JPS6285300A

JPS6285300A - 単語音声認識装置

Info

Publication number: JPS6285300A
Application number: JP60225212A
Authority: JP
Inventors: 教幸藤本
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1985-10-09
Filing date: 1985-10-09
Publication date: 1987-04-18
Also published as: JPH0367279B2

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】［概　要］入力音声の音声パワーから予め設定した閾値により音声
区間を検出し、音声特徴パラメータを抽出して、予め登
録してある単語の音声特徴パラメータとの比較・照合に
より音声認識する音声認識装置において、予め設定した
複数の音声パワー閾値により複数の音声区間を求め、各
区間の始端と終端の位置の違いを調べ、両方の違いが小
さい場合には一方の区間についてのみ、登録単語音声パ
ターンとの比較・照合を行うよう構成したもので、これ
により、複数閾値による有利さを保持して処理量を削減
することができる。

［産業上の利用分野］本発明は、音声認識装置における単語認識方式に係わり
、特に音声区間の認識方式に関するものである。

［従来の技術］単語ごとに音声を登録しておき、入力された音声の単語
の音声特徴パラメータを各登録単語の特徴パラメータと
比較して最も類似度の高いものを認識結果として認識す
る形式の音声認識装置においては、まず入力音声から単
語の音声区間を検出する必要がある。

単語音声が入力されたことを検出し、単語音声区間とし
て抽出するためには、入力音声のパワーを一定の閾値で
切り、閾値を超えた区間を１つの単語区間として検出し
、その音声パラメータを抽出して登録音声のそれと比較
し、最近似のものを認識結果単語とするものである。

例えば、入力音声のパワーが第４図に示すような形であ
った場合、一定の閾値を超える区間を単語区間として検
出し、これの音声特徴パラメータを抽出する。

音声特徴パラメータの抽出は、例えば帯域濾波器１，２
，３．・・−を用意し、入力単語のＩｏｍｓ（フレーム
）ごとの帯域濾波器１．２．３．−の出力を、第５図に
示すような形式で記憶するもので、これをａ語パターン
と称する。

この人力音声パターンを、同様な形式で格納してある各
登録単語の単語パターンと比較、照合して最も類似度の
高いものを求めるのである。

［発明が解決しようとする問題点］上記のように、単一のパワー閾値によって単語区間の検
出を行う際には、その入力音声のパワーと閾値との関係
によって、（１）ノイズの区間も音声区間に含まれてしまう場（２
）無声化音節等のパワーの弱い音声が区間に含まれない
場合、があり、誤認識、或いはりジェツトの原因になっていた
。

そこで、複数のパワー閾値を用いて、単語区間を検出し
、その各々について単語パターンを抽出して登録単語パ
ターンとの類似度を求めることによって、検出した複数
の音声区間のうちに、正しい音声区間が含まれる可能性
が高く、高い認識率が得られることが確認されている。

（例えば、日本音響学会講演論文集、昭和５９年１０月
、挿口、接置、佐藤：複数閾値を用いた簡易型単語音声
認識方式。）第６図は、この複数閾値を用いる音声区間検出方式の効
果を示すものでる。

第６図の（ａ）、ｆｂ）、（（＋１は、登録されである
３つの単語パターンを示す。

同図ｆｄ）は入力Ａの場合のパワーパターンを示し、最
も高い閾値Ｌ３によって正しい音声区間■が検出されて
、同図（ａ）の登録単語と類似度が最も高く正しく認識
され、低い閾値Ｌｌ、Ｌ２ではノイズ区間が音声区間に
含まれて音声区間■、■と検出され、同図（ｂ）の登録
単語と誤認識される可能性があることを示している。

第６図（ｅ）は入力Ｂの場合のパワーパターンを示し、
最も低い閾値Ｌ１により正しい音声区間■が検出されて
、同図ｆｂｌの登録単語と類似度量も高く正しく認識さ
れ、高い閾値Ｌ２．Ｌｌでは同図ｔｃ＞の登録単語と誤
認識される可能性のあることを示している。

しかし、この複数閾値を用いる方法では、第６図（ｄ）
で示す入力Ａの場合には■、■の区間が殆ど同じである
にも拘わらず、また同図（ｅ）で示す入力Ｂの場合には
■、■の区間が殆ど同じであるにも拘わらず、それぞれ
単語パターンを求めて登録パターンと照合しなければな
らなかった。

このため処理にかなりの時間を要するものであった・本発明は、この問題点を解消した新規の単語音声認識方
式を提供しようとするものである。

［問題点を解決するための手段］第１図は本発明の単語音声認識方式の原理ブロック図を
示す。

第１図において、Ｉ　１．１２．・・・、Ｉｍはｍ個の
音声パワー閾値によって音声区間を検出する区間検出部
である。

２はｍ個の区間検出部１１．１２．・−・、１ｍで検出
されたｍ個の音声区間から必要なもののみを選択する区
間選択部である。

区間検出部１　＋、　１２．・・−，１ｍはそれぞれ入
力音声パワーがそれぞれの閾値Ｌ１、Ｌ２．・−、Ｌｍ
を超える最初の点３１．Ｓ２．−．Ｓ＋ｎを検出する始
端検出部１１１．１１２．−＝、　ｌ１ｍ　ｓおよび最
後の点Ｅｌ、Ｅ２゜・−Ｉ　Ｅｍを検出する終端検出部
１２’１．１２２．−・−、１２ｍから成る。

終端検出部１２＋、１２ｚ、−、１２ｍは、始端検出の
後、入力音声パワーが低下し閾値を割っても予め定めた
時間以内に再び上昇して閾値を超えるときは終端とせず
音声区間の１！続とみなす処理も行う。

区間選択部２は、区間検出部１　＋、　１２．−・−、
１ｍの検出した始端３１，３２．・・−９Ｓ…および終
端Ｅ＋。

Ｅ２．・・−、Ｅｍについて、次の検査を行う。

１ｓｔ　−ｓｊ　　ｌ＜ＱｔｌＥｉ　−Ｅｊ　ｌ＜Ｑまただし、Ｑｌ、Ｑ２は予め定めである閾値であって、ｉ
、ｊは、ｉ＝１．２．・・・、　ｍ　−１ｉ　　Ｊ　＝
２＋３、・・−、ｍ（ｉ＜ｊ）なる総ての組合せについ
て行う。

上記の２式が共に成立するときは、音声区間（Ｓｊ、Ｅ
ｊ　）を候補区間から除外して、残された音声区間のみ
を候補区間として出力する。

区間選択部２から出力された候補区間の各々について単
語音声パターンを生成し、登録単語音声パターンと比較
・照合する。

上記の式に替えて、次式により検査を行ってもよい。

ｌｓｉ　−５ｊ　　Ｉ＋ｌＥｉ　−Ｅｊ　　ｌ＜Ｑ）い
ずれの場合でも、始端位置差と終端位置差が共に成る値
より小さいときは一方を除外するものである。

［作用］上記の構成により、複数閾値を使用する有利さを保持し
つつ、殆ど同一の音声区間を除外して、処理量を削減す
ることができる。

［実施例］以下第２図および第３図に示す実施例により、本発明を
さらに具体的に説明する。

第２図は本発明の実施例のブロック図である。

第２図において、１　＋、　１２．・−１１ｍは区間検
出部であり、２は区間選択部であって、第１図と同一の
対象物である。

３はパワー計算部であって、入力音声のパワーを計算し
、各区間検出部１　＋、　１２．・・−，１ｍに入力す
る。

４は音声入力用のマイクであり、５は音声増幅器であっ
て、増幅出力をパワー計算部３およびｓｌ、６２．ｆ３
Ｌ’−＋　　６ｎの帯域濾波器に入力する。

６＋、６２，６３．−−−、　ｆＨｌは帯域濾波器（Ｂ
ＰＦ）であって、音声帯域をｎ個に分割した各々の周波
数帯域を通過する濾波器である。

７　＋、　７２．７　Ｌ・−１７０は整流・平滑器であ
って、それぞれの帯域濾波器６　＋、　６２．６３．・
・・、６ｎからの出力を整流し、平滑化して、包絡出力
を出す。

８は単語音声パターン生成部であって、整流・平滑器７
＋、７２，７３．・−１７ｎの出力により、区間選択部
２の出力した区間について、第５図に示したような単語
音声パターンを生成する。

９は登録パターン格納部であって、最初に所要の単語に
ついて、単語音声パターン生成部８において生成した音
声パターンを格納しておく記憶装置である。

１０は照合部であって、単語音声パターン生成部８から
入力された音声パターンを、登録パターン格納部９の各
パターンと比較・照合して、類似度の最も高い単語を認
識結果として出力する。

最初に単語を登録する場合には、スイッチ１１を上に倒
して、マイク４より単語音声を入力し、標準のパワー閾
値を持つ区間検出部、例えば１２の出力により、単語音
声パターンを生成し、これを登録パターン格納部９に格
納する。

音声認識の場合は、スイッチ１１を下に倒して、マイク
４より認識された音声を各区間検出部１＋。

１２、・・・、１＋ｍで区間検出し、区間選択部２によ
り必要な区間のみを選択して、これについて単語音声パ
ターンを生成し、登録単語音声パターンと比較・照合し
て認識結果を出力する。

第３図は、区間選択部の処理例を示す図である。

同図（ａ）の入力Ａの場合は、３つの閾値Ｌｌ、Ｌ２゜
Ｌ３によって音声区間■、■、■がヰ食出されたが、区
間■と区間■は始端差と終端差が共に小さいので、破線
で示すように区間■は除外したことを示している。

同図（ｂｌの入力Ｂの場合は、３つの閾値Ｌｌ、Ｌ２゜
Ｌ３によって音声区間■、■、■が検出されたが、区間
■と区間■は始端差と終端差が共に小さいので・破線で
示すように区間■は除外したことを示している。

［発明の効果］以上説明のように本発明によれば、複数閾値を使用する
有利さを保持しつつ、殆ど同一の音声区間を除外して、
処理量を削減することによって処理速度を向上すること
ができ、その実用上の効果はきわめて大きい。

【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図は本発明の実施例のブロック図、第３図は区間選
択部の処理例を示す図、第４図は単語音声のパワーパタ
ーンを示す図、第５図は単語音声パターンを例示する図
、第６図は複数閾値を用いる音声区間検出方式の効果を
示す図である。図面において、Ｉ　１．１　ｚ、−、１ｍは区間検出部、１１１．１１
２．・・・、１１ｍは始端検出部、１２１、１２２．・
・、１２ｍは終端検出部、２は区間選択部、３はパワー計算部、４はマイク、５は増幅器、６１．６２，６３．−−−．６１１は帯域濾波器、７　
Ｉ、　７２．７　］、・・・、７ｏは整流・平滑器、８
は単語音声パターン生成部、９は登録パターン格納部、１０は照合部、１１はスイッチ、をそれぞれ示す。

Claims

【特許請求の範囲】入力音声の音声パワーから予め設定した閾値により音声
区間を検出し、音声特徴パラメータを抽出して、予め登
録してある単語の音声特徴パラメータとの比較・照合に
より音声認識する音声認識装置において、予め設定した複数の音声パワー閾値を超える音声区間を
検出する区間検出部と、前記区間検出部により検出した各区間の始端および終端
同士の位置差を予め設定した閾値と比較し、始端位置差
と終端位置差の両方が該閾値以内であるときは、一方の
区間を除外して残った区間を出力する処理を行う区間選
択部と、を備え、該区間選択部が選択した音声区間につ
いての音声特徴パラメータを登録単語の音声特徴パラメ
ータと比較・照合するよう構成したことを特徴とする単
語音声認識方式。