JPH0814760B2 - スペクトル正規化装置 - Google Patents
スペクトル正規化装置Info
- Publication number
- JPH0814760B2 JPH0814760B2 JP63029677A JP2967788A JPH0814760B2 JP H0814760 B2 JPH0814760 B2 JP H0814760B2 JP 63029677 A JP63029677 A JP 63029677A JP 2967788 A JP2967788 A JP 2967788A JP H0814760 B2 JPH0814760 B2 JP H0814760B2
- Authority
- JP
- Japan
- Prior art keywords
- spectrum
- straight line
- frequency
- approximate straight
- unit
- 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 - Lifetime
Links
- 238000001228 spectrum Methods 0.000 title claims description 46
- 238000010606 normalization Methods 0.000 claims description 14
- 238000010183 spectrum analysis Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 9
- 230000009021 linear effect Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
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などの前処理に用いられる音声
スペクトルの正規化に関する。
スペクトルの正規化に関する。
（従来の技術） 雑音下で発声された音声の認識は非常に困難である。
これは音声が雑音によりマスクされるだけでなく、1911
年にロンバード（Lombard）によって示されたロンバー
ト効果による発声自身の変形があるためである。ロンバ
ード効果は雑音により発声が発声者自身に取って聞き取
り辛くなるために、発声者がより大きく、より明瞭に発
声しようとするために生じる。同一話者が静かな環境と
高雑音下において発声した母音/a/のスペクトルを第２
図に示す。第２図において実線は静かな環境において発
声された音声のスペクトルであり、点線は高雑音下にお
いて発声された音声のスペクトルである。第２図に示す
ように高雑音下において発声された場合は全体のエネル
ギーの上昇だけでなくそのスペクトルの概形も変化す
る。
これは音声が雑音によりマスクされるだけでなく、1911
年にロンバード（Lombard）によって示されたロンバー
ト効果による発声自身の変形があるためである。ロンバ
ード効果は雑音により発声が発声者自身に取って聞き取
り辛くなるために、発声者がより大きく、より明瞭に発
声しようとするために生じる。同一話者が静かな環境と
高雑音下において発声した母音/a/のスペクトルを第２
図に示す。第２図において実線は静かな環境において発
声された音声のスペクトルであり、点線は高雑音下にお
いて発声された音声のスペクトルである。第２図に示す
ように高雑音下において発声された場合は全体のエネル
ギーの上昇だけでなくそのスペクトルの概形も変化す
る。
スペクトル概形の補正方法としては不特定話者の音声
認識を目的とした三輪らの“音声認識のための話者正規
化の検討”、日本音響学会講演論文集３−２−１、pp.5
77−578、1979年６月（以下、文献１と呼ぶ）がある。
認識を目的とした三輪らの“音声認識のための話者正規
化の検討”、日本音響学会講演論文集３−２−１、pp.5
77−578、1979年６月（以下、文献１と呼ぶ）がある。
第３図を用いて文献１によるスペクトル正規化法を説
明する。入力端子200に音声が入力されたとする。スペ
クトル分析部201は信号線210より音声を受け取り、帯域
フイルタ群（29チャンネル、中心周波数250kHz〜6300H
z、1/6オクターブ間隔、Ｑ＝６、広域強調無し）により
分析を行い振幅、周波数とも対数で表現された音声スペ
クトル｛Ｓ（ｎ）、ｎ＝１、29｝を10ms毎に信号線211
および信号線212へ出力する。近似直線計算部202は信号
線212より音声スペクトルを受け取り最小２乗誤差を与
える近似直線Ｎ（ｎ）＝ａ×ｎ＋ｂを計算し、係数ａ、
ｂを信号線213へ出力する。スペクトル正規化部203は信
号線211より音声スペクトルを信号線213より近似直線の
係数を受け取り正規化スペクトル｛SN（ｎ）、ｎ＝１、
29｝をSN（ｎ）＝Ｓ（ｎ）−ａ×ｎ−ｂとして計算し信
号線214を介して出力端子204へ出力する。
明する。入力端子200に音声が入力されたとする。スペ
クトル分析部201は信号線210より音声を受け取り、帯域
フイルタ群（29チャンネル、中心周波数250kHz〜6300H
z、1/6オクターブ間隔、Ｑ＝６、広域強調無し）により
分析を行い振幅、周波数とも対数で表現された音声スペ
クトル｛Ｓ（ｎ）、ｎ＝１、29｝を10ms毎に信号線211
および信号線212へ出力する。近似直線計算部202は信号
線212より音声スペクトルを受け取り最小２乗誤差を与
える近似直線Ｎ（ｎ）＝ａ×ｎ＋ｂを計算し、係数ａ、
ｂを信号線213へ出力する。スペクトル正規化部203は信
号線211より音声スペクトルを信号線213より近似直線の
係数を受け取り正規化スペクトル｛SN（ｎ）、ｎ＝１、
29｝をSN（ｎ）＝Ｓ（ｎ）−ａ×ｎ−ｂとして計算し信
号線214を介して出力端子204へ出力する。
（発明が解決しようとする問題点） しかしながら、従来のスペクトル正規化法は声道長の
個人差に帰因する影響を補正しようとするものであり、
対数周波数軸に対して線形な影響を正規化することを目
的とした方法である。しかし、第２図に示したようにロ
ンバード効果は2.5kHz〜4kHzにおけるエネルギーの顕著
な上昇として現れており、その影響は対数周波数軸に対
して非線形である。したがって、従来の１次近似式では
十分に近似することはできない。
個人差に帰因する影響を補正しようとするものであり、
対数周波数軸に対して線形な影響を正規化することを目
的とした方法である。しかし、第２図に示したようにロ
ンバード効果は2.5kHz〜4kHzにおけるエネルギーの顕著
な上昇として現れており、その影響は対数周波数軸に対
して非線形である。したがって、従来の１次近似式では
十分に近似することはできない。
（発明の構成） 本発明は入力された音声を分析しスペクトルを計算す
るスペクトル分析部と、前記スペクトルの最大値を与え
る周波数を求める分割周波数決定部と、前記スペクトル
を前記周波数により分割し、分割されたスペクトル内に
おいてそれぞれ近似直線を求めるに際して前記分割周波
数において前記近似直線が連続となるように近似直線を
計算する近似直線計算部と、前記スペクトルを前記近似
直線により正規化するスペクトル正規化部とから構成さ
れることを特徴とする。
るスペクトル分析部と、前記スペクトルの最大値を与え
る周波数を求める分割周波数決定部と、前記スペクトル
を前記周波数により分割し、分割されたスペクトル内に
おいてそれぞれ近似直線を求めるに際して前記分割周波
数において前記近似直線が連続となるように近似直線を
計算する近似直線計算部と、前記スペクトルを前記近似
直線により正規化するスペクトル正規化部とから構成さ
れることを特徴とする。
（作用） ロンバード効果は周波数領域におけるエネルギーの上
昇が対数周波数軸に対して線形ではなく、2.5〜4kHzで
のエネルギーの顕著な上昇として現れる。したがって、
ロンバード効果は従来のようにスペクトルの１次近似直
線で正規化することはできない。
昇が対数周波数軸に対して線形ではなく、2.5〜4kHzで
のエネルギーの顕著な上昇として現れる。したがって、
ロンバード効果は従来のようにスペクトルの１次近似直
線で正規化することはできない。
そこで、本発明はスペクトルの最大値を与える周波数
においてスペクトルを分割し、分割されたスペクトル毎
に１次近似直線を求める際に、分割点においてそれら１
次近似直線が連続となるように１次近似直線を求め、ス
ペクトルの正規化を行うものである。
においてスペクトルを分割し、分割されたスペクトル毎
に１次近似直線を求める際に、分割点においてそれら１
次近似直線が連続となるように１次近似直線を求め、ス
ペクトルの正規化を行うものである。
いま、音声から得られたスペクトルをＳ（ω）とす
る。このスペクトルＳ（ω）より最大値を与える周波数
ωｃを求める。
る。このスペクトルＳ（ω）より最大値を与える周波数
ωｃを求める。
ωｃ＝argmax｛Ｓ（ω）｝ ここでωｃ＝argmax｛ ｝はＳ（ω）を最大にする周波
数を返すものとする。
数を返すものとする。
求められた周波数ωｃにおいてＳ（ω）を｛S1
（ω）、ω＜ωｃ｝と｛S2（ω、ω≧ωｃ｝に分割す
る。分割したS1（ω）、S2（ω）ごとに近似直線N1
（ω）＝a1×ω＋b1、N2（ω）＝a2×ω＋b2を求める。
但し、分割点において不連続とならないよう条件 a1×ωｃ＋b1＝a2×ωｃ＋b2 （１） を加える。係数a1、a2、b1、b2はこの条件式および２乗
誤差 ε＝∫｛S1（ω）−N1（ω）｝2ｄω＋∫｛S2（ω）−N
2（ω）｝2 （２） を最小化する条件により求められる。
（ω）、ω＜ωｃ｝と｛S2（ω、ω≧ωｃ｝に分割す
る。分割したS1（ω）、S2（ω）ごとに近似直線N1
（ω）＝a1×ω＋b1、N2（ω）＝a2×ω＋b2を求める。
但し、分割点において不連続とならないよう条件 a1×ωｃ＋b1＝a2×ωｃ＋b2 （１） を加える。係数a1、a2、b1、b2はこの条件式および２乗
誤差 ε＝∫｛S1（ω）−N1（ω）｝2ｄω＋∫｛S2（ω）−N
2（ω）｝2 （２） を最小化する条件により求められる。
正規化スペクトルSN（ω）は次式により与えられる。
このようにすることにより従来の最小２乗直線による
正規化では補正できなかったスペクトルの変形、すなわ
ち、ロンバード効果に見られる特定のある周波数を中心
にエネルギーが上昇するようなスペクトルの変形を正規
化することができる。
正規化では補正できなかったスペクトルの変形、すなわ
ち、ロンバード効果に見られる特定のある周波数を中心
にエネルギーが上昇するようなスペクトルの変形を正規
化することができる。
（実施例） 第１図に示すのは本発明の一実施例である。
入力端子100には音声が入力されたとする。
スペクトル分析部101は信号線110より音声を受け取
り、音声スペクトルＳ（ω）を計算する。スペクトル分
析部の例は文献１に示されている。
り、音声スペクトルＳ（ω）を計算する。スペクトル分
析部の例は文献１に示されている。
分割周波数決定部105は信号線118よりスペクトルＳ
（ω）を受け取り、Ｓ（ω）の最大値を与える周波数ω
ｃを信号線117に出力する。
（ω）を受け取り、Ｓ（ω）の最大値を与える周波数ω
ｃを信号線117に出力する。
近似直線計算部102は信号線111により音声スペクトル
Ｓ（ω）を信号線117よりωｃを受け取り、ωｃにより
Ｓ（ω）をS1（ω）、S2（ω）に分割し、S1（ω）、S2
（ω）毎に１次近似直線N1（ω）＝a1×ω＋b1、N2
（ω）＝a2×ω＋b2を（１）式の条件のもとで（２）式
を最小にするよう係数a1、a2、b1、b2、をもとめ、信号
線112へ係数a1、a2、b1、b2、およびωｃを出力する。
ωｃとしては例えばロンバード効果の正規化ならば2.5
〜4kHzにスペクトルの上昇の中心が存在するので2.5〜4
kHz内の周波数を選べばよい。
Ｓ（ω）を信号線117よりωｃを受け取り、ωｃにより
Ｓ（ω）をS1（ω）、S2（ω）に分割し、S1（ω）、S2
（ω）毎に１次近似直線N1（ω）＝a1×ω＋b1、N2
（ω）＝a2×ω＋b2を（１）式の条件のもとで（２）式
を最小にするよう係数a1、a2、b1、b2、をもとめ、信号
線112へ係数a1、a2、b1、b2、およびωｃを出力する。
ωｃとしては例えばロンバード効果の正規化ならば2.5
〜4kHzにスペクトルの上昇の中心が存在するので2.5〜4
kHz内の周波数を選べばよい。
スペクトル正規化部103は信号線112より係数a1、a2、
b1、b2および分割周波数ωｃを、信号線113より音声ス
ペクトルＳ（ω）を受け取り正規化スペクトルSN（ω）
を として求め、信号線114を介して端子104出力する。
b1、b2および分割周波数ωｃを、信号線113より音声ス
ペクトルＳ（ω）を受け取り正規化スペクトルSN（ω）
を として求め、信号線114を介して端子104出力する。
（発明の効果） 以上のように本発明によるスペクトル正規化装置によ
れば周波数軸に対して非線形な影響を受けた音声スペク
トルであっても適切に正規化を行える。
れば周波数軸に対して非線形な影響を受けた音声スペク
トルであっても適切に正規化を行える。
第１図は本発明の一実施例、第２図、第３図は従来技術
の説明図である。 図において、100は入力端子、101はスペクトル分析部、
102は近似直線計算部、103はスペクトル正規化部、104
は出力端子、105は分割周波数決定部、200は入力端子、
201はスペクトル分析部、202は近似直線計算部、203は
スペクトル正規化部、204は出力端子である。
の説明図である。 図において、100は入力端子、101はスペクトル分析部、
102は近似直線計算部、103はスペクトル正規化部、104
は出力端子、105は分割周波数決定部、200は入力端子、
201はスペクトル分析部、202は近似直線計算部、203は
スペクトル正規化部、204は出力端子である。
Claims (1)
- 【請求項１】入力された音声を分析しスペクトルを計算
するスペクトル分析部と、前記スペクトルの最大値を与
える周波数を求める分割周波数決定部と、前記スペクト
ルを前記周波数により分割し、分割されたスペクトル内
においてそれぞれ近似直線を求めるに際して前記分割周
波数において前記近似直線が連続となるように近似直線
を計算する近似直線計算部と、前記スペクトルを前記近
似直線により正規化するスペクトル正規化部とから構成
されることを特徴とするスペクトル正規化装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63029677A JPH0814760B2 (ja) | 1988-02-09 | 1988-02-09 | スペクトル正規化装置 |
| US07/308,905 US5001761A (en) | 1988-02-09 | 1989-02-08 | Device for normalizing a speech spectrum |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63029677A JPH0814760B2 (ja) | 1988-02-09 | 1988-02-09 | スペクトル正規化装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0242495A JPH0242495A (ja) | 1990-02-13 |
| JPH0814760B2 true JPH0814760B2 (ja) | 1996-02-14 |
Family
ID=12282747
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63029677A Expired - Lifetime JPH0814760B2 (ja) | 1988-02-09 | 1988-02-09 | スペクトル正規化装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0814760B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4322372A1 (de) * | 1993-07-06 | 1995-01-12 | Sel Alcatel Ag | Verfahren und Vorrichtung zur Spracherkennung |
-
1988
- 1988-02-09 JP JP63029677A patent/JPH0814760B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0242495A (ja) | 1990-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2247364C (en) | Method and recognizer for recognizing a sampled sound signal in noise | |
| US5054085A (en) | Preprocessing system for speech recognition | |
| US12431160B2 (en) | Voice signal detection method, terminal device and storage medium | |
| US6701291B2 (en) | Automatic speech recognition with psychoacoustically-based feature extraction, using easily-tunable single-shape filters along logarithmic-frequency axis | |
| EP0248593A1 (en) | Preprocessing system for speech recognition | |
| JPH0797279B2 (ja) | 音声認識装置 | |
| JPH0814760B2 (ja) | スペクトル正規化装置 | |
| US5001761A (en) | Device for normalizing a speech spectrum | |
| JPH0814759B2 (ja) | スペクトル正規化装置 | |
| Dai et al. | An improved model of masking effects for robust speech recognition system | |
| Chougule et al. | Filter bank based cepstral features for speaker recognition | |
| JPH04369698A (ja) | 音声認識方式 | |
| Sigmund | Comparison of Different Kinds of Long-Time Spectra of Voice Estimated by Modified Linear Prediction to Distinguish Speakers | |
| JP3100180B2 (ja) | 音声認識方法 | |
| JPS6334477B2 (ja) | ||
| Andersson et al. | Cries and whispers: Acoustic effects of variations of vocal effort | |
| JPH0573090A (ja) | 音声認識方法 | |
| Paliwal et al. | Dynamic frequency warping for speaker adaptation in automatic speech recognition | |
| Jyotishi et al. | A novel feature for nasalised vowels and characteristic analysis of nasal filter | |
| JPH0627991A (ja) | 音声認識装置 | |
| JPH0675596A (ja) | スピーチおよび音響学的現象分析装置 | |
| JP2975808B2 (ja) | 音声認識装置 | |
| Gajic | Auditory based methods for robust speech feature extraction | |
| JPS61281300A (ja) | 音声認識装置 | |
| JPS6029796A (ja) | 音声認識装置 |