JPH0830294A - 音声認識装置及び方法 - Google Patents

Abstract

(57)【要約】 【目的】 入力音声の動的特徴量の推定を行うことによ
り、雑音下において、より精度の高い音声認識を行うこ
とが可能な音声認識装置を提供する。 【構成】 事前に、雑音のみを入力して雑音の静的特徴
量を抽出し（３０１）、この雑音の静的特徴量と予め用
意した音声のみの静的特徴量とを加え合せることにより
（３０２）、雑音混入音声の静的特徴量コードブック
（３０４）を作成する。次に、この静的特徴量コードブ
ック（３０４）と予め用意した音声のみの静的特徴量と
を用いて微分演算を行ない（４０３）、雑音混入音声の
全ての特徴量について、雑音混入音声の動的特徴量から
音声のみの動的特徴量への変換テーブル（４０５）を作
成する。音声認識時には、認識対象たる雑音混入音声を
入力して、一方において、入力音声の音声のみの静的特
徴量を算出する（３０３）と共に、他方において、入力
音声の動的特徴量に上記変換テーブル（４０５）を適用
することで音声のみの動的特徴量に変換する（４０４、
３０６）。こうして得た音声のみの静的及び動的特徴量
に基づいて認識処理を行なう。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、雑音特性が頻繁に変動
する環境下において、雑音に適応したモデルを随時作成
して音声認識を行う音声認識装置の改良に係るものであ
る。

【０００２】

【従来の技術】背景雑音の混入した音声は、雑音の無い
環境で発声された音声とはそこから抽出されるスペクト
ル等の音声認識に使用する特徴パラメータが異なる。従
って、雑音下において音声認識を行う際に高い識別率を
維持するためには、何らかの雑音除去処理を行うか、或
いはモデルの再作成等の適応化処理を行う必要がある。

【０００３】標準的な音声認識方式である離散分布型も
しくはSemi-Continuous型の隠れマルコフモデル（HMM）
等のコードブックを使用する手法では、特徴量をクラス
タリングして生成されるコードブックに対して、雑音を
含んだ音声でモデルを再生成してその写像を利用するこ
とにより雑音下において発声された音声を認識する装置
が知られている。

【０００４】また近年では、音声と雑音の夫々に対して
別個に隠れマルコフモデルを用意し、ＭＡＰ（maximum
a posteriori probability）推定もしくは音声特徴量で
あるケプストラムを線形スペクトル上で畳み込んで雑音
下ケプストラムを生成して認識する方法を用いた装置な
どがある。

【０００５】なお、従来の音声認識方法については、例
としてB.-H.Juang and L.R,Rabiner.“Signal restorat
ion by spectral mapping,”inProc.IEEE Int.Conf.Aco
ust.,Speech,Signal Process.,ICASSP87,pp.2368-2371,
Apr.1987、H.Gish,Y.-L.Chow and J.R.Rohlicek,“Prob
abilistic vector mapping of noisy speech parameter
s for HMM word spotting,”in Proc.IEEE Int.Cnf.Aco
ust.,Speech Signal Process.,ICASSP90,pp.117-120,Ap
r.1990、M.J.Gales,S.Young,"An Improved approach to
the Hidden Markov Model Decomposition of speech a
nd noise”,ICASSP92、S.F.Boll:IEEE Trans.ASSP-27,N
o2（1978）等に記載されている。

【０００６】

【発明が解決しようとする課題】ところで、音声認識に
使用される音声の特徴量には、入力された音声を複数個
のフレーム（連続的に繰り返される一定時間長の区間）
に分割し、これら各フレームを分析処理することによっ
て得られる静的特徴量と、この静的特徴量を時間微分す
ることによって得られる動的特徴量とがある。

【０００７】しかしながら、雑音下の音声認識に際して
は、上述した音声特徴量ケプストラムを線形スペクトル
上で重畳する方法を用いることによって静的特徴量の推
定を行うことができるが、静的特徴量を示すケプストラ
ムを時間微分することにより動的特徴量を示すデルタケ
プストラムを求める等の動的特徴量の推定を行うには、
上記静的特徴量の推定手法とは異なったアプローチが必
要である。

【０００８】このような事情により、上記従来の音声認
識方法では、静的特徴量の推定は行っていたが動的特徴
量の推定は行ってはいなかった。

【０００９】そのため、静的特徴量の推定では背景雑音
に起因する静的特徴量のズレには対応し得たとしても、
背景雑音に起因する動的特徴量のズレには対応できず、
雑音下における音声認識の精度のより一層の向上を図る
ことが困難であった。

【００１０】従って本発明の目的は、入力音声の動的特
徴量の推定を行うことにより、雑音下において、より精
度の高い音声認識を行うことが可能な音声認識装置を提
供することにある。

【００１１】

【課題を解決するための手段】本発明によれば、認識対
象となる雑音混入音声から静的特徴量と動的特徴量とを
演算して音声認識処理に渡すための装置であって、事前
に無音区間を入力して、この無音区間に含まれる雑音の
特徴量と、予め用意した音声のみの特徴量とに基づい
て、雑音混入音声の動的特徴量を音声のみの動的特徴量
に変換するための変換テーブルを作成する変換テーブル
作成手段と、音声認識時に認識対象となる雑音混入音声
を入力してその動的特徴量を求める手段と、求められた
雑音混入音声の動的特徴量に、事前に作成された変換テ
ーブルを適用することにより、入力された雑音混入音声
内の音声のみの動的特徴量を推定する手段とを備え、推
定された音声のみの動的特徴量を音声認識処理に渡すこ
とを特徴とする音声認識装置が提供される。

【００１２】また、本発明によれば、上記の音声認識装
置によって実行される動的特徴量の推定方法が提供され
る。

【００１３】

【作用】本発明では、無音区間に含まれる雑音の特徴量
を、入力音声に混入する雑音の推定特徴量と看做し、こ
の雑音の特徴量と予め用意してある音声のみの特徴量と
に基づいて、実際に入力される雑音混入音声の動的特徴
量を雑音を除いた音声のみの動的特徴量に変換するため
の変換テーブルを、事前に作成しておく。そして、音声
認識時には、入力された雑音混入音声から、その動的特
徴量をまず求め、ついで、この動的特徴量に上記変換テ
ーブルを施すことにより、音声のみの動的特徴量を推定
する。尚、静的特徴量に関しては、従来技術に基づい
て、音声のみの静的特徴量を求めることができる。こう
して、静的特徴量だけでなく動的特徴量についても、雑
音の影響を除いた音声のみの特徴量が得られ、結果とし
て、音声認識の精度が向上する。

【００１４】

【実施例】以下、本発明の実施例を、図面に基づき詳細
に説明する。

【００１５】始めに、本発明に関連する事項として、音
声の静的特徴量ケプストラムを推定する一般的な方法に
ついて説明する。

【００１６】認識対象となる音声に背景雑音等が混入し
た実際の雑音混入音声を音声認識のための入力とし、音
声認識のための処理過程において、上記雑音混入音声を
分析して得られた特徴量のケプストラムをCs+nとする。
ここで、雑音を含まない同一音声から得られるべき特徴
量のケプストラムをCsとする。

【００１７】このとき事後確率密度p（Cs｜Cs+n）、即
ち、条件Cs+nにおける事象Csの条件付き確率、を最大化
することを考える。この最大化の過程において、雑音混
入音声のケプストラムCs+nから雑音成分のケプストラム
を線形スペクトル上で減算し、この減算によって得られ
た差分を再度ケプストラムに変換することにより雑音を
含まない音声のケプストラムCsを推定できる。

【００１８】しかしながら、上記減算過程において、ス
ペクトル成分が負になる等の実際にはあり得ない現象が
発生し、そのため雑音なし音声ケプストラムCsの推定に
おいて大きな推定誤差を生じることがある。

【００１９】そこで、音声認識のための学習に使用する
音声データに対象となる雑音を付加することにより、雑
音を含まない音声で作成したコードブックとの対応をつ
けた雑音コードブックを予め作成し、この雑音コードブ
ックから上記雑音を含まない音声で作成したコードブッ
クへのマッピング（写像）を行って音声認識を行う方法
がある。他には、雑音を含まない音声のケプストラムCs
と雑音成分のケプストラムとを線形スペクトル上で加算
し、再度ケプストラムに変換する方法がある。

【００２０】図１は、音声（雑音を含まない音声及び雑
音混入音声の両方を指す。以下同じ）の静的特徴量と音
声の動的特徴量との関係を概念的に示したものである。

【００２１】音声の動的特徴量とは、一般に、音声の静
的特徴量を時間微分したものである。音声認識の場合、
入力音声の分析の単位は、フレームと称される一定時間
幅をもって連続する区間が基本となる。入力音声は、音
声認識のための処理過程において、複数個のフレーム
（フレームは、図１の横軸で示される）に分割され、夫
々のフレームを単位として分析処理が行われ、図１の符
号１０１で示す雑音無し音声（雑音を含まない音声）の
静的特徴量が算出される。音声認識のための処理過程に
おいて、音声の動的特徴量とは、上述したように音声の
静的特徴量を時間微分することによって得られるから、
上記動的特徴量は、過去と未来のフレームにおける音声
の静的特徴量が作る離散時系列（図１の線分ＡＢで示
す）の、横軸に対する傾きの値（図１の符号１０２で示
す）で示されることとなる。

【００２２】入力音声に雑音が付加されると、図１の符
号１０３で示すように雑音による影響が生じて、雑音無
し音声の静的特徴量１０１とは異なった値である雑音付
加音声の動的特徴量１０４が得られることになる。その
ため、雑音付加音声の静的特徴量が作る離散時系列（図
１の線分ＣＤで示す）の、横軸に対する傾きの値で示さ
れる雑音付加音声の動的特徴量も、符号１０５で示すよ
うに雑音無し音声のそれ１０２とは異なったものとなっ
てします。

【００２３】音声の静的特徴量に関しては、上記の様々
な手法を用いて雑音に適応するか、もしくは雑音の影響
を除去する試みがある。それらの音声の静的特徴量にお
ける試みに対して、本発明は音声の動的特徴量を適用す
る手法に関するものである。

【００２４】図２は、本発明を適用することのできる音
声認識装置の一実施例の全体構成を示す。

【００２５】この一般的な装置は、図示のように、入力
端子２０１、Ａ／Ｄ変換部２０２、音声区間検出部２０
３、フレーム分割部２０４、音響分析部２０５、音声認
識処理部２０６、出力端子２０７、特徴量コードブック
２０８及び認識辞書２０９を備える。

【００２６】マイクロホンや電話回線等から入力端子２
０１を介して入力された音声信号（アナログ信号）は、
Ａ／Ｄ変換部２０２で量子化される。この量子化サンプ
ルは、音声区間検出部２０３において音声区間と無音区
間とに分割される。更に、上記量子化サンプルは、フレ
ーム分割部２０４において複数個のフレームに分割さ
れ、音響分析部２０５に出力される。

【００２７】音響分析部２０５は、雑音無し静的特徴量
コードブック（図５において符号５０１で示す）と雑音
無し動的特徴量コードブック（図３において符号３０７
で示す）とからなる特徴量コードブック２０８を使用し
て、音声区間と無音区間の両区間に亘りフレーム分割部
２０４から出力される各フレーム毎に音声の静的特徴量
及び音声の動的特徴量を抽出する。

【００２８】音響分析部２０５によって抽出された音声
の静的特徴量及び音声の動的特徴量は、音声認識処理部
２０６に出力される。これら両特徴量は、音声認識処理
部２０６において認識辞書２０９と対照されて音声認識
処理が行われ、この処理によって得られた認識結果が、
出力端子２０７から出力されることとなる。

【００２９】図３は、この音声認識装置の音響分析部２
０５として一般的に採用されている構成を示す。

【００３０】音響分析部２０５の一般的構成は、図示の
ように、特徴量抽出部３０１、雑音混入静的特徴量生成
部３０２、静的特徴量量子化処理部３０３、雑音混入静
的特徴量コードブック３０４、デルタ特徴量抽出部３０
５、動的特徴量量子化処理部３０６、雑音無し動的特徴
量コードブック３０７及び複数個の遅延処理部３０８を
備える。

【００３１】この構成において、音声区間の特徴量を抽
出するに先立ち、まず、図１に示したフレーム分割部２
０４から雑音区間を特徴量抽出部３０１を通して入力
し、雑音混入静的特徴量生成部３０２において、上記雑
音区間に基づき、雑音混入静的特徴量コードブック３０
４を予め生成し保存しておく。

【００３２】次に、フレーム分割部２０４から認識対象
の音声（雑音混入音声）を１フレーム単位で入力し、特
徴量抽出部３０１においてLPC（LPC:Linear Predictive
Coding）分析等の処理を施すことによって上記認識対
象音声の静的特徴量を得る。この静的特徴量は連続量で
あるので、音声認識処理部２０６における計算量を削減
するために、静的特徴量量子化処理部３０３において雑
音混入静的特徴量コードブック３０４を用いて量子化さ
れた静的特徴量に変換する。この量子化された静的特徴
量は、静的特徴量量子化処理部３０３から図１に示した
音声認識処理部２０６に出力される。

【００３３】一方、上記連続量としての特徴量は、特徴
量抽出部３０１から各遅延処理部３０８に出力され、各
々の遅延処理部３０８において数フレーム分遅延処理を
施されて保存される（図中左端の遅延処理部３０８には
現在のフレームが、右の遅延処理部３０８に向かうに従
ってより以前のフレームが保存される）。デルタ特徴量
抽出部３０５では、各々の遅延処理部３０８から出力さ
れるフレームを用いて上記認識対象音声（雑音混入音
声）の動的特徴量を算出する。この動的特徴量は、デル
タ特徴量抽出部３０５から動的特徴量量子化処理部３０
６に出力される。この動的特徴量もまた連続量であるた
め、動的特徴量量子化処理部３０６において、予め用意
された雑音無し動的特徴量コードブック３０７（即ち、
動的特徴量用の辞書）を用いて量子化された動的特徴量
に変換する。この動的特徴量は、動的特徴量量子化処理
部３０３から図１の音声認識処理部２０６に出力され、
音声認識処理部２０６において上記静的特徴量量子化処
理部３０３から出力された静的特徴量とともに音声認識
処理が施されることとなる。

【００３４】図４は、図１の音声認識装置の音響分析部
２０５に本発明を適用した一実施例の構成を示す。

【００３５】本実施例に係る音響分析部２０５は、図３
に示した一般的構成に加えて、更に、動的特徴量変換テ
ーブル生成部４０３、ベクトル変換部４０４及び動的特
徴量変換テーブル４０５を備える。これらの要素を追加
することにより、背景雑音に起因して入力音声の動的特
徴量にズレが生じた場合に、そのズレをベクトル変換部
４０４において補正することによって雑音を含まない音
声の動的特徴量を推定することができる。その結果、音
声認識の精度のより一層の向上を図ることが可能とな
る。なお、図４において、図３に示した物と同一物には
同一符号を付した。

【００３６】ベクトル変換部４０４は、入力音声を分析
して得られる音声の動的特徴量をベクトル変換するため
に、動的特徴量変換テーブル４０５を必要とする。この
動的特徴量変換テーブル４０５は、音声入力が開始され
る以前に、雑音混入静的特徴量生成部３０２による雑音
混入静的特徴量コードブック３０４の生成に次いで、動
的特徴量変換テーブル生成部４０３により生成される。

【００３７】次に、本実施例をより詳細に説明する。ま
ず、雑音混入静的特徴量生成部３０２について説明す
る。

【００３８】図５は、雑音混入静的特徴量生成部３０２
の詳細を示す。

【００３９】雑音混入静的特徴量生成部３０２は、図示
のように、雑音なし静的コードブック５０１特徴量取出
部５０２、cosine変換部５０３、線形変換部５０４、加
算部５０５、対数変換部５０６、逆cosine変換部５０
７、特徴量格納部５０８及び雑音スペクトル生成部５０
９を備える。

【００４０】始めに、特徴量抽出部３０１から出力され
た、音声の発声前、又は発声後等の無音区間（雑音のみ
の区間）が、雑音スペクトル生成部５０９により分析さ
れて雑音パワースペクトルΦnが算出され、これが雑音
パワースペクトルの推定値とされる。

【００４１】次に、予め用意された雑音無し静的特徴量
コードブック５０１中から、ケプストラムの状態で格納
されている雑音無し音声の静的特徴量が、１個だけ取り
出される。この静的特徴量は、ケプストラムの状態から
線形パワースペクトルの状態に変換するために、cosine
変換部５０３においてcosine変換された後、線形変換部
５０４において線形変換が施される。

【００４２】ここで、雑音無し音声のケプストラムCsと
雑音無し音声の線形パワースペクトルΦsとの関係は、
下記の（２）式で示される。

【００４３】Φs＝exp（Cos（Cs））…………（1） ここに、Cos()はcosine変換を表す。

【００４４】上記（１）式によって算出された線形パワ
ースペクトルΦsは、加算部５０５において、雑音スペ
クトル生成部５０９から出力された雑音パワースペクト
ルΦnと加算されることによって雑音混入音声のスペク
トルが合成される。このスペクトルは、対数変換部５０
６及び逆cosine変換部５０７において、下記の（２）式
にて示すように逆変換が施されてケプストラムに戻さ
れ、推定ケプストラムCs+nを得る。

【００４５】

【数１】 対数変換部５０６及び逆cosine変換部５０７において
（２）式により演算された雑音混入ケプストラムCs+n
は、特徴量格納部５０８において雑音混入静的特徴量コ
ードブック３０４に登録される。上述した処理が雑音無
し静的特徴量コードブック５０１内の全ての特徴量につ
いて繰り返し行われることによって雑音混入静的特徴量
コードブック３０４の設定が完了する。

【００４６】続いて、動的特徴量変換テーブル４０５の
設定を次のように行なう。

【００４７】図６は、動的特徴量変換テーブル生成部を
４０３の詳細を示す。

【００４８】動的特徴量変換テーブル生成部４０３は、
図示のように、特徴量取出部６０３、６０４、変換ベク
トル算出部６０５及び変換ベクトル格納部６０７を備え
る。

【００４９】動的特徴量変換テーブル生成部４０３によ
る動的特徴量変換テーブル４０５の生成は、雑音混入静
的特徴量コードブック３０４の生成が完了した後に、雑
音無し静的特徴量コードブック５０１と雑音混入静的特
徴量コードブック３０４を使用することによって行われ
る。

【００５０】まず、予め用意された雑音無し静的特徴量
コードブック５０１から特徴量（雑音無し音声のケプス
トラム）Csが、特徴量取出部６０３によって取り出さ
れ、この特徴量Csと対応する特徴量（雑音混入音声のケ
プストラム）Cs+nが、雑音混入静的特徴量コードブック
３０４から特徴量取出部６０４によって取り出される。
このとき、特徴量CsのパワースペクトルΦs（雑音無し
音声のパワースペクトル）は、下記の（３）式で与えら
れ、また、特徴量Cs+nのパワースペクトルΦs+n（雑音
混入音声のパワースペクトル）は、下記の（４）式で与
えられる。

【００５１】 Φs＝exp（Cos（Cs））……………………………（３） Φs+n＝exp（Cos（Cs+n））………………………（４） 更に、Φs+n＝Φs+Φnの関係から、下記の（５）式が導
かれる。

【００５２】 exp（Cos（Cs+n））＝exp（Cos（Cs））+Φn……（５） この（５）式は、雑音混入音声のケプストラムCs+nと雑
音無し音声のケプストラムCsとの関係式と見做すことが
できる。ここで、表記の簡単化のために（５）式におい
てx＝Cs+n、f（x）＝Csとおき、両辺をXで偏微分する
と、下記の（６）式が導かれる。

【００５３】

【数２】 この（６）式を整理すると、下記の（７）式が導かれ
る。

【００５４】

【数３】 但し、Cos'（x）は、

【数４】 である。

【００５５】ここで、x＝Cs+n、f（x）＝Csを代入して
整理すると、下記の（９）式が得られる。

【００５６】

【数５】 尚、cosine変換は線形変数なのでCos'(x)はxに係らず一
定である。逆cosine変換についても同様のことが言え
る。そのため、（９）式中のCos-1'(Cs)及びCos'(Cs+n)
は、一定値（行列）である。

【００５７】雑音混入静的特徴量コードブック３０１内
の全ての特徴量（即ち、雑音混入音声のケプストラム）
Cs+nに対して、f'（Cs+n）が、変換ベクトル算出部６０
５において（９）に式より算出される。そして、このf'
（Cs+n）は、特徴量Cn+sと対応づけられて、変換べクト
ル格納部６０６によって動的特徴量変換テーブル４０５
に格納されることとなる。

【００５８】次に、ベクトル変換部４０４を説明する。

【００５９】図７は、図４のベクトル変換部４０４の詳
細を示す。

【００６０】本実施例に係るベクトル変換部４０４は、
図示のように、最尤静的特徴量選択部７０１及びベクト
ル生成部７０２を備える。

【００６１】ここで入力音声を分析して得られる静的特
徴量（ケプストラム）をCinとする。始めに、最尤静的
特徴量選択部７０１において、静的特徴量量子化処理部
３０３から出力される量子化された音声の静的特徴量
中、事後確率密度p（Cs+n｜Cin）が最大となる量子化後
の特徴量（ケプストラム）Cs+nが選択される。この選択
された特徴量Cs+nを雑音混入音声の静的特徴量と見做
す。

【００６２】ベクトル生成部７０２は、この選択された
特徴量Cs+nと動的特徴量変換テーブル４０５とを使用し
て、入力音声を分析して得られる動的特徴量に基づきベ
クトル生成を行う。ベクトル生成部７０２におけるベク
トル生成の手順は、以下のようである。

【００６３】即ち、f（x）の定義式からf'（Cs+n）＝dC
s／dCs+nであり、dCs／dtは、動的特徴量変換テーブル
４０５に格納されている動的特徴量であるから、上記
（９）式は、下記の（１０）式及び（１１）式に変形さ
れる。

【００６４】

【数６】 （１１）式中の、ΔCs及びΔCs+nは、いずれも動的特徴
量である。（１１）式から、動的特徴量変換テーブル４
０５は、動的特徴量（ΔCs、ΔCs+n）の変換行列となっ
ていることがわかる。従って、雑音混入音声から抽出さ
れた動的特徴量△Cs+nに、（１１）式の右辺に記述した
変換行列（動的特徴量変換テーブル内の変換行列）を乗
じてベクトル変換することにより、音声のみ（即ち、雑
音なし音声）の動的特徴量△Csの推定が可能である。

【００６５】以上説明したように、本発明の一実施例に
よれば、ベクトル変換部４０４が、静的特徴量量子化処
理部３０３の出力中から最尤静的特徴量Cs+nを選択し、
この最尤静的特徴量Cs+nに対応する動的特徴量の変換行
列を、動的特徴量変換テーブル４０５中から読出して、
これをデルタ特徴量抽出部３０５から出力された雑音混
入部の動的特徴量に乗ずることによって、この雑音混入
音声の動的特徴量を雑音を含まない音声のみの動的特徴
量にベクトル変換することとしたので、背景雑音に起因
してデルタ特徴量抽出部３０５から抽出された動的特徴
量にズレが生じたとしても、このズレによって音声認識
の精度が低下するような不具合は生じない。よって、よ
り精度の高い音声の特徴量の抽出が可能となり、これに
よって音声認識性能の向上を図ることが可能である。

【００６６】なお、上記内容はあくまで本発明の一実施
例に係るものであり、本発明は、上記内容にのみ限定さ
れるものでないのは勿論である。

【００６７】

【発明の効果】以上説明したように、本発明によれば、
入力音声の動的特徴量の推定を行うことにより、雑音下
において、より精度の高い音声認識を行うことが可能な
音声認識装置を提供することができる。

【図面の簡単な説明】

【図１】背景雑音による、音声の静的特徴量と音声の動
的特徴量の変動を概念的に示した説明図。

【図２】本発明が適用できる音声認識装置の一例の全体
を示す機能ブロック図。

【図３】図２に示した音響分析部に一般的に採用される
構成を示すの機能ブロック図。

【図４】図２に示した音響分析部に本発明を適用した一
実施例の構成を示す機能ブロック図。

【図５】同実施例における雑音混入静的特徴量生成部の
詳細を示す機能ブロック図。

【図６】同実施例における動的特徴量変換テーブル生成
部の詳細を示す機能ブロック図。

【図７】同実施例のベクトル変換部の詳細を示す機能ブ
ロック図。

【符号の説明】

２０５ 音響分析部 ３０１ 特徴量抽出部 ３０５ デルタ特徴量抽出部 ３０８ 遅延処理部 ４０３ 動的特徴量変換テーブル生成部 ４０４ ベクトル変換部 ４０５ 動的特徴量変換テーブル

Claims (2)

【特許請求の範囲】
1. 【請求項１】 認識対象となる雑音混入音声から静的特
   徴量と動的特徴量とを求めて音声認識処理に渡すための
   装置において、 事前に無音区間を入力して、この無音区間に含まれる雑
   音の特徴量と、予め用意した音声のみの特徴量とに基づ
   いて、雑音混入音声の動的特徴量を音声のみの動的特徴
   量に変換するための変換テーブルを作成する変換テーブ
   ル作成手段と、 音声認識時に前記認識対象となる雑音混入音声を入力し
   て、前記雑音混入音声の動的特徴量を求める手段と、 前記求められた雑音混入音声の動的特徴量に、前記事前
   に作成された変換テーブルを適用することにより、前記
   入力された雑音混入音声内の音声のみの動的特徴量を推
   定する手段と、を備え、前記推定された音声のみの動的
   特徴量を前記音声認識処理に渡すことを特徴とする音声
   認識装置。
2. 【請求項２】 認識対象となる雑音混入音声から静的特
   徴量と動的特徴量とを求めて音声認識処理に渡すための
   方法において、 事前に無音区間を入力して、この無音区間に含まれる雑
   音の特徴量と、予め用意した音声のみの特徴量とに基づ
   いて、雑音混入音声の動的特徴量を音声のみの動的特徴
   量に変換するための変換テーブルを作成する過程と、 音声認識時に前記認識対象となる雑音混入音声を入力し
   て、前記雑音混入音声の動的特徴量を求める過程と、 前記求められた雑音混入音声の動的特徴量に、前記事前
   に作成された変換テーブルを適用することにより、前記
   入力された雑音混入音声内の音声のみの動的特徴量を推
   定する過程と、を備え、前記推定された音声のみの動的
   特徴量を前記音声認識処理に渡すことを特徴とする音声
   認識方法。