(ｉ）＝Ｘ(ｉ)／Ｎ(ｉ） として求めておき、音声区間中の音声のスペクトルの推
定値Ｓ(ｉ)を、 Ｓ(ｉ)＝Ｘ(ｉ)−ｋ(ｉ)・Ｎ(ｉ） として求めるものである。この方法によれば、ある帯域
ｉに関して、雑音源が１つであると仮定すると、雑音レ
ベルが変化しても２つの入力で得られる雑音の比ｋ(ｉ)
は変らないので、音声区間中のＸ(ｉ)に含まれる雑音成
分をｋ(ｉ)・Ｎ(ｉ）で推定することができる。従っ
て、ある程度時間非定常的な騒音に関しても効果があ
る。しかし、この方法は、比ｋ(ｉ)の計算を雑音が小さ
い時に行なうと誤差が大きくなり、次の音声区間中に比
較的大きな雑音成分が含まれると、適切な音声スペクト
ルの推定ができない。従って、全ての帯域に常に雑音が
存在するような場合でないと適切な雑音除去が行なえな
いという欠点がある。
【０００４】
【目的】本発明は、上述のごとき実情に鑑みてなされた
もので、第１に、時間非定常な騒音環境下でも、適切な
音声区間検出を行なうことができる音声区間検出方式を
提供することを目的とするものであり、第２に、時間非
定常な騒音環境下でも、適切な雑音除去を行なうことが
できる雑音除去装置を提供することを目的とするもので
あり、更には、時間非定常な騒音環境下でも、良好な認
識率の得られる音声認識装置を提供することを目的とす
るものである。
もので、第１に、時間非定常な騒音環境下でも、適切な
音声区間検出を行なうことができる音声区間検出方式を
提供することを目的とするものであり、第２に、時間非
定常な騒音環境下でも、適切な雑音除去を行なうことが
できる雑音除去装置を提供することを目的とするもので
あり、更には、時間非定常な騒音環境下でも、良好な認
識率の得られる音声認識装置を提供することを目的とす
るものである。
【０００５】
【構成】本発明は、上記目的を達成するために、（１）
音声を入力するための第１の入力手段と、第１の入力手
段で得られた第１の入力信号の複数の要素から成る特徴
量を求める第１の特徴量抽出手段と、雑音を入力するた
めの第２の入力手段と、第２の入力手段で得られた第２
の入力信号の複数の要素から成る特徴量を求める第２の
特徴量抽出手段と、上記第１の特徴量と上記第２の特徴
量とから各要素毎に係数の演算を行う係数演算手段と、
上記第２の特徴量と上記係数とを用いて上記第１の特徴
量から雑音成分を除去することにより音声の特徴量を推
定する雑音成分除去手段と、少なくとも上記雑音成分除
去手段で推定された音声の特徴量を用いて、上記各要素
毎に音声区間を検出する音声区間検出手段とを具備して
成ること、或いは、（２）音声を入力するための第１の
入力手段と、第１の入力手段で得られた第１の入力信号
の複数の要素から成る特徴量を求める第１の特徴量抽出
手段と、雑音を入力するための第２の入力手段と、第２
の入力手段で得られた第２の入力信号の複数の要素から
成る特徴量を求める第２の特徴量抽出手段と、上記第１
の特徴量と上記第２の特徴量とから各要素毎に係数の演
算を行う係数演算手段と、上記第２の特徴量と上記係数
とを用いて上記第１の特徴量から雑音成分を除去するこ
とにより音声の特徴量を推定する雑音成分除去手段と、
上記雑音成分除去手段で推定された音声の特徴量を用い
て音声の大きさを求め、該音声の大きさから第１の音声
区間を検出する第１の音声区間検出手段と、上記第１の
音声区間検出手段で検出された第１の音声区間の前後に
それぞれ予め定められた区間を付け加えた区間で、少な
くとも上記雑音成分除去手段で推定された音声の特徴量
を用いて、上記各要素毎に第２の音声区間を検出する第
２の音声区間検出手段とを具備して成ること、或いは、
（３）音声を入力するための第１の入力手段と、第１の
入力手段で得られた第１の入力信号の複数の要素から成
る特徴量を求める第１の特徴量抽出手段と、雑音を入力
するための第２の入力手段と、第２の入力手段で得られ
た第２の入力信号の複数の要素から成る特徴量を求める
第２の特徴量抽出手段と、上記第１の特徴量と上記第２
の特徴量とから各要素毎に係数の演算を行う係数演算手
段と、上記第２の特徴量と上記係数とを用いて上記第１
の特徴量から雑音成分を除去することにより音声の特徴
量を推定する雑音成分除去手段と、少なくとも、上記第
１の信号の大きさと上記第２の信号の大きさを用いて第
１の音声区間を検出する第１の音声区間検出手段と、上
記第１の音声区間検出手段で検出された第１の音声区間
の前後にそれぞれ予め定められた区間を付け加えた区間
で、少なくとも上記雑音成分除去手段で推定された音声
の特徴量を用いて、上記各要素毎に第２の音声区間を検
出する第２の音声区間検出手段とを具備して成ること、
或いは、（４）前記（１）記載の音声区間検出方式であ
って、更に、上記雑音成分除去手段は、雑音成分を除去
するための係数を上記各要素毎に保持し、該各要素毎の
係数は、上記音声区間検出手段における対応する各要素
毎の音声区間に関する情報に基づいて更新されること、
或いは、（５）前記（２）又は（３）記載の音声区間検
出方式であって、更に、上記雑音成分除去手段は、雑音
成分を除去するための係数を上記各要素毎に保持し、該
各要素毎の係数は、上記第２の音声区間検出手段におけ
る対応する各要素毎の音声区間に関する情報に基づいて
更新されること、或いは、（６）前記（１）記載の音声
区間検出方式であって、更に、上記音声区間検出手段
は、上記各要素毎の音声区間を検出するための閾値を保
持し、該各要素毎の閾値は、上記音声区間検出手段にお
ける対応する各要素毎の音声区間に関する情報に基づい
て更新されること、或いは、（７）前記（２）又は
（３）記載の音声区間検出方式であって、更に、上記第
２の音声区間検出手段は、上記各要素毎の第２の音声区
間を検出するための閾値を保持し、該各要素毎の閾値
は、対応する第２の各要素毎の音声区間に関する情報に
基づいて更新されること、或いは、（８）前記（１）又
は（２）又は（３）記載の音声区間検出方式であって、
上記係数演算手段は、上記第１の特徴量または上記第２
の特徴量の各要素が大きい場合には、対応する係数の値
を上記第１の特徴量の対応する要素と上記第２の特徴量
の対応する要素の比の値、又は、該値に近い値とし、上
記第１の特徴量または上記第２の特徴量の各要素が小さ
い場合には、対応する係数の値を予め定められた値、又
は、該値に近い値とすること、或いは、（９）前記
（８）記載の音声区間検出方式であって、更に、上記係
数演算手段は、上記第１の特徴量の各要素Ｘ（ｉ）、上
記第２の特徴量の対応する要素Ｎ（ｉ）に対して、対応
する係数ｋ（ｉ）の値を、 ｋ(ｉ）＝〔Ｘ(ｉ)＋Ｃ〕／〔Ｎ(ｉ)＋Ｃ〕 (Ｃ＝定数＞０) とすること、或いは、（１０）前記（８）記載の音声区
間検出方式であって、更に、上記係数演算手段は、上記
第１の特徴量の各要素Ｘ（ｉ）、上記第２の特徴量の対
応する要素Ｎ（ｉ）に対して、対応する係数ｋ（ｉ）の
値を、 ｋ(ｉ）＝〔Ｘ(ｉ)＋Ｃ1〕／〔Ｎ(ｉ)＋Ｃ2〕 (Ｃ1，Ｃ2＝定数＞０) とすること、或いは、（１１）前記（１）乃至（１０）
のいずれか１に記載の音声区間検出方式であって、更
に、音声を入力するための第１の入力手段と雑音を入力
するための第２の入力手段とはいずれもマイクロフォン
であること、或いは、（１２）前記（１）乃至（１０）
のいずれか１に記載の音声区間検出方式であって、更
に、音声を入力するための第１の入力手段はマイクロフ
ォンであり、雑音を入力するための第２の入力手段は上
記マイクロフォンの付近におかれたスピーカであり、該
スピーカから再生される音響信号を入力とすること、或
いは、（１３）前記（１）乃至（１２）のいずれか１に
記載の音声区間検出方式を用いて得られた音声の特徴量
から入力された音声の入力パターンを作成する入力パタ
ーン生成部と、予め登録された音声の標準パターンを記
憶する標準パターンメモリと、上記入力パターンと上記
標準パターンとで認識処理を行なう認識部とを具備して
成ることを特徴としたものである。以下、本発明の実施
例に基いて説明する。
音声を入力するための第１の入力手段と、第１の入力手
段で得られた第１の入力信号の複数の要素から成る特徴
量を求める第１の特徴量抽出手段と、雑音を入力するた
めの第２の入力手段と、第２の入力手段で得られた第２
の入力信号の複数の要素から成る特徴量を求める第２の
特徴量抽出手段と、上記第１の特徴量と上記第２の特徴
量とから各要素毎に係数の演算を行う係数演算手段と、
上記第２の特徴量と上記係数とを用いて上記第１の特徴
量から雑音成分を除去することにより音声の特徴量を推
定する雑音成分除去手段と、少なくとも上記雑音成分除
去手段で推定された音声の特徴量を用いて、上記各要素
毎に音声区間を検出する音声区間検出手段とを具備して
成ること、或いは、（２）音声を入力するための第１の
入力手段と、第１の入力手段で得られた第１の入力信号
の複数の要素から成る特徴量を求める第１の特徴量抽出
手段と、雑音を入力するための第２の入力手段と、第２
の入力手段で得られた第２の入力信号の複数の要素から
成る特徴量を求める第２の特徴量抽出手段と、上記第１
の特徴量と上記第２の特徴量とから各要素毎に係数の演
算を行う係数演算手段と、上記第２の特徴量と上記係数
とを用いて上記第１の特徴量から雑音成分を除去するこ
とにより音声の特徴量を推定する雑音成分除去手段と、
上記雑音成分除去手段で推定された音声の特徴量を用い
て音声の大きさを求め、該音声の大きさから第１の音声
区間を検出する第１の音声区間検出手段と、上記第１の
音声区間検出手段で検出された第１の音声区間の前後に
それぞれ予め定められた区間を付け加えた区間で、少な
くとも上記雑音成分除去手段で推定された音声の特徴量
を用いて、上記各要素毎に第２の音声区間を検出する第
２の音声区間検出手段とを具備して成ること、或いは、
（３）音声を入力するための第１の入力手段と、第１の
入力手段で得られた第１の入力信号の複数の要素から成
る特徴量を求める第１の特徴量抽出手段と、雑音を入力
するための第２の入力手段と、第２の入力手段で得られ
た第２の入力信号の複数の要素から成る特徴量を求める
第２の特徴量抽出手段と、上記第１の特徴量と上記第２
の特徴量とから各要素毎に係数の演算を行う係数演算手
段と、上記第２の特徴量と上記係数とを用いて上記第１
の特徴量から雑音成分を除去することにより音声の特徴
量を推定する雑音成分除去手段と、少なくとも、上記第
１の信号の大きさと上記第２の信号の大きさを用いて第
１の音声区間を検出する第１の音声区間検出手段と、上
記第１の音声区間検出手段で検出された第１の音声区間
の前後にそれぞれ予め定められた区間を付け加えた区間
で、少なくとも上記雑音成分除去手段で推定された音声
の特徴量を用いて、上記各要素毎に第２の音声区間を検
出する第２の音声区間検出手段とを具備して成ること、
或いは、（４）前記（１）記載の音声区間検出方式であ
って、更に、上記雑音成分除去手段は、雑音成分を除去
するための係数を上記各要素毎に保持し、該各要素毎の
係数は、上記音声区間検出手段における対応する各要素
毎の音声区間に関する情報に基づいて更新されること、
或いは、（５）前記（２）又は（３）記載の音声区間検
出方式であって、更に、上記雑音成分除去手段は、雑音
成分を除去するための係数を上記各要素毎に保持し、該
各要素毎の係数は、上記第２の音声区間検出手段におけ
る対応する各要素毎の音声区間に関する情報に基づいて
更新されること、或いは、（６）前記（１）記載の音声
区間検出方式であって、更に、上記音声区間検出手段
は、上記各要素毎の音声区間を検出するための閾値を保
持し、該各要素毎の閾値は、上記音声区間検出手段にお
ける対応する各要素毎の音声区間に関する情報に基づい
て更新されること、或いは、（７）前記（２）又は
（３）記載の音声区間検出方式であって、更に、上記第
２の音声区間検出手段は、上記各要素毎の第２の音声区
間を検出するための閾値を保持し、該各要素毎の閾値
は、対応する第２の各要素毎の音声区間に関する情報に
基づいて更新されること、或いは、（８）前記（１）又
は（２）又は（３）記載の音声区間検出方式であって、
上記係数演算手段は、上記第１の特徴量または上記第２
の特徴量の各要素が大きい場合には、対応する係数の値
を上記第１の特徴量の対応する要素と上記第２の特徴量
の対応する要素の比の値、又は、該値に近い値とし、上
記第１の特徴量または上記第２の特徴量の各要素が小さ
い場合には、対応する係数の値を予め定められた値、又
は、該値に近い値とすること、或いは、（９）前記
（８）記載の音声区間検出方式であって、更に、上記係
数演算手段は、上記第１の特徴量の各要素Ｘ（ｉ）、上
記第２の特徴量の対応する要素Ｎ（ｉ）に対して、対応
する係数ｋ（ｉ）の値を、 ｋ(ｉ）＝〔Ｘ(ｉ)＋Ｃ〕／〔Ｎ(ｉ)＋Ｃ〕 (Ｃ＝定数＞０) とすること、或いは、（１０）前記（８）記載の音声区
間検出方式であって、更に、上記係数演算手段は、上記
第１の特徴量の各要素Ｘ（ｉ）、上記第２の特徴量の対
応する要素Ｎ（ｉ）に対して、対応する係数ｋ（ｉ）の
値を、 ｋ(ｉ）＝〔Ｘ(ｉ)＋Ｃ1〕／〔Ｎ(ｉ)＋Ｃ2〕 (Ｃ1，Ｃ2＝定数＞０) とすること、或いは、（１１）前記（１）乃至（１０）
のいずれか１に記載の音声区間検出方式であって、更
に、音声を入力するための第１の入力手段と雑音を入力
するための第２の入力手段とはいずれもマイクロフォン
であること、或いは、（１２）前記（１）乃至（１０）
のいずれか１に記載の音声区間検出方式であって、更
に、音声を入力するための第１の入力手段はマイクロフ
ォンであり、雑音を入力するための第２の入力手段は上
記マイクロフォンの付近におかれたスピーカであり、該
スピーカから再生される音響信号を入力とすること、或
いは、（１３）前記（１）乃至（１２）のいずれか１に
記載の音声区間検出方式を用いて得られた音声の特徴量
から入力された音声の入力パターンを作成する入力パタ
ーン生成部と、予め登録された音声の標準パターンを記
憶する標準パターンメモリと、上記入力パターンと上記
標準パターンとで認識処理を行なう認識部とを具備して
成ることを特徴としたものである。以下、本発明の実施
例に基いて説明する。
【０００６】図１は、本発明の一実施例を説明するため
の構成図で、図中、１は第１のマイクロフォン、２は第
２のマイクロフォン、１０は第１の特徴量抽出部、２０
は第２の特徴量抽出部、３０は第１の音声区間検出部、
４０は係数演算部、５０は雑音成分除去部、６０は第２
の音声区間検出部である。第１のマイク１は、音声を入
力する（主入力）ためのマイクで、該マイク１は発声者
の口の近くに置かれ、ここで得られた主入力信号には音
声と周囲の雑音が含まれる。第２のマイク２は、周囲の
雑音を入力する（参照入力）ためのマイクで、該マイク
２は発声者の口から離れた位置に置かれ、ここで得られ
た参照入力信号には周囲の雑音のみが含まれ、音声は殆
ど含まれない。
の構成図で、図中、１は第１のマイクロフォン、２は第
２のマイクロフォン、１０は第１の特徴量抽出部、２０
は第２の特徴量抽出部、３０は第１の音声区間検出部、
４０は係数演算部、５０は雑音成分除去部、６０は第２
の音声区間検出部である。第１のマイク１は、音声を入
力する（主入力）ためのマイクで、該マイク１は発声者
の口の近くに置かれ、ここで得られた主入力信号には音
声と周囲の雑音が含まれる。第２のマイク２は、周囲の
雑音を入力する（参照入力）ためのマイクで、該マイク
２は発声者の口から離れた位置に置かれ、ここで得られ
た参照入力信号には周囲の雑音のみが含まれ、音声は殆
ど含まれない。
【０００７】第１の特徴量抽出部１０は、マイクアンプ
１１、１５チャンネルのバンドパスフィルタ１２、整流
器１３、ローパスフィルタ１４、マルチプレクサ１５、
Ａ／Ｄ変換器１６から成り、一定フレーム時間毎にマイ
ク１で得られた主入力信号のスペクトルＸ(ｉ)（ｉ＝
１，２，…，１５）を求める。第２の特徴量抽出部２０
は、マイクアンプ２１、１５チャンネルのバンドパスフ
ィルタ２２、整流器２３、ローパスフィルタ２４、マル
チプレクサ２５、Ａ／Ｄ変換器２６より成り、一定フレ
ーム時間毎にマイク２で得られた参照入力信号のスペク
トルＮ(ｉ)を求める。マイクアンプ１１とマイクアンプ
２１は、遠い音源からの雑音に対して主入力信号と参照
入力信号がほぼ同レベルとなるように各入力のゲインを
予め調整しておく。第１、及び、第２の特徴量抽出部の
その他の部分の特性は、それぞれ同一である。第１、及
び、第２の特徴量抽出部で得られる特徴量は、他の公知
の特徴量でも良い。
１１、１５チャンネルのバンドパスフィルタ１２、整流
器１３、ローパスフィルタ１４、マルチプレクサ１５、
Ａ／Ｄ変換器１６から成り、一定フレーム時間毎にマイ
ク１で得られた主入力信号のスペクトルＸ(ｉ)（ｉ＝
１，２，…，１５）を求める。第２の特徴量抽出部２０
は、マイクアンプ２１、１５チャンネルのバンドパスフ
ィルタ２２、整流器２３、ローパスフィルタ２４、マル
チプレクサ２５、Ａ／Ｄ変換器２６より成り、一定フレ
ーム時間毎にマイク２で得られた参照入力信号のスペク
トルＮ(ｉ)を求める。マイクアンプ１１とマイクアンプ
２１は、遠い音源からの雑音に対して主入力信号と参照
入力信号がほぼ同レベルとなるように各入力のゲインを
予め調整しておく。第１、及び、第２の特徴量抽出部の
その他の部分の特性は、それぞれ同一である。第１、及
び、第２の特徴量抽出部で得られる特徴量は、他の公知
の特徴量でも良い。
【０００８】第１の音声区間検出部３０は、主入力信号
のパワーΣＸ(ｉ)と参照入力信号のパワーΣＮ(ｉ)との
差が閾値Ｔpwrを超えたかどうかで、概略の音声区間を
検出する。各入力信号のパワーは、別の手段で求めても
良いし、概略の音声区間検出の方法は、他の方法を用い
ても良い。閾値Ｔpwrは、概略の音声区間でない区間で
そのフレーム以前の複数フレームの主入力信号のパワー
Ｘpwr＝ΣＸ(ｉ)と参照入力信号のパワーＮpwr＝ΣＮ
(ｉ)の平均値（それぞれＡｖ・Ｘpwr、Ａｖ・Ｎpwrと記
す）から計算され、順次更新される。即ち、 Ｔpwr＝ａpwr（Ａｖ・Ｘpwr−Ａｖ・Ｎpwr）＋ｂpwr （１） （ａpwr，ｂpwr：定数，ａpwr，ｂpwr＞０） また、この音声区間検出部３０は、後述する雑音成分除
去部５０で求められる雑音成分を除去した音声の特徴量
Ｓ(ｉ)から音声のパワーΣＳ(ｉ)を求めて、閾値Ｔpwr
と比較しても良い。
のパワーΣＸ(ｉ)と参照入力信号のパワーΣＮ(ｉ)との
差が閾値Ｔpwrを超えたかどうかで、概略の音声区間を
検出する。各入力信号のパワーは、別の手段で求めても
良いし、概略の音声区間検出の方法は、他の方法を用い
ても良い。閾値Ｔpwrは、概略の音声区間でない区間で
そのフレーム以前の複数フレームの主入力信号のパワー
Ｘpwr＝ΣＸ(ｉ)と参照入力信号のパワーＮpwr＝ΣＮ
(ｉ)の平均値（それぞれＡｖ・Ｘpwr、Ａｖ・Ｎpwrと記
す）から計算され、順次更新される。即ち、 Ｔpwr＝ａpwr（Ａｖ・Ｘpwr−Ａｖ・Ｎpwr）＋ｂpwr （１） （ａpwr，ｂpwr：定数，ａpwr，ｂpwr＞０） また、この音声区間検出部３０は、後述する雑音成分除
去部５０で求められる雑音成分を除去した音声の特徴量
Ｓ(ｉ)から音声のパワーΣＳ(ｉ)を求めて、閾値Ｔpwr
と比較しても良い。
【０００９】係数演算部４０は、各チャンネルｉ毎に、
主入力信号のスペクトルＸ(ｉ)と参照入力信号のスペク
トルＮ(ｉ)とから係数ｋ(ｉ)を次のように演算する。 ｋ(ｉ）＝〔Ｘ(ｉ)＋Ｃ1〕／〔Ｎ(ｉ)＋Ｃ2〕 (Ｃ1，Ｃ2：定数，Ｃ1，Ｃ2＞０) (２) 式（２）の係数ｋ(ｉ)は、そのフレーム以前の複数フレ
ームの主入力信号のスペクトルＸ(ｉ)と参照入力信号の
スペクトルＮ(ｉ)の平均値から計算しても良いが、平均
するフレームの数は、閾値Ｔpwr，Ｔｉを求めるための
フレームの数より小さい数が良い。
主入力信号のスペクトルＸ(ｉ)と参照入力信号のスペク
トルＮ(ｉ)とから係数ｋ(ｉ)を次のように演算する。 ｋ(ｉ）＝〔Ｘ(ｉ)＋Ｃ1〕／〔Ｎ(ｉ)＋Ｃ2〕 (Ｃ1，Ｃ2：定数，Ｃ1，Ｃ2＞０) (２) 式（２）の係数ｋ(ｉ)は、そのフレーム以前の複数フレ
ームの主入力信号のスペクトルＸ(ｉ)と参照入力信号の
スペクトルＮ(ｉ)の平均値から計算しても良いが、平均
するフレームの数は、閾値Ｔpwr，Ｔｉを求めるための
フレームの数より小さい数が良い。
【００１０】また、式（２）から明らかなように、Ｘ
(ｉ)，Ｎ(ｉ)の値が大きい場合、ｋ(ｉ）は、従来技術
で用いられている値、Ｘ(ｉ)／Ｎ(ｉ)に近付き、逆に、
Ｘ(ｉ)，Ｎ(ｉ)の値が小さい場合、ｋ(ｉ）は、Ｃ1／Ｃ
2（一定）に近付く。従って、Ｘ(ｉ)，Ｎ(ｉ)の値が小
さい場合、Ｃ1／Ｃ2の値をシステムに応じて適当な値に
設定しておけば、ｋ(ｉ）の誤差は少なくなる。ここ
で、Ｃ1，Ｃ2の値は、Ｘ(ｉ)，Ｎ(ｉ)の値が８bit(0〜2
55)で表される場合、8〜32程度が良い。Ｃ1／Ｃ2の値
は、遠い音源からの雑音、あるいは、決まった音源から
の雑音に対して実験的に予め測定されるＸ(ｉ），Ｎ
(ｉ)がほぼ同レベルになる場合は１で良いが、そうでな
い場合は、Ｘ(ｉ)／Ｎ(ｉ)などとする。更に、Ｃ1，Ｃ2
の値は、チャンネルによって異なる値を用いても良い。
また、マイク２に音声がある程度混入するようなシステ
ムでは、Ｃ1／Ｃ2の値を１とする（Ｃ1＝Ｃ2）と、音声
成分の一部が雑音成分として除去されてしまうので、１
より小さい値にする（Ｃ1＜Ｃ2）と良い。式（２）の演
算は、音声が入力されていない区間で行なわれ順次更新
される。ここで求めた係数ｋ(ｉ）の値は、時間軸上で
平滑化処理をしても良い。また、係数ｋ(ｉ）とスペク
トルＸ(ｉ），Ｎ(ｉ)との関係は、式（２）の関係に限
らず、双曲線関数や指数関数を用いた式でも良いし、重
み付などの手法を用いて同様な効果を持たせることも可
能である。
(ｉ)，Ｎ(ｉ)の値が大きい場合、ｋ(ｉ）は、従来技術
で用いられている値、Ｘ(ｉ)／Ｎ(ｉ)に近付き、逆に、
Ｘ(ｉ)，Ｎ(ｉ)の値が小さい場合、ｋ(ｉ）は、Ｃ1／Ｃ
2（一定）に近付く。従って、Ｘ(ｉ)，Ｎ(ｉ)の値が小
さい場合、Ｃ1／Ｃ2の値をシステムに応じて適当な値に
設定しておけば、ｋ(ｉ）の誤差は少なくなる。ここ
で、Ｃ1，Ｃ2の値は、Ｘ(ｉ)，Ｎ(ｉ)の値が８bit(0〜2
55)で表される場合、8〜32程度が良い。Ｃ1／Ｃ2の値
は、遠い音源からの雑音、あるいは、決まった音源から
の雑音に対して実験的に予め測定されるＸ(ｉ），Ｎ
(ｉ)がほぼ同レベルになる場合は１で良いが、そうでな
い場合は、Ｘ(ｉ)／Ｎ(ｉ)などとする。更に、Ｃ1，Ｃ2
の値は、チャンネルによって異なる値を用いても良い。
また、マイク２に音声がある程度混入するようなシステ
ムでは、Ｃ1／Ｃ2の値を１とする（Ｃ1＝Ｃ2）と、音声
成分の一部が雑音成分として除去されてしまうので、１
より小さい値にする（Ｃ1＜Ｃ2）と良い。式（２）の演
算は、音声が入力されていない区間で行なわれ順次更新
される。ここで求めた係数ｋ(ｉ）の値は、時間軸上で
平滑化処理をしても良い。また、係数ｋ(ｉ）とスペク
トルＸ(ｉ），Ｎ(ｉ)との関係は、式（２）の関係に限
らず、双曲線関数や指数関数を用いた式でも良いし、重
み付などの手法を用いて同様な効果を持たせることも可
能である。
【００１１】雑音成分除去部５０は、各チャンネルｉ毎
に、主入力信号のスペクトルＸ(ｉ)、参照入力信号のス
ペクトルＮ(ｉ)、係数ｋ(ｉ)から雑音成分を除去した音
声の特徴量Ｓ(ｉ）を次のように演算する。 Ｓ(ｉ)＝Ｘ(ｉ)−ｋ(ｉ)・Ｎ(ｉ） (３) また、音声区間でない場合は、Ｓ(ｉ)＝０としても良
い。尚、式（３）において、更に加減算を施して誤差な
どを調整し、より正確な音声の特徴量Ｓ(ｉ)を求めるこ
とも可能である。
に、主入力信号のスペクトルＸ(ｉ)、参照入力信号のス
ペクトルＮ(ｉ)、係数ｋ(ｉ)から雑音成分を除去した音
声の特徴量Ｓ(ｉ）を次のように演算する。 Ｓ(ｉ)＝Ｘ(ｉ)−ｋ(ｉ)・Ｎ(ｉ） (３) また、音声区間でない場合は、Ｓ(ｉ)＝０としても良
い。尚、式（３）において、更に加減算を施して誤差な
どを調整し、より正確な音声の特徴量Ｓ(ｉ)を求めるこ
とも可能である。
【００１２】第２の音声区間検出部６０は、第１の音声
区間検出部３０で検出された概略の音声区間の前後にそ
れぞれ予め定められた区間を付け加えた区間で、雑音成
分除去部５０で推定された音声のスペクトルＳ(ｉ)が閾
値Ｔｉを超えたかどうかで、上記各チャンネルｉ毎に、
帯域毎の音声区間を検出する。そこで、帯域毎の音声区
間である場合には、Ｓ(ｉ)を、そうでない場合には、０
を後続の音声認識装置などに出力する。
区間検出部３０で検出された概略の音声区間の前後にそ
れぞれ予め定められた区間を付け加えた区間で、雑音成
分除去部５０で推定された音声のスペクトルＳ(ｉ)が閾
値Ｔｉを超えたかどうかで、上記各チャンネルｉ毎に、
帯域毎の音声区間を検出する。そこで、帯域毎の音声区
間である場合には、Ｓ(ｉ)を、そうでない場合には、０
を後続の音声認識装置などに出力する。
【００１３】図２は、概略の音声区間（Ａ）と、その前
後にそれぞれ予め定められた区間を付け加えた区間
（Ｂ）と、各チャンネルｉに関する帯域毎の音声区間
（Ｃ）の関係を示した図である。閾値Ｔｉは、 Ｔｉ＝ａ（Ａｖ・Ｘ(ｉ)−Ａｖ・Ｎ(ｉ)）＋ｂ （４） （ａ，ｂ：定数，ａ，ｂ＞０） で表わされ、チャンネルｉが帯域の音声区間でない区間
でそのフレーム以前の複数フレームの主入力信号のスペ
クトルＸ(ｉ)と参照入力信号のスペクトルＮ(ｉ)の平均
値（それぞれＡｖ・Ｘ(ｉ)、Ａｖ・Ｎ(ｉ)）から計算さ
れ、順次更新される。
後にそれぞれ予め定められた区間を付け加えた区間
（Ｂ）と、各チャンネルｉに関する帯域毎の音声区間
（Ｃ）の関係を示した図である。閾値Ｔｉは、 Ｔｉ＝ａ（Ａｖ・Ｘ(ｉ)−Ａｖ・Ｎ(ｉ)）＋ｂ （４） （ａ，ｂ：定数，ａ，ｂ＞０） で表わされ、チャンネルｉが帯域の音声区間でない区間
でそのフレーム以前の複数フレームの主入力信号のスペ
クトルＸ(ｉ)と参照入力信号のスペクトルＮ(ｉ)の平均
値（それぞれＡｖ・Ｘ(ｉ)、Ａｖ・Ｎ(ｉ)）から計算さ
れ、順次更新される。
【００１４】尚、この実施例において、雑音レベルがそ
れほど大きくない環境下で使用される場合には、第１の
音声区間検出部３０で概略の音声区間を求めることな
く、直接、第２の音声区間検出部６０で帯域の音声区間
を求めることも可能である（請求項１）。また、第２の
音声区間検出部６０での閾値Ｔｉの計算、係数演算部４
０での係数ｋ(ｉ)の計算は、チャンネルｉ毎ではなく、
幾つかのチャンネル毎にグループにまとめて各グループ
毎に行なっても良い。
れほど大きくない環境下で使用される場合には、第１の
音声区間検出部３０で概略の音声区間を求めることな
く、直接、第２の音声区間検出部６０で帯域の音声区間
を求めることも可能である（請求項１）。また、第２の
音声区間検出部６０での閾値Ｔｉの計算、係数演算部４
０での係数ｋ(ｉ)の計算は、チャンネルｉ毎ではなく、
幾つかのチャンネル毎にグループにまとめて各グループ
毎に行なっても良い。
【００１５】図３は、音声を入力するためのマイク付近
に置かれたスピーカからの雑音を除去するための本発明
の一実施例を示す構成図で、図中、図１に示した実施例
と同様の作用をする部分には、図１の場合と同一の参照
番号が付してある。而して、この実施例は、図１のマイ
ク２からの入力の代りに、スピーカ２ｓへ送られる音響
信号を入力すること以外は、図１の発明と同様であり、
マイクアンプ１１，２１の調整は、音響信号に対して主
入力信号と参照入力信号がほぼ同レベルになるように調
整される。
に置かれたスピーカからの雑音を除去するための本発明
の一実施例を示す構成図で、図中、図１に示した実施例
と同様の作用をする部分には、図１の場合と同一の参照
番号が付してある。而して、この実施例は、図１のマイ
ク２からの入力の代りに、スピーカ２ｓへ送られる音響
信号を入力すること以外は、図１の発明と同様であり、
マイクアンプ１１，２１の調整は、音響信号に対して主
入力信号と参照入力信号がほぼ同レベルになるように調
整される。
【００１６】図４は、本発明の雑音除去装置を用いた音
声認識装置の一例を示す構成図で、入力パターン生成部
７０は、上述の雑音除去装置で得られた音声のスペクト
ルから入力された音声の入力パターンを作成し、標準パ
ターンメモリ８０は、予め登録された音声の標準パター
ンを記憶し、認識部９０は入力パターンと標準パターン
とで認識処理を行なう。入力パターン生成部７０、標準
パターンメモリ８０、認識部９０の構成、動作は、公知
のＢＴＳＰ音声認識方式によるものであるが、他の方式
を用いても良い。
声認識装置の一例を示す構成図で、入力パターン生成部
７０は、上述の雑音除去装置で得られた音声のスペクト
ルから入力された音声の入力パターンを作成し、標準パ
ターンメモリ８０は、予め登録された音声の標準パター
ンを記憶し、認識部９０は入力パターンと標準パターン
とで認識処理を行なう。入力パターン生成部７０、標準
パターンメモリ８０、認識部９０の構成、動作は、公知
のＢＴＳＰ音声認識方式によるものであるが、他の方式
を用いても良い。
【００１７】
【効果】請求項１に記載の発明によると、音声を入力す
るための主入力信号の特徴量と、雑音を入力するための
参照入力信号から得られる特徴量とを用いて、帯域毎に
音声区間検出を行なっているので、ある帯域が音声区間
であっても音声の成分が存在しない他の帯域は音声区間
とされないので、音声の特徴量が正確に抽出でき、時間
非定常な高騒音環境下の音声認識において、良好な認識
率が得られる。請求項２に記載の発明によると、雑音成
分除去手段で推定された音声の特徴量を用いて音声の大
きさを求め、該音声の大きさから概略の音声区間を検出
し、その概略の音声区間の前後にそれぞれ予め定められ
た区間を付け加えた区間で、帯域毎に音声区間検出を行
なっているので、概略の音声区間からある程度離れた区
間の騒音を音声とまちがうことがなく、更に、正確な音
声区間検出が行なえる。請求項３に記載の発明による
と、主入力信号のパワーと参照入力信号のパワーを用い
て音声の大きさを求め、該音声の大きさから概略の音声
区間を検出し、その概略の音声区間の前後にそれぞれ予
め定められた区間を付け加えた区間で、帯域毎に音声区
間検出を行なっているので、音声と同程度の大きさの騒
音であっても、音声とまちがうことがなく、更に正確な
音声区間検出が行なえる。請求項４，５に記載の発明に
よると、雑音成分除去のための各帯域毎の係数を帯域毎
の音声区間の情報に基づいて更新しているので、音声区
間中に騒音環境が変化したとしても、音声成分の含まれ
ない帯域では上記係数を更新して、騒音環境の変化に対
応する事が可能であり、更に正確な音声区間検出が行な
える。 請求項６，７に記載の発明によると、各帯域毎の音声区
間を検出するための閾値を帯域毎の音声区間の情報に基
づいて更新しているので、音声区間中に騒音環境が変化
したとしても、音声成分の含まれない帯域では上記閾値
を更新して、騒音環境の変化に対応する事が可能であ
り、更に正確な音声区間検出が行なえる。請求項８に記
載の発明によると、式（２）から明らかなように、時間
非定常な騒音下において、周囲の騒音レベルが小さい時
に係数ｋ(ｉ)が決められ、その次の音声区間中に比較的
大きな雑音成分が含まれるような場合には、係数ｋ(ｉ)
は予め定められた定数に近くなり、係数ｋ(ｉ)の誤差が
少なく、また騒音レベルが大きい場合には係数ｋ(ｉ)は
主入力と参照入力の比に近くなるのでいずれの場合にも
適切な雑音成分の除去、即ち、適切な音声スペクトルの
推定ができる。請求項９に記載の発明によると、主入力
と参照入力がほぼ同レベルになり、参照入力に音声が含
まれないようなシステムにおいて、周囲の騒音レベルが
小さい時の係数ｋ(ｉ)が１に近くなり、係数ｋ(ｉ)の誤
差が少なく、また騒音レベルが大きい場合には係数ｋ
(ｉ)は主入力と参照入力の比に近くなり、更に、騒音レ
ベルが小さい場合から大きい場合まで係数ｋ(ｉ)は連続
的に変化していくのでいかなる騒音レベルであっても適
切な雑音成分の除去、即ち、適切な音声スペクトルの推
定ができる。請求項１０に記載の発明によると、主入力
と参照入力がほぼ同レベルにはならないか、または、参
照入力に音声がある程度混入するようなシステムにおい
て、周囲の騒音レベルが小さい時の係数ｋ(ｉ)がシステ
ムに適した定数に近くなり、請求項１０に記載の発明の
効果と同様の効果がある。請求項１１に記載の発明によ
ると、主入力、参照入力として２つのマイクを用いる場
合に、上述の効果がある。請求項１２に記載の発明によ
ると、主入力としてマイク、参照入力としてスピーカに
送られる音響信号を用いる場合に、上述の効果がある。
請求項１３に記載の発明によると、時間非定常な騒音環
境下の音声認識において、良好な認識率が得られる。
るための主入力信号の特徴量と、雑音を入力するための
参照入力信号から得られる特徴量とを用いて、帯域毎に
音声区間検出を行なっているので、ある帯域が音声区間
であっても音声の成分が存在しない他の帯域は音声区間
とされないので、音声の特徴量が正確に抽出でき、時間
非定常な高騒音環境下の音声認識において、良好な認識
率が得られる。請求項２に記載の発明によると、雑音成
分除去手段で推定された音声の特徴量を用いて音声の大
きさを求め、該音声の大きさから概略の音声区間を検出
し、その概略の音声区間の前後にそれぞれ予め定められ
た区間を付け加えた区間で、帯域毎に音声区間検出を行
なっているので、概略の音声区間からある程度離れた区
間の騒音を音声とまちがうことがなく、更に、正確な音
声区間検出が行なえる。請求項３に記載の発明による
と、主入力信号のパワーと参照入力信号のパワーを用い
て音声の大きさを求め、該音声の大きさから概略の音声
区間を検出し、その概略の音声区間の前後にそれぞれ予
め定められた区間を付け加えた区間で、帯域毎に音声区
間検出を行なっているので、音声と同程度の大きさの騒
音であっても、音声とまちがうことがなく、更に正確な
音声区間検出が行なえる。請求項４，５に記載の発明に
よると、雑音成分除去のための各帯域毎の係数を帯域毎
の音声区間の情報に基づいて更新しているので、音声区
間中に騒音環境が変化したとしても、音声成分の含まれ
ない帯域では上記係数を更新して、騒音環境の変化に対
応する事が可能であり、更に正確な音声区間検出が行な
える。 請求項６，７に記載の発明によると、各帯域毎の音声区
間を検出するための閾値を帯域毎の音声区間の情報に基
づいて更新しているので、音声区間中に騒音環境が変化
したとしても、音声成分の含まれない帯域では上記閾値
を更新して、騒音環境の変化に対応する事が可能であ
り、更に正確な音声区間検出が行なえる。請求項８に記
載の発明によると、式（２）から明らかなように、時間
非定常な騒音下において、周囲の騒音レベルが小さい時
に係数ｋ(ｉ)が決められ、その次の音声区間中に比較的
大きな雑音成分が含まれるような場合には、係数ｋ(ｉ)
は予め定められた定数に近くなり、係数ｋ(ｉ)の誤差が
少なく、また騒音レベルが大きい場合には係数ｋ(ｉ)は
主入力と参照入力の比に近くなるのでいずれの場合にも
適切な雑音成分の除去、即ち、適切な音声スペクトルの
推定ができる。請求項９に記載の発明によると、主入力
と参照入力がほぼ同レベルになり、参照入力に音声が含
まれないようなシステムにおいて、周囲の騒音レベルが
小さい時の係数ｋ(ｉ)が１に近くなり、係数ｋ(ｉ)の誤
差が少なく、また騒音レベルが大きい場合には係数ｋ
(ｉ)は主入力と参照入力の比に近くなり、更に、騒音レ
ベルが小さい場合から大きい場合まで係数ｋ(ｉ)は連続
的に変化していくのでいかなる騒音レベルであっても適
切な雑音成分の除去、即ち、適切な音声スペクトルの推
定ができる。請求項１０に記載の発明によると、主入力
と参照入力がほぼ同レベルにはならないか、または、参
照入力に音声がある程度混入するようなシステムにおい
て、周囲の騒音レベルが小さい時の係数ｋ(ｉ)がシステ
ムに適した定数に近くなり、請求項１０に記載の発明の
効果と同様の効果がある。請求項１１に記載の発明によ
ると、主入力、参照入力として２つのマイクを用いる場
合に、上述の効果がある。請求項１２に記載の発明によ
ると、主入力としてマイク、参照入力としてスピーカに
送られる音響信号を用いる場合に、上述の効果がある。
請求項１３に記載の発明によると、時間非定常な騒音環
境下の音声認識において、良好な認識率が得られる。
【図１】 本発明の一実施例を説明するための構成図で
ある。
ある。
【図２】 図１の動作説明をするためのタイムチャート
である。
である。
【図３】 本発明による音声区間検出方式の実施例を説
明するための構成図である。
明するための構成図である。
【図４】 本発明による音声認識装置の実施例を説明す
るための構成図である。
るための構成図である。
１…第１のマイクロフォン、２…第２のマイクロフォ
ン、１０…第１の特徴量抽出部、２０…第２の特徴量抽
出部、３０…第１の音声区間検出部、４０…係数演算
部、５０…雑音成分除去部、６０…第２の音声区間検出
部、７０…入力パターン生成部、８０…標準パターンメ
モリ、９０…認識部。
ン、１０…第１の特徴量抽出部、２０…第２の特徴量抽
出部、３０…第１の音声区間検出部、４０…係数演算
部、５０…雑音成分除去部、６０…第２の音声区間検出
部、７０…入力パターン生成部、８０…標準パターンメ
モリ、９０…認識部。
Claims (13)
- 【請求項１】 音声を入力するための第１の入力手段
と、第１の入力手段で得られた第１の入力信号の複数の
要素から成る特徴量を求める第１の特徴量抽出手段と、
雑音を入力するための第２の入力手段と、第２の入力手
段で得られた第２の入力信号の複数の要素から成る特徴
量を求める第２の特徴量抽出手段と、上記第１の特徴量
と上記第２の特徴量とから各要素毎に係数の演算を行う
係数演算手段と、上記第２の特徴量と上記係数とを用い
て上記第１の特徴量から雑音成分を除去することにより
音声の特徴量を推定する雑音成分除去手段と、少なくと
も上記雑音成分除去手段で推定された音声の特徴量を用
いて、上記各要素毎に音声区間を検出する音声区間検出
手段とを具備して成る事を特徴とする音声区間検出方
式。 - 【請求項２】 音声を入力するための第１の入力手段
と、第１の入力手段で得られた第１の入力信号の複数の
要素から成る特徴量を求める第１の特徴量抽出手段と、
雑音を入力するための第２の入力手段と、第２の入力手
段で得られた第２の入力信号の複数の要素から成る特徴
量を求める第２の特徴量抽出手段と、上記第１の特徴量
と上記第２の特徴量とから各要素毎に係数の演算を行う
係数演算手段と、上記第２の特徴量と上記係数とを用い
て上記第１の特徴量から雑音成分を除去することにより
音声の特徴量を推定する雑音成分除去手段と、上記雑音
成分除去手段で推定された音声の特徴量を用いて音声の
大きさを求め、該音声の大きさから第１の音声区間を検
出する第１の音声区間検出手段と、上記第１の音声区間
検出手段で検出された第１の音声区間の前後にそれぞれ
予め定められた区間を付け加えた区間で、少なくとも上
記雑音成分除去手段で推定された音声の特徴量を用い
て、上記各要素毎に第２の音声区間を検出する第２の音
声区間検出手段とを具備して成る事を特徴とする音声区
間検出方式。 - 【請求項３】 音声を入力するための第１の入力手段
と、第１の入力手段で得られた第１の入力信号の複数の
要素から成る特徴量を求める第１の特徴量抽出手段と、
雑音を入力するための第２の入力手段と、第２の入力手
段で得られた第２の入力信号の複数の要素から成る特徴
量を求める第２の特徴量抽出手段と、上記第１の特徴量
と上記第２の特徴量とから各要素毎に係数の演算を行う
係数演算手段と、上記第２の特徴量と上記係数とを用い
て上記第１の特徴量から雑音成分を除去することにより
音声の特徴量を推定する雑音成分除去手段と、少なくと
も、上記第１の信号の大きさと上記第２の信号の大きさ
を用いて第１の音声区間を検出する第１の音声区間検出
手段と、上記第１の音声区間検出手段で検出された第１
の音声区間の前後にそれぞれ予め定められた区間を付け
加えた区間で、少なくとも上記雑音成分除去手段で推定
された音声の特徴量を用いて、上記各要素毎に第２の音
声区間を検出する第２の音声区間検出手段とを具備して
成る事を特徴とする音声区間検出方式。 - 【請求項４】 請求項１記載の音声区間検出方式であっ
て、更に、上記雑音成分除去手段は、雑音成分を除去す
るための係数を上記各要素毎に保持し、該各要素毎の係
数は、上記音声区間検出手段における対応する各要素毎
の音声区間に関する情報に基づいて更新される事を特徴
とする音声区間検出方式。 - 【請求項５】 請求項２、又は、３記載の音声区間検出
方式であって、更に、上記雑音成分除去手段は、雑音成
分を除去するための係数を上記各要素毎に保持し、該各
要素毎の係数は、上記第２の音声区間検出手段における
対応する各要素毎の音声区間に関する情報に基づいて更
新される事を特徴とする音声区間検出方式。 - 【請求項６】 請求項１記載の音声区間検出方式であっ
て、更に、上記音声区間検出手段は、上記各要素毎の音
声区間を検出するための閾値を保持し、該各要素毎の閾
値は、上記音声区間検出手段における対応する各要素毎
の音声区間に関する情報に基づいて更新される事を特徴
とする音声区間検出方式。 - 【請求項７】 請求項２、又は、３記載の音声区間検出
方式であって、更に、上記第２の音声区間検出手段は、
上記各要素毎の第２の音声区間を検出するための閾値を
保持し、該各要素毎の閾値は、対応する第２の各要素毎
の音声区間に関する情報に基づいて更新される事を特徴
とする音声区間検出方式。 - 【請求項８】 請求項１又は２又は３記載の音声区間検
出方式であって、上記係数演算手段は、上記第１の特徴
量または上記第２の特徴量の各要素が大きい場合には、
対応する係数の値を上記第１の特徴量の対応する要素と
上記第２の特徴量の対応する要素の比の値、又は、該値
に近い値とし、上記第１の特徴量または上記第２の特徴
量の各要素が小さい場合には、対応する係数の値を予め
定められた値、又は、該値に近い値とすることを特徴と
する音声区間検出方式。 - 【請求項９】 請求項８記載の音声区間検出方式であっ
て、更に、上記係数演算手段は、上記第１の特徴量の各
要素Ｘ（ｉ）、上記第２の特徴量の対応する要素Ｎ
（ｉ）に対して、対応する係数ｋ（ｉ）の値を、 ｋ(ｉ）＝〔Ｘ(ｉ)＋Ｃ〕／〔Ｎ(ｉ)＋Ｃ〕 (Ｃ＝定数＞０) とすることを特徴とする音声区間検出方式。 - 【請求項１０】 請求項８記載の音声区間検出方式であ
って、更に、上記係数演算手段は、上記第１の特徴量の
各要素Ｘ（ｉ）、上記第２の特徴量の対応する要素Ｎ
（ｉ）に対して、対応する係数ｋ（ｉ）の値を、 ｋ(ｉ）＝〔Ｘ(ｉ)＋Ｃ1〕／〔Ｎ(ｉ)＋Ｃ2〕 (Ｃ1，Ｃ2＝定数＞０) とすることを特徴とする音声区間検出方式。 - 【請求項１１】 請求項１乃至１０のいずれか１に記載
の音声区間検出方式であって、更に、音声を入力するた
めの第１の入力手段と雑音を入力するための第２の入力
手段とはいずれもマイクロフォンであることを特徴とす
る音声区間検出方式。 - 【請求項１２】 請求項１乃至１０のいずれか１に記載
の音声区間検出方式であって、更に、音声を入力するた
めの第１の入力手段はマイクロフォンであり、雑音を入
力するための第２の入力手段は上記マイクロフォンの付
近におかれたスピーカであり、該スピーカから再生され
る音響信号を入力とすることを特徴とする音声区間検出
方式。 - 【請求項１３】 請求項請求項１乃至１２のいずれか１
に記載の音声区間検出方式を用いて得られた音声の特徴
量から入力された音声の入力パターンを作成する入力パ
ターン生成部と、予め登録された音声の標準パターンを
記憶する標準パターンメモリと、上記入力パターンと上
記標準パターンとで認識処理を行なう認識部とを具備し
て成ることを特徴とする音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03166391A JP3118023B2 (ja) | 1990-08-15 | 1991-06-11 | 音声区間検出方式及び音声認識装置 |
Applications Claiming Priority (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP21519690 | 1990-08-15 | ||
| JP21519790 | 1990-08-15 | ||
| JP3-124953 | 1991-04-25 | ||
| JP12495391 | 1991-04-25 | ||
| JP2-215197 | 1991-04-25 | ||
| JP2-215196 | 1991-04-25 | ||
| JP03166391A JP3118023B2 (ja) | 1990-08-15 | 1991-06-11 | 音声区間検出方式及び音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH056193A true JPH056193A (ja) | 1993-01-14 |
| JP3118023B2 JP3118023B2 (ja) | 2000-12-18 |
Family
ID=27471074
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP03166391A Expired - Fee Related JP3118023B2 (ja) | 1990-08-15 | 1991-06-11 | 音声区間検出方式及び音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3118023B2 (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005539413A (ja) * | 2002-05-03 | 2005-12-22 | ハーマン インターナショナル インダストリーズ インコーポレイテッド | サウンドの検出および特定システム |
| JP2008216618A (ja) * | 2007-03-05 | 2008-09-18 | Fujitsu Ten Ltd | 音声判別装置 |
| JP2009503568A (ja) * | 2005-07-22 | 2009-01-29 | ソフトマックス，インコーポレイテッド | 雑音環境における音声信号の着実な分離 |
| WO2011070972A1 (ja) * | 2009-12-10 | 2011-06-16 | 日本電気株式会社 | 音声認識システム、音声認識方法および音声認識プログラム |
| WO2012036305A1 (ja) * | 2010-09-17 | 2012-03-22 | 日本電気株式会社 | 音声認識装置、音声認識方法、及びプログラム |
| JP2021076762A (ja) * | 2019-11-12 | 2021-05-20 | 株式会社シーイーシー | 音声情報生成装置、音声情報生成方法及びプログラム |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3171756B2 (ja) | 1994-08-18 | 2001-06-04 | 沖電気工業株式会社 | ノイズ除去装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2807457B2 (ja) | 1987-07-17 | 1998-10-08 | 株式会社リコー | 音声区間検出方式 |
| US4912767A (en) | 1988-03-14 | 1990-03-27 | International Business Machines Corporation | Distributed noise cancellation system |
| JP2539027B2 (ja) | 1989-02-21 | 1996-10-02 | 沖電気工業株式会社 | 音声検出方式 |
| JP2856934B2 (ja) | 1991-03-15 | 1999-02-10 | 日本電気ホームエレクトロニクス株式会社 | ローマ字入力方式 |
| AU2018219432A1 (en) | 2017-02-13 | 2019-08-22 | Morningside Venture Investments Limited | Transdermal drug delivery devices and methods |
-
1991
- 1991-06-11 JP JP03166391A patent/JP3118023B2/ja not_active Expired - Fee Related
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005539413A (ja) * | 2002-05-03 | 2005-12-22 | ハーマン インターナショナル インダストリーズ インコーポレイテッド | サウンドの検出および特定システム |
| JP2011022602A (ja) * | 2002-05-03 | 2011-02-03 | Harman Internatl Industries Inc | サウンドの検出および特定システム |
| JP2009503568A (ja) * | 2005-07-22 | 2009-01-29 | ソフトマックス，インコーポレイテッド | 雑音環境における音声信号の着実な分離 |
| JP2008216618A (ja) * | 2007-03-05 | 2008-09-18 | Fujitsu Ten Ltd | 音声判別装置 |
| WO2011070972A1 (ja) * | 2009-12-10 | 2011-06-16 | 日本電気株式会社 | 音声認識システム、音声認識方法および音声認識プログラム |
| JPWO2011070972A1 (ja) * | 2009-12-10 | 2013-04-22 | 日本電気株式会社 | 音声認識システム、音声認識方法および音声認識プログラム |
| US9002709B2 (en) | 2009-12-10 | 2015-04-07 | Nec Corporation | Voice recognition system and voice recognition method |
| WO2012036305A1 (ja) * | 2010-09-17 | 2012-03-22 | 日本電気株式会社 | 音声認識装置、音声認識方法、及びプログラム |
| JP2021076762A (ja) * | 2019-11-12 | 2021-05-20 | 株式会社シーイーシー | 音声情報生成装置、音声情報生成方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3118023B2 (ja) | 2000-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4640461B2 (ja) | 音量調整装置およびプログラム | |
| CN100477705C (zh) | 音频增强系统、配有该系统的系统、失真信号增强方法 | |
| EP3276621B1 (en) | Noise suppression device and noise suppressing method | |
| JPH09325790A (ja) | 音声処理方法および装置 | |
| JP4816711B2 (ja) | 通話音声処理装置および通話音声処理方法 | |
| CN111951818B (zh) | 一种基于改进功率差噪声估计算法的双麦克风语音增强方法 | |
| EP3428918B1 (en) | Pop noise control | |
| JP2010021627A (ja) | 音量調整装置、音量調整方法および音量調整プログラム | |
| KR100745977B1 (ko) | 음성 구간 검출 장치 및 방법 | |
| JP5614767B2 (ja) | 音声処理装置 | |
| JPH056193A (ja) | 音声区間検出方式及び音声認識装置 | |
| WO2015085946A1 (zh) | 语音信号处理方法、装置及服务器 | |
| US8243955B2 (en) | System for attenuating noise in an input signal | |
| WO2017045512A1 (zh) | 一种语音识别的方法、装置、终端及语音识别设备 | |
| JP3135937B2 (ja) | 雑音除去装置 | |
| JP2859634B2 (ja) | 雑音除去装置 | |
| US20110188641A1 (en) | Method and apparatus for removing noise signal from input signal | |
| US20050195992A1 (en) | Input sound processor | |
| JP3761497B2 (ja) | 音声認識装置、音声認識方法、および、音声認識プログラム | |
| JPH04238399A (ja) | 音声認識装置 | |
| JP2966452B2 (ja) | 音声認識装置の雑音除去システム | |
| JP3091244B2 (ja) | 雑音除去装置及び音声認識装置 | |
| JP2005284016A (ja) | 音声信号の雑音推定方法およびそれを用いた雑音除去装置 | |
| JPH09198079A (ja) | 音声認識装置 | |
| JPH03122699A (ja) | 雑音除去装置及び該装置を用いた音声認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071006 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081006 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081006 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091006 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |