JPH0766278B2 - 音声特徴抽出装置 - Google Patents

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は、音声認識装置において、特に入力音声の動的
変動に対応して適応的に特徴ベクトルを出力する音声特
徴抽出装置の改良に関する。

（従来の技術） 音声認識装置において、入力音声から特徴ベクトルの時
系列を抽出する方法の一つとしてバンドパス・フィルタ
から構成されるフィルタ・バンクの出力を平滑化して一
定時間（〜10msec）毎にサンプリングして特徴ベクトル
として用いる方法が広く用いられている。

（発明が解決しようとする問題点） 上記の方法では、母音部のような定常な部分と子音部の
ような変動の激しい非定常な部分が同じ割合でサンプリ
ングされてしまうので、1msec程度以下の音声の動的な
特徴を反映した特徴ベクトルを抽出するためには定常な
部分で大量に余分なベクトルをサンプリングしてしま
い、データ量が膨大になり後段での認識処理を困難にす
る。またフィルタの各チャンネルに於て、立ち上がり部
分の強調などの処理を行なった場合は従来法のように一
定時間間隔でサンプリングを行なってしまうと破裂音の
立ち上がりなどの急激な変動は失われ易くなり、強調処
理の効果を生かすことができない。

本発明の目的は、フィルタ・バンクの出力から特徴ベク
トルを抽出するに際して、音声の時間的変動に対応して
定常部では低に割合で、非定常部では高い割合で特徴ベ
クトルを抽出するような適応時間間隔で特徴ベクトルを
出力する能力を有する音声特徴抽出装置を提供すること
にある。

（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、フィルタ・バンクを用いて分析された入力音声から
特徴ベクトルの時系列を抽出する音声特徴抽出装置であ
って：前記フィルタ・バンクの各チャンネル毎に信号の
変化量を抽出する変化量抽出部と；前記各チャンネル毎
にあらかじめ設定された第一の閾値と前記変化量抽出部
の出力とを比較して、閾値論理に基づいて各チャンネル
の時間変動度を表わす２値量を出力する変化量抽出部
と；前記各チャンネルの変動検出部の出力の荷重和と、
あらかじめ設定された第二の閾値とを比較してフィルタ
・バンクの出力を特徴ベクトルとして抽出するか否かを
判定し、その結果に応じて特徴ベクトルを出力する特徴
抽出部と；この特徴抽出部が前記特徴ベクトルを出力し
た時点で前記第二の閾値の値を一定時間の間だけ無限大
に設定する閾値設定部とを有することを特徴とする。

（作用） 本発明の基本的な原理は、フィルタ・バンクの各チャン
ネル毎に抽出した信号の時間変動度情報を用いて、特徴
ベクトルの抽出のタイミングを適応的に決定しようとす
るものである。以下に本発明の原理を詳細に説明する。

フィルタ・バンクのチャンネル（ｉ）によって分析され
た音声信号の時系列をｘ_ｎ ^（ｉ）とする。（ｎは時系列
を表わす添え字。） ｘ_ｎ ^（ｉ）からチャンネル（ｉ）の信号の変化量ｙ_ｎ
^（ｉ）を次式に基づいて定める。

ｙ_ｎ ^（ｉ）＝ｘ_ｎ ^（ｉ）−ｘ_ｎ−１ ^（ｉ）＋α・ｙ
_ｎ−１ ^（ｉ） このｙ_ｎ ^（ｉ）はｘ_ｎ ^（ｉ）の平滑化された微係数（差
分量）に対応する。（αは平滑化の度合を決めるパラメ
ータである。） チャンネル（ｉ）の時間変動度Ｚ_ｎ ^（ｆ）は、ｙ_ｎ
^（ｉ）を用いて次式によって決定する。

Ｚ_ｎ ^（ｉ）＝Ｈ（|y_ｎ ^（ｉ）｜−θ^（ｉ）） ここで、｜・｜は絶対値演算、θ^（ｉ）はチャンネル
（ｉ）の閾値であり、Ｈ（ｘ）は以下のように定義され
たステップ関数である。

Ｈ（ｘ）＝１（ｘ≧０） ＝０（ｘ＜０） このようにして各チャンネル毎に求められた時間変動度
ｚ_ｎ ^（ｉ）の荷重和ら次式に従って、特徴ベクトルを出
力するか否かの判定を行なう。

即ち、ｕ_ｎ＝１のときに特徴ベクトルを出力し、それ以
外の時には出力しない。ここでω_ｉはチャンネル（ｉ）
に対する荷重であり、幾つ以上のチャンネルをどのよう
な重み付けで調べて判定を下すかを決定するパラメータ
である。

θ_ｎは連続的にｕ_ｎ＝１の状態が持続する（即ち連続的
に特徴ベクトルを出力する）可能性を抑制する作用を持
たせるために、ｕ_ｎが０から１に変わった時点（ｎ＝n
s）から一定時間の間だけ（ncと記す）無限大に設定す
る。

θ_ｎ＝θ_０（＜∞） ＝∞（ns＜ｎ＜ns＋nc） このようにθ_ｎを設定することによって特徴抽出部の応
答特性に一種の不感時間（特徴ベクトルを出力しない時
間）を持たせることができる。

第１図はθ_ｎの時間変化と特徴ベクトルの出力の関係を
模式的に示したものである。この図の例では、時刻ａと
ｂに特徴ベクトルを出力し、θ_ｎが更新されるが、他の
時刻には特徴ベクトルは出力されないことが分かる。

（実施例） 第２図は本発明の一実施例を示すブロック図である。各
チャンネルの変動量検出部１は、毎時刻毎にそのチャン
ネルのフィルタ出力から時間変化量を算出し、各チャン
ネルの変動検出部２へ出力する。変動検出部２は前記時
間変化量を第一の閾値と比較することによって各チャン
ネルの時間変動度を決定して特徴抽出部３へ出力する。
特徴抽出部３は全チャンネルの変動検出部２からの入力
を用いて、特徴ベクトルを出力するか否かを判定し、そ
の結果に応じて特徴ベクトルを出力する。閾値設定部３
は特徴抽出部３の判定結果に応じて特徴抽出部３の閾値
を更新する。

（発明の効果） 以上述べたように、本発明によれば、音声の時間的な変
動に対応して定常部では低い割合で、非定常部では高い
割合で適応的に特徴ベクトルを抽出することができる。
その結果得られる特徴ベクトルの時系列は従来法と同じ
程度のデータ量で音声の時間的な変動をコンパクトに表
現することができる。そこで、本発明の音声特徴抽出装
置を音声認識装置の前処理部として用いれば、認識時に
おける計算量を増加させることなく、音声の動特性を反
映した精度の高い音声認識を行なうことを可能にする。

【図面の簡単な説明】

第１図は本発明の原理を説明するための図、第２図は本
発明の一実施例を示すブロック図である。第２図におい
て、１は変化量抽出部、２は変動検出部、３は特徴抽出
部、４は閾値設定部である。

Claims (1)

【特許請求の範囲】
1. 【請求項１】フィルタ・バンクを用いて分析された入力
   音声から特徴ベクトルの時系列を抽出する音声特徴抽出
   装置において：前記フィルタ・バンクの各チャンネル毎
   に信号の変化量を抽出する変化量抽出部と；前記各チャ
   ンネル毎にあらかじめ設定された第一の閾値と前記変化
   量抽出部の出力とを比較して、閾値論理に基づいて各チ
   ャンネルの時間変動度を表わす２値量を出力する変動検
   出部と；前記各チャンネルの変動検出部の出力の荷重和
   と、あらかじめ設定された第二の閾値とを比較してフィ
   ルタ・バンクの出力を特徴ベクトルとして抽出するか否
   かを判定し、その結果に応じて特徴ベクトルを出力する
   特徴抽出部と；この特徴抽出部が前記特徴ベクトルを出
   力した時点で前記第二の閾値の値を一定時間の間だけ無
   限大に設定する閾値設定部とを有することを特徴とする
   音声特徴抽出装置。