JPS6236699A - 音声識別装置 - 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】 〔１既要〕 有声破裂子音識別装置であって、破裂時点を基点とした
相対的な分析開始位置及び、分析窓長を複数組設定して
、被識別音声に対し複数の破裂スペクトル抽出条件を定
めている。破裂時点の検出精度を補い、分析位置のずれ
に因るスペクトル変動が吸収されて、高識別率となる。

〔産業上の利用分野〕

本発明は、音声識別装置に関し、特に、被識別破裂子音
に対し時系列的に変位した複数の破裂スペク１、ルを抽
出して有声破裂子音の識別を行なう音声識別装置に関す
るものである。

〔従来の技術〕

有声破裂子音識別装置は、例えば音声認識装置にて音声
分析装置として利用される。その他の音声分析方式とし
ては、フィルタ分析、ＦＦＴ、ＬＰＣ等の手法によるも
のがある。

〔発明が解決しようとする問題点〕

しかしながら、一般的には従来から提案されている音声
分析手法にあっては、音声とは無関係に一定の“分析窓
長”、一定の“分析周期”で音声信号の分析を行なって
いる。このような音声分析手法にあっては、現象変化の
速い子音等の分析時に安定な分析結果が得られないとい
った問題点が顕著に現れる。理想的に近い条件で同一話
者が同一の発声をした場合においても、少しの条件によ
って異なった分析結果が得られる可能性が高く、誤認識
の原因となっていた。

このような問題点を解決するものとして各種のものが提
案されている。その中で、現象変化の最も速い子音の１
つである有声破裂子音の識別を目的としたものとして、
例えば、分析窓長を短く且つ分析周期を細かくとること
によって変化を捉える方式や、破裂時点を検出してそれ
を基にして破裂時点に同期した分析を行なうことにより
破裂子音の特徴を抽出する方式等がある。

また、有声破裂子音の識別方式にあっては、破裂時点で
の破裂スペクトルを用いたり、あるいは破裂時点から母
音部に至るホルマント軌跡を用いたりして識別特徴を得
るようにしたものが多用されている。

しかしながら、これら従来から提案されている各種の方
式では充分な識別率が得られてはいない。

本発明は上述した問題点に鑑みて創作されたもので、分
析開始条件の相違から来る不具合を排して識別率を高め
得る音声識別装置を提供することを目的とする。

〔問題点を解決するための手段〕

第１図は本発明の原理ブロック図を示す。この図におい
て、１は音声信号に応答してその時系列特徴パターンを
出力する特徴パターン抽出手段であり、該手段の出力は
辞書用パターン格納手段２及び識別用パターン格納手段
３に接続されている。

４は制御手段で、これは辞書登録用音声信号を前記特徴
パターン抽出手段１に作用せしめてその出力時系列特徴
パターンを前記辞書用パターン格納手段２に格納させ、
また被識別音声信号を前記特徴パターン抽出手段１に作
用せしめて時系列的に変位した複数の時系列特徴パター
ンを発生させ、これらを識別用パターン格納手段３に格
納させるだめのものである。このようにして格納された
識別用パターン格納手段３の複数の内容のうちの辞書用
パターン格納手段２の内容に対し予め決められた関係に
ある内容を判別出力してその出力されたものを識別結果
とするのが判別手段５である。

〔作用〕

制御手段４の制御の下に辞書登録用音声信号が特徴パタ
ーン抽出手段１に与えられて辞書登録用音声信号に対応
する時系列特徴パターンが発生され、該時系列特徴パタ
ーンが辞書用パターン格納手段２に格納される。

被識別音声信号が特徴パターン抽出手段１に与えられる
とき、制御手段４は特徴パターン抽出手段１をして時系
列的に変位した複数の時系列特徴パターンを発生させ、
これらパターンを識別用パターン格納手段３に格納する
。

この識別用パターン格納手段３の複数の時系列特徴パタ
ーンの内の辞書用パターン格納手段２の時系列特徴パタ
ーンに対し予め決められた関係にある時系列パターンを
判別出力する。このようにして識別結果を得る。これに
より、分析開始条件の相違に起因する分析結果のばらつ
きを排して識別率を高め得る。

〔実施例〕

以下図面に示す実施例に基づいて本発明を詳述する。

第２図に本発明の一実施例を示す。ここで、マイクロホ
ン２１１によって捉えられる話者（図示せず）の音声に
よる音声信号（アナログ信号）２１３はアナログ−ディ
ジタル（以下Ａ／Ｄと称する）変換器２１５によってデ
ィジタル信号に変換され、そのディジタル信号２１７は
データバッファ　（メモリ）２１９に格納される。なお
、ここでは音声として単音節で発声されたもの、即ち／
ｂ。

ｄ、ｇ／＋５母音を対象とする（ただし、／ｄｉ／、／
ｄｕ／は対象から除く）。

データバッファ２１９からの第１の読み出し信号２２１
は次段の破裂時点検出回路２２３に供給される。第２読
み出し信号２２５は、破裂時点検出回路２２３からの検
出信号２２７と共に切り出し回路２２９に供給される。

入力部２３１から出力される指令信号２３３を制御回路
２３５に供給し、当該制御回路２３５から出力される制
御信号２３７を切り出し位置設定メモリ２３９．切り出
し回路２２９及び周波数分析回路２４１にそれぞれ共通
に供給している。

切り出し位置設定メモリ２３９から読み出される切り出
し位置設定信号２４３も切り出し回路２２９に供給され
、該切り出し回路２２９から出力される切り出し信号２
４５は周波数分析のために周波数分析回路２４１に供給
される。

周波数分析回路２４１から出力される第１特徴パラメー
タ信号２４７は辞書パターンとして辞書パターンメモリ
２４９に供給され、また第２特徴パラメータ信号２５１
は入カバターン格納バフファ２５３に供給される。

辞書パターンメモリ２４９から出力される辞書パターン
信号２５５及び大カバクーン格納バッファ　（メモリ）
２５３から読み出される入カバターン信号２５７が距離
計算回路２５９に供給される。

距離計算回路２５９は、両パターン信号２５５及び２５
７に基づいて距離計算を行ない、その計算結果を表す距
離計算信号２６１を判定回路２６３に供給する。

判定回路２６３は、距離計算結果に基づいて識別結果を
表す識別信号２６５を出力する。

上述した構成の動作を以下に説明する。

いま、本発明実施例装置において識別する音声は、ある
特定の話者のものであるとする。その話者のパターンを
一度辞書パターンメモリ２４９に登録（記憶）しておき
、その後はその辞書パターンメモリ２４９に登録したパ
ターンと、その都度入力される同一話者の音声を比較し
て識別するものとする。従って、有声破裂子音の識別を
行なうには、３−１：辞書パターンの作成、３−１人カ
バターンの作成及び３−３：両パターンの比較の動作に
大別されるので以下場合を分けて述べる。

３−１＝辞書パターンの作成 特定話者は、有声破裂子音を含むテキスト（ここでは単
音節を例にとる）を発声して、以下の処理により辞書パ
ターンメモリ２４９内に各カテゴリー毎に辞書パターン
を格納する。

先ず入力部２３１から登録モードを表す指令信号２３３
を発生させ、登録動作をなさしめるような制御信号２３
７を出力させる。

話者はマイクロホン２１１に向かって有声破裂子音の音
声を発声する。すると、当該音声に応じた音声信号２１
３が生じて、そのディジタル値を表す複数データがデー
タバッファ２１９に格納される。

破裂時点検出回路２２３は、データバッファ２１９から
その格納データを表す第１読み出し信号２２１を受信し
て破裂時点を検出する。

なお、破裂時点検出回路２２３における有声破裂子音の
破裂時点は既に何等かの手段によって抽出されているも
のとする。例えば第３図に示すような／ｄＯ／の音声波
形においての破裂位置は時点ＴＢＲである。この破裂時
点ＴＢＲを検出する方法としては、例えば音声信号の周
波数成分の破裂以前と破裂以後の特徴の相違により抽出
したり、音声信号において信号変化が急峻な点を破裂時
点として抽出するものがある。

破裂時点検出回路２２３によって破裂時点ＴＢＲが検出
されると検出信号２２７が発生される・この信号２２７
に応じて切り出し回路２２９番まデータバツフア２１９
から第２読み出し信号２２５を受信して、当該データム
・ノツプ２１９に格納されているデータを読み取る。検
出された破裂時点ＴＢＲを基準にして、その時点ＴＢＲ
から一定の窓長（例えば破裂部のみを切り出すために５
〜６ｍ秒とする）によって、音声信号２１３の破裂部を
切り出して、切り出し信号２４５として周波数分析回路
２４１に供給する。周波数分析回路２４１では、高域強
調（差分）を施し、フーリエ変換等の分析法により対数
パワースペクトルを求める。この対数パワースペクトル
をメル尺度により帯域分割して各成分毎にまとめ、第１
特徴パラメータ信号２４７として辞書パターンメモリ２
４９に供給して、辞書パターンとして登録する。

いま、辞書パターンメモリ２４９に登録される辞書パタ
ーンを各カテゴリー毎に以下のように表す。

Ｓ’＝　５ｂ１Ｓ’２　　・・・Ｓ’ｎ　；　／　ｂ　
／Ｓ′＝Ｓｄｔ　Ｓｄ２　、・・・Ｓｎ　；／ｄ／Ｓ’
＝Ｓ’、Ｓ−・・・Ｓ２゜；／ｇ／ここで、ｎは帯域分
割数を表す。

第４図は、／　ｂ　ａ　／の有声破裂音のパターンを表
す。破裂時点ＴＢＲから窓＠　Ｔ　ｓを分析区間として
周波数分析されるものである。

３−２：入カバターンの作成 この動作にあっては、識別の対象となる音声が以下の動
作によって入カバターンに変換されて、入カバターン格
納バッファ２５３に格納される。

先ず、入力部２３１によって認識モードの動作を指令す
る。すると、制御信号２３７によって、切り出し位置設
定メモリ２＄９が付勢される。また、切り出し回路２２
９は切り出し設定信号２４３に基づいて、データム・ノ
ツプ２１９からの第２読み出し信号２２５を切り出すよ
うに指令される。

更に、周波数分析回路２４１は、切り出し信号２４５に
基づいて第２特徴パラメータ信号２５１を出力するよう
に指令される。

次いで、辞書パターン作成時と同一の話者力（マイクロ
ホン２１１に向かって発声すると、「３−１；辞書パタ
ーンの作成」と同様にして、当該音声のデータが複数デ
ータバッファ２１９に格納される。また、同様にして、
データバッフ１２１９の格納データに基づいて破裂時点
検出回路２２３が破裂時点ＴＢＲを検出して、検出信号
２２７を発生する。

更に、音声での破裂部を切り出す処理を行なう。

ここでは、検出信号２２７の発生に応じて、破裂時点Ｔ
ＢＲを基点として切り出し開始位置（つまり分析開始位
置Ｐ）を複数個設定する。

いま、入カバクーン作成時での音声パターンが第５図に
示すとおりであったものとする。ここでは、／　ｄ　ａ
　／の有声破裂子音を例として示す。

切り出し位置設定メモリ２３９から出力される切り出し
設定信号２４３によって、窓長１　（ｍ秒）及び分析開
始位Ｈｐを指令する。例えば、Ｘ、＝６　（ｍ秒）及び
ｘ２＝ａ　（ｍ秒）として、Ｐを２ｍ秒毎に変化させて
いる。

このようなＰ及びＰが指令された条件によって切り出し
回路２２９は、検出信号２２７の発生に応じて、破裂時
点くＰ５）の付近でそれぞれ窓長１１及びβ２について
音声データの切り出しが行なわれる。このように切り出
された複数の切り出し信号２４５が周波数分析回路２４
１に供給される。

周波数分析回路２４１では、それぞれの切り出し信号２
４５でのデータについて高域強調を施した後にフーリエ
変換により対数パワースペクトルを求め、メル尺度によ
り帯域分割する。各成分毎にまとめて第２特徴パラメー
タ信号２５１として入カバターン格納バッファ２５３に
供給する。従って、１つの音声データに対して複数個の
入カバターンが得られ、この入カバターン群が入カバタ
ーン格納バッファ２５３に格納される。

ここで、破裂時点付近のスペクトルである入カバターン
群は（分析開始位置数×窓長種類）個となり、 ｎＰ−１ニーＰ、見、１．（、、、ｏＰ、Ｌｌｌ　　　
　　１２ として表される。ここで、Ｐは分析開始位置番号でＰ、
〜Ｐ１１をとり、βは窓長種類番号で！、〜β。をとり
、また、ｎは帯域分割数である。

３−３：パターンマノチング 識別動作であり、「認識モード」で先の「３−２二人カ
バターンの作成」に続いて行なわれる。

既に辞書パターンメモリ２４９に登録されている辞書パ
ターン（３−１で作成済み）と、識別を行なわんとする
都度、入カバターン格納バッファ２５３に格納された入
カバターン（３−２で作成）とを比較する。

そのために、辞書パターンメモリ２４９の格納パターン
を表す辞書パターン信号２５５及び入カバターン格納バ
ッファ２５３の格納パターンを表す入カバターン信号２
５７を距離計算回路２５９に供給する。

距離計算回路２５９は、辞書パターンと大刀パターン群
との間の市街地距離を演算して距離計算信号２６１を出
力する。

判定回路２６３は距離計算信号２６１に基づいて、距離
最小のカテゴリーＣを判別して、それを識別結果とする
。

ここで、判別する計算式は、 Ｄ’ｍ　ｉ　ｎ　（Ｓ’　−ｎ”） Ｄ”　ｍ　ｉ　ｎ　（Ｓ’　−ＩＩ”’　）Ｄ’＝　ｍ
　ｉ　ｎ　（Ｓ’　−Ｕ”　）Ｃ＝ｍ　ｉ　ｎ　（Ｄ’
、　　Ｄ’、　　Ｄ’）として表される。

このようにして、破裂時点の抽出精度を補うことができ
、分析位置の変動及゛び分析窓長の変動が及ぼすスペク
トル変動を吸収することができる。

そのため、有声破裂子音の識別率向上が図られる。

なお、上述した実施例にあっては同一話者についての音
声を基にして識別するものであったが、これに限られる
ことはない。例えば、標準となる有声破裂子音のスペク
トル（パターン）を作成して予め辞書パターンメモリ２
４９に登録しておき、不特定の話者について入カバター
ンを作成して識別するようにしてもよい。

〔発明の効果〕

以上詳述した如く本発明によれば、被識別音声信号に対
し時系列的に変位した複数の時系列特徴パラメータを得
る、例えば破裂時点を基点として複数の周波数分析を行
なうことにより、分析開始条件に左右されることなく、
音声の識別率を高めることができる。

【図面の簡単な説明】

第１図は本発明の原理ブロック図、 第２図は本発明の一実施例による有声破裂子音識別装置
を示すブロック図、 第３図は有声破裂子音の破裂時点を説明するための図、 第４図は有声破裂子音の周波数分析に供される状態の説
明図、 第５図は入カバターン作成時の動作説明図である。 第１図において、 １は特徴パターン抽出手段、 ２は辞書用パターン格納手段、 ３は識別用パターン格納手段、 ４は制御手段、 ５は判別手段である。 ネ発咽の冴す１１０１９０図 第１図

Claims (3)

【特許請求の範囲】
1. （１）音声信号に応答してその時系列特徴パターンを出
   力する特徴パターン抽出手段（１）と、辞書用パターン
   格納手段（２）及び識別用パターン格納手段（３）と、 被識別音声信号を前記特徴パターン抽出手段（１）に作
   用せしめて時系列的に変位した複数の時系列特徴パター
   ンを前記識別用パターン格納手段（３）に格納させる制
   御手段（４）と、 前記識別用パターン格納手段の複数の時系列パターンの
   内の辞書用パターン格納手段の時系列特徴パターンに対
   し予め決められた関係にある時系列特徴パターンを判別
   出力する判別手段（５）とを備えて構成したことを特徴
   とする音声識別装置。
2. （２）前記辞書用パターン格納手段の時系列特徴パター
   ンは前記制御手段（４）の制御の下に辞書登録用音声信
   号を前記特徴パターン抽出手段（１）に作用せしめて発
   生され格納されたものであることを特徴とする特許請求
   の範囲第１項記載の音声識別装置。
3. （３）前記音声信号は有声破裂子音信号であり、前記特
   徴パターン抽出手段（１）は有声破裂子音信号の破裂時
   点に同期した関係でその破裂スペクトルを抽出する手段
   であり、前記予め決められた関係は辞書時系列特徴パタ
   ーンと被識別時系列特徴パターンとの距離が最も小さく
   なるものであることを特徴とする特許請求の範囲第１項
   又は第２項記載の音声識別装置。