JPS5895797A - 音声認識装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （発明の分野）′ 本発明は、音声認識装置において精度良（音声区間の検
出を行う音声区間検出に関するものである。

（背景技術） 従来の音声認識装置のブロック図を第１図に示す。第１
図において、１は信号入力端子、２は周波数分析部、３
は音声取込制御部、４は取込開始信号、５は音声区間検
出部、６は取込終了信号、７は始端・終端情報、８は認
識部、９は出力端子の如く構成されており、以下各部の
説明をする。

周波数分析部２は、第２図に示す如く構成されており、
入力音声信号１１は前置増幅器１２により適当なレベル
に増幅され、約２００　Ｈｚから６０００　Ｈｚまでを
対数尺度で等間隔に分割されたＮ個のバンドパスフィル
タ群１３、全波整流器群１４、およびローパスフィルタ
群１５により分析され、さらに、あらかじめ定められた
時間周期（以後サンプル周期と記す）毎にマルチプレク
サ１６を順次切り換えながらＡＤ変換器１７によって量
子化され、サンプル周期゛毎にＮ個の分析結果１８を出
力する。

音声取込制御部３は、取込開始信号４を受信したのち、
周波数分析部２の分析結果１８を音声区間検出部５およ
び認識部８へ一定時間、または確かに音声の入力が終了
したと判断するまで出力する。

音声の入力終了の判断法としては、たとえば、各サンプ
ル周期毎のＮ個のデータの平均値（以後フレームパワー
と記す）を利用して、フレームパワーがあらかじめ設定
された閾値な越えるものが、ある一定数存在したのち、
閾値を越えないものが連続一定数続いたとき音声の入力
が終了したと判断する方法がある。

音声区間検出部５におけるブロック図を第３図に示す。

第３図において、１８は分析結果、２１はパラメータ演
算部、６は取込終了信号、２２はブロック化部、乙は音
声区間判定部、７は始端終端情報の如（構成され、以下
詳細に説明する。

パラメータ演算部２１は、分析結果１８から音声区間検
出に使用する（１）式で定義されるパラメータを求める
部分である。

Ｐｊ−ａｊ−マｊ　　　　　　　　　　・・・・・・・
・・（１）ただしａｊ；第ｊ番目の分析結果のスペクト
ル傾斜 丸；第ｊ番目の分析結果の平均値 また、スペクトル傾斜ａｊすなわち最少２乗近似直線の
傾きは、第ｊ番目のＮ個の分析結果をＸＢとすると（ｉ
　；Ｎ分割されたバンドパスフィルタ群の周波数の低い
ものから順に付けられた番号）、ａｊは（２）式によっ
て求められる。

と置き換えることができ、（２）式は（３）式に変形さ
れる。

ることかできる。

また、んは、Ｊ、ＸＢをＮで除すことによって得られる
。第４図は、Ｐｊを演算するブロック図であり、以下図
に従って説明する。

各サンプル周期毎にＮ個の分析結果ｘｔ（ｉ＝ｌ。

２、・・・・・・Ｎ）が順番に出力されるものとすると
、加算器１０１およびレジスタ１０２によってＸｉｊの
累積ΣＸＩｊをレジスタ１０２にセットすることができ
、−１ その結果を乗算器１０３と除算器１０６に出力される。

乗算器１０３で、ΣＸｉｊとＣ１（＝Σｉ）との乗算を
行な＋−１１−１ い、さらに補数器１０４によって−Ｃ１・ΣｘＩｊＯ値
を　−１ 求め、加算器１０５の一方に入力される。また、Ｘ１ｊ
のデータ出力と同期して働くカウンタ１０７の出力と、
ＸＢとの積・１−ｘｌｊを乗算器１０８によって求め、
乗算器１０８の出力に接続されている加算器１０９と、
さらにそれに接続されているレジスタ１１０によつの出
力、Ｊ、ｌｘ　＋　Ｘ１１は乗算器用の一方の入力に接
続されており、乗算器１長１の他方の入力にはＮがセッ
トされていて、乗算器１１１ではＮ・Σ！・ｘＩｊが演
　−１ 算され、加算器１０５のもう一方に入力される。加除算
器１１２に接続されている。除算器１１２では、第ｊ番
目のサンプルデータのスペクトル傾斜ａｊを求められ、
その結果は乗算器１１３の一方の入力となる。また除算
器１０６では、ｌΣ、ＸＢ　をＮで除すことによって′
；２ｊが求められ、その結果は乗算器１１３の他方の入
力となり、乗算器１１３によってＰｊ（＝ａｊ＝マｊ）
を求めることができる。以上の演算をサンプル周期毎に
行なって、各サンプル時のＰｊの値を全て演算すること
ができる。

ブロック化部２２は、パラメータ演算部２１の結果Ｐｊ
を取込終了信号６を検出するまで受は取り、取込終了信
号６を検出後、音声のブロック化（音声であると思われ
る部分のがたまりの検ａ）を行なう部分で、第５図にブ
ロック図を示し、第５図に従って説明する。

パラメータ演算部２１の各サンプル周期毎のＰｊは、順
次Ｐパラメータメモリ２００に格納されているので、そ
れを順番に読取し絶対値回路２０１によって絶対値化さ
れ、ＩＰｊｌを比較器２０２の一方に入力する。比較器
２０２の他方の入力には、１ｐｊｌの閾値ＰＴＨがセッ
トされている。比較器２０２では、１Ｐ、１≧ＰＴＨの
ときにはα出力に、ＩＰｊＩ＜Ｐｔａのときにはβ出力
にそれぞれ有意信号を出力する。カウンタ２０３は、１
Ｐｊｌ≧ＰＴＨのときカウントアツプし、１ＰＪ１＜Ｐ
ｒＨのときクリアされるようになっており、ｌ　ｐｊｌ
≧ＰＴＨとなる連続量をカウントする。

また、カウンタ２０３の出力は、常にレジスタ２０４に
セットされている。レジスタ２０４にセットされている
値（ＩＰｊｌ≧ｐｔｎである連続数）は、比較器２０５
に入力され、比較器２０５の他方の入力にはＫがセット
されて鉛り、ｌ　ｐｊｌ≧ＰＴＨである連続量（以下ブ
ロック長と記す）かに以上のとき、比較器２０５の出力
Ｃに有意信号が出力される。

ブロック長がＫ（Ｋ≧２の自然数）以上（Ｃ信号出力時
）で、かつ、比較器２０２のβ出力（ＩＰｊｌ＜ＰＴＨ
）が表われたタイミングをＡＮＤ回路２０６によって捕
える。力、つ。ンタ２０７は、ＡＮＤ回路２０６の出力
から出力までのＰｊを読み出した量を数えるもので、減
算器２０８によってカウンタ７の出力からレジスタ２０
４の結果（ブロック長）を差し引（ことにより、ブロッ
ク間の距離（時間）を求めることができる。またカウン
タ２０９は、Ｐｊの読出しと同期してカウントしており
、減算器２１０によってカウンタ２０９の結果からレジ
スタ２０４の出力（ブロック長）を引くことによって、
当該ブロックの先頭を求められる。加算器２１１とレジ
スタ２１２によりＩ　Ｐｊ　ｌ≧ｐｒｏの部分の累積を
求め、ブロックの大きさを表わす８Ｂなるものを求め、
ＡＮＤ回路２０６の信号を検出したとき、レジスタ２１
３にセットすると同時に、レジスタ２１３の出方（以下
ブロック量と記す）、減算器２１０の出力（ブロック先
頭情報）、レジスタ２０４の出力（ブロック長）、およ
び減算器２０８の出力（ブロック間距離）をブロックテ
ーブル２１４に登録する。このようにして取込んだ量全
てについてブロック化が行なうことができる。

音声区間判定部ｎは、ブロック・化部ｎで得られたブロ
ックチー−プル２１３から、次のようにして音声区間の
判定を行なっていた。すなわち、ブロック量の最大値ね
なるブロックを検出し、それを音声区間の中心として前
後のブロックについて、ブロック間距離が一定値以下で
あれば当該ブロックも音声区間に含めるという方法で、
音声区間の判定を行なっていた。

認識部８は、音声取込制御部３に取込開始信号を送ると
ともに、音声取込制御部３からの分析結果を格納してお
き、さらに音声区間検出部５からの始端終端情報７を受
けると、あらかじめ用意されている内容既知の標準パタ
ーンとの類似度演算を行ない、最も類似度の高い標準パ
ターンと同一内容の音声が入力されたと判断し、その結
果を出力する。

しかしながら、上記従来の技術における音声区間検出で
は、 （１）入力音声の強弱によりスペクトル傾斜ａｊが変化
するため、不安定なパラメータすなわち、Ｐｊが不安定
なパラメータである。

（２）スペクトル傾斜ａｊは、音韻、話者による変化と
ともにマイクの特性等によって在住にして、音声部にお
いても０に近い値を取り、結果としてＰ、も０に近い値
となり、ブロック化を誤まる。

（３）ノイズが大きい場合ノイズとの区別（特に子音）
がつけにくい。

という欠点があった。

（発明の課題） 本発明の目的は、これらの欠点を除去することを目的と
し、分析結果を対数変換した後のスペクトル傾斜および
平均値をそれぞれ独立なノくラメータとして利用し、音
声区間の検出をより精度良く行なうように改良したもの
で、以下詳細に説明する。

（実施例） 第６図は本発明のブロック図であり、１は入力端子、２
は周波数分析部、３は音声取込制御部、４は取込開始信
号、関は音声区間検出部、６は取込終了信号、７は始端
終端情報、８は認識部、９は出力端子の如く構成されて
おり、音声区間検出部間以外は第１図と同様である。ま
た音声区間検出部間は第７図に示す。第７図において、
１８は分析結果、７１はパラメータ演算部、６は取込終
了信号、７２はブロック化部、詔は音声区間判定部、７
は始端終端情報であり、パラメータ演算部７１およびブ
ロック化部７２以外は従来と同様であるので、以下パラ
メータ演算部７１およびブロック化部７２について以下
詳細に説明する。

パラメータ演算部７１は分析結果１８を対数変換し、対
数データにおけるスペクトル傾斜↑ｊおよび平均値父ｊ
を各サンプル周期毎に求める部分であり、第８図に従っ
て以下説明する。分析結果Ｘ１ｊは対数変換器１００に
よって対数化され、その結果を父Ｉｊとｊる。？、ｊ°
から、スペクトル傾斜は（３）式と同様に求められ、ま
た鳥は（Σ９１３）／Ｎで求められる−１ ので、従来技術で説明したように、加算器１０１、レジ
スタ１０２、乗算器１０３、補数器１０４、加算器１０
５、除算器１０６、カウンタ１０７、乗算器１０８、加
算器１０９、レジスタ１１０、乗算器１１１、除算器１
１２によって求めることができ、除算器１０６の出力／
シて々ｊが、また除算器１１２の出力としてＫｊ（対数
データによるスペクトル傾斜）が得られる。

ブロック化部７２は、パラメータ演算部７１によって得
られ１こサンプル周期毎の対数平均値ｘｊ、および対数
スペクトル傾斜ａｊを取込終了信号６を検出するまで受
は取り、取込終了信号６を検出後音声のブロック化を行
なう部分で、ブロック図を第９図に示し、以下第９図に
従って説明する。

Ｘパラメータメモリ３０１に格納されているＸｉと、Ａ
パラメータメモリ３０２に格納されているａｊは、それ
ぞれ比較器３０３と比較器３０４の一方の入力に接続さ
れ、β１はさらに加算器２１１にも接続される。

比較器３０３と比較器３０４のそれぞれの他方の入力に
は、それぞれの閾値ＸＴＨ、ＡＴＨがセットされており
、比較器３０３では名≧ＸＴＨのときにα、に、他の場
合にはβ、に有意信号を、比較器３０４ではＫｊ≧ＡＴ
Ｈのときにα２に、他の場合にはβ２に有意信号をそれ
ぞれ出力する。ＯＲ回路３０５でα、倍信号偽信号の論
理和な取り、その結果αを出力する。また、ＡＮＤ回路
３０６ではβ１信号とβ２信号の論理積を取り、その結
果βを出力する。すなわち、？ｊ≧ＸＴＨまたはＫｊ≧
Ａ７Ｈのうち、少な（ともいずれかが成立した場合には
αに有意信号が、いずれも成立しない場合にはβに有意
信号が出力される。以下は従来技術で説明したと同様の
動作により、ブロックの加算値、ブロック先頭情報、ブ
ロック長、ブロック間距離をブロックテーブル２１４に
登録する。

すなわちブロック化においては、ｘｊがあらかじめ定め
られた閾値（ＸＴＨ）以上、またはａｊがあらかじめ定
められた閾値（ＡＴＨ）以上であり、かつ連続Ｋ（Ｋ≧
２）個以上続いたものをブロックとし、ブロックの大き
さに相当するブロック内のんの加算値、プロジク長、ブ
ロックの先頭及び直前のブロックとの間隔を求める。

音声区間の判定は、ブロック長がある一定値以上のブロ
ックのうち、ブロックの大きさに相当するブロック内の
加算値が最大となるブロックの検出を行ない、当該ブロ
ックを音声部とする。さらに、直前のブロックおよび直
後のブロックとのブロック間隔について、それぞれブロ
ック間隔があらかじめ定められた閾値（例えば２００　
ｍ５ｅｃに相当する間隔）以下であれば該当ブロックも
音声部と判定し、音声部と判定された先頭のブロックか
ら最後のブロックまでを音声区間とする。

（発明の効果） 以上説明したように、分析結果を対数変換した後のデー
タにより、各サンプル周期毎のパワーにるので、ノイズ
レベルと子音との区、別を容易にするとともに、ブロッ
ク化において、隅と↑ｊのいずれか一方が閾値以上とな
れば、ブロック候補として計数されるので、音韻、話者
によりａｊがＯに近い値であっても悪影響を受けること
なくブロック化ができる。８Ｎ比が悪いとき、ノイズレ
ベルと？ｊがさほど変らない子音（例えばＳＡＮのＳの
部分）でも、スペクトル傾斜６ｊによってノイズと区別
することが可能となる。また、８ｊは対数変換後のデー
タにより演算を行なっているので、音声の強弱に左右さ
れない安定したパラメータである。

以上述べたような利点により、音声区間を精度良く検出
することができる。

本発明は、周波数分析結果を対数変換したのちの９．　
、　Ｋｊを用い、ブロック化処理による音声区間検出を
行なっているので、安定かつ精度良く音声区間の検出が
できるという利点があり、音声認識装置に利用すること
ができる。

【図面の簡単な説明】

第１図は従来の音声認識装置のブロック図、第２図は第
１図の周波数分析部の詳細ブロック図、第３図は第１図
の音声区間検出部のブロック図、第４図は第３図のパラ
メータ演算部の詳細ブロック図、第５図は第３図のブロ
ック化部の詳細図であり、第６図は本発明の音声認識装
置のブロック図、第７図は第゛６図における音声区間検
出部のブロック図、第８図は第７図におけるパラメータ
演算部の詳細ブロック図、第９図は第７図におけるブロ
ック化部の詳細ブロック図である。 １・・・・・・入力端子、　　　　２・・・・・・周波
数分析部、３・・・・・・音声取込制御部、４・・・・
・・取込開始信号、５・・・・・・音声区間検出部、６
・・・・・・取込終了信号、７・・・・・・始端・終端
情報、８・・・・・・認識部、９・・・・・・出力端子
、　　　１１・・・・・・入力音声信号、１２・・・・
・・前置増幅器、 １３・・・・・・バンドパスフィルタ群、１４・・・・
・・全波整流器群、 １５・・・・・・ローパスフィルタ群、１６・・・・・
・マルチプレクサ、１７・・・・・・ＡＤ変換器、１８
・・・・・・分析結果、 ２１・・・・・・パラメータ演算部、 ２２・・・・・・ブロック化部、　お・・田・音声区間
判定部、１０１　、１０５　、１０９・・・加算器、　
１０２，１１０−レジスタ、１０３　、１０８　、１１
１　、１１３・・・乗算器、１０４・・・補数器、　　
　　１０６　、１１２・・・除算器、１０７・・・カウ
ンタ、 ２００・・・Ｐパラメータメモリ、 ２０１・・・絶対値回路、　　２０２　、２０５・・・
比較器、２０３　、２０７　、２０９・・・カウンタ、
２０４　、２１２　、２１３・・・レジスタ、２０６・
・・ＡＮＤ回路、　　２０８，２１０・・・減算器、−
２１１・・・加算器、 ２１４・・・ブロックテーブル。 関・・・・・・音声区間検出部、 ７１・・・・・・パラメータ演算部、 ７２・・・・・・ブロック化部、　１００・・・対数変
換器、３０１・・・Ｘパラメータメモリ、 ３０２・・・Ａパラメータメモリ、 ３０３　、３０４・・・比較器、　　３０５・・・ＯＲ
回路、３０６・・・ＡＮＤ回路 特許出願人 沖電気工業株式会社 特許出願代理人 弁理士、山　本　恵　− −６′Ｉ 手続補正書（自発） 昭和り９年７２月、７日 特許庁長官　若　杉　和　夫　　殿 １　事件の表示 昭和５６年特許願第１９３６６３号 ２、発明の名称 音声認識装置 ３、補正をする者 事件との関係　　特許出願人 名　称　（０２９）沖電気工業株式会社袖正する。 （２）同第１１頁第８行目の１分析結果」の前に「第３
番目のＮ個の」を挿入する。 以　　−ヒ

Claims (1)

【特許請求の範囲】
1. 入力音声信号を周波数分析する手段と実音声部分の前後
   を含めて分析結果を格納する手段と、音声区間の始端、
   終端を検出する手段と、音声区間の分析結果より入力音
   声を認識する手段を有する音声認識装置において、各分
   析周期毎（ｊ）の対数スペクトルにおける平均値９ｊと
   スペクトル傾斜町を演算する手段を有し、受ｊおよびＫ
   ｊを独立のパラメータとして、いずれかが所定の閾値（
   ＸＴＨ、ＡＴＯ）を連続して所定数以上越えるものをブ
   ロックとし、ブロック長に従って音声区間の検出を行な
   うことを特徴とする音声認識装置。