JPS6142280B2 - - Google Patents

Description

【発明の詳細な説明】 本発明は音声認識装置の外部騒音による誤動作
防止に関するものである。

音声信号の特徴パラメータを抽出し、この特徴
パラメータを利用してある話者の音声を認識し、
認識した音声にしたがつて外部機器を制御する信
号等を出力する音声認識システムは従来種々提案
されてきている。その一例を第１図のブロツク図
に示す。入力音声を電気信号に変換する音響−電
気信号変換器（例えばマイクロフホン）を含む入
力部１、入力された音響信号のうち、処理の対象
となる周波数帯域のみを取り出す入力帯域フイル
タ２、音声信号の特徴を抽出する特徴抽出部３、
あらかじめ登録された音声特徴の標準パターンを
記憶する標準パターン記憶部４、入力音声から抽
出された特徴パターンと標準パターンとを比較
し、入力音声を特定する認識処理部５、認識結果
を出力する出力制御部６を主な構成要素とし、こ
れに認識率を向上をさせるための入力信号振幅正
規化回路７と、時間軸調整部８と、あらかじめ音
声特徴の標準パターンを登録する際の処理を受け
持つ登録制御部９とが付加されている。

音声の特徴を抽出するパラメータとしては周波
数スペクトル分布、相関関数、零交差数、フオル
マント周波数、或いは線型予測係数など多くの方
法が考えられるが、これらのうち音声の周波数ス
ペクトルを複数の帯域分割フイルタにより分離抽
出し、標準パターンとの相関をみるいわゆるフイ
ルタバンク方法は比較的簡単な構成で高い認識率
を得ることができる方法として良く用いられてい
る。

さてこのような音声処理装置においては、入力
信号の中から制御命令を分離抽出する能力はきわ
めて重要でありこれによつて装置の認識率が左右
されるといつても過言ではない。特に認識装置が
使用される環境が外部騒音の多い場所であるよう
な場合、騒音がマイクロフホン１を通して入力さ
れることになり、使用上大きい問題となつてく
る。この場合マイクロフホン１から入力された騒
音が入力帯域フイルタ２円通過した後に示す周波
数スペクトル分布が、装置にあらかじめ登録され
ている音声の中のいずれかの周波数スペクトル分
布と非常に似通つたパターンを示すならば装置は
騒音をある意味を有する音声を誤認識してしまう
ことが起きるのである。

しばしば発生し、問題となる外部騒音としては
人の拍手、物と物とがぶつかつて生じる衝撃音と
かがあり、現代ではこういつた比較的高レベルで
周波数の高い成分を多く含む騒音が種々の環境で
発生しやすくなつている。この種の音は持続時間
は短いので通常の語の長さの点から装置には受け
付けられにくくなつているが、間隔短く数回連続
して起こる場合には受け付けられることがある。

外部騒音を除去する目的でいわゆる接話型のマ
イクロフオンを入力部に用いることが行なわれる
が、前記のような周波数の高い成分を多く含む高
レベルの音には効果がうすくなる傾向があり、誤
動作防止についてはなお不充分である。

本発明はかかる音声認識装置の騒音による誤動
作を起こしにくくする目的から為されたものであ
る。

即ち、前述した種類の騒音は周波数帯域が広く
通常の音声には含まれない高域成分まで多く含む
ことに着目し、騒音と音声との区別を明確にする
ものである。

以下本発明の一実施例を第２図に従つて詳述す
る。入力部１はマイクロフオホン１０と増幅器１
１により構成される。入力部１からの信号は入力
帯域フイルタ２を通つた後特徴抽出部３に入る特
徴抽出部３は中心周波数がそれぞれ_１，_２，
…，ｎのＮ個のバンドパスフイルタ（BPF）１
２，１３〜１４、該各フイルタの出力を切り替え
るマルチプレクサ１５、該マルチプレクサを通過
した前記各フイルタの出力レベルをデイジタル信
号に変換するアナログ−デイジタル（Ａ／Ｄ）変
換器１６によつて構成される。なおバンドパスフ
イルタ１２〜１４全部でカバーする帯域は入力帯
域フイルタ２の帯域と同じか狭い帯域とする。こ
れにより入力部１から入力した音声信号の各フイ
ルタ成分が適当な時間間隔（多くの場合10ミリ秒
前後）でサンプリングされデイジタルコーデに変
換された後Ｉ／Ｏポートを含むマイクロコンピユ
ータ１７を介して記憶メモリー１８に記憶され
る。マイクロコンピユータ１７には別の標準パタ
ーンメモリー４が接続されておりあらかじめ制御
命令音声がその制御内容を指定するコードと共に
記憶されている。音声認識モードに於いては前述
の如く制御音声が入力し、特徴抽出回路３の各フ
イルタ１２，１３…１４により抽出されデイジタ
ル信号化された信号列は記憶メモリー１８に記憶
され次いでマイクロコンピユータ１７はこの記憶
パターンと標準パターンとの差を、全ての標準パ
ターンについて計算しその差が最も小さい標準パ
ターンを決定することにより入力音声を特定す
る。一般に人間の話声は同じ言語を発声してもそ
の時間的推移は常に同等とは限らない為、第１図
に示すが如き何らかの時間軸調整回路８が付加さ
れなければならないことは衆知の通りであるが、
本発明の構成を示した第２図に於ては説明の都合
上かかる時間軸調整回路は省略している。

認識モードに於ける音声の取り込みは常時行な
われており、入力音声が途切れたとき即ちポーズ
期間に前述の認識計算が実行されそれ以前の入力
音声がパターンマツチング法により特定される。
この時入力音声について特定が可能となつた時、
即ち入力音声が何らかの標準パターンに許容され
得る誤差の範囲内で一致した時マイクロコンピユ
ータ１７は出力制御部６を制御して制御音声に対
応した外部機器制御用信号を出力する。入力音声
を特定できぬ場合制御用信号は出力せず例えば表
示装置１９を駆動し再発声を促すようにする。

次に本発明実施例において騒音と音声信号との
判別がどのように行なわれるかついて説明する。
入力部１からの信号は入力帯域フイルタ２に入る
と同時に入力帯域フイルタの帯域以上を通過させ
る。ハイパルスフイルタ（HPF）２０に入力さ
れる。ここで必要以上の高域音を検知することは
ないのでマイクロフオンの特性に合わせて高域を
減衰させる。HPF２０の出力は高域信号用積分
器２１で積分される。入力帯域フイルタ２の出力
はBPF１２，１３〜１４に力されると同時に音声
帯域信号積分器２２に入力される。高域信号用積
分器２１と音声帯域信号用積分器２２の出力は信
号比較器を構成する割算器２３に入力される。こ
の割算器２３に於て音声帯域信号レベルを分母に
高域信号レベルを分子において割算が行なわれ該
割算器２３出力は電圧比較器２４に入る。前述の
如き騒音では音声帯域以上の成分が多く含まれる
ため、この種の騒音が入力された場合高域信号レ
ベルは大きくなり、音声帯域信号レベルとの比す
なわち前記割算器２３出力が音声帯域信号のみの
場合に比べ判然と大きくなる。したがつて電圧比
較器２４の参照電圧（V₀）を適当値（これは実験
的に定まる）に選び、参照電圧（V₀）以上の割算
器出力が出力された場合入力信号は騒音であると
みなしマイクロコンピユータ１７に信号を出すよ
うに構成することによりマイクロコンピユータ１
７は認識動作を中断し、誤認識を防止することが
できる。この場合も前記表示装置１９を駆動し再
発声を促す。

以上述べたように本発明によれば騒音と通常音
声とのスペクトル分布の特徴によつて両者の区別
をつけることができるので、高い弁別性を有し、
認識装置の誤認識を防止し、認識率を向上させる
ことができ実用性の高いものである

【図面の簡単な説明】

第１図は現存する音声認識装置の構成を示すブ
ロツク図、第２図は本発明装置の構成を示すブロ
ツク図であつて、１は入力部、３は特徴抽出部、
４は標準パターン記憶部、１７はマイクロコンピ
ユータ、２１は高域信号用積分器、２２は音声帯
域信号用積分器、２３は割算器、を夫々示してい
る。

Claims (1)

【特許請求の範囲】
1. １ 音響−電気信号変換器からの音響信号を音声
   帯域信号と、該帯域以上の高音域信号とに分割す
   る音声域フイルタと、高音域フイルタと、該音声
   域フイルタ通過信号のレベルを検出する音声域レ
   ベル検出器と、上記高音域フイルタ通過信号のレ
   ベルを検出する高音域レベル検出器と、これ等の
   両レベル検出器からの検出出力の比を採る比較器
   と、から成り、該比較器での比較の結果、高音域
   レベルが音声域レベルより大きい時は音声認識動
   作を中断する事を特徴とした音声認識装置。