JPH0784594A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPH0784594A JPH0784594A JP5228630A JP22863093A JPH0784594A JP H0784594 A JPH0784594 A JP H0784594A JP 5228630 A JP5228630 A JP 5228630A JP 22863093 A JP22863093 A JP 22863093A JP H0784594 A JPH0784594 A JP H0784594A
- Authority
- JP
- Japan
- Prior art keywords
- standard
- voice
- microphone
- characteristic
- 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.)
- Pending
Links
Landscapes
- Filters That Use Time-Delay Elements (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
(57)【要約】 （修正有）
【目的】 実際に使われるマイクなどの音声入力装置の
特性が標準パタン作成登録時の音声入力装置の特性と相
違していても、音声認識性能の劣化を回避できるように
する。 【構成】 標準マイクと特徴抽出部により標準パタンを
作成し標準パタン辞書に登録する。標準マイクと実使用
マイク１０１から同時に音声を入力し、実使用マイク１
０１の音声は係数学習部における適応フィルタを通す。
適応フィルタはＦＩＲフィルタと重み付け更新部からな
り、実使用マイク１０１の特性が標準マイクの特性にな
るように係数を決定する。標準特性変換フィルタ１０２
は前記の決定された係数が設定され、実使用マイク１０
１が別のものに変わっても、両マイク１０１の特性の違
いを吸収して音声認識性能の劣化を防止する。
特性が標準パタン作成登録時の音声入力装置の特性と相
違していても、音声認識性能の劣化を回避できるように
する。 【構成】 標準マイクと特徴抽出部により標準パタンを
作成し標準パタン辞書に登録する。標準マイクと実使用
マイク１０１から同時に音声を入力し、実使用マイク１
０１の音声は係数学習部における適応フィルタを通す。
適応フィルタはＦＩＲフィルタと重み付け更新部からな
り、実使用マイク１０１の特性が標準マイクの特性にな
るように係数を決定する。標準特性変換フィルタ１０２
は前記の決定された係数が設定され、実使用マイク１０
１が別のものに変わっても、両マイク１０１の特性の違
いを吸収して音声認識性能の劣化を防止する。
Description
【０００１】
【産業上の利用分野】本発明は、マイク等について実際
の入力特性を標準入力特性に変換するフィルタを備えた
音声認識装置に関するものである。
の入力特性を標準入力特性に変換するフィルタを備えた
音声認識装置に関するものである。
【０００２】
【従来の技術】以下、図面を参照しながら従来の音声認
識装置について説明する。
識装置について説明する。
【０００３】図８は従来の音声認識装置の構成を示した
ブロック図である。図８において、７０１はマイク、７
０３は特徴抽出部、７０４は類似度比較部、７０５は判
定処理部、７０６は標準パタン辞書である。
ブロック図である。図８において、７０１はマイク、７
０３は特徴抽出部、７０４は類似度比較部、７０５は判
定処理部、７０６は標準パタン辞書である。
【０００４】上記構成の従来の音声認識装置について、
以下にその動作を説明する。
以下にその動作を説明する。
【０００５】マイク７０１から入力された音声は、特徴
抽出部７０３において１０ｍｓｅｃ程度のフレームの周
期で線形予測分析あるいはＦＦＴ（高速フーリエ変換）
分析などの方法によって周波数分析され、かつ、音声の
始端，終端の検知を行い、音声区間の周波数分析結果が
特徴量の時系列として得られる。類似度比較部７０４で
は、特徴抽出部７０３からの音声区間の周波数分析結果
である特徴量の時系列と標準パタン辞書７０６に登録さ
れている複数の単語の音声区間の周波数分析結果である
特徴量の時系列とを比較し、最も類似した単語の特徴量
の時系列の類似度を得る。判定処理部７０５では、類似
度比較部７０４からの類似度がある閾値よりもより類似
側に大きいか否かを判定し、大きい（似ている）ときは
その単語を認識結果として出力する。
抽出部７０３において１０ｍｓｅｃ程度のフレームの周
期で線形予測分析あるいはＦＦＴ（高速フーリエ変換）
分析などの方法によって周波数分析され、かつ、音声の
始端，終端の検知を行い、音声区間の周波数分析結果が
特徴量の時系列として得られる。類似度比較部７０４で
は、特徴抽出部７０３からの音声区間の周波数分析結果
である特徴量の時系列と標準パタン辞書７０６に登録さ
れている複数の単語の音声区間の周波数分析結果である
特徴量の時系列とを比較し、最も類似した単語の特徴量
の時系列の類似度を得る。判定処理部７０５では、類似
度比較部７０４からの類似度がある閾値よりもより類似
側に大きいか否かを判定し、大きい（似ている）ときは
その単語を認識結果として出力する。
【０００６】図３は標準パタン登録装置の構成を示すブ
ロック図である。この構成は後述する実施例でも同様で
ある。図３において、３０１はマイク、３０３は特徴抽
出部、３０６は標準パタン辞書である。
ロック図である。この構成は後述する実施例でも同様で
ある。図３において、３０１はマイク、３０３は特徴抽
出部、３０６は標準パタン辞書である。
【０００７】マイク３０１から入力された単語音声は、
特徴抽出部３０３において１０ｍｓｅｃ程度のフレーム
の周期で線形予測分析あるいはＦＦＴ分析などの方法に
よって周波数分析され、かつ、音声の始端，終端の検知
を行い、音声区間の周波数分析結果が特徴量の時系列と
して得られる。その音声区間の特徴量の時系列を単語ご
とに標準パタン辞書３０６に蓄積する。
特徴抽出部３０３において１０ｍｓｅｃ程度のフレーム
の周期で線形予測分析あるいはＦＦＴ分析などの方法に
よって周波数分析され、かつ、音声の始端，終端の検知
を行い、音声区間の周波数分析結果が特徴量の時系列と
して得られる。その音声区間の特徴量の時系列を単語ご
とに標準パタン辞書３０６に蓄積する。
【０００８】
【発明が解決しようとする課題】しかしながら、上記し
た従来の音声認識装置においては、標準パタンを作成登
録したときのマイク３０１などの音声入力装置と実際に
使われるマイク７０１などの音声入力装置とが違うと、
両者の特性に差があることから音声認識性能に劣化を生
じるという問題を有していた。そのため、実際に使われ
るマイクなどの音声入力装置と同じ音声入力装置で標準
パタンを作成登録すると、同じ音声認識装置を別の装置
に付けた場合に、音声入力装置の特性だけが変わるた
め、やはり音声認識性能が劣化するという問題があっ
た。
た従来の音声認識装置においては、標準パタンを作成登
録したときのマイク３０１などの音声入力装置と実際に
使われるマイク７０１などの音声入力装置とが違うと、
両者の特性に差があることから音声認識性能に劣化を生
じるという問題を有していた。そのため、実際に使われ
るマイクなどの音声入力装置と同じ音声入力装置で標準
パタンを作成登録すると、同じ音声認識装置を別の装置
に付けた場合に、音声入力装置の特性だけが変わるた
め、やはり音声認識性能が劣化するという問題があっ
た。
【０００９】また、この問題点を回避するためには、マ
イクなどの音声入力装置を変更するたびに、再び標準パ
タンの作成登録をやり直さなければならないという問題
があった。
イクなどの音声入力装置を変更するたびに、再び標準パ
タンの作成登録をやり直さなければならないという問題
があった。
【００１０】本発明は、このような事情に鑑みて創案さ
れたものであって、実際に使われる音声入力装置の特性
を標準パタンの作成登録時の入力特性に変換し、入力音
声を標準パタン作成登録時のままの特性で認識可能な音
声認識装置を提供することを目的とする。
れたものであって、実際に使われる音声入力装置の特性
を標準パタンの作成登録時の入力特性に変換し、入力音
声を標準パタン作成登録時のままの特性で認識可能な音
声認識装置を提供することを目的とする。
【００１１】
【課題を解決するための手段】本発明に係る第１の音声
認識装置は、音声認識について、入力される音声信号を
予め決められた係数を用いて標準の入力特性に変換する
標準特性変換フィルタと、所定時間間隔ごとに入力音声
信号を分析し特徴量の時系列を抽出する特徴抽出部と、
予め発声された単語の音声信号から抽出した特徴量の時
系列を格納した標準パタン辞書と、入力された音声信号
の特徴量の時系列を前記標準パタン辞書における複数の
単語の特徴量の時系列と比較し各単語の類似度を求める
類似度比較部と、各単語の類似度から最も類似した単語
を選択し出力する判定処理部とを備え、標準特性変換学
習について、音声認識時の入力特性による音声信号と標
準パタン作成登録時の標準特性による音声信号との差信
号を適応フィルタの係数更新に使用し、音声認識時の入
力特性を標準特性に変換する係数として学習し、前記標
準特性変換フィルタの係数として設定する係数学習部を
備え、実際に入力される音声信号を標準パタン作成登録
時の標準特性による音声信号に変換し、標準パタン作成
登録時の標準特性で特徴抽出された特徴量の時系列と標
準パタン辞書上の標準パタンの特徴量の時系列を比較し
て音声認識するように構成されたことを特徴とするもの
である。
認識装置は、音声認識について、入力される音声信号を
予め決められた係数を用いて標準の入力特性に変換する
標準特性変換フィルタと、所定時間間隔ごとに入力音声
信号を分析し特徴量の時系列を抽出する特徴抽出部と、
予め発声された単語の音声信号から抽出した特徴量の時
系列を格納した標準パタン辞書と、入力された音声信号
の特徴量の時系列を前記標準パタン辞書における複数の
単語の特徴量の時系列と比較し各単語の類似度を求める
類似度比較部と、各単語の類似度から最も類似した単語
を選択し出力する判定処理部とを備え、標準特性変換学
習について、音声認識時の入力特性による音声信号と標
準パタン作成登録時の標準特性による音声信号との差信
号を適応フィルタの係数更新に使用し、音声認識時の入
力特性を標準特性に変換する係数として学習し、前記標
準特性変換フィルタの係数として設定する係数学習部を
備え、実際に入力される音声信号を標準パタン作成登録
時の標準特性による音声信号に変換し、標準パタン作成
登録時の標準特性で特徴抽出された特徴量の時系列と標
準パタン辞書上の標準パタンの特徴量の時系列を比較し
て音声認識するように構成されたことを特徴とするもの
である。
【００１２】また、本発明に係る第２の音声認識装置
は、実際の音声入力部を電話の内線端末としＰＢＸを経
由して音声認識する前記第１の音声認識装置において、
ＰＢＸが内線端末の種類を検知し、内線端末に対応する
フィルタ係数辞書から該当する内線端末のフィルタ係数
を標準特性変換フィルタの係数として設定し、実際に内
線端末から入力される音声信号を標準パタン作成登録時
の特性による音声信号に変換し、標準パタン作成登録時
の特性で抽出された特徴量の時系列と標準パタン辞書上
の標準特性による特徴量の時系列を比較し、音声認識す
るように構成されていることを特徴とするものである。
は、実際の音声入力部を電話の内線端末としＰＢＸを経
由して音声認識する前記第１の音声認識装置において、
ＰＢＸが内線端末の種類を検知し、内線端末に対応する
フィルタ係数辞書から該当する内線端末のフィルタ係数
を標準特性変換フィルタの係数として設定し、実際に内
線端末から入力される音声信号を標準パタン作成登録時
の特性による音声信号に変換し、標準パタン作成登録時
の特性で抽出された特徴量の時系列と標準パタン辞書上
の標準特性による特徴量の時系列を比較し、音声認識す
るように構成されていることを特徴とするものである。
【００１３】
【作用】第１の音声認識装置は上記した構成により、標
準パタンの作成登録時の標準特性と実際の入力特性との
違いによる音声認識性能の劣化をなくすことができる。
準パタンの作成登録時の標準特性と実際の入力特性との
違いによる音声認識性能の劣化をなくすことができる。
【００１４】そして、一度標準パタンを作成登録してお
けば、実際に使用するマイクなどの音声入力装置を変え
ても、再度標準パタンの作成登録をする必要はない。
けば、実際に使用するマイクなどの音声入力装置を変え
ても、再度標準パタンの作成登録をする必要はない。
【００１５】また、第２の音声認識装置は、ＰＢＸと組
み合わせて、ＰＢＸで自動的に内線端末を判定し、標準
特性変換フィルタの係数を自動的に設定することによ
り、さまざまな内線端末からでも音声認識性能を劣化さ
せることがない。
み合わせて、ＰＢＸで自動的に内線端末を判定し、標準
特性変換フィルタの係数を自動的に設定することによ
り、さまざまな内線端末からでも音声認識性能を劣化さ
せることがない。
【００１６】
【実施例】以下、本発明の実施例に係る音声認識装置に
ついて、図面を参照しながら説明する。
ついて、図面を参照しながら説明する。
【００１７】第１実施例 図１は第１実施例に係る音声認識装置の構成を示したブ
ロック図である。図１において、１０１は実際に使われ
る音声入力装置としてのマイク、１０２は実際の音声入
力に使われるマイクの特性を標準パタンの作成登録時に
使われるマイクの入力特性に変換する標準特性変換フィ
ルタ、１０３は特徴抽出部、１０４は類似度比較部、１
０５は判定処理部、１０６は標準パタン辞書である。
ロック図である。図１において、１０１は実際に使われ
る音声入力装置としてのマイク、１０２は実際の音声入
力に使われるマイクの特性を標準パタンの作成登録時に
使われるマイクの入力特性に変換する標準特性変換フィ
ルタ、１０３は特徴抽出部、１０４は類似度比較部、１
０５は判定処理部、１０６は標準パタン辞書である。
【００１８】以上のように構成された実施例の音声認識
装置について、以下にその動作を説明する。
装置について、以下にその動作を説明する。
【００１９】マイク１０１から入力された音声は、標準
特性変換フィルタ１０２において入力マイク１０１の特
性を登録時に用いられたマイクの特性に変換される。こ
の点が本発明の最大の特徴である。このように登録時に
用いられたマイクの特性に変換された音声は、特徴抽出
部１０３において１０ｍｓｅｃ程度のフレームの周期で
線形予測分析あるいはＦＦＴ（高速フーリエ変換）分析
などの方法によって周波数分析され、かつ、音声の始
端，終端の検知を行い、音声区間の周波数分析結果が特
徴量の時系列として得られる。類似度比較部１０４で
は、特徴抽出部１０３からの音声区間の周波数分析結果
である特徴量の時系列と標準パタン辞書１０６に登録さ
れている複数の単語の音声区間の周波数分析結果である
特徴量の時系列とを比較し、最も類似した単語の特徴量
の時系列の類似度を得る。判定処理部１０５では、類似
度比較部１０４からの類似度がある閾値よりもより類似
側に大きいか否かを判定し、大きい（似ている）ときは
その単語を認識結果として出力する。
特性変換フィルタ１０２において入力マイク１０１の特
性を登録時に用いられたマイクの特性に変換される。こ
の点が本発明の最大の特徴である。このように登録時に
用いられたマイクの特性に変換された音声は、特徴抽出
部１０３において１０ｍｓｅｃ程度のフレームの周期で
線形予測分析あるいはＦＦＴ（高速フーリエ変換）分析
などの方法によって周波数分析され、かつ、音声の始
端，終端の検知を行い、音声区間の周波数分析結果が特
徴量の時系列として得られる。類似度比較部１０４で
は、特徴抽出部１０３からの音声区間の周波数分析結果
である特徴量の時系列と標準パタン辞書１０６に登録さ
れている複数の単語の音声区間の周波数分析結果である
特徴量の時系列とを比較し、最も類似した単語の特徴量
の時系列の類似度を得る。判定処理部１０５では、類似
度比較部１０４からの類似度がある閾値よりもより類似
側に大きいか否かを判定し、大きい（似ている）ときは
その単語を認識結果として出力する。
【００２０】図２は標準特性変換フィルタ１０２の構成
を示すブロック図である。図２に示すように、標準特性
変換フィルタ１０２は、Ｗ0 からＷL までの係数をもつ
（Ｌ＋１）次のＦＩＲフィルタ１０２ａ〜１０２ｎで構
成されている。１０２ｓは積和部である。
を示すブロック図である。図２に示すように、標準特性
変換フィルタ１０２は、Ｗ0 からＷL までの係数をもつ
（Ｌ＋１）次のＦＩＲフィルタ１０２ａ〜１０２ｎで構
成されている。１０２ｓは積和部である。
【００２１】（１）式のように、マイク１０１からの入
力ＸK はＦＩＲフィルタ１０２ａ〜１０２ｎで処理され
て標準パタン登録時の特性の信号ＹK に変換される。
力ＸK はＦＩＲフィルタ１０２ａ〜１０２ｎで処理され
て標準パタン登録時の特性の信号ＹK に変換される。
【００２２】
【数１】
【００２３】図３は標準パタン登録装置の構成を示すブ
ロック図である。この構成は従来例と同様のものであ
る。図３において、３０１はマイク、３０３は特徴抽出
部、３０６は標準パタン辞書である。
ロック図である。この構成は従来例と同様のものであ
る。図３において、３０１はマイク、３０３は特徴抽出
部、３０６は標準パタン辞書である。
【００２４】マイク３０１から入力された単語音声は、
特徴抽出部３０３において１０ｍｓｅｃ程度のフレーム
の周期で線形予測分析あるいはＦＦＴ分析などの方法に
よって周波数分析され、かつ、音声の始端，終端の検知
を行い、音声区間の周波数分析結果が特徴量の時系列と
して得られる。その音声区間の特徴量の時系列を単語ご
とに標準パタン辞書３０６に蓄積する。
特徴抽出部３０３において１０ｍｓｅｃ程度のフレーム
の周期で線形予測分析あるいはＦＦＴ分析などの方法に
よって周波数分析され、かつ、音声の始端，終端の検知
を行い、音声区間の周波数分析結果が特徴量の時系列と
して得られる。その音声区間の特徴量の時系列を単語ご
とに標準パタン辞書３０６に蓄積する。
【００２５】この点は、従来例と同様である。すなわ
ち、標準パタンの作成登録時に使う音声入力装置として
のマイク３０１と、実際に使われる音声入力装置として
のマイク１０１とは相違している。
ち、標準パタンの作成登録時に使う音声入力装置として
のマイク３０１と、実際に使われる音声入力装置として
のマイク１０１とは相違している。
【００２６】次に、標準特性変換フィルタ１０２におけ
る係数Ｗ0 〜ＷL の決定の方法について説明する。
る係数Ｗ0 〜ＷL の決定の方法について説明する。
【００２７】図４は係数Ｗ0 〜ＷL を決定する装置、す
なわち、係数学習部２０１の構成を示すブロック図であ
る。図４において、３０１は標準パタン作成登録時に使
う標準マイク、１０１は実際に音声認識に使われるマイ
ク、２０２は積和部、２０３は適応フィルタである。実
使用マイク１０１と積和部２０２との間に適応フィルタ
２０３が挿入され、積和部２０２の出力が適応フィルタ
２０３にフィードバック接続されている。
なわち、係数学習部２０１の構成を示すブロック図であ
る。図４において、３０１は標準パタン作成登録時に使
う標準マイク、１０１は実際に音声認識に使われるマイ
ク、２０２は積和部、２０３は適応フィルタである。実
使用マイク１０１と積和部２０２との間に適応フィルタ
２０３が挿入され、積和部２０２の出力が適応フィルタ
２０３にフィードバック接続されている。
【００２８】適当な音声信号を標準マイク３０１と実使
用マイク１０１とに同時に入力し、積和部２０２におい
て、適応フィルタ２０３から入力した信号と標準マイク
３０１から入力した信号の差信号εが得られ、この差信
号εが適応フィルタ２０３にフィードバックされる。適
応フィルタ２０３は、差信号εを減少させるように学習
し、時間経過とともに差信号εが小さくなって収束す
る。
用マイク１０１とに同時に入力し、積和部２０２におい
て、適応フィルタ２０３から入力した信号と標準マイク
３０１から入力した信号の差信号εが得られ、この差信
号εが適応フィルタ２０３にフィードバックされる。適
応フィルタ２０３は、差信号εを減少させるように学習
し、時間経過とともに差信号εが小さくなって収束す
る。
【００２９】図５は図４で破線で囲んだ部分すなわち係
数学習部２０１のより詳しい構成を示すブロック図であ
る。図５において、２０２は積和部、２０３は適応フィ
ルタ、２０４はＦＩＲフィルタ、２０５は重み付け更新
部である。図６はＦＩＲフィルタ２０４のより詳しい構
成を示すブロック図である。図６において、２０４ａ〜
２０４ｎはＦＩＲフィルタ、２０４ｓは積和部である。
数学習部２０１のより詳しい構成を示すブロック図であ
る。図５において、２０２は積和部、２０３は適応フィ
ルタ、２０４はＦＩＲフィルタ、２０５は重み付け更新
部である。図６はＦＩＲフィルタ２０４のより詳しい構
成を示すブロック図である。図６において、２０４ａ〜
２０４ｎはＦＩＲフィルタ、２０４ｓは積和部である。
【００３０】時刻Ｋにおける標準マイク３０１からの信
号と実使用マイク１０１からの信号との差信号εK が重
み付け更新部２０５に入力される。ＦＩＲフィルタ２０
４では、時刻Ｋにおいて、適応フィルタ２０３の出力信
号ＹK は、重み付け係数Ｗ0, K からＷL,K と、１サンプ
ルごとの遅延信号ＸK-1 からＸK-L との積和により、式
（２）のように表される。重み付け係数Ｗ0,K 〜ＷL,K
は、時間Ｋごとに更新される時変性のものである。
号と実使用マイク１０１からの信号との差信号εK が重
み付け更新部２０５に入力される。ＦＩＲフィルタ２０
４では、時刻Ｋにおいて、適応フィルタ２０３の出力信
号ＹK は、重み付け係数Ｗ0, K からＷL,K と、１サンプ
ルごとの遅延信号ＸK-1 からＸK-L との積和により、式
（２）のように表される。重み付け係数Ｗ0,K 〜ＷL,K
は、時間Ｋごとに更新される時変性のものである。
【００３１】
【数２】
【００３２】次に、重み付け更新部２０５における重み
付け係数Ｗ0,K 〜ＷL,K の決定のアルゴリズムを説明す
る。ここでは、適応信号処理の方法としてよく知られて
いるＬＭＳ（Least Mean Square ）アルゴリズムを用い
ることとする。サンプル時刻Ｋにおける実使用マイク１
０１からの入力をＸK 、重み付け係数をＷ0,K 〜
ＷL, K 、標準マイク３０１からの信号と、実使用マイク
１０１からの信号をＦＩＲフィルタ２０４ａ〜２０４ｎ
に通した信号であって標準マイク３０１からの信号と同
様の信号になることを希望する信号との差信号をεK と
し、これらの信号から次の時刻Ｋ＋１のサンプルのため
の重み付け係数Ｗ0,K+1 〜ＷL,K+1 を（３）式のように
更新しながら決定する。
付け係数Ｗ0,K 〜ＷL,K の決定のアルゴリズムを説明す
る。ここでは、適応信号処理の方法としてよく知られて
いるＬＭＳ（Least Mean Square ）アルゴリズムを用い
ることとする。サンプル時刻Ｋにおける実使用マイク１
０１からの入力をＸK 、重み付け係数をＷ0,K 〜
ＷL, K 、標準マイク３０１からの信号と、実使用マイク
１０１からの信号をＦＩＲフィルタ２０４ａ〜２０４ｎ
に通した信号であって標準マイク３０１からの信号と同
様の信号になることを希望する信号との差信号をεK と
し、これらの信号から次の時刻Ｋ＋１のサンプルのため
の重み付け係数Ｗ0,K+1 〜ＷL,K+1 を（３）式のように
更新しながら決定する。
【００３３】
【数３】
【００３４】ここで、ＸK-1 〜ＸK-L は図６に示す遅延
信号である。また、μは収束の利得および速度を表すパ
ラメータであり、（４）式に従う。
信号である。また、μは収束の利得および速度を表すパ
ラメータであり、（４）式に従う。
【００３５】
【数４】
【００３６】標準マイク３０１と実使用マイク１０１と
に同時に適当な信号を入力したとき、差信号εK が収束
したときの重み付け係数Ｗ0,K 〜ＷL,K を、実使用マイ
ク１０１の特性を登録時に用いた標準マイク３０１の特
性に変換するための標準特性変換フィルタ１０２におけ
る係数Ｗ0 〜ＷL （図２参照）とする。
に同時に適当な信号を入力したとき、差信号εK が収束
したときの重み付け係数Ｗ0,K 〜ＷL,K を、実使用マイ
ク１０１の特性を登録時に用いた標準マイク３０１の特
性に変換するための標準特性変換フィルタ１０２におけ
る係数Ｗ0 〜ＷL （図２参照）とする。
【００３７】以上のように、標準マイク３０１を用いて
標準パタンを作成し、これを標準パタン辞書１０６に登
録しておく。一方、係数学習部２０１において、標準マ
イク３０１と実使用マイク１０１とに同時に音声信号を
入力し、標準マイク３０１からの音声信号はそのまま積
和部２０２に入力し、実使用マイク１０１からの音声信
号はＦＩＲフィルタ２０４ａ〜２０４ｎを通してＹK と
して積和部２０２に入力し、積和部２０２で得られた差
信号εを重み付け更新部２０５を介して差信号εが小さ
く収束するようにフィードバックがかかるように、ＦＩ
Ｒフィルタ２０４ａ〜２０４ｎにおける係数Ｗ0 〜ＷL
を学習によって自動的に決定する。このような学習によ
って適応フィルタ２０３の係数Ｗ0 〜ＷL が決定された
標準特性変換フィルタ１０２は、実使用マイク１０１の
特性を、標準パタンの作成登録時に使った標準マイク３
０１の特性に正確にかつ自動的に変換することになる。
標準パタンを作成し、これを標準パタン辞書１０６に登
録しておく。一方、係数学習部２０１において、標準マ
イク３０１と実使用マイク１０１とに同時に音声信号を
入力し、標準マイク３０１からの音声信号はそのまま積
和部２０２に入力し、実使用マイク１０１からの音声信
号はＦＩＲフィルタ２０４ａ〜２０４ｎを通してＹK と
して積和部２０２に入力し、積和部２０２で得られた差
信号εを重み付け更新部２０５を介して差信号εが小さ
く収束するようにフィードバックがかかるように、ＦＩ
Ｒフィルタ２０４ａ〜２０４ｎにおける係数Ｗ0 〜ＷL
を学習によって自動的に決定する。このような学習によ
って適応フィルタ２０３の係数Ｗ0 〜ＷL が決定された
標準特性変換フィルタ１０２は、実使用マイク１０１の
特性を、標準パタンの作成登録時に使った標準マイク３
０１の特性に正確にかつ自動的に変換することになる。
【００３８】すなわち、標準パタンを作成登録したとき
のマイクの特性と実際に認識対象となる音声を入力した
ときのマイクの特性との相違を吸収し、特性の違いによ
る音声認識性能の劣化を回避することができる。しか
も、一度、標準パタンを作成登録しておけば、実使用マ
イクを別のものと変えても、そのことに影響されること
はなく、標準パタンを再度作成登録する必要はない。
のマイクの特性と実際に認識対象となる音声を入力した
ときのマイクの特性との相違を吸収し、特性の違いによ
る音声認識性能の劣化を回避することができる。しか
も、一度、標準パタンを作成登録しておけば、実使用マ
イクを別のものと変えても、そのことに影響されること
はなく、標準パタンを再度作成登録する必要はない。
【００３９】第２実施例 図７はＰＢＸ（構内交換機）と組み合わせた本発明の第
２実施例に係る音声認識装置の構成を示すブロック図で
ある。これは、音声の入力を内線端末で行い、音声認識
をＰＢＸを経由して行う構成において、ＰＢＸはオフフ
ックされた端末の内線番号を知ることができ、該当する
内線番号に対応する内線端末を検知し、内線番号に対応
した標準特性変換フィルタに設定することで、ＰＢＸに
接続されているすべてのいろいろな内線端末を対象とし
て、音声認識性能を劣化させることなく音声認識するこ
とができるようにしたものである。
２実施例に係る音声認識装置の構成を示すブロック図で
ある。これは、音声の入力を内線端末で行い、音声認識
をＰＢＸを経由して行う構成において、ＰＢＸはオフフ
ックされた端末の内線番号を知ることができ、該当する
内線番号に対応する内線端末を検知し、内線番号に対応
した標準特性変換フィルタに設定することで、ＰＢＸに
接続されているすべてのいろいろな内線端末を対象とし
て、音声認識性能を劣化させることなく音声認識するこ
とができるようにしたものである。
【００４０】図７において、８０２は標準特性変換フィ
ルタ、８０３は特徴抽出部、８０４は類似度比較部、８
０５は判定処理部、８０６は標準パタン辞書、８０７は
ＰＢＸ（構内交換機）、８０８は内線番号対端末機器辞
書、８０９は内線端末対フィルタ係数辞書、８１０，８
１１は内線端末である。
ルタ、８０３は特徴抽出部、８０４は類似度比較部、８
０５は判定処理部、８０６は標準パタン辞書、８０７は
ＰＢＸ（構内交換機）、８０８は内線番号対端末機器辞
書、８０９は内線端末対フィルタ係数辞書、８１０，８
１１は内線端末である。
【００４１】まず、ＰＢＸ８０７において、内線番号に
対応した電話端末の種類を記憶し、内線番号対端末機器
辞書８０８に登録しておく。内線端末８１０がオフフッ
クされたとき、ＰＢＸ８０７は内線番号対端末機器辞書
８０８からオフフックされた内線番号を知ることができ
る。これにより、ＰＢＸ８０７は内線端末対フィルタ係
数辞書８０９に内線端末を設定する。すると、標準特性
変換フィルタ８０２は内線端末に対応したフィルタ係数
Ｗ0 〜ＷL を設定し、入力音声の特性を、標準パタンの
作成登録時に用いた標準マイク３０１の特性に変換する
こととなる。
対応した電話端末の種類を記憶し、内線番号対端末機器
辞書８０８に登録しておく。内線端末８１０がオフフッ
クされたとき、ＰＢＸ８０７は内線番号対端末機器辞書
８０８からオフフックされた内線番号を知ることができ
る。これにより、ＰＢＸ８０７は内線端末対フィルタ係
数辞書８０９に内線端末を設定する。すると、標準特性
変換フィルタ８０２は内線端末に対応したフィルタ係数
Ｗ0 〜ＷL を設定し、入力音声の特性を、標準パタンの
作成登録時に用いた標準マイク３０１の特性に変換する
こととなる。
【００４２】次いで、作成登録時の標準マイク３０１の
特性に変換された音声信号は、特徴抽出部８０３におい
て１０ｍｓｅｃ程度のフレームの周期で線形予測分析あ
るいはＦＦＴ（高速フーリエ変換）分析などの方法によ
って周波数分析され、かつ、音声の始端，終端の検知を
行い、音声区間の周波数分析結果が特徴量の時系列とし
て得られる。類似度比較部８０４では、特徴抽出部８０
３からの音声区間の周波数分析結果であると標準パタン
辞書８０６に登録されている複数の単語の音声区間の周
波数分析結果である特徴量の時系列とを比較し、最も類
似した単語の特徴量の時系列の類似度を得る。判定処理
部８０５では、類似度比較部８０４からの類似度がある
閾値よりもより類似側に大きいか否かを判定し、大きい
（似ている）ときはその単語を認識結果として出力す
る。
特性に変換された音声信号は、特徴抽出部８０３におい
て１０ｍｓｅｃ程度のフレームの周期で線形予測分析あ
るいはＦＦＴ（高速フーリエ変換）分析などの方法によ
って周波数分析され、かつ、音声の始端，終端の検知を
行い、音声区間の周波数分析結果が特徴量の時系列とし
て得られる。類似度比較部８０４では、特徴抽出部８０
３からの音声区間の周波数分析結果であると標準パタン
辞書８０６に登録されている複数の単語の音声区間の周
波数分析結果である特徴量の時系列とを比較し、最も類
似した単語の特徴量の時系列の類似度を得る。判定処理
部８０５では、類似度比較部８０４からの類似度がある
閾値よりもより類似側に大きいか否かを判定し、大きい
（似ている）ときはその単語を認識結果として出力す
る。
【００４３】
【発明の効果】本発明に係る第１の音声認識装置によれ
ば、標準パタンの作成登録時におけるマイクなどの音声
入力装置の特性と実際に認識対象となる音声を入力する
ときの音声入力装置の特性との相違を吸収することがで
きるので、特性の違いによる音声認識性能の劣化をなく
すことができる。しかも、一度標準パタンを作成登録し
ておけば、実際に使用するマイクなどの音声入力装置を
変えても、そのことに影響されることがなく、標準パタ
ンを再度作成登録する必要はない。
ば、標準パタンの作成登録時におけるマイクなどの音声
入力装置の特性と実際に認識対象となる音声を入力する
ときの音声入力装置の特性との相違を吸収することがで
きるので、特性の違いによる音声認識性能の劣化をなく
すことができる。しかも、一度標準パタンを作成登録し
ておけば、実際に使用するマイクなどの音声入力装置を
変えても、そのことに影響されることがなく、標準パタ
ンを再度作成登録する必要はない。
【００４４】また、本発明に係る第２の音声認識装置に
よれば、ＰＢＸと組み合わせて、ＰＢＸで自動的に内線
端末を判定し、標準特性変換フィルタの係数を自動的に
設定することにより、さまざまな内線端末からでも音声
認識性能を劣化させることがない。
よれば、ＰＢＸと組み合わせて、ＰＢＸで自動的に内線
端末を判定し、標準特性変換フィルタの係数を自動的に
設定することにより、さまざまな内線端末からでも音声
認識性能を劣化させることがない。
【図１】本発明の第１の実施例に係る音声認識装置の構
成を示すブロック図である。
成を示すブロック図である。
【図２】実施例の音声認識装置における標準特性変換フ
ィルタの構成を示すブロック図である。
ィルタの構成を示すブロック図である。
【図３】実施例における標準パタン登録装置の構成を示
すブロック図である。
すブロック図である。
【図４】実施例における係数学習部の構成を示すブロッ
ク図である。
ク図である。
【図５】実施例の係数学習部における適応フィルタの構
成を示すブロック図である。
成を示すブロック図である。
【図６】実施例の標準特性変換フィルタにおけるＦＩＲ
フィルタの構成を示すブロック図である。
フィルタの構成を示すブロック図である。
【図７】本発明の第２実施例に係る音声認識装置の構成
を示すブロック図である。
を示すブロック図である。
【図８】従来の音声認識装置の構成を示すブロック図で
ある。
ある。
１０１……実使用マイク １０２，８０２……標準特性変換フィルタ １０３，３０３，８０３……特徴抽出部 １０４，８０４……類似度比較部 １０５，８０５……判定処理部 １０６，３０６，８０６……標準パタン辞書 １０２ａ〜１０２ｎ……ＦＩＲフィルタ １０２ｓ，２０４ｓ……積和部 ２０１……係数学習部 ２０２……積和部 ２０３……適応フィルタ ２０４……ＦＩＲフィルタ ２０４ａ〜２０４ｎ……ＦＩＲフィルタ ８０７……ＰＢＸ（構内交換機） ８０８……内線番号対端末機器辞書 ８０９……内線端末対フィルタ係数辞書 ８１０，８１１……内線端末
Claims (2)
- 【請求項１】 音声認識について、入力される音声信号
を予め決められた係数を用いて標準の入力特性に変換す
る標準特性変換フィルタと、所定時間間隔ごとに入力音
声信号を分析し特徴量の時系列を抽出する特徴抽出部
と、予め発声された単語の音声信号から抽出した特徴量
の時系列を格納した標準パタン辞書と、入力された音声
信号の特徴量の時系列を前記標準パタン辞書における複
数の単語の特徴量の時系列と比較し各単語の類似度を求
める類似度比較部と、各単語の類似度から最も類似した
単語を選択し出力する判定処理部とを備え、 標準特性変換学習について、音声認識時の入力特性によ
る音声信号と標準パタン作成登録時の標準特性による音
声信号との差信号を適応フィルタの係数更新に使用し、
音声認識時の入力特性を標準特性に変換する係数として
学習し、前記標準特性変換フィルタの係数として設定す
る係数学習部を備え、 実際に入力される音声信号を標準パタン作成登録時の標
準特性による音声信号に変換し、標準パタン作成登録時
の標準特性で特徴抽出された特徴量の時系列と標準パタ
ン辞書上の標準パタンの特徴量の時系列を比較して音声
認識するように構成されたことを特徴とする音声認識装
置。 - 【請求項２】 実際の音声入力部を電話の内線端末とし
ＰＢＸを経由して音声認識する請求項１に記載の音声認
識装置において、ＰＢＸが内線端末の種類を検知し、内
線端末に対応するフィルタ係数辞書から該当する内線端
末のフィルタ係数を標準特性変換フィルタの係数として
設定し、実際に内線端末から入力される音声信号を標準
パタン作成登録時の特性による音声信号に変換し、標準
パタン作成登録時の特性で抽出された特徴量の時系列と
標準パタン辞書上の標準特性による特徴量の時系列を比
較し、音声認識するように構成されていることを特徴と
する音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5228630A JPH0784594A (ja) | 1993-09-14 | 1993-09-14 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5228630A JPH0784594A (ja) | 1993-09-14 | 1993-09-14 | 音声認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0784594A true JPH0784594A (ja) | 1995-03-31 |
Family
ID=16879356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5228630A Pending JPH0784594A (ja) | 1993-09-14 | 1993-09-14 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0784594A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6032115A (en) * | 1996-09-30 | 2000-02-29 | Kabushiki Kaisha Toshiba | Apparatus and method for correcting the difference in frequency characteristics between microphones for analyzing speech and for creating a recognition dictionary |
-
1993
- 1993-09-14 JP JP5228630A patent/JPH0784594A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6032115A (en) * | 1996-09-30 | 2000-02-29 | Kabushiki Kaisha Toshiba | Apparatus and method for correcting the difference in frequency characteristics between microphones for analyzing speech and for creating a recognition dictionary |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ortega-García et al. | Overview of speech enhancement techniques for automatic speaker recognition | |
| US5583961A (en) | Speaker recognition using spectral coefficients normalized with respect to unequal frequency bands | |
| EP1301922B1 (en) | System and method for voice recognition with a plurality of voice recognition engines | |
| EP1159737B1 (en) | Speaker recognition | |
| JP2768274B2 (ja) | 音声認識装置 | |
| CN111312275B (zh) | 一种基于子带分解的在线声源分离增强系统 | |
| JP3493033B2 (ja) | 音声認識用回路装置 | |
| US5732388A (en) | Feature extraction method for a speech signal | |
| EP0780828A2 (en) | Method and system for performing speech recognition | |
| JPH0469958B2 (ja) | ||
| US5487129A (en) | Speech pattern matching in non-white noise | |
| JP3163109B2 (ja) | 多方向同時収音式音声認識方法 | |
| JP2000148185A (ja) | 認識装置及び認識方法 | |
| JPH0784594A (ja) | 音声認識装置 | |
| JPH0462599A (ja) | 雑音除去装置 | |
| US5425127A (en) | Speech recognition method | |
| JPS6334477B2 (ja) | ||
| JPH0643893A (ja) | 音声認識方法 | |
| JPS59185394A (ja) | 音声認識装置 | |
| JPH0461359B2 (ja) | ||
| JPH03276199A (ja) | 話者認識方法 | |
| Hoya et al. | Speech extraction based upon a combined subband independent component analysis and neural memory | |
| KR930011737B1 (ko) | 미니맥스센터를 이용한 멀티트레이닝 음성 인식방법 | |
| KR20250106844A (ko) | 자기지도 학습을 활용한 왜곡에 강인한 합성 음성 탐지 장치 및 그의 동작 방법 | |
| JPS6346496A (ja) | 音声認識装置 |