JPS6334477B2 - - Google Patents
Info
- Publication number
- JPS6334477B2 JPS6334477B2 JP57190600A JP19060082A JPS6334477B2 JP S6334477 B2 JPS6334477 B2 JP S6334477B2 JP 57190600 A JP57190600 A JP 57190600A JP 19060082 A JP19060082 A JP 19060082A JP S6334477 B2 JPS6334477 B2 JP S6334477B2
- Authority
- JP
- Japan
- Prior art keywords
- output
- value
- feature
- change
- present
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Filters That Use Time-Delay Elements (AREA)
Description
【発明の詳細な説明】
＜技術分野＞
本発明は音声認識装置等の認識装置の改良に関
し、更に詳細には特徴パラメータとしてフイルタ
バンク出力のように対数値を必要とする認識装置
における特徴パラメータの作成に改良を加えたも
のである。
し、更に詳細には特徴パラメータとしてフイルタ
バンク出力のように対数値を必要とする認識装置
における特徴パラメータの作成に改良を加えたも
のである。
＜従来技術＞
従来、例えば音声の特徴パラメータとしてフイ
ルタバンク出力のような対数値を用いる場合、次
式(1)によつて対数変換されている。
ルタバンク出力のような対数値を用いる場合、次
式(1)によつて対数変換されている。
Wi＝AlogPi＋Ｂ ………(1)
但し、Ａ、Ｂ：定数
Pi：対数値をとる前の特徴パラメータ
Wi：対数をとつた後の特徴パラメータ
このような、従来の変換方法を用いた認識装置
によれば、対数曲線の性質によつて、特徴パラメ
ータの値の小さな所では小さなPiの変動でも対数
出力の変化が大きく出ることになる。
によれば、対数曲線の性質によつて、特徴パラメ
ータの値の小さな所では小さなPiの変動でも対数
出力の変化が大きく出ることになる。
したがつて、特徴パラメータのうち値が零に近
いチヤンネルでは内部の電気的雑音や外部ノイズ
の影響を強く受ける問題点があつた。
いチヤンネルでは内部の電気的雑音や外部ノイズ
の影響を強く受ける問題点があつた。
またマツチング部において、例えば特開昭56−
133800「音声認識方式」に示されているようなカ
ルマンフイルタ等の係数変化を用いる方式の場合
には、最小値が零に近いと、変化率が非常に大き
くなる可能性があり、演算に多くのビツト数を必
要とする等の問題点があつた。
133800「音声認識方式」に示されているようなカ
ルマンフイルタ等の係数変化を用いる方式の場合
には、最小値が零に近いと、変化率が非常に大き
くなる可能性があり、演算に多くのビツト数を必
要とする等の問題点があつた。
＜目的＞
本発明は上記従来の問題点を除去した、特徴パ
ラメータのあるチヤンネルが零付近の値を取つて
も電気的ノイズの影響が受けにくいように特徴パ
ラメータの値を変換する手段を備えた認識装置を
提供することを目的として成されたものである。
ラメータのあるチヤンネルが零付近の値を取つて
も電気的ノイズの影響が受けにくいように特徴パ
ラメータの値を変換する手段を備えた認識装置を
提供することを目的として成されたものである。
＜実施例＞
以下、本発明の一実施例を詳細に説明する。
後述する本発明の実施例によれば、音声の特徴
パラメータの値の対数をとる際、次式(2)によつて
変換されるように構成されている。
パラメータの値の対数をとる際、次式(2)によつて
変換されるように構成されている。
Wi＝Ｋ
AlogPi＋Ｂ；AlogPi＋ＢＫ
；AlogPi＋ＢＫ
…(2)
上記式(2)に従つて特徴パラメータPiを対数変換
してWiを得るようにすることにより、特徴パラ
メータPiのあるチヤンネルが零付近の値をとつて
も電気的ノイズ等の影響を受けにくくなり、また
認識部にカルマンフイルタ等のように前のフレー
ムとの特徴量の変化率を用いる場合にも、最低レ
ベルを上記式(2)によつて一定値Ｋに持ち上げるこ
とにより、最大の変化率がおさえられるため、ビ
ツト数の少ない演算が可能となる。
してWiを得るようにすることにより、特徴パラ
メータPiのあるチヤンネルが零付近の値をとつて
も電気的ノイズ等の影響を受けにくくなり、また
認識部にカルマンフイルタ等のように前のフレー
ムとの特徴量の変化率を用いる場合にも、最低レ
ベルを上記式(2)によつて一定値Ｋに持ち上げるこ
とにより、最大の変化率がおさえられるため、ビ
ツト数の少ない演算が可能となる。
次に図面を用いて一実施例を詳細に説明する。
第１図は本発明を採用した音声認識装置の一例
を示すブロツク図である。
を示すブロツク図である。
第１図において発声された入力音声はマイクロ
ホン等の検出器１により電気信号に変換される。
この検出器１は、人の可聴周波数である20数Hz〜
15kHz程度の周波数を検出することが出来、特に
人の会話音声領域の周波数を歪なく検出し得るも
のが好ましい。この検出器１の出力側には増幅器
２が接続される。この増幅器２は前記の音声周波
数を歪なく増幅し得るものが好ましい。この脱幅
器２の出力側に音声区間抽出部３が接続され、こ
の音声区間抽出部３により音声の識別開始タイミ
ングと識別終了タイミングが与えられ、この音声
区間内の音声信号が次段の特徴パラメータ抽出部
４に与えられる。
ホン等の検出器１により電気信号に変換される。
この検出器１は、人の可聴周波数である20数Hz〜
15kHz程度の周波数を検出することが出来、特に
人の会話音声領域の周波数を歪なく検出し得るも
のが好ましい。この検出器１の出力側には増幅器
２が接続される。この増幅器２は前記の音声周波
数を歪なく増幅し得るものが好ましい。この脱幅
器２の出力側に音声区間抽出部３が接続され、こ
の音声区間抽出部３により音声の識別開始タイミ
ングと識別終了タイミングが与えられ、この音声
区間内の音声信号が次段の特徴パラメータ抽出部
４に与えられる。
特徴パラメータ抽出部４は第２図に示すように
互いに通過帯域を異ならせた複数個の帯域フイル
タ４１1〜４１Nと各帯域フイルタ４１1〜４１Nの
出力をホールドするサンプルホールド回路４２1
〜４２Nと、このサンプルホールド回路４２1〜４
２Nの出力を順次10ミリ秒程度の間隔でサンプリ
ングするアナログスイツチ４３と、このアナログ
スイツチ４３の出力を例えば12ビツトのデジタル
信号に変換し、特徴パラメータPiを出力するＡ／
Ｄ変換器４４から構成されている。
互いに通過帯域を異ならせた複数個の帯域フイル
タ４１1〜４１Nと各帯域フイルタ４１1〜４１Nの
出力をホールドするサンプルホールド回路４２1
〜４２Nと、このサンプルホールド回路４２1〜４
２Nの出力を順次10ミリ秒程度の間隔でサンプリ
ングするアナログスイツチ４３と、このアナログ
スイツチ４３の出力を例えば12ビツトのデジタル
信号に変換し、特徴パラメータPiを出力するＡ／
Ｄ変換器４４から構成されている。
上記特徴パラメータ抽出部４により抽出された
特徴パラメータPiは対数化部５により対数変換さ
れ、この対数変換された特徴パラメータWiが次
段のパワー正規化部６及び時間軸正規化部７を通
つて正規化され、この正規化された特徴パラメー
タと標準パターンメモリ８に記憶された標準特徴
パラメータとがマツチング部９により比較されて
入力音声が認識され、その結果が出力部１０に出
力されるように構成されている。
特徴パラメータPiは対数化部５により対数変換さ
れ、この対数変換された特徴パラメータWiが次
段のパワー正規化部６及び時間軸正規化部７を通
つて正規化され、この正規化された特徴パラメー
タと標準パターンメモリ８に記憶された標準特徴
パラメータとがマツチング部９により比較されて
入力音声が認識され、その結果が出力部１０に出
力されるように構成されている。
また上記対数化部５は第２図に示すように対数
変換用ROM５１により構成されており、第３図
に実線で示すように入力Piを出力Wiに変換する
ように固定記憶されている。即ちROM５１は例
えば12ビツトの入力信号を受けて、この入力値を
上記した式(2)に従つて変換した８ビツトの出力値
Wiとして出力するように構成されている。
変換用ROM５１により構成されており、第３図
に実線で示すように入力Piを出力Wiに変換する
ように固定記憶されている。即ちROM５１は例
えば12ビツトの入力信号を受けて、この入力値を
上記した式(2)に従つて変換した８ビツトの出力値
Wiとして出力するように構成されている。
上記の如き構成において帯域フイルタ４１1〜
４１Nの出力は順次Ａ／Ｄ変換器４４により12ビ
ツトのデジタル信号に変換され、このAD変換さ
れた特徴パラメータPiの値が式(2)に従つて対数変
換される。この式(2)に従つた変換動作により、入
力値Piが小さい部分において該Piの値がノイズ等
によつて変動しても、出力は一定値Ｋとなり、ノ
イズの影響を受けにくくなる。また次フレームと
の変化率の最大も従来のＣ／Ｂに比してＣ／Ｋと
小さくなり、マツチング部９にカルマンフイルタ
等の変化量を用いたものにおいて、その演算の効
率化が図れることになる。
４１Nの出力は順次Ａ／Ｄ変換器４４により12ビ
ツトのデジタル信号に変換され、このAD変換さ
れた特徴パラメータPiの値が式(2)に従つて対数変
換される。この式(2)に従つた変換動作により、入
力値Piが小さい部分において該Piの値がノイズ等
によつて変動しても、出力は一定値Ｋとなり、ノ
イズの影響を受けにくくなる。また次フレームと
の変化率の最大も従来のＣ／Ｂに比してＣ／Ｋと
小さくなり、マツチング部９にカルマンフイルタ
等の変化量を用いたものにおいて、その演算の効
率化が図れることになる。
次に本発明と従来技術とを入力信号だけの場合
と、周波数軸上で加算的に10のノイズが重畳した
場合を例にして比較する。
と、周波数軸上で加算的に10のノイズが重畳した
場合を例にして比較する。
なお以下は特徴パラメータとして帯域フイルタ
出力を用い12ビツトでＡ／Ｄ変換を行ない対数変
換で８ビツトにする場合の数値例を示している。
出力を用い12ビツトでＡ／Ｄ変換を行ない対数変
換で８ビツトにする場合の数値例を示している。
従来の対数変換式Wi＝AlogPi＋Ｂ
及び本発明による対数変換式
Wi＝AlogPi＋Ｂ
Ｋ；AlogPi＋Ｂ＞Ｋ
；AlogPi＋ＢＫ
において、Ａ＝25.8、Ｂ＝40、Ｋ＝Alog50＋Ｂ
とした場合（但し０＜Pi4095）、ノイズのない
時のフイルタバンク出力Piとノイズの重畳した時
の出力（Pi＋10）の間のユークリツド距離は次の
ように表わされる。
とした場合（但し０＜Pi4095）、ノイズのない
時のフイルタバンク出力Piとノイズの重畳した時
の出力（Pi＋10）の間のユークリツド距離は次の
ように表わされる。
即ちノイズがない時は
Wi＝AlogPi＋Ｂ
となり、ノイズのある時は
Wi′＝Alog（Pi＋10）＋Ｂ
となる。従つてユークリツド距離diは
di＝（Wi−Wi′）2
＝A2｛log（１＋10／Pi）｝2 ………(3)
となる。
上記(3)式で表わされるユークリツド距離diが従
来法によるものであり、上式(3)を図示すると第４
図の如く表わされる。
来法によるものであり、上式(3)を図示すると第４
図の如く表わされる。
一方、本発明によれば
０＜Pi40のとき
Wi＝Wi′＝Alog50＋Ｂ
となり、di＝０となる。
また40＜Pi50のとき
Wi＝Alog50＋Ｂ
Wi′＝Alog（Pi＋10）＋Ｂ
となり、ユークリツド距離diは
di＝A2（logPi＋10／50）2
となる。
更に50＜Piのときは、従来と同じ式
di＝A2｛log（１＋10／Pi）｝2
となる。
従つて本発明におけるユークリツド距離diと入
力Piの関係を図示すると第５図の如く表わされ
る。
力Piの関係を図示すると第５図の如く表わされ
る。
このように第４図及び第５図からも明らかなよ
うに従来法ではフイルタバンク出力が小さい時
は、4096段階のうち10変動するだけでユークリツ
ド距離が非常に大きくなることがあり、ノイズに
対して弱いという欠点があつたが、本発明によれ
ばフイルタバンク出力が小さい時には一定レベル
に持ち上げることにより上記の欠点が除かれる。
うに従来法ではフイルタバンク出力が小さい時
は、4096段階のうち10変動するだけでユークリツ
ド距離が非常に大きくなることがあり、ノイズに
対して弱いという欠点があつたが、本発明によれ
ばフイルタバンク出力が小さい時には一定レベル
に持ち上げることにより上記の欠点が除かれる。
また、時間ｔにおけるｉ番目のフイルタバンク
出力をPitとした時、次のフレームとの特徴量の
変化量は、最悪の場合Pit＝１、Pit+1＝4095のと
きであり、この時の変化量αは 従来法の場合 α＝Alog4095＋Ｂ／Alog1＋Ｂ（＝6.36） 本発明の場合 α＝Alog4095＋Ｂ／Ｋ（＝1.81） となり、Alog1＋Ｂ＜Ｋであるため変化量が本発
明の場合、おさえられることになる（なおカツコ
内の数値は上記数値例の場合の値を示している）。
出力をPitとした時、次のフレームとの特徴量の
変化量は、最悪の場合Pit＝１、Pit+1＝4095のと
きであり、この時の変化量αは 従来法の場合 α＝Alog4095＋Ｂ／Alog1＋Ｂ（＝6.36） 本発明の場合 α＝Alog4095＋Ｂ／Ｋ（＝1.81） となり、Alog1＋Ｂ＜Ｋであるため変化量が本発
明の場合、おさえられることになる（なおカツコ
内の数値は上記数値例の場合の値を示している）。
また、変化量を用いない場合はＢ＝−Ｋとする
ことにより、ダイナミツクレンジを上げることが
出来るようになる。
ことにより、ダイナミツクレンジを上げることが
出来るようになる。
＜効果＞
以上の如く、本発明によれば特徴パラメータと
して対数値を用いた認識装置において、特徴パラ
メータのレベルの低い部分の値を一定値に持ち上
げて特徴パラメータの変化率を制限するように成
しているため、特徴パラメータのあるチヤンネル
が零付近の値を取つても、電気的ノイズ等の影響
が受けにくくなる。また認識部にカルマンフイル
タ等の前のフレームとの特徴量の変化率を用いる
場合、最低レベルを本発明により持ち上げること
により最大の変化量が押さえられ、ビツト数の少
ない演算で認識処理を行うことが可能となる。
して対数値を用いた認識装置において、特徴パラ
メータのレベルの低い部分の値を一定値に持ち上
げて特徴パラメータの変化率を制限するように成
しているため、特徴パラメータのあるチヤンネル
が零付近の値を取つても、電気的ノイズ等の影響
が受けにくくなる。また認識部にカルマンフイル
タ等の前のフレームとの特徴量の変化率を用いる
場合、最低レベルを本発明により持ち上げること
により最大の変化量が押さえられ、ビツト数の少
ない演算で認識処理を行うことが可能となる。
第１図は本発明の採用された音声認識装置の構
成を示すブロツク図、第２図はその要部構成ブロ
ツク図、第３図は本発明による対数変換の入出力
関係を示す図、第４図は従来法におけるノイズの
影響を説明する図、第５図は本発明におけるノイ
ズの影響を説明する図である。 ４……特徴パラメータ抽出部、５……対数化
部、４１1〜４１N……帯域フイルタ、４４……
Ａ／Ｄ変換器、５１……log変換ROM、Pi……対
数値をとる前の特徴パラメータ、Wi……対数を
とつた後の特徴パラメータ、Ｋ……一定値。
成を示すブロツク図、第２図はその要部構成ブロ
ツク図、第３図は本発明による対数変換の入出力
関係を示す図、第４図は従来法におけるノイズの
影響を説明する図、第５図は本発明におけるノイ
ズの影響を説明する図である。 ４……特徴パラメータ抽出部、５……対数化
部、４１1〜４１N……帯域フイルタ、４４……
Ａ／Ｄ変換器、５１……log変換ROM、Pi……対
数値をとる前の特徴パラメータ、Wi……対数を
とつた後の特徴パラメータ、Ｋ……一定値。
Claims (1)
- 【特許請求の範囲】 １ 特徴パラメータとして対数値を用いた認識装
置において、 上記特徴パラメータのレベルの低い部分の値を
一定値に持ち上げるように変換する変換手段を備
え、 上記特徴パラメータの変化率を制限せしめるよ
うに成したことを特徴とする認識装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57190600A JPS5979300A (ja) | 1982-10-28 | 1982-10-28 | 認識装置 |
| US06/543,497 US4833711A (en) | 1982-10-28 | 1983-10-19 | Speech recognition system with generation of logarithmic values of feature parameters |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57190600A JPS5979300A (ja) | 1982-10-28 | 1982-10-28 | 認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5979300A JPS5979300A (ja) | 1984-05-08 |
| JPS6334477B2 true JPS6334477B2 (ja) | 1988-07-11 |
Family
ID=16260760
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57190600A Granted JPS5979300A (ja) | 1982-10-28 | 1982-10-28 | 認識装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US4833711A (ja) |
| JP (1) | JPS5979300A (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5216748A (en) * | 1988-11-30 | 1993-06-01 | Bull, S.A. | Integrated dynamic programming circuit |
| US5025471A (en) * | 1989-08-04 | 1991-06-18 | Scott Instruments Corporation | Method and apparatus for extracting information-bearing portions of a signal for recognizing varying instances of similar patterns |
| US5450522A (en) * | 1991-08-19 | 1995-09-12 | U S West Advanced Technologies, Inc. | Auditory model for parametrization of speech |
| US12244448B2 (en) * | 2023-07-31 | 2025-03-04 | James Kain | Enhanced communication system |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3327058A (en) * | 1963-11-08 | 1967-06-20 | Bell Telephone Labor Inc | Speech wave analyzer |
| US3832491A (en) * | 1973-02-13 | 1974-08-27 | Communications Satellite Corp | Digital voice switch with an adaptive digitally-controlled threshold |
| US3975587A (en) * | 1974-09-13 | 1976-08-17 | International Telephone And Telegraph Corporation | Digital vocoder |
| US4008375A (en) * | 1975-08-21 | 1977-02-15 | Communications Satellite Corporation (Comsat) | Digital voice switch for single or multiple channel applications |
| GB1569450A (en) * | 1976-05-27 | 1980-06-18 | Nippon Electric Co | Speech recognition system |
| FR2410923A1 (fr) * | 1977-08-18 | 1979-06-29 | Dassault Electronique | Installation de transmission telephonique de la parole entre des interlocuteurs places dans une ambiance bruyante |
| JPS5569880A (en) * | 1978-11-22 | 1980-05-26 | Nec Corp | Pattern recognition unit |
| JPS5688199A (en) * | 1979-12-21 | 1981-07-17 | Hitachi Ltd | Pattern pretreatment method in voice identifier |
| US4370521A (en) * | 1980-12-19 | 1983-01-25 | Bell Telephone Laboratories, Incorporated | Endpoint detector |
| US4520500A (en) * | 1981-05-07 | 1985-05-28 | Oki Electric Industry Co., Ltd. | Speech recognition system |
| US4509186A (en) * | 1981-12-31 | 1985-04-02 | Matsushita Electric Works, Ltd. | Method and apparatus for speech message recognition |
| CA1204855A (en) * | 1982-03-23 | 1986-05-20 | Phillip J. Bloom | Method and apparatus for use in processing signals |
-
1982
- 1982-10-28 JP JP57190600A patent/JPS5979300A/ja active Granted
-
1983
- 1983-10-19 US US06/543,497 patent/US4833711A/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| US4833711A (en) | 1989-05-23 |
| JPS5979300A (ja) | 1984-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2561850B2 (ja) | 音声処理装置 | |
| JPS6257040B2 (ja) | ||
| US4833711A (en) | Speech recognition system with generation of logarithmic values of feature parameters | |
| KR0176751B1 (ko) | 음성인식 시스템의 특징추출방법 | |
| JP2642694B2 (ja) | 雑音除去方法 | |
| JP3023135B2 (ja) | 音声認識装置 | |
| JPH0461359B2 (ja) | ||
| JPH0646359B2 (ja) | 単語音声認識装置 | |
| JPH0146080B2 (ja) | ||
| JP4007628B2 (ja) | 音声ピッチの周期の正規化を行う音声合成装置 | |
| JPS58147797A (ja) | 音声認識装置 | |
| JPS59195291A (ja) | 音声認識装置 | |
| JPH0814760B2 (ja) | スペクトル正規化装置 | |
| JP2003241792A (ja) | 音声認識装置及び方法 | |
| JPS61273599A (ja) | 音声認識装置 | |
| JPH03122700A (ja) | 音声認識装置 | |
| JP2003241791A (ja) | 音声認識装置及び方法 | |
| JPS625298A (ja) | 音声認識装置 | |
| JPS6225798A (ja) | 音声認識装置 | |
| JPS61281300A (ja) | 音声認識装置 | |
| JPS6355280B2 (ja) | ||
| JPH02127700A (ja) | 音声応答装置 | |
| JPH0410080B2 (ja) | ||
| JPH0459638B2 (ja) | ||
| JPH0146078B2 (ja) |