JPS6060076B2 - 音声認識装置 - Google Patents

Description

【発明の詳細な説明】 本発明は音声認識装置の改良に関する。

音声認識装置は計算機へのデータ入力手段として、また
、各種機械への指令手段として有用である。

近年では、例えば、ＰＲＯＣＥＥＤＩＮＣＳＯＦＴＨＥ
ＩＥＥＥ、ＶＯＬ、６４、Ｎｏ、４（ＡＰＲＩＬ１９７
６）のＰ、４８７〜Ｐ、５０１に’“Ｐｒａｃｔｉｃａ
ｌＡｐｐｌｉｃａｔｉｏｎｏｆＶｏｉｃｅｌｎｐｕｔｔ
ｏＭａｃｈｉｎｅｓ’’と題して発表された論文に記載
されているように、荷物の自動区分機一械への行先情報
入力手段として、また、自動車工場等における検査デー
タを計算機に入力する手段として実際に利用されるよう
になつている。音声認識装置を利用することによつて得
られる利点として、手や足を使つて他の作業をしながら
。情報入力ができることが挙げられる。たしかに、音声
認識装置の操作には口しか使用しないので手や足を他の
目的に使用できる。また、無線マイクロホンを使用する
と、動きまわりながらでも音声認識装置を使用できる。
これらの利点は、タイプライタのように固定されていて
しかも手によつて操作される入力手段によつては得るこ
とができない音声認識装置独特のものである。しかし、
作業をしながら音声データを入力しようとすると、自づ
から呼吸音が大きくなり、音声認識装置の動作に悪影響
を与える。

すなわち、音声認識装置ではマイクロホンにより採集さ
れ電気信号に変換された音声信号波の振幅レベルを検定
して音声区間の検出を行なつており、通常は振幅レベル
が予め定められた閾値より大である区間が音声区間とし
て検出され認識処理されるが、もし呼吸音が極めて高く
なると振幅レベルが閾値を越え音声区間として検出され
るという事態が生じる。このようにして、誤検出された
呼吸音が有意な音声でないとして棄却されれば問題ない
が、誤つて何らかの有意な音声（以下有意音声と称する
）に誤認識されてしまう可能性もある。このような誤動
作が有害であることは明白である。このような呼吸音に
限らず通常の周囲雑音も同様に音声認識装置の誤動作を
引き越し有害である。本発明の目的は呼吸音や周囲雑音
の影響によつて誤動作することの少ない音声認識装置を
実現し提供することにある。本発明の音声認識装置は、
（１）入力信号波を検定して音声候補区間を検出する音
声検出部と、（２）検出された音声候補区間内の信号を
識別するための識別部と、（３）前記音声候補区間内の
短時間スペクトラム情報の変化量を検定することにより
この音声候補区間が有意音声候補区間であるか否かを判
定しかつ判定結果を前記識別部に出力する手段とから構
成される。

ここで言う短時間スペクトラム情報とは通常の意味での
短時間スペクトラムに限定されるものではない。

短時間自己相関係数、短時間ケプストラムあるいは線形
予測係数などのように短時間スペクトラムと同等な情報
を有するパラメタやフオルマント周波数のように短時間
スペクトラムと密接な関係を有するパラメタをも含むも
のとする。地名や人名などの有意な単語は子音と母音と
の組合せで構成されており、短時間スペクトラムは多く
の場合顕著な時間変化を示す。これに対して呼吸音は呼
吸器系内における空気摩擦によつて発生される音であつ
てその継続時間中における短時間スペクトラムの変化量
は比較的少ない。また、モータ回転音、溶接時に発声す
る音および風の音などの周囲雑音も比較的一定なスペク
トラムを有している。それゆえ、短時間スペクトラムの
変化量検定手段を内蔵した本発明の音声認識装置による
呼吸音や周囲雑音の影響を極めて有効に除去できる。次
に図面を参照して本発明を詳細に説明する。

第１図は本発明の一実施例を示すブロック図である。入
力されたアナログ音声信号Δはスペクトラム分析器１０
によつて、例えば、１０チャネルの短時間周波数分析を
施される。スペクトラム分析器１０は一例としてｗ個の
バンドパスフィルタと１吻の整流器とｗ個の平滑フィル
タ回路とから構成され、入力信号Δのスペクトラムエン
ベロープをｗ個のパラメタで記述する。いま、時間点１
における短時間スペクトラム分析結果をなる１欧元ベク
トルで記述することにする。

スペクトラム分析部１０からは予め定められたフレーム
周期（例えば、１０ｒＴ１Ｓ）ごとに（１）式の如きベ
クトルが信号ａとして出力される。なお、この信号はデ
ジタル化されていてもよい。音声検出部２０は信号ａと
して入力される（１）式のベクトルより振幅レベル候補
間と決定する。

音声検出部２０の出力信号ｐは音声候補区間内では１で
それ以外ではＯの値を取るものとする。なお、時間指標
１は以後音声候補区間の始点をｉ＝１として計数するも
のとする。従つて、音声候補区間内の信号はなるベクト
ルＡ，の時系列となる。

ここに、Ｉはこの音声候補区間の長さを示す。以後は（
３）式に示される信号を入力パタンＡと呼ぶ。識別部３
０は前記音声区間検出部２０よりの信号ｐによつて指定
される音声候補区間内の信号、すなわち、（３）式の入
力パタンＡを識別しその単語名を決定する処理を行なう
。

識別結果は信号ｎとして出力される。識別部３０の構成
としては種々のものが考えられる。一例としてはＰＲＯ
ＣＥＥＯ，ＮＯ，ＯＦＴＨＥＩＥＥＥ，ＶＯｌ，６４．
ＮＯ．４，ＡＰＲＩＬｌ９７６Ｐ．４９２の第５図にＭ
ＩＮＩＣＯＭＰＵＴＥＲ部として示されている部分と同
様な構成を採用することができる。変動量検定部４０は
スペクトラム検出部１０より与えられる短時間スペクト
ラム信号、すなわち（３）式中のベクトルＡｉの時間変
化量を計算する。

音声候補区間すなわちｉ＝１〜Ｉの間の変化総量が予め
定められた閾値より大である場合にはこの音声候補区間
は有意音声であるとし、検出信号ｑとしてパルスを発生
し、それ以外の場合にはパルス信号ｑを発生しない。第
２図は変動量検定部の一構成例を示す図であり、第３図
はその動作を示すタイムチャートであ”る。

第１レジスタ４１にはフレーム周期パルス（第１図中省
略）φ１に同期してスペクトラム分析器１０よりのベク
トルＡＫが入力され書き込まれる。これと同時に直前ま
で第１レジスタ４１に記憶されていたベクトルＡ，一，
は第２レジスタ４２にシフトされる。ベクトル間距離計
算部４３では第１レジスタに記憶されるベクトルＡ，と
第２レジスタに記憶されるベクトルＡ，−１との間の距
離が瞬時変動量として計算され信号ｄとして出力される
。なお、距離の定義としては種々考えられ）るが、ユー
クリツド距離であつてもよい。この瞬時変動量ｄは、前
記フレーム周期パルスと同周波数でかつ位相が遅れたパ
ルス信号φ２に同期して積分器４４に積分される。前記
音声区間検出部２０よりの信号ｐがＯから１に変化した
時点、すなわち、音声候補区間の始点でパルス発生回路
４６は始端パルスｐ１を発生する。

この始端パルスｐ１によつて前記積分器４４はＯにリセ
ットされる。これ以後、音声候補区間中ではベクトルＡ
ｉとＡｉ−１の距離ｄ１すなわち、短時間スペクトラム
の変化量が積分器４４に積分される。音声候補区間が終
了した時点、すなわち、前記信号ｐが１からＯに変化し
た時点でパルス発生回路４６は終端パルスＰ２を発生す
る。また、前記積分器４４に保持される積分値Ｄは比較
回路４５によつて予め定められた閾値θと比較されてＤ
〉０のときは串力信号ｋ＝１とされ、Ｄ≦θのときはｋ
＝０とされる。ＡＮＤゲート４７ではこの信号ｋと前記
穆端パルスＰ２との論理和が計算され検出信号ｐとして
前記識別部３０へ向けて出力される。識別部３０は検出
信号ｑとしてパルスが与えられたときは、識別結果を信
号ｎとして出力し、パルスが与えられなかつた時は識別
結果を棄却して信号ｎの出力を行なわない。このように
して、短時間スペクトラムの変動が大な時は入力パタン
は有意音声であることを示す識別結果が出力され、短時
間スペクトラムの変動量が小であるときは入力パタンは
有意音声てはないことを示す識別結果が棄却される機能
を有し呼吸音や周囲雑音に対して安定に動作する音声認
識装置が実現されている。上例のように、スペクトラム
変動量を瞬時変動量ｄの時間積分値で評価する場合には
、音声候補区間が長くなるほどスペクトラム変動量が大
きくなるという傾向がある。

呼吸音や周囲雑音でも短時間スペクトラムは瞬時的には
少しであつても常に変動している。従つて、呼吸音や周
囲雑音が長時間継続するとその瞬時変動量ｄの積分値は
大となり有意音声と判断される場合がある。第４図はこ
のような欠点を改良した変動量検定部の構成例を示した
図である。

図中の第１レジスタ４１、第２レジスタ４２、ベクトル
間距離計算部４３、積分器４牡比較回路４５、パルス発
生回路４６およびＡＮＤゲート４７は第２図の対応する
ものと同一の動作をする。新たに付加されたカウンタ４
８は前記パルス発生回路よりの始端パルスｐ１によつて
リセットされて以後フレーム周期パルスφ１を計数する
。従つて、音声候補区間が終了して終端パルスＰ２が発
生された時点では音声候補区間の時間長に比例した量１
力幼ウンタ４８に記憶されている。積分器４４に記憶さ
れている瞬時変化量ｄの積分値Ｄは新たに追加された除
算器４９によつてカウンタ４８により計数された時間長
信号１で割算される。かくして得られる平均変動量Ｄ″
が比較回路４５に送られ閾値θと比較される。このよう
に、時間平均されたスペクトラム変動量によると長時間
継続する呼吸音や周囲雑音を誤まつて有意音声と判断す
ることは少ない。

しかし以上の実施例の如くスペクトラム瞬時変動の長時
間平均によつて変動を検知する場合には局所的には比較
的大きな変動が全体として平均されてしまつて検出され
ない場合が生じる。

例えば、１ｉｍｉ１（意味）という単語ではＩｉｌと１
ｍ１，１ｍ１１：．１ｉ１の間でスペクトラムが比較的
顕著に変化するが、音声区間の大半が持続的な母音１１
１であるため全体としてのスペクトラム変動はあまり大
きくない。このために有意音声が棄却されてしまう恐れ
がある。第５図にはこの点を改良した変化量検定部４０
の構成例が示されている。

図中の４１から４９までの各部は第４図の対応するもの
と同一のものである。新たに付加された比較回路５０に
はスペクトラムの瞬時変動量ｄが入力され、予め定めら
れた閾値δとの比較が行なわれる。その出力信号ｍは瞬
時変動量ｄが閾値δより大となるごとに１となり、その
他の場合はＯである。セットリセット型フリップフロッ
プ５１は音声候補区間の始端でノ前記パルス発生回路４
６によつて発生される始端パルスｐ１によつてリセット
される。それ以後１度でも瞬時変動量ｄが閾値δを超え
ると閾値回路５０の出力は１となるためセットリセット
型フリップフロップ５１はセットされ、その出力ｋ″は
１門になる。この信号ｋ″は０Ｒ回路５２を経由して前
記ＡＮＤゲート４７へ導びかれる。それゆえ音声候補区
間中に１個所でもスペクトラム変動の大きな時点が存在
すると、検出信号ｑが発生される。このように、有意音
声をより高感度に検知できる変動量検定部が実現できる
。以上本発明の構成を実施例をもとに説明したがこれら
の記載は本発明の適用範囲を限定するものではない。

特に、第３図，第４図および第５図はディジタル回路で
構成する例であつて、アナログ回路によつても同様の機
能を有する構成を実現できる。また、第５図のベクトル
間距離計算部４３と閾値回路５０との間に適当な時定数
を有するローパスフィルタを挿入することによつて検出
特性の改善が可能である。また、第５図および第２図の
変動量検定部を組合せた構成を本発明に用いても有効て
あることは明白である。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロック図である。 図において、１０はスペクトラム分析器、２０は音声検
出部、３０は識別部、４０は変動量検定部である。第２
図は変動量検定部４０の具体的構成例を示すブロック図
である。 図において、４１は第１レジスタ、４２は第２レジスタ
、４３は距離計算部、４４は積分回路、４５は閾値回路
、４６はパルス発生回路、４７はＮ巾ゲートである。第
３図は第２図に示す各部の動作を示すタイムチャートで
ある。 第４図は改良された変動量検定部の構成例てある。 図において、４８はカウンタ、４９は除算器であり、他
の各部は第２図と同一である。第５図は第１図の変化量
検定部の他の構成例である。

Claims (1)

【特許請求の範囲】
1. １ 入力信号波を検定して音声候補区間を検出する音声
   検出部と、前記音声候補区間内の短時間スペクトラムの
   変化量の大小を検定することによつてこの音声候補区間
   が有意音声であるか否かを判定し出力するための変動量
   検定部と、前記音声候補区間内の信号を音声パターンと
   して識別する機能を有しかつ前記変動量検定部からの信
   号により前記音声候補区間が有意音声でないことが示さ
   れているときは識別結果を棄却する識別部とを有するこ
   とを特徴とする音声認識装置。