JPH0795238B2 - 有声判定装置および有声判定方法 - Google Patents

有声判定装置および有声判定方法

Info

Publication number
JPH0795238B2
JPH0795238B2 JP63501560A JP50156088A JPH0795238B2 JP H0795238 B2 JPH0795238 B2 JP H0795238B2 JP 63501560 A JP63501560 A JP 63501560A JP 50156088 A JP50156088 A JP 50156088A JP H0795238 B2 JPH0795238 B2 JP H0795238B2
Authority
JP
Japan
Prior art keywords
voiced
value
frame
frames
unvoiced
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.)
Expired - Fee Related
Application number
JP63501560A
Other languages
English (en)
Other versions
JPH01502853A (ja
Inventor
リン トムソン，デビッド
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AT&T Inc
Original Assignee
AT&T Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by AT&T Inc filed Critical AT&T Inc
Publication of JPH01502853A publication Critical patent/JPH01502853A/ja
Publication of JPH0795238B2 publication Critical patent/JPH0795238B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/93—Discriminating between voiced and unvoiced parts of speech signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Description

【発明の詳細な説明】 ［技術分野］ 本発明は音声が基本周波数の存在を有するか否かの判定
に関する。これは音声判別とも呼ばれる。さらにとくに
は本発明は、音声判別を行うために音声サンプルを同時
に処理する複数の有声音検出器の１つの選択であって、
距離尺度計算に基づいて行われる選択に関する。
［背景技術および問題点］ 低ビット速度音声コーダにおいてはしばしば、不正確な
音声判別のために音声品質の低下が生ずる。これらの音
声判別を正確に行う際の困難な点は、単一の音声パラメ
ータすなわち類別子（classifier）では有声音音声と無
声音音声との識別に信頼性がないという事実にある。音
声が有声音であるかまたは無声音であるかの判定のため
に多重有声音検出器を使用することおよびこれらの検出
器の１つを選択することは、シー・ピー・キャンベル
（C.P.Cambell）他の論文「音声の有声音／無声音類別
の米国政府LPC-10Eアルゴリズムへの適用」IEEE音響・
音声および信号処理国際会議資料、1986年、東京、第9.
11.4巻、473-476ページ（“Voiced/Unvoiced Classific
ation of Speech with Application to the U.S.Govern
ment LPC-10E Algorithm"、IEEE International Confer
ence on Acoustics,Speech and Signal Processing、19
86、Tokyo、Vol.9.11.4,pp.473-476）に開示されてい
る。この論文は、各音声フレームに対し同じ音声類別子
を処理するために各々異なる重みとしきい値とを利用す
る多重線形識別有声音検出器の使用を開示している。各
検出器に対する重みおよびしきい値は学習データを使用
することにより決定される。各検出器に対し、学習デー
タに異なるレベルの白色雑音が加えられる。実際の音声
の処理中にSN比（信号対雑音比、SNR）を調べることに
より音声判別を行うべき検出器が決定される。SN比がも
つことができる可能値の範囲（レンジ）は、各々が検出
器の１つに割当てられる副範囲（サブレンジ）に分割さ
れる。各フレームに対しSN比が計算され、副範囲が決定
され、音声判別を行うためにこの副範囲に付属する検出
器が選択される。
この方法に伴う問題点は、音声の特徴自身が変えられて
しまうような音声環境に関してはそれは良好に実行しな
いことである。さらにキャンベルにより用いられた方法
は白色雑音にのみ適応され色雑音には調節が可能ではな
い。したがって、変化する音声環境において検出を可能
とする複数の有声音検出器間の選択方法に対する需要が
存在してくる。
［解決法］ 上記の問題点は、有声音検出器の各々により発生された
分離値またはメリット値を比較して複数の有声音検出器
の中から選択される有声音検出装置により解決されかる
技術的進歩が達成される。分離値はまた距離尺度とも呼
ばれる。
この装置は各々が分離値を発生する識別検出器または統
計的検出器のような異なる形式の有声音検出器を含む。
この装置内の比較器は、音声が有声音であるかまたは無
声音であるかを判別するために、最大分離値を発生して
いる有声音検出器を選択する。分離値は統計的一般化距
離であることが好ましい。
すべての有声音検出器はフレームが有声音であるかまた
は無声音であるかを指示し、各検出器はまず現在および
以前のフレームの各々に対する識別変数を決定する。変
数を決定した後、各検出器は以前および現在のフレーム
の有声音および無声音の両方のものに対する平均値を決
定する。各検出器は以前および現在のフレーム有声音お
よび無声音のものに対する分散値を決定する。平均およ
び分散を計算した後に、各検出器は有声音フレームに対
する平均値および分散値と無声音フレームに対する平均
値および分散値とから分離値を決定する。
分離値の決定は各検出器において分散値を重みつき和内
に組合せることにより行われるのが好ましい。各無声音
フレームの平均値が各有声音フレームの平均値から差引
かれる。各フレームに対してこの差引かれた値が二乗さ
れ、分散値の重みつき和が、求められた二乗された差引
値で割られる。重みつき和を形成する前に、各検出器は
有声音フレームに対する分散値に有声音フレームの発生
確率を乗じ、無声音フレームに対する分散値に無声音フ
レームの発生確率を乗ずることが好ましい。さらに二乗
された差引値を重みつき和で割る前に、二乗された差引
値に有声音フレームの発生確率および無声音フレームの
発生確率が掛けられる。
この方法は、識別検出器により有声音および無声音フレ
ーム間の分離を定義する第１のメリット値を計算するス
テップ、前記統計的有声音検出器により有声音および無
声音フレーム間の分離を定義する第２のメリット値を計
算するステップ、およびフレームが有声音であるかまた
は無声音であるかを指示するために最良メリット値を計
算した検出器を選択するステップ、とを含む。
［図面の簡単な説明］ 本発明は図面を参照にしながら以下の詳細な説明を読め
ば容易に理解されよう。ここで： 第１図は本発明を用いた装置のブロック図； 第２図は本発明をブロック図の形で表わした図； 第３図および第４図は第２図の統計的有声音検出器103
により実行される機能をさらに詳細に表わした図； 第５図は第４図のブロック340で実行される機能をさら
に詳細に表わした図である。
［詳細な説明］ 第１図は２つの有声音検出器の間で１つを選択すること
により無声音／有声音判別動作を実行するための装置を
示す。第１図において２つより多い有声音検出器を使用
することは当業者にとって明らかであろう。検出器102
および103の間の選択は、各検出器により発生されて距
離比較器104に伝送される距離尺度に基づいて行われ
る。発生される各距離尺度は発生検出器の音声判別の正
確さを指示するメリット値を表わす。距離比較器104は
２つの距離尺度値を比較し、無声音／有声音判別を行う
ために最大距離尺度値を発声する検出器が選択されるよ
うにマルチプレクサ105を制御する。しかしながら、他
の尺度タイプに対しては、最小メリット値が検出器に最
も正確な音声判別を行うように指示するであろう。距離
尺度はマハラノビス距離であることが好ましい。検出器
102は識別検出器であり、検出器103は統計的検出器であ
ることが好ましい。しかしながら、検出器はすべて同じ
タイプであってもよく、また系内に２つを超える検出器
が存在してもよいことは当業者には明らかであろう。
ここで第１図に示す装置の全体的動作を考えてみる。類
別子発生器101は各音声フレームに応答して、音声エネ
ルギーの対数（log）、LPC（線形予測分析）ゲインの対
数、第１反射係数の対数面積比、および１ピッチ周期だ
けオフセットされている１フレーム長の２つの音声セグ
メントの二乗相関係数であることが好ましい類別子（cl
assifier）を発生する。これらの類別子の計算は、アナ
ログ音声をディジタルにサンプリングすること、ディジ
タルサンプルのフレームを形成すること、およびこれら
のフレームを処理すること、とを含み、これは当業者に
は周知である。発生器101は通路106を介して類別子を検
出器102および103に伝送する。
検出器102および103は通路106を介して受取られた類別
子に応答して無声音／有声音判別を行い、通路107およ
び110の各々を介してこれらの判別をマルチプレクサ105
に伝達する。さらにこれらの検出器は有声音フレームと
無声音フレームとの間の距離尺度を決定し、通路108お
よび109を介してこれらの距離を比較器104に伝送する。
これらの距離はマハラノビス（Maharanobis）距離また
は他の一般化距離であることが好ましい。比較器104は
通路108および109を介して受取られた距離に応答してマ
ルチプレクサ105を制御し、この結果後者のマルチプレ
クサは最大距離を発生している検出器出力を選別する。
第２図は統計的有声音検出器103をさらに詳細に示す。
各音声フレームに対して、通路106を介して類別子発生
器101から類別子のベクトルとも呼ばれる１組の類別子
が受取られる。沈黙検出器201はこれらの類別子に応答
してこのフレーム内に音声が存在するか否かを判別す
る。もし音声が存在すれば、検出器201は通路201を介し
て信号を伝送する。もしフレーム内に音声が存在しなけ
れば（沈黙）、このときのみ減算器207およびU/V（無声
音／有声音）判別器205がその特定のフレームのために
作動する。音声が存在するか否かに関しては、判別器20
5により各フレームごとに無声音／有声音判別が行われ
る。
類別子平均器202は検出器201からの信号に応答して、現
フレームに対する類別子内でそれ以前のフレームに対す
る類別子と平均することにより、通路106を介して受取
られた個々の類別子の平均を維持する。フレーム内にも
し音声（沈黙でない）が存在すれば、沈黙検出器201は
通路210を介して統計的計算器203、発生器206、および
平均器202とに信号を送る。
統計的計算器203は有声音フレームおよび無声音フレー
ムに対する統計的分布を計算する。とくに計算器203は
通路210を介して受取られた信号に応答して、あるフレ
ームが無声音である総合確率およびあるフレームが有声
音である確率とを計算する。さらに統計的計算器203
は、そのフレームが無声音であった場合に各類別子が有
するであろう統計値およびそのフレームが有声音であっ
た場合に各類別子が有するであろう統計値とを計算す
る。さらに計算器203は類別子の共分散マトリックスを
計算する。この統計値は平均値であることが好ましい。
計算器203により行われる計算は、現フレームに基づく
のみでなくそれ以前のフレームにも基づいている。統計
的計算器203は、これらの計算を、通路106を介して受取
られる現フレームに対する類別子および通路211を介し
て受取られる類別子の平均に基づくのみでなく、各類別
子のための重みおよびフレームが無声音であるかまたは
有声音であるかを判別するところの、通路213を介して
重み計算器204から受取られたしきい値とに基づいてい
る。
重み計算器204は、計算器203により発生された通路212
を介して受取られた現フレームに対する類別子の確率、
共分散マトリックス、および統計値に応答して、各類別
子に対する重みベクトルａ、および現フレームに対する
しきい値ｂ、とを再計算する。次にこれらの新しいａお
よびｂの値は通路213を介して統計的計算器203に逆伝送
される。
重み計算器204はまた無声音と有声音との両方の領域内
における類別子のための重みおよび統計値を通路214を
介して判別器205に伝送しかつ通路208を介して発生器20
6に伝送する。後者の発生器はこの情報に応答して距離
尺度を計算し、この距離尺度は次に第１図に示すように
通路109を介して比較器104に伝送される。
U/V（無声音／有声音）判別器205は通路214および215を
介して伝送された情報に応答してこのフレームが無声音
であるかまたは有声音であるかを判別し、この判別器11
0を介して第１図のマルチプレクサ105に伝送する。
ここで第２図に示し、ここではベクトルおよびマトリッ
クス数学で与えられる各ブロックの動作をさらに詳細に
説明する。平均器202、統計的計算器203、および重み計
算器204とは、エヌ・イー・ディ（N.E.Dey）著の「混合
正規分布の成分の推定」（“Estimating the Component
s of a Mixture of Normal Distribution"、ビオメトリ
カ［Biometrika］誌、第56巻、第３号、463-474ペー
ジ、1969）という題名の論文に記載されたものに類似の
改良EMアルゴリズムを実行する。くずし平均（decaying
average）の概念を用いて、類別子平均器202は次式
１、２および３を計算することにより、現フレームおよ
びそれ以前のフレームに対する類別子の平均を計算す
る。
ｎ＝ｎ＋1 ifn＜2000 （１） ｚ＝1/n （２） Xn＝（１−ｚ）Xn-1＋zxn （３） xnは現フレームのための類別子を示すベクトルであり、
ｎは2000までの処理フレーム数である。ｚはくずし平均
係数を示し、Xn現フレームおよび過去のフレームの全部
の類別子の平均を示す。統計的計算器203はｚ、xnおよ
びXn情報の受領に応答して、次のようにまず二乗および
積の和のマトリックスQnを計算することにより共分散マ
トリックスＴを計算する。
Qn＝（１−ｚ）Qn-1＋zxnｘ′n． （４） Qnが計算されると、次のようにＴが計算される。
Ｔ＝Qn−XnＸ′n． （５） 類別子から次のように平均値が差引かれる。
xn＝xn−Xn （６） 次に計算器203は以下に示すように式（７）を解くこと
により、現ベクトルxnにより表わされるフレームが無声
音である確率を決定するが、ここでベクトルａの成分
は、音声エネルギーの対数に対応する成分は、0.391860
6に、LPCゲインの対数に対応する成分は−0.0520902
に、第１反射係数の対数面積比に対応する成分は0.5637
082に、および二乗相関係数に対応する成分は1.361249
に等しく初期化し、またｂは最初−8.36454に等しく初
期化することが好ましい。
（７）式を解いた後に計算器203は次式を解くことによ
り、類別子が有声音フレームを表わす確率を決定する。
Ｐ（v|xn）＝１−Ｐ（u|xn） （８） 次に計算器203はpnを求める式（９）を解くことによ
り、あるフレームが無声音であろう総合確率を決定す
る。
pn＝（１−ｚ）pn-1＋zP（u|xn） （９） フレームが無声音であろうという確率を決定した後に、
次に計算器203は無声音型および有声音型の両方のフレ
ームに対する各類別子の平均値を与える２つのベクトル
ｕおよびｖを決定する。ベクトルｕおよびｖはそれぞれ
無声音フレームおよび有声音フレームに対する統計的平
均である。統計的平均無声音ベクトルであるベクトルｕ
は、もしフレームが無声音であるならば各類別子の平均
値を含み；また統計的平均有声音ベクトルであるベクト
ルｖは、もしフレームが有声音であるならば各類別子に
対する平均値を与える。以下に示すように、現フレーム
に対するベクトルｕは式（10）を計算することにより解
かれ、現フレームに対するベクトルｖは式（11）を計算
することにより決定される。
un＝（１−ｚ）un-1＋zxnP（u|xn）／pn−zxn （10） vn＝（１−ｚ）vn-1＋zxnP（v|xn）／（１−pn）−zxn
（11） ここで計算器203は、通路212を介してベクトルｕおよび
ｖ、マトリックスＴ、および確率ｐを重み計算器204に
伝送する。
重み計算器204はこの情報に応答してベクトルａおよび
スカラーｂに対する新しい値を計算する。次にこれらの
新しい値は通路213を介して統計的計算器203に逆伝送さ
れる。これにより検出器103は変化する環境に迅速に適
応可能である。ベクトルａおよびスカラーｂに対する新
しい値が統計的計算器203に逆伝送されなくても、ベク
トルｖおよびｕが最新の値とされているので検出器103
は変化する環境に適応し続けるであろう。明らかなよう
に、判別器205はベクトルｕおよびｖならびにベクトル
ａおよびスカラーｂを用いて音声判別を行う。ｎが好ま
しくは99より大きくなると、ベクトルａおよびスカラー
ｂは次式のように計算される。ベクトルａは次式を解く
ことにより決定される。
スカラーｂは次式を解くことにより決定される。
式（12）および（13）を計算した後に、重み計算器204
は通路214を介してベクトルａ、ｕ、およびｖをu/v判別
器205に伝送する。もしフレームが沈黙を含んだ場合は
式（６）のみが計算される。
判別器205はこの伝送された情報に応答して現フレーム
が有声音であるかまたは無声音であるかを判別する。も
し出力に対応するベクトル（vn−un）の成分が正であれ
ば、このときは、もし次式が真であるならばフレームは
有声音であると宣言される。
axn−ａ（un＋vn）/2＞０ （14） またもし出力に対応するベクトル（vn−un）の成分が負
であれば、このときは、もし次式が真であるならばフレ
ームは有声音であると宣言される。
axn−ａ（un＋vn）/2＜０ （15） 式（14）はまた次式のようにも書替えられる。
ａ′xn＋ｂ−log［（１−pn）／pn］＞０ 式（15）はまた次式のようにも書き替えられる。
ａ′xn＋ｂ−log［（１−pn）／pn］＜０ もし前記の条件が満たされないならば、判別器205は、
フレームが無声音であると宣言する。式（14）および
（15）は音声判別を行うための判別領域を表わす。式
（14）および（15）の書替え形式のlogの項は性能を少
し変えれば省略可能である。本実施例においては、出力
に対応する成分は音声エネルギーのlogであるのが好ま
しい。
発生器206は通路214を介して計算器204から受取られた
情報に応答して次のように距離尺度Ａを計算する。まず
最初に、次のよう式（16）により識別変数ｄが計算され
る。
ｄ＝ａ′xn＋ｂ−log［（１−pn）／pn］ （16） 次の諸式で用いるためのｄに類似の値を発生するため
に、種々のタイプの音声検出器を用いることは好まし
く、これは当業者には明らかであろう。このような検出
器の１つが自己相関検出器であろう。もしフレームが有
声音であれば、式（17）ないし（20）は次のように解か
れる。
m1＝（１−ｚ）m1＋zd, （17） s1＝（１−ｚ）s1＋zd2, （18） k1＝s1−▲ｍ2 1▼ （19） ここでm1は有声音フレームに対する平均であり、k1は有
声音フレームに対する分散である。
フレームが無声音であると判別器205が宣言するであろ
う確率Pdは次式で計算される。
Pd＝（１−ｚ）Pd． （20） Pdは最初0.5に設定されるのが好ましい。
もしフレームが無声音ならば、式（21）ないし（24）は
次のように解かれる。
m0＝（１−ｚ）m0＋zd （21） s0＝（１−ｚ）s0＋zd2, （22） k0＝s0−▲ｍ2 0▼・ （23） フレームが無声音であると判別器205が宣言するであろ
う確率Pdは次式で計算される。
Pd＝（１−ｚ）Pd＋z. （24） 式（16）ないし（22）を計算した後に距離尺度すなわち
メリット値が次のように計算される。
式（25）はホテリング（Hotelling）の２サンプルT2統
計を用いて距離尺度を計算する。式（25）に対して、メ
リット値が大きくなればなるほど分離は大きくなる。し
かしながら他のメリット値は、メリット値が小さくなれ
ばなるほど分離が大きくなるところに存在する。好まし
くは距離尺度は次式で与えられるマハラノビス距離であ
ってよい。
好ましくは第３の方法は次式で与えられる。
好ましくは距離尺度を計算するための第４の方法は次式
で示される。
A2＝ａ′（vn−un） （28） 識別検出器102は、もしａ′Ｘ＋ｂ＞０ならば有声音フ
レームを指示する情報を通路107を介してマルチプレク
サ105に伝送することにより無声音／有声音判別を行
う。もしこの条件が真でなければ、このときは検出器10
2は無声音フレームを指示する。検出器102により使用さ
れるベクトルａおよびスカラーｂに対する値は好ましい
ことに統計的有声音検出器103に対するａおよびｂの初
期値と同一である。
検出器102は、式（16）ないし（28）に与えられるもの
と類似の計算を実行することにより発生器206に類似の
方法で距離尺度を決定する。
第３図および第４図は第２図の統計的有声音検出器103
により実施される操作を流れ図の形式でさらに詳細に示
す。ブロック302および300はそれぞれ第２図のブロック
202および201を実行する。ブロック304ないし318は統計
的計算器203を実行する。ブロック320および322は重み
計算器204を実行し、ブロック326ないし338は第２図の
ブロック205を実行する。第２図の発生器206はブロック
340により実行される。減算器207はブロック308または
ブロック324により実行される。
ブロック302は現フレームとそれ以前の全てのフレーム
とに対する類別子の平均を示すベクトルを計算する。ブ
ロック300は現フレーム内には音声が存在するか否かま
たは沈黙が存在するかを判別する。そしてもし現フレー
ム内に沈黙が存在すれば、制御が判別ブロック326に引
渡される前にブロック324により各類別子から各類別子
に対する平均が差引かれる。しかしながらもし現フレー
ム内に音声が存在すれば、このときはブロック304ない
し322により統計的計算および重み計算が実行される。
まず第１番目にブロック302において平均ベクトルが求
められる。第２番目にブロック304において二乗および
積の和のマトリックスが計算される。次にブロック306
において、現フレームおよび過去のフレームに対する類
別子の平均を示すベクトルＸと共に後者のマトリックス
が使用されて共分散マトリックスＴを計算する。次にブ
ロック308において類別子ベクトルxnからＸが差引かれ
る。
次にブロック310は、現在の重みベクトルａ、現在のし
きい値ｂおよび現フレームに対する類別子ベクトルxnと
を利用することにより、現フレームが無声音である確率
を計算する。現フレームが無声音であるという確率を計
算した後に、ブロック312により現フレームが有声音で
ある確率が計算される。次にブロック314によりあるフ
レームが無声音であろうという総合確率pnが計算され
る。
ブロック316及び318は２つのベクトルｕ及びｖを計算す
る。ベクトルｕの中に含まれる値は、もしそのフレーム
が無声音であったならば各類別子がもつであろう統計的
平均値を表わす。一方ベクトルｖは、もしそのフレーム
が有声音であったならば各類別子がもつであろう統計的
平均値を表わす値を含む。現フレームおよびそれ以前の
フレームに対する類別子の実際の値はベクトルｕまたは
ベクトルｖのまわりにクラスタ（集団化）される。もし
これらのフレームが無声音であることがわかると、それ
以前のフレームおよび現フレームに対する類別子を表わ
すベクトルはベクトルｕのまわりにクラスタされ；そう
でなければそれ以前の類別子ベクトルはベクトルｖの回
りにクラスタされる。
ブロック316および318を実施した後に制御は判別ブロッ
ク320に引渡される。もしＮが99より大であれば制御は
ブロック322に引渡され；そうでなければ制御はブロッ
ク326に引渡される。制御を受取ると、ブロック322は次
に新しい重みベクトルａおよび新しいしきい値ｂを計算
する。ベクトルａおよび値ｂは次に続くフレーム内で第
３図内のそれに先行するブロックにより使用される。好
ましくは、もしＮが無限大より大であることが要求され
るならば、ベクトルａおよびスカラーｂは決して変えら
れないで、検出器103はブロック326ないし338内に示す
ようにベクトルｖおよびｕにのみ応答して適応するであ
ろう。
ブロック326ないし338は第２図のu/v判別器205を実行す
る。ブロック326は現フレームのベクトルｖのパワー項
（power term）がベクトルｕのパワー項以上か否かを判
別する。もしこの条件が真であれば、このときは判別ブ
ロック328が実行される。後者の判別ブロックは、テス
トにより有声音かまたは無声音かを判別する。もしブロ
ック328の判別においてフレームが有声音であることが
わかると、このときフレームはブロック330により有声
音として表示され、そうでなければフレームはブロック
332により無声音として表示される。もしベクトルｖの
パワー項が現フレームに対するベクトルｕの出力項より
小であるならば、ブロック334ないし338の機能が実行さ
れ同様に機能する。最後にブロック340が距離尺度を計
算する。
第５図は第４図のブロック340により実行される動作を
流れ図の形でさらに詳細に示す。判別ブロック501は、
ブロック330、332、336または338の結果を調べることに
よりフレームが無声音と指示されたかまたは有声音と指
示されたかを判別する。もしフレームが有声音と指定さ
れたならば通路507が選択される。ブロック510は確率Pd
を計算し、ブロック502は有声音フレームに対する平均m
1を再計算し、およびブロック503は有声音フレームに対
する分散k1を再計算する。もしフレームが無声音と判別
されたならば判別ブロック501は通路508を選択する。ブ
ロック509は確率Pdを再計算し、およびブロック504は無
声音フレームに対する平均m0を再計算し、およびブロッ
ク505は無声音フレームに対する分散k0を再計算する。
最後にブロック506は指示された計算を実行することに
より距離尺度を計算する。
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭61−48898（ＪＰ，Ａ) 特開 昭60−200300（ＪＰ，Ａ) 特開 昭60−114900（ＪＰ，Ａ) ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃ ｈ，ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓ ｓｉｎｇ Ｖｏｌ．ＡＳＳＰ−24，Ｎｏ. ３，Ｊｕｎｅ 1976，Ｐ．201−212

Claims (23)

    【特許請求の範囲】
  1. 【請求項１】有声、無声または無音のうちのいずれかで
    ある非トレーニングセット音声フレームの有声判別を実
    行し表示する複数の検出手段を有する有声判定装置にお
    いて、 各検出手段が、現在および過去のフレームの有声判別領
    域と無声判別領域との間の分離を定義するメリット値を
    計算する計算手段を有し、 前記装置は、最良のメリット値を計算した検出手段（以
    下「最良検出手段」という。）を選択し、現在のフレー
    ムの有声判別を表示する手段をさらに有することを特徴
    とする有声判定装置。
  2. 【請求項２】各検出手段の計算手段が前記メリット値を
    決定するために統計的計算を実行することを特徴とする
    請求項１の装置。
  3. 【請求項３】前記統計的計算が距離尺度の計算であるこ
    とを特徴とする請求項２の装置。
  4. 【請求項４】前記計算手段が、 現在および過去の各フレームの識別変数を決定する手段
    と、 現在および過去の有声フレームの平均値を決定する手段
    と、 現在および過去の有声フレームの分散値を決定する手段
    と、 現在および過去の無声フレームの平均値を決定する手段
    と、 現在および過去の無声フレームの分散値を決定する手段
    と、 決定された有声フレームの平均値および分散値ならびに
    決定された無声フレームの平均値および分散値からメリ
    ット値を決定するメリット値決定手段とを有することを
    特徴とする請求項２の装置。
  5. 【請求項５】前記メリット値決定手段が、 前記分散値の和を求める手段と、 前記分散値の重みつき和を計算する重みつき和計算手段
    と、 前記有声フレームの平均値から前記無声フレームの平均
    値を差引く手段と、 差引かれた値を二乗する手段と、 前記重みつき和を前記二乗された値で除し、この除算結
    果から前記メリット値を発生する除算手段とからなるこ
    とを特徴とする請求項４の装置。
  6. 【請求項６】前記重みつき和計算手段が、 前記最良検出手段が現在のフレームが有声フレームであ
    ると表示する第１の確率を計算する手段と、 前記最良検出手段が現在のフレームが無声フレームであ
    ると表示する第２の確率を計算する手段と、 前記現在および過去の有声フレームの分散値に前記第１
    確率を乗じ、前記現在および過去の無声フレームの分散
    値に前記第２確率を乗ずる手段と、 この乗算の結果から前記重みつき和を形成する手段とか
    らなることを特徴とする請求項５の装置。
  7. 【請求項７】前記除算手段が、前記メリット値を発生す
    るために、前記除算結果に前記第１および第２の確率を
    乗ずる手段を有することを特徴とする請求項６の装置。
  8. 【請求項８】前記検出手段が、 前記現在のフレームの音声属性を定義する類別子のセッ
    トに応答して統計的パラメータのセットを計算する統計
    的パラメータセット計算手段と、 計算されたパラメータのセットに応答して前記類別子の
    それぞれに対応する重みを計算する重みセット計算手段
    と、 計算された重みおよび類別子のセットならびに前記パラ
    メータのセットに応答して前記現在のフレームの有声判
    別を実行する手段とをさらに有することを特徴とする請
    求項７の装置。
  9. 【請求項９】前記重みセット計算手段が、 前記パラメータのセットに応答してしきい値を計算する
    手段と、 前記重みのセットおよび前記しきい値を前記統計的パラ
    メータセット計算手段に通知する手段とからなり、 前記統計的パラメータセット計算手段は、通知された重
    みのセットおよび前記現在のフレームとは異なるフレー
    ムの音声属性を定義する類別子のセットにも応答するこ
    とを特徴とする請求項８の装置。
  10. 【請求項１０】有声、無声または無音のうちのいずれか
    である非トレーニングセット音声フレームに対して、 現在および過去のフレームに対する有声判別領域と無声
    判別領域との間の分離の程度を表す第１の一般化距離値
    を計算し、現在のフレームが有声フレームであることを
    表示する第１の信号を発生する第１の手段と、 現在および過去のフレームに対する有声判別領域と無声
    判別領域との間の分離の程度を表す第２の一般化距離値
    を計算し、現在のフレームが有声フレームであることを
    表示する第２の信号を発生する第２の手段と、 前記第１一般化距離値が前記第２一般化距離値より良い
    ときに前記第１信号を選択し、前記第２一般化距離値が
    前記第１一般化距離値より良いときに前記第２信号を選
    択する手段とからなることを特徴とする有声判定装置。
  11. 【請求項１１】前記一般化距離値がマハラノビス距離値
    であることを特徴とする請求項10の装置。
  12. 【請求項１２】前記第１手段が、 フレームの音声属性を定義する類別子のセットに応答し
    て統計的パラメータのセットを計算する手段と、 計算されたパラメータのセットに応答して前記類別子の
    それぞれに対応する重みを計算する手段と、 計算された重みおよび類別子のセットならびに前記パラ
    メータのセットに応答して前記現在のフレームが有声フ
    レームであると判定する手段とをさらに有することを特
    徴とする請求項11の装置。
  13. 【請求項１３】前記第１手段が、前記計算されたパラメ
    ータのセットおよび前記計算された重みのセットに応答
    して前記第１一般化距離値を決定する手段を有すること
    を特徴とする請求項12の装置。
  14. 【請求項１４】前記第２手段が識別有声音検出器である
    ことを特徴とする請求項13の装置。
  15. 【請求項１５】前記第２手段が、 現在および過去の有声フレームの平均値を決定する手段
    と、 現在および過去の有声フレームの分散値を決定する手段
    と、 現在および過去の無声フレームの平均値を決定する手段
    と、 現在および過去の無声フレームの分散値を決定する手段
    と、 決定された有声フレームの平均値および分散値ならびに
    決定された無声フレームの平均値および分散値から前記
    第２一般化距離値を決定する第２一般化距離値決定手段
    とを有することを特徴とする請求項14の装置。
  16. 【請求項１６】前記第２一般化距離値決定手段が、 前記分散値の重みつき和を計算する手段と、 前記有声フレームの平均値から前記無声フレームの平均
    値を差引く手段と、 差引かれた値を二乗する手段と、 前記分散値の重みつき和を前記二乗された値で除し、こ
    れにより前記第２一般化距離値を発生する手段とからな
    ることを特徴とする請求項15の装置。
  17. 【請求項１７】非トレーニングセット音声フレームの有
    声判別を実行し表示する第１および第２の有声音検出器
    を使用する有声判定方法において、 現在および過去のフレームの有声判別領域と無声判別領
    域との間の分離を定義する第１のメリット値を前記第１
    有声音検出器により計算するステップと、 現在および過去のフレームの有声判別領域と無声判別領
    域との間の分離を定義する第２のメリット値を前記第２
    有声音検出器により計算するステップと、 前記第１メリット値が前記第２メリット値より良いとき
    有声判別を表示するために前記第１有声音検出器を選択
    し、前記第２メリット値が前記第１メリット値より良い
    とき有声判別を表示するために第２有声音検出器を選択
    するステップとからなることを特徴とする有声判別方
    法。
  18. 【請求項１８】前記第１および第２のメリット値を計算
    するステップがそれぞれ前記第１および第２のメリット
    値をそれぞれ決定するために統計的計算を実行するステ
    ップを有することを特徴とする請求項17の方法。
  19. 【請求項１９】前記統計的計算が距離尺度の計算である
    ことを特徴とする請求項18の方法。
  20. 【請求項２０】前記第１メリット値を計算するステップ
    が、 現在および過去の各フレームの識別変数を決定するステ
    ップと、 現在および過去の有声フレームの平均値を決定するステ
    ップと、 現在および過去の有声フレームの分散値を決定するステ
    ップと、 現在および過去の無声フレームの平均値を決定するステ
    ップと、 現在および過去の無声フレームの分散値を決定するステ
    ップと、 決定された有声フレームの平均値および分散値ならびに
    決定された無声フレームの平均値および分散値から前記
    第１メリット値を決定するステップとからなることを特
    徴とする請求項18の方法。
  21. 【請求項２１】前記第１メリット値を決定するステップ
    が、 前記分散値の和を求めるステップと、 前記分散値の重みつき和を計算するステップと、 前記有声フレームの平均値から前記無声フレームの平均
    値を差引くステップと、 差引かれた値を二乗するステップと、 前記分散値の重みつき和を前記二乗された値で除し、こ
    の除算結果から前記第１メリット値を発生する除算ステ
    ップとを有することを特徴とする請求項20の方法。
  22. 【請求項２２】前記重みつき和を計算するステップが、 前記第１有声音検出器が現在のフレームが有声フレーム
    であると表示する第１の確率を計算するステップと、 前記第１有声音検出器が現在のフレームが無声フレーム
    であると表示する第２の確率を計算するステップと、 前記現在および過去の有声フレームの分散値に前記第１
    確率を乗じ、前記現在および過去の無声フレームの分散
    値に前記第２確率を乗ずるステップと、 この乗算の結果から前記重みつき和を形成するステップ
    とからなることを特徴とする請求項21の方法。
  23. 【請求項２３】前記除算ステップが、前記第１メリット
    値を発生するために、前記除算結果に前記第１および第
    ２の確率を乗ずるステップを有することを特徴とする請
    求項22の方法。
JP63501560A 1987-04-03 1988-01-11 有声判定装置および有声判定方法 Expired - Fee Related JPH0795238B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US3429787A 1987-04-03 1987-04-03
US34,297 1987-04-03
PCT/US1988/000123 WO1988007740A1 (en) 1987-04-03 1988-01-11 Distance measurement control of a multiple detector system

Publications (2)

Publication Number Publication Date
JPH01502853A JPH01502853A (ja) 1989-09-28
JPH0795238B2 true JPH0795238B2 (ja) 1995-10-11

Family

ID=21875527

Family Applications (1)

Application Number Title Priority Date Filing Date
JP63501560A Expired - Fee Related JPH0795238B2 (ja) 1987-04-03 1988-01-11 有声判定装置および有声判定方法

Country Status (8)

Country Link
EP (1) EP0310636B1 (ja)
JP (1) JPH0795238B2 (ja)
AT (1) ATE80488T1 (ja)
CA (1) CA1336212C (ja)
DE (1) DE3874471T2 (ja)
HK (1) HK108993A (ja)
SG (1) SG59693G (ja)
WO (1) WO1988007740A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU696092B2 (en) * 1995-01-12 1998-09-03 Digital Voice Systems, Inc. Estimation of excitation parameters
JP3670217B2 (ja) * 2000-09-06 2005-07-13 国立大学法人名古屋大学 雑音符号化装置、雑音復号装置、雑音符号化方法および雑音復号方法
JP4517045B2 (ja) 2005-04-01 2010-08-04 独立行政法人産業技術総合研究所 音高推定方法及び装置並びに音高推定用プラグラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60114900A (ja) * 1983-11-25 1985-06-21 松下電器産業株式会社 有音・無音判定法
JPS60200300A (ja) * 1984-03-23 1985-10-09 松下電器産業株式会社 音声の始端・終端検出装置
JPS6148898A (ja) * 1984-08-16 1986-03-10 松下電器産業株式会社 音声の有声無声判定装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＡｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ，ａｎｄＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇＶｏｌ．ＡＳＳＰ−２４，Ｎｏ．３，Ｊｕｎｅ１９７６，Ｐ．２０１−２１２

Also Published As

Publication number Publication date
EP0310636B1 (en) 1992-09-09
DE3874471T2 (de) 1993-02-25
SG59693G (en) 1993-07-09
EP0310636A1 (en) 1989-04-12
AU602957B2 (en) 1990-11-01
CA1336212C (en) 1995-07-04
AU1242988A (en) 1988-11-02
HK108993A (en) 1993-10-22
WO1988007740A1 (en) 1988-10-06
ATE80488T1 (de) 1992-09-15
DE3874471D1 (de) 1992-10-15
JPH01502853A (ja) 1989-09-28

Similar Documents

Publication Publication Date Title
EP1083541B1 (en) A method and apparatus for speech detection
US8428945B2 (en) Acoustic signal classification system
EP0691022B1 (en) Speech recognition with pause detection
US6314396B1 (en) Automatic gain control in a speech recognition system
HK135896A (en) Voice activity detection
US5046100A (en) Adaptive multivariate estimating apparatus
US5007093A (en) Adaptive threshold voiced detector
US4972490A (en) Distance measurement control of a multiple detector system
Silsbee Sensory integration in audiovisual automatic speech recognition
CA1337708C (en) Adaptive multivariate estimating apparatus
JP2797861B2 (ja) 音声検出方法および音声検出装置
EP0310636B1 (en) Distance measurement control of a multiple detector system
US7292981B2 (en) Signal variation feature based confidence measure
JPH0795239B2 (ja) 音声フレーム中の基本周波数の存在を検出する装置および方法
AU612737B2 (en) A phoneme recognition system
CN121596351B (zh) 基于声纹识别与麦克风阵列的无人机探测方法及系统
US20240013803A1 (en) Method enabling the detection of the speech signal activity regions
Yamazaki et al. An objective method for evaluating the quality of speech with code errors using pattern matching techniques
JPH0455520B2 (ja)

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees