JPH0588840B2 - - Google Patents

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は、音声認識装置等において音声の存在
する時間を判定するのに用いる音声検出方式に関
する。

（従来の技術） 従来、この種の音声検出方式では、音声のパワ
ーのレベルが閾夢値を越えている継続時間がある
一定時間以上のときに音声の始端とし、閾値を下
回つている継続時間がある一定時間以上のときに
音声の終端とする方式が多く用いられていた。

（発明が解決しようとする問題点） 上述した従来の音声検出方式では、レベルの継
続時間によつて音声区間を検出しているから、パ
ワー・デイツプの深い音声の場合には語頭部が欠
落したり、瞬時的な雑音でも雑音が語尾に近接し
ている場合には終端が延長されて音声区間に雑音
が含まれる。このように、従来の音声検出方式に
は音声区間を誤つて検出するという欠点がある。

（問題点を解決するための手段） 前述の問題点を解決するために本発明が提供す
る手段は、音声信号のパワーを算出するパワー算
出部と、このパワー算出部が算出した前記パワー
を平滑化して平滑化ワーを得るパワー平滑化部
と、前記平滑化パワーの変化率が正から負に変わ
る変曲点をその平滑化パワーのピーク候補として
検出するピーク検出部と、前記ピーク候補のうち
レベルが最大であるピーク候補を最大ピークとし
て選出し、この最大ピークのレベルと所定のピー
ク選別用係数とからピーク選別用閾値を算出し、
前記最大ピークのレベルと所定のピーク幅算出用
係数とからピーク幅算出用閾値を算出する閾値算
出部と、前記検出部で検出した前記ピーク候補の
レベルと前記ピーク選別用閾値とを比較し、その
レベルが前記ピーク選別用閾値以上の前記ピーク
候補だけをピークとして選別する選別部と、前記
平滑化パワーが前記ピーク幅算出用閾値以上であ
る時間であつて前記ピーク選別部で選別されて前
記ピークを含む時間をピーク幅として算出するピ
ーク幅算出部と、前記ピーク幅のうち所定のピー
ク幅閾値より広いピーク幅を音声区間候補として
出力するピーク幅比較部と、このピーク幅比較部
で得た前記音声区間候補が複数である場合、、隣
接した前記音声区間候補のうちの前の前記音声区
間候補の終端から後の前記音声区間候補の始端ま
での時間を音声区間候補時間差として算出する音
声区間候補時間差算出部と、前記ピーク幅比較部
及び前記音声区間候補時間差算出部の出力結果か
ら音声区間の判定を行なう音声区間判定部とを備
え、この音声区間判定部は、前記音声区間候補が
１つの場合にそのままその音声区間候補を前記音
声区間と判定し、前記音声区間候補が複数であつ
て隣接している前記音声区間候補の前記音声区間
候補時間差が所定の音声区間候補時間差閾値より
短かい場合には複数の前記音声区間候補を１つの
音声区間候補にまとめて前の前記音声区間候補の
始端ら後ろの前記音声区間候補の終端までを新た
な音声区間候補とする音声区間候補のまとめ処理
を行ない、この音声区間候補のまとめ処理を繰返
し行ない最終的に残つた音声区間候補のうちの１
つ又はは複数を前記音声区間とすることを特徴と
する。

（実施例） 次に本発明について図面を参照して説明する。
第１図は本発明の一実施例のブロツク図である。

この実施例は、パワー算出部１、パワー平滑化
部２、ピーク検出部３、閾値算出部４、ピーク選
別部５、ピーク幅算出部６、ピーク幅比較部７、
音声区間判定部８及び音声区間候補時間差算出部
２２から構成される。入力音声１０はパワー算出
部１に入力され、算出されたパワー１１はパワー
平滑化部２に入力され、平滑化されたパワー１２
はピーク検出部３とピーク幅算出部６とに入力さ
れる。ピーク検出部３は、平滑化パワー１２の変
化率が正から負に変わる変曲点をその平滑化パワ
ーのピーク候補１３として検出し、検出したピー
ク候補１３を閾値算出部４とピーク選別部５とに
出力する。閾値算出部４は、ピーク候補１３のう
ちから最大ピークレバーを算出し、ピーク選別用
係数１９と演算を行ないピーク選別用閾値１４を
算出しピーク選別部５へ出力し、また最大ピーク
レベルとピーク幅算出用係数２０との演算を行な
いピーク幅算出用閾値１５を算出しピーク幅算出
部６へ出力する。ピーク選別部５は、ピーク候補
１３のピークレベルとピーク選別用閾値１４とを
比較し閾値以上のピークレベルを有するピーク候
補だけをピーク２５としてピーク幅算出部６へ出
力する。

ピーク幅算出部６は、ピーク幅算出用閾値１５
以上に平滑化パワー１２がある時間区間であつ
て、ピーク２５が含まれる時間区間をピーク幅１
６として出力する。ピーク幅１６は、ピーク２５
が指定する平滑化パワー１２のピークであつて、
ピーク幅算出用閾値１５以上である平滑化パワー
１２の時間区間を現わしている。このピーク幅１
６はピーク幅比較部７へ出力される。ピーク幅比
較部７は、ピーク幅閾値２１と各ピークのピーク
幅１６とを比較し、閾値２１以上のピーク幅を有
するピークの始端及び終端を音声区間候補１７と
して音声区間判定部８と音声区間候補時間差算出
部２２へ出力する。

音声区間判定部８は、音声区間候補１７が１つ
の場合そのまま音声区間候補１７を音声区間１８
として出力する。音声区間候補１７が複数の場合
は、音声区間候補時間差算出部２２は、隣接した
音声区間候補のうち前の音声区間候補の終端から
後の音声区間候補の始端までの時間を音声区間候
補時間差２３として算出する。このとき、音声区
間判定部８は、隣接した音声区間候補の音声区間
候補時間差２３が音声区間候補時間差閾値２４よ
り小さい場合には、１つの音声区間候補にまとめ
る処理をくり返し行ない、最終的に１つになつた
場合はまとめ処理を行なつた音声区間候補を音声
区間１８として出力し、１つにならなかつた場
合、最大のピークレベルを有するまとめ処理を行
なつた音声区間候補を音声区間１８として出力す
る。

このように、音声区間候補が最終的に複数とな
つた場合、最大ピークレベルを有する音声区間候
補以外は切り捨てるという方式は、雑音区間の除
去にに有効である。しかし、音声区間判定部８
は、音声区間候補が複雑となつた場合には各々の
音声区間候補を別々の音声区間と判定する方式に
すれば、連続して音声を発声した場合における音
声区間の分離などに有効であること明らかであ
る。

第２図は、第１図実施例における平滑した音声
パワー１２の波形と音声検出用閾値と検出された
音声区間との関係を示す図である。第１図実施例
によれば、ピークレベルの低い雑音や音声に近接
した雑音が除去され、かつパワー・デイツプの深
い音声でも語頭の欠落を防ぐことができること
を、第２図を参照して、また第１図と関連づけて
以下に詳しく説明する。第２図の横軸３０は時
間、縦軸３１平滑されたパワーを表し、本図の波
形は、第１図のパワー平滑化部２の出力である平
滑化されたパワー１２の波形を示す。

第１図のピーク検出部３によつて、第２図のピ
ーク候補３２，３３，３４，３５の４つのピーク
候補が検出され、第１図の閾値算出部４で最大ピ
ークであるピーク候補３４からピーク選別用閾値
１４とピーク幅算出用夢値１５とが算出される。
ピーク選別部５では、ピーク選別用閾値１４によ
りピークレベルの小さいピーク候補３２が除去さ
れ、ピーク候補３３，３４，３５がピークとして
出力される。ピーク幅算出部６では、ピーク幅算
出用閾値１５によりピーク３３，３４，３のピー
ク幅３８，３９，４０を算出し、ピーク幅比較部
７ではピーク幅閾値２１と各ピーク幅３８，３
９，４０とを比較し、第２図の例では全てのピー
ク幅が閾値２１より広いので、ピーク３３，３
４，３５の各々の始端から終端までの区間が音声
区間候補１７として出力される。

音声区間候補時間差算出部２２では、ピーク３
３と３４の音声区間候補時間差４３と、ピーク３
４とピーク３５の音声区間候補時間差４４とを算
出する。音声区間判定部８では、音声区間候補時
間差閾値２４と、各音声区間候補時間差４３，４
４とを比較し、音声区間候補時間差４３が閾値２
４より短いのでピーク３３と３４の音声区間候補
を１つにまとめ、ピーク３３の始端からピーク３
４の終端までを新たな音声区間候補とし、音声区
間候補時間差４４は閾値２４より広いので、ピー
ク３５はまとめることができず、２つの音声区間
候補が残ることになる。音声区間判定部８は、次
に２つの音声区間候補のピークレベルを比較し、
最大ピーク３４を有するる始端４１から終端４２
までの音声区間候補を音声区間１８と判定し出力
する。

従つて、第１図実施例によれば、第２図に示し
た例の様に、雑音であるるピーク３２と３５が除
去され、かつパワー・デイツプが深くピーク３３
と３４に分離している音声でも正しく音声区間の
検出を行なうことができる。

（発明の効果） 以上説明したように、本発明は、平滑化したパ
ワー波形のピークを検出し、レベルが最大である
ピークのレベルからピーク選別用閾値とピーク幅
算出用閾値とを算出し、ピーク選別用閾値以上の
ピークレベルを有するピークのピーク幅をピーク
幅算出用閾値によつて算出し、ピーク幅が所定の
幅以上のピークを音声区間候補と判定し、音声区
間候補と判定されたピークが複数の場合、音声区
間時間差を算出し、所定の時間より短かい場合は
１つの音声区間にまとめる処理をくり返し行な
い、最終的に１つにならなかつた場合にはそのう
ちの１つ（例えば最大のピークレベルを有する音
声区間候補）又は複数の音声区間候補のうちのい
くつかを音声区間と判定することにより、ピーク
の高さ、幅、隣接ピークとの時間差に基づいて音
声区間の判定を行なうことができ、瞬時的なピー
クを持つ雑音が音声に近接していても雑音の部分
を除去でき、またパワー・デイツプの深い音声で
も語頭のピークの部分の欠落を防ぐことができ、
上述した従来方式の欠点を除去することができ、
音声認識装置に用いた場合、認識率を向上でき
る。

【図面の簡単な説明】

第１図は本発明の一実施例のブロツク図、第２
図はこの実施例における平滑化音声パワーの波形
を示す図である。 １……パワー算出部、２……パワー平滑化部、
３……ピーク検出部、４……閾値算出部、５……
ピーク選別部、６……ピーク幅算出部、７……ピ
ーク幅比較部、８……音声区間判定部、１０……
入力音声、１１……パワー、１２……平滑化され
たパワー、１３……ピーク候補、１４……ピーク
選別用閾値、１５……ピーク幅算出用閾値、１６
……ピーク幅、１７……音声区間候補、１８……
音声区間、１９……ピーク選別用係数、２０……
ピーク幅算出用係数、２１……ピーク幅閾値、２
２……音声区間候補時間差算出部、２３……音声
区間候補時間差、２４……音声区間候補時間差閾
値、３０……横軸（時間）、３１……縦軸（平滑
されたパワー））、３２〜３５……ピーク候補、３
８〜４０……ピーク幅、４１……終端、４２……
終端、４３，４４音声区間候補時間差。

Claims (1)

1. 【特許請求の範囲】 １ 音声信号のパワーを算出するパワー算出部
   と、このパワー算出部が算出した前記パワーを平
   滑化して平滑化パワーを得るパワー平滑化部と、
   前記平滑化パワーの変化率が正から負に変わる変
   曲点をその平滑化パワーのピーク候補として検出
   するピーク検出部と、前記ピーク候補のうちレベ
   ルが最大であるピーク候補を最大ピークとして選
   出し、この最大ピークのレベルと所定のピーク選
   別用係数とからピーク選別用閾値を算出し、前記
   最大ピークのレベルと所定のピーク幅算出用係数
   とからピーク幅算出用閾値を算出する閾値算出部
   と、前記ピーク検出部で検出した前記ピーク候補
   のレベルと前記ピーク選別用閾値とを比較し、そ
   のレベルが前記ピーク選別用閾値以上の前記ピー
   ク候補だけをピークとして選別するピーク選別部
   と、前記平滑化パワーが前記ピーク幅算出用閾値
   以上である時間であつて前記ピーク選別部で選別
   された前記ピークを含む時間をピーク幅として算
   出するピーク幅算出部と、前記ピーク幅のうち所
   定の幅閾値より広いピーク幅を音声区間候補とし
   て出力するピーク幅比較部と、このピーク幅比較
   部で得た前記音声区間候補が複数である場合、隣
   接した前記音声区間候補のうちの前の前記音声区
   間候補の終端から後の前記音声区間候補の始端ま
   での時間を音声区間候補時間差として算出する音
   声区間候補時間差算出部と、前記ピーク幅比較部
   及び前記音声区間候補時間差算出部の出力結果か
   ら音声区間の判定を行なう音声区間判定部とを備
   え、この音声区間判定部は、前記音声区間候補が
   １つの場合にはそのままその音声区間候補を前記
   音声区間と判定し、前記音声区間候補が複数であ
   つて隣接している前記音声区間候補の前記音声区
   間候補時間差が所定の音声区間候補時間差閾値よ
   り短かい場合には複数の前記音声区間候補を１つ
   の音声区間候補にまとめて前の前記音声区間候補
   の始端から後ろの前記音声区間候補の終端までを
   新たな音声区間候補とする音声区間候補のまとめ
   処理を行ない、この音声区間候補のまとめ処理を
   繰返し行ない最終的に残つた音声区間候補のうち
   の１つ又は複数を前記音声区間とすることを特徴
   とする音声検出方式。 ２ 特許請求の範囲第１項記載の音声検出方式に
   おいて、前記音声区間判定部は、最終的に前記音
   声区間候補が複数となつた場合、それらの音声区
   間候補のうちピークレベルが最大である音声区間
   候補だけを前記音声区間とすることを特徴とする
   音声区間検出方式。 ３ 特許請求の範囲第１項記載の音声検出方式に
   おいて、前記音声区間判定部は、最終的に前記音
   声区間候補が複数となつた場合、各々の前記音声
   区間候補を別々の前記音声区間と判定することを
   特徴とする音声区間検出方式。