JPH0556512B2 - - Google Patents
Info
- Publication number
- JPH0556512B2 JPH0556512B2 JP61054500A JP5450086A JPH0556512B2 JP H0556512 B2 JPH0556512 B2 JP H0556512B2 JP 61054500 A JP61054500 A JP 61054500A JP 5450086 A JP5450086 A JP 5450086A JP H0556512 B2 JPH0556512 B2 JP H0556512B2
- Authority
- JP
- Japan
- Prior art keywords
- noise
- speech
- distance
- interval
- detection method
- 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 - Lifetime
Links
Description
【発明の詳細な説明】
（産業上の利用分野）
この発明は音声信号処理方法、特に音声認識装
置における音声区間検出方法に関する。
置における音声区間検出方法に関する。
（従来の技術）
従来提案された音声区間検出法として、特開昭
60−114900号に開示されている方法がある。この
方法は雑音区間と音声区間とでのパワースペクト
ルの差を利用し、入力パワースペクトルから予め
登録された雑音パワースペクトルを減じた残りの
パワースペクトルの大きさに基づいて検出する方
法であつた。
60−114900号に開示されている方法がある。この
方法は雑音区間と音声区間とでのパワースペクト
ルの差を利用し、入力パワースペクトルから予め
登録された雑音パワースペクトルを減じた残りの
パワースペクトルの大きさに基づいて検出する方
法であつた。
以下、第２図を参照してこの従来の方法につき
簡単に説明する。
簡単に説明する。
第２図は従来の音声区間検出方法の説明に供す
るブロツク図である。マイクロホン１０１で受音
された入力音声信号は低域、中域及び高域の各帯
域フイルタ１０２，１０３，１０４及びそれぞれ
の帯域用の整流平滑部１０５によつて各帯域の入
力パワーに分解される。この３つの入力パワーは
マルチプレクサ１０６を通り環境雑音学習部１０
７及び環境雑音除去部１０８に入る。環境雑音学
習部１０７には予め学習されて騒音パワーが格納
されており、環境雑音除去部１０８ではこの騒音
パワーを読取つてきて入力パワーから騒音パワー
を減算する。この減算により残つた差パワースペ
クトルはエネルギーによる判定部１０９に入り、
エネルギー閾値メモリ１１０に予め設定されてい
る閾値とこの差パワースペクトルとが比較され、
第１回目の有音・無音判定が行われる。この判定
によつて有音と無音との区別が出来ない場合に
は、次段の統計的距離尺度による判定部１１１に
おいて、差パワースペクトルと標準パタンメモリ
１１２に予め格納してある有声子音・無声子音と
の間での距離計算を行つて音声に対する認識率の
良い音声認識を行うため、第２回目の有音・無音
の判定を行つている。
るブロツク図である。マイクロホン１０１で受音
された入力音声信号は低域、中域及び高域の各帯
域フイルタ１０２，１０３，１０４及びそれぞれ
の帯域用の整流平滑部１０５によつて各帯域の入
力パワーに分解される。この３つの入力パワーは
マルチプレクサ１０６を通り環境雑音学習部１０
７及び環境雑音除去部１０８に入る。環境雑音学
習部１０７には予め学習されて騒音パワーが格納
されており、環境雑音除去部１０８ではこの騒音
パワーを読取つてきて入力パワーから騒音パワー
を減算する。この減算により残つた差パワースペ
クトルはエネルギーによる判定部１０９に入り、
エネルギー閾値メモリ１１０に予め設定されてい
る閾値とこの差パワースペクトルとが比較され、
第１回目の有音・無音判定が行われる。この判定
によつて有音と無音との区別が出来ない場合に
は、次段の統計的距離尺度による判定部１１１に
おいて、差パワースペクトルと標準パタンメモリ
１１２に予め格納してある有声子音・無声子音と
の間での距離計算を行つて音声に対する認識率の
良い音声認識を行うため、第２回目の有音・無音
の判定を行つている。
（発明が解決しようとする問題点）
しかしながら、この従来の音声区間検出方法に
よれば、雑音或いは騒音の測定時と音声検出時と
で雑音等の性質例えば雑音パワーが変化した場合
には、誤検出したり或いは検出性能が著しく低下
してしまうので、これを回避するためには判定の
基礎となる騒音パワー等を再度登録する必要があ
り、さらに音声に対する識別率のよい音声認識法
が必要であるという問題点があつた。
よれば、雑音或いは騒音の測定時と音声検出時と
で雑音等の性質例えば雑音パワーが変化した場合
には、誤検出したり或いは検出性能が著しく低下
してしまうので、これを回避するためには判定の
基礎となる騒音パワー等を再度登録する必要があ
り、さらに音声に対する識別率のよい音声認識法
が必要であるという問題点があつた。
この発明は上述した雑音の性質の変化及びパワ
ーの変動に対する弱点や雑音登録の必要性、さら
に音声に対する識別法が必要となるという問題点
を解決するために成されたものである。
ーの変動に対する弱点や雑音登録の必要性、さら
に音声に対する識別法が必要となるという問題点
を解決するために成されたものである。
従つて、この発明の目的は高い雑音の下でも音
声区間が正確に検出出来、しかも雑音の変化や登
録を意識することなく用いることが出来る音声区
間検出方法を提供することにある。
声区間が正確に検出出来、しかも雑音の変化や登
録を意識することなく用いることが出来る音声区
間検出方法を提供することにある。
（問題点を解決するための手段）
この目的の達成を図るため、この発明の音声区
間検出方法においては次のような処理を含む。
間検出方法においては次のような処理を含む。
先ず、予め設定した一定フレーム長毎に入力特
徴パタン（入力信号の特徴を表わす特徴量の組の
ことをいう）を用いて音声区間候補と判定された
区間以外の時間区間を雑音区間と判定する処理を
有する。
徴パタン（入力信号の特徴を表わす特徴量の組の
ことをいう）を用いて音声区間候補と判定された
区間以外の時間区間を雑音区間と判定する処理を
有する。
この雑音区間内の入力特徴パタンを雑音の特徴
を代表する特性値の組、即ち雑音標準パタンとし
て学習する処理を含む。この場合例えばこの雑音
区間における入力特徴パタンを雑音の特徴量の組
（以下、雑音特徴パタンと称する）とし、この雑
音特徴パタンの平均的な形と平均的な変動幅の組
を上述した雑音標準パタンとして学習するのが好
適である。また、この雑音標準パタンの学習は、
好ましくは雑音の性質の変化例えばゆつくりとし
た変化に追従させながら雑音区間内に限つて学習
する（この学習を区間限定追従学習と称する）の
が良い。
を代表する特性値の組、即ち雑音標準パタンとし
て学習する処理を含む。この場合例えばこの雑音
区間における入力特徴パタンを雑音の特徴量の組
（以下、雑音特徴パタンと称する）とし、この雑
音特徴パタンの平均的な形と平均的な変動幅の組
を上述した雑音標準パタンとして学習するのが好
適である。また、この雑音標準パタンの学習は、
好ましくは雑音の性質の変化例えばゆつくりとし
た変化に追従させながら雑音区間内に限つて学習
する（この学習を区間限定追従学習と称する）の
が良い。
さらに、入力特徴パタン及び雑音標準パタン間
のパタン間距離と、閾値との大小関係に基づいて
前述の音声区間候補を音声区間として検出する処
理を含む。この場合、パタン間距離（以下、単に
距離と称する場合がある）の雑音区間内での平均
値と平均的な変動幅の組を、雑音時の距離を特徴
を代表する特性値の組（雑音時距離標準パタンと
称する）として区間限定追従学習するのが好適で
ある。また、この閾値を、好ましくは、得られた
雑音時距離標準パタンを基にして算出した値とす
るのが良い。
のパタン間距離と、閾値との大小関係に基づいて
前述の音声区間候補を音声区間として検出する処
理を含む。この場合、パタン間距離（以下、単に
距離と称する場合がある）の雑音区間内での平均
値と平均的な変動幅の組を、雑音時の距離を特徴
を代表する特性値の組（雑音時距離標準パタンと
称する）として区間限定追従学習するのが好適で
ある。また、この閾値を、好ましくは、得られた
雑音時距離標準パタンを基にして算出した値とす
るのが良い。
さらに具体的に述べると、この閾値は、この閾
値をＴとし、雑音区間におけるパタン間距離の推
定平均値をD^及び推定平均偏差をE^とし及び任意
の定数をＣとした時、 Ｔ＝D^＋CE^ の式に従つて算出するのが好適である。
値をＴとし、雑音区間におけるパタン間距離の推
定平均値をD^及び推定平均偏差をE^とし及び任意
の定数をＣとした時、 Ｔ＝D^＋CE^ の式に従つて算出するのが好適である。
また、雑音標準パタンの学習法は、具体的に
は、離散的時間をｉとし、入力特徴パタンに対す
る学習の対象となる特性値をfiとし、雑音標準パ
タン内の特性値をF^iとし及び定数ＫをＫ＞１とし
た時、雑音区間内では F^i＝｛（Ｋ−１）F^i-1／Ｋ｝＋fi／Ｋ 及び音声区間内では F^i＝F^i-1 の式に従つてそれぞれ計算する学習法とするのが
好適である。
は、離散的時間をｉとし、入力特徴パタンに対す
る学習の対象となる特性値をfiとし、雑音標準パ
タン内の特性値をF^iとし及び定数ＫをＫ＞１とし
た時、雑音区間内では F^i＝｛（Ｋ−１）F^i-1／Ｋ｝＋fi／Ｋ 及び音声区間内では F^i＝F^i-1 の式に従つてそれぞれ計算する学習法とするのが
好適である。
また、雑音時距離標準パタンの学習法は、好ま
しくは、離散的な時間をｉとし、パタン間距離に
対する学習の対象となる特性値をgiとし、雑音時
距離標準パタン内の特性値をG^iとし及び定数Ｌを
Ｌ＞１なる定数とした時、雑音区間内では G^i＝｛（Ｌ−１）G^i-1／Ｌ｝＋gi／Ｌ 及び音声区間内では G^i＝G^i-1 の式に従つてそれぞれ計算する学習法とするのが
良い。
しくは、離散的な時間をｉとし、パタン間距離に
対する学習の対象となる特性値をgiとし、雑音時
距離標準パタン内の特性値をG^iとし及び定数Ｌを
Ｌ＞１なる定数とした時、雑音区間内では G^i＝｛（Ｌ−１）G^i-1／Ｌ｝＋gi／Ｌ 及び音声区間内では G^i＝G^i-1 の式に従つてそれぞれ計算する学習法とするのが
良い。
上述した雑音標準パタン及び雑音時距離標準パ
タンの学習によれば、新たに雑音を学習する必要
が無く音声区間を正確に検出出来る。
タンの学習によれば、新たに雑音を学習する必要
が無く音声区間を正確に検出出来る。
さらに、前述の判定を行うに当つて、パタン間
距離と閾値との大小関係の比較に加えて、音声の
発声長に関する種々の特徴を満足する上述の判定
により得られた音声区間候補を本来の音声区間と
判定して検出するのが好適である。このようにす
れば、パルス状の雑音に対しても音声の発生長に
関する特徴を用いたために誤動作せずに、音声区
間の検出が出来ると共に、新たな雑音源が発生し
た場合にも、音声区間よりも長く継続している場
合にはこれを学習でき、再度、音声の検出が可能
な状態に戻り、正確に音声区間を検出出来る。
距離と閾値との大小関係の比較に加えて、音声の
発声長に関する種々の特徴を満足する上述の判定
により得られた音声区間候補を本来の音声区間と
判定して検出するのが好適である。このようにす
れば、パルス状の雑音に対しても音声の発生長に
関する特徴を用いたために誤動作せずに、音声区
間の検出が出来ると共に、新たな雑音源が発生し
た場合にも、音声区間よりも長く継続している場
合にはこれを学習でき、再度、音声の検出が可能
な状態に戻り、正確に音声区間を検出出来る。
この場合、音声の発声長に関する特徴として例
えば、 (a) パタン間距離が閾値よりも大きくなつた時間
が約40ms以上であること、 (b) パタン間距離が閾値よりも小さくなつた時間
が約400ms以下であること及び (c) 約４秒以上連続して発声される単語は無いこ
と とすることが出来る。この場合、音声区間候補が
上述の(a)及び(b)の特徴及び(c)の特徴の少なくとも
一方を満足する場合に音声区間であると判定す
る。
えば、 (a) パタン間距離が閾値よりも大きくなつた時間
が約40ms以上であること、 (b) パタン間距離が閾値よりも小さくなつた時間
が約400ms以下であること及び (c) 約４秒以上連続して発声される単語は無いこ
と とすることが出来る。この場合、音声区間候補が
上述の(a)及び(b)の特徴及び(c)の特徴の少なくとも
一方を満足する場合に音声区間であると判定す
る。
また、上述した閾値との大小関係に基づいて音
声区間として検出されなかつた音声区間候補を雑
音区間と判定する処理を含むのが好適である。
声区間として検出されなかつた音声区間候補を雑
音区間と判定する処理を含むのが好適である。
（作用）
このように構成すれば、音声入力信号区間から
音声区間候補と雑音区間とを検出し、雑音区間内
で学習を行い、パタン間距離と閾値との大小関係
で音声区間候補を音声区間又は雑音区間として判
定する方法であるので、特別な雑音学習の時間を
設ける必要が無く、また、従来のような特別の認
識法は必要無く、しかも、音声区間を正確に検出
出来る。
音声区間候補と雑音区間とを検出し、雑音区間内
で学習を行い、パタン間距離と閾値との大小関係
で音声区間候補を音声区間又は雑音区間として判
定する方法であるので、特別な雑音学習の時間を
設ける必要が無く、また、従来のような特別の認
識法は必要無く、しかも、音声区間を正確に検出
出来る。
（実施例）
以下、図面を参照してこの発明の音声区間検出
方法の実施例につき説明する。
方法の実施例につき説明する。
第１図はこの発明の音声区間検出方法の実施例
の説明に供する、装置の構成を示すブロツク図で
あり、先ず、この装置の構成と基本的な処理につ
き簡単に説明する。
の説明に供する、装置の構成を示すブロツク図で
あり、先ず、この装置の構成と基本的な処理につ
き簡単に説明する。
第１図において、２０１は入力端子で、この入
力端子２０１には音声入力信号Ｉが入力される。
この音声入力信号Ｉは例えば4kHzの低域通過フ
イルタ２０２を通過した後、次段の回路２０３に
おいて例えば10kHzのサンプリング周波数でサン
プルホールドし、Ａ／Ｄ変換されてデイジタル音
声データＤ１に変換されて出力され、次の前処理
用信号処理プロセツサ２０４に送られる。
力端子２０１には音声入力信号Ｉが入力される。
この音声入力信号Ｉは例えば4kHzの低域通過フ
イルタ２０２を通過した後、次段の回路２０３に
おいて例えば10kHzのサンプリング周波数でサン
プルホールドし、Ａ／Ｄ変換されてデイジタル音
声データＤ１に変換されて出力され、次の前処理
用信号処理プロセツサ２０４に送られる。
この前処理用信号処理プロセツサ２０４によつ
て音声データＤ１に対して中心周波数250Hzから
4.0kHzまでを1/5オクターブ間隔で20チヤネルの
Ｑ＝６，IIR型単共振デイジタルバンドパスフイ
ルタ群の計算を行い、その出力の絶対値を例えば
128点ずつ加算平均して得られた信号を入力特徴
パタンD2として音声区間検出音声認識用マイク
ロプロセツサ２０５に送られる。
て音声データＤ１に対して中心周波数250Hzから
4.0kHzまでを1/5オクターブ間隔で20チヤネルの
Ｑ＝６，IIR型単共振デイジタルバンドパスフイ
ルタ群の計算を行い、その出力の絶対値を例えば
128点ずつ加算平均して得られた信号を入力特徴
パタンD2として音声区間検出音声認識用マイク
ロプロセツサ２０５に送られる。
この音声区間検出音声認識用マイクロプロセツ
サ２０５においては後述するような種々の処理を
行つて音声区間を検出しかつ音声認識処理を行つ
てその認識結果Ｒを出力端子２０６に出力させ
る。
サ２０５においては後述するような種々の処理を
行つて音声区間を検出しかつ音声認識処理を行つ
てその認識結果Ｒを出力端子２０６に出力させ
る。
次に、第１図のブロツク図及び第３図の処理の
流れ図を参照してこの発明の音声区間検出処理の
実施例の概略を説明する。尚、この流れ図におい
て処理ステツプをＳで示す。
流れ図を参照してこの発明の音声区間検出処理の
実施例の概略を説明する。尚、この流れ図におい
て処理ステツプをＳで示す。
先ず、この装置を始動させて処理動作をスター
トさせる（S1）。
トさせる（S1）。
次に各種の変数の初期設定を行い（S2）、然る
後、入力端子２０１で音声入力信号Ｉを受信する
（S3）。
後、入力端子２０１で音声入力信号Ｉを受信する
（S3）。
この音声入力信号Ｉは回路２０３において音声
データＤ１に変換されて出力され、信号処理プロ
セツサ２０４において入力信号の特徴抽出が行わ
れる。
データＤ１に変換されて出力され、信号処理プロ
セツサ２０４において入力信号の特徴抽出が行わ
れる。
ここで、入力特徴パタンは、例えば、約13ms
を１フレームとした20個（チヤネル数）の数値と
して得られ、ｉ番目のフレームのｊ番目のチヤネ
ルの特徴量の値をxj,iとする。
を１フレームとした20個（チヤネル数）の数値と
して得られ、ｉ番目のフレームのｊ番目のチヤネ
ルの特徴量の値をxj,iとする。
次に、この入力特徴パタンと、雑音標準パタン
との間のパタン間距離Diを計算する（S5）。
との間のパタン間距離Diを計算する（S5）。
この計算に当り、ｉ番目のフレームの閾値Tiは
直前のｉ−１番目のフレームの音声区間検出処理
で既に求められているとする。この実施例におい
ては、先ず、この入力特徴パタンを用い音声区間
候補を判定し、残りの区間を雑音区間と判定す
る。この雑音区間の入力特徴パタンである雑音標
準パタンを各チヤネルにおける特徴量の平均値と
平均偏差とで表わすとする。雑音標準パタンを雑
音の性質のゆつくりとした変化に追従させながら
雑音区間内に限つて、ｉ−１番目のフレームま
で、学習（区間限定追従学習）させることによつ
て得られたｊ番目のチヤネルの雑音標準パタンと
しての平均値を特性値A^j,iとし、平均偏差を特性
値O^j,iとする。この場合、ｉ番目のフレームにお
ける雑音標準パタンと入力特徴パタンとの間のパ
タン間距離Diは次式で計算する。
直前のｉ−１番目のフレームの音声区間検出処理
で既に求められているとする。この実施例におい
ては、先ず、この入力特徴パタンを用い音声区間
候補を判定し、残りの区間を雑音区間と判定す
る。この雑音区間の入力特徴パタンである雑音標
準パタンを各チヤネルにおける特徴量の平均値と
平均偏差とで表わすとする。雑音標準パタンを雑
音の性質のゆつくりとした変化に追従させながら
雑音区間内に限つて、ｉ−１番目のフレームま
で、学習（区間限定追従学習）させることによつ
て得られたｊ番目のチヤネルの雑音標準パタンと
しての平均値を特性値A^j,iとし、平均偏差を特性
値O^j,iとする。この場合、ｉ番目のフレームにお
ける雑音標準パタンと入力特徴パタンとの間のパ
タン間距離Diは次式で計算する。
Di＝20
〓j=1
｛Ｌ（xj,i−A^j,i-1）｝／O^j,i-1
但し、Ｌ（ｘ）はランプ関数であり、次式で与
えられる。
えられる。
Ｌ（ｘ）＝０ （ｘ＜０）
ｘ （ｘ≧０）
次に、この距離Diと、ｉ−１番目のフレームま
でに学習された雑音時距離標準パタンから計算さ
れたｉ番目のフレームの閾値Tiとを比較し、次の
ような音声の発声長に関する種々の特徴を基準と
した音声区間の判定を行う（S6）。
でに学習された雑音時距離標準パタンから計算さ
れたｉ番目のフレームの閾値Tiとを比較し、次の
ような音声の発声長に関する種々の特徴を基準と
した音声区間の判定を行う（S6）。
距離Diが閾値Tiよりも大である区間が３フレ
ーム（約40ms）以上続いた場合には、その区
間を音声区間候補とする。
ーム（約40ms）以上続いた場合には、その区
間を音声区間候補とする。
音声区間候補の終端から30フレーム（約
400ms）以上にわたつて距離Diが閾値Tiよりも
小さければ、その音声区間候補を音声区間と判
定する。
400ms）以上にわたつて距離Diが閾値Tiよりも
小さければ、その音声区間候補を音声区間と判
定する。
距離Diが閾値Tiよりも大である区間が300フ
レーム（約4s）以上続いた場合或いは前述の基
準及びに該当しない場合は全て雑音区間と
判定する。
レーム（約4s）以上続いた場合或いは前述の基
準及びに該当しない場合は全て雑音区間と
判定する。
このような基準〜に基づく判定の結果をも
とにして、次のｉ＋１番目のフレームの閾値Ti+1
を求めるために雑音時距離標準パタンを区間限定
追従学習する。この学習は雑音の性質の変化に追
従する形の学習法で行う。以下、この学習法につ
き説明する。
とにして、次のｉ＋１番目のフレームの閾値Ti+1
を求めるために雑音時距離標準パタンを区間限定
追従学習する。この学習は雑音の性質の変化に追
従する形の学習法で行う。以下、この学習法につ
き説明する。
最初に、ｉ番目のフレームが雑音区間の一部分
であると判定された場合につき説明する。この場
合には、この判定データが最新の雑音データであ
るとして雑音標準パタン及び雑音時距離標準パタ
ンを更新して学習を行う。この更新は次式に従つ
て行う。
であると判定された場合につき説明する。この場
合には、この判定データが最新の雑音データであ
るとして雑音標準パタン及び雑音時距離標準パタ
ンを更新して学習を行う。この更新は次式に従つ
て行う。
離散的時間をｉ（フレーム番号と等しい）とし、
入力特徴パタンに対する学習の対象となる特性値
をfiとし、パタン間距離に対する学習の対象とな
る特性値をgiとし、雑音標準パタン内の特性値を
F^iとし、雑音時距離標準パタン内の特性値をG^iと
し、定数Ｋ及びＬをＫ＞１及びＬ＞１とそれぞれ
した時、 雑音区間内での特性値F^iは F^i＝｛（Ｋ−１）F^i-1／Ｋ｝＋fi／Ｋ 同区間内での特性値G^iは、 G^i＝｛（Ｌ−１）G^i-1／Ｌ｝＋gi／Ｌ である。従つて、雑音標準パタンの具体的な特性
値A^j,i及びO^j,iで表わすと、 A^j,i＝｛（K1−１）A^j,i-1／K1｝＋xj,i／K1 但しK1＞１ O^j,i＝｛（K2−１）O^j,i-1／K2｝＋｜xj,i−A^j,i-1
｜／K2 但しK2＞１ となり、雑音時距離標準パタンの具体的な特性値
D^i（D^iはｉ番目のフレームまでの雑音区間におけ
るパタン間距離の平均値）及びE^i（E^iはｉ番目の
フレームまでの雑音区間におけるパタン間距離の
平均偏差）で表わすと D^i＝｛（K3−１）D^i-1／K3｝＋Di／K3 但しK3＞１ E^i＝｛（K4−１）E^i-1／K4｝＋｜Di−D^i-1｜／K4 但しK4＞１ K1〜K4は学習の追従性を定める任意の定数で
経験的に定められ、これが小さくなるほど雑音の
速い変動に対応出来るようになる。しかし、この
定数が小さすぎる場合には、発声がゆるやかに始
まる音声を雑音と判定してしまう。
入力特徴パタンに対する学習の対象となる特性値
をfiとし、パタン間距離に対する学習の対象とな
る特性値をgiとし、雑音標準パタン内の特性値を
F^iとし、雑音時距離標準パタン内の特性値をG^iと
し、定数Ｋ及びＬをＫ＞１及びＬ＞１とそれぞれ
した時、 雑音区間内での特性値F^iは F^i＝｛（Ｋ−１）F^i-1／Ｋ｝＋fi／Ｋ 同区間内での特性値G^iは、 G^i＝｛（Ｌ−１）G^i-1／Ｌ｝＋gi／Ｌ である。従つて、雑音標準パタンの具体的な特性
値A^j,i及びO^j,iで表わすと、 A^j,i＝｛（K1−１）A^j,i-1／K1｝＋xj,i／K1 但しK1＞１ O^j,i＝｛（K2−１）O^j,i-1／K2｝＋｜xj,i−A^j,i-1
｜／K2 但しK2＞１ となり、雑音時距離標準パタンの具体的な特性値
D^i（D^iはｉ番目のフレームまでの雑音区間におけ
るパタン間距離の平均値）及びE^i（E^iはｉ番目の
フレームまでの雑音区間におけるパタン間距離の
平均偏差）で表わすと D^i＝｛（K3−１）D^i-1／K3｝＋Di／K3 但しK3＞１ E^i＝｛（K4−１）E^i-1／K4｝＋｜Di−D^i-1｜／K4 但しK4＞１ K1〜K4は学習の追従性を定める任意の定数で
経験的に定められ、これが小さくなるほど雑音の
速い変動に対応出来るようになる。しかし、この
定数が小さすぎる場合には、発声がゆるやかに始
まる音声を雑音と判定してしまう。
次に、ｉ番目のフレームが音声区間候補である
と判定された場合につき説明する。この場合に
は、雑音標準パタン及び雑音時距離標準パタンの
更新を行わない。従つて、雑音標準パタンの場合
には、F^i＝F^i-1であり、これを具体的な特性値で
表わすと A^j,i＝A^j,i-1 O^j,i＝O^j,i-1 であり、また、雑音時距離標準パタンの場合にG^i
＝G^i-1であり、これを具体的な特性値で表わすと D^i＝D^i-1 E^i＝E^i-1 である。
と判定された場合につき説明する。この場合に
は、雑音標準パタン及び雑音時距離標準パタンの
更新を行わない。従つて、雑音標準パタンの場合
には、F^i＝F^i-1であり、これを具体的な特性値で
表わすと A^j,i＝A^j,i-1 O^j,i＝O^j,i-1 であり、また、雑音時距離標準パタンの場合にG^i
＝G^i-1であり、これを具体的な特性値で表わすと D^i＝D^i-1 E^i＝E^i-1 である。
音声区間候補が音声区間と判定されず雑音区間
と判定された場合には、それ以前のフレームにさ
かのぼつて学習を行う。
と判定された場合には、それ以前のフレームにさ
かのぼつて学習を行う。
次に、上述した雑音時距離標準パタンを基いて
次のｉ＋１番目のフレームに対する閾値Ti+1を定
める（S8）。この閾値Ti+1は特性値D^iとE^iとを用
いて次式で計算する。
次のｉ＋１番目のフレームに対する閾値Ti+1を定
める（S8）。この閾値Ti+1は特性値D^iとE^iとを用
いて次式で計算する。
Ti+1＝D^i＋CE^i
ここで、Ｃは安全率をみこした定数で、大きく
なるほど検出感度が低くなる代りに、雑音に対す
る誤検出の可能性が少なくなる。
なるほど検出感度が低くなる代りに、雑音に対す
る誤検出の可能性が少なくなる。
このようにして、ｉ番目のフレームついて音声
区間が検出されたかを判断し、（S9）、検出され
ていない場合には処理ステツプS3に戻り同様な
処理を繰り返し行う。また、検出がされている場
合には、この検出された音声区間に対して音声認
識を行い（S10）、次に、所望の音声認識が終了
したかを判定し（S11）、終了している場合には
この処理がエンド（S12）となる。ここで、上述
した処理ステツプS5〜S11を音声区間検出、音声
認識用マイクロプロセツサ２０５で行う。
区間が検出されたかを判断し、（S9）、検出され
ていない場合には処理ステツプS3に戻り同様な
処理を繰り返し行う。また、検出がされている場
合には、この検出された音声区間に対して音声認
識を行い（S10）、次に、所望の音声認識が終了
したかを判定し（S11）、終了している場合には
この処理がエンド（S12）となる。ここで、上述
した処理ステツプS5〜S11を音声区間検出、音声
認識用マイクロプロセツサ２０５で行う。
第４図はこの発明の実施例において、雑音下で
発声された音声「トツキヨ」に対する各変数の推
移を対数表示で示す図である。この図での入力特
徴パタンの総和は実験で得られたソナーグラムの
多チヤネルにおけるスペクトル強度の和を取つた
ものである。同図において、横軸を時間すなわち
フレームを取り、縦軸は相対的な大きさを対数で
取つて示してある。曲線Ｉは入力特徴パタンの総
和例えば20 〓j=1 xj,iを示し、曲線はパタン間距離Di
を示し及び曲線は閾値Tiを示している。この実
験データから理解出来るように、閾値Tiは雑音区
間（１〜20番目のフレーム）における距離Diの変
化に応じて変化しており、音声区間内では一定値
となつている。また、距離Diの変化は入力特徴パ
タンの総和よりも変化が大きく、区間検出に用い
ることが有効であることがわかる。尚、検出され
た音声区間の始端と終端とを長い目盛で示してあ
り、雑音下でも正確に音声区間が検出されること
がわかる。
発声された音声「トツキヨ」に対する各変数の推
移を対数表示で示す図である。この図での入力特
徴パタンの総和は実験で得られたソナーグラムの
多チヤネルにおけるスペクトル強度の和を取つた
ものである。同図において、横軸を時間すなわち
フレームを取り、縦軸は相対的な大きさを対数で
取つて示してある。曲線Ｉは入力特徴パタンの総
和例えば20 〓j=1 xj,iを示し、曲線はパタン間距離Di
を示し及び曲線は閾値Tiを示している。この実
験データから理解出来るように、閾値Tiは雑音区
間（１〜20番目のフレーム）における距離Diの変
化に応じて変化しており、音声区間内では一定値
となつている。また、距離Diの変化は入力特徴パ
タンの総和よりも変化が大きく、区間検出に用い
ることが有効であることがわかる。尚、検出され
た音声区間の始端と終端とを長い目盛で示してあ
り、雑音下でも正確に音声区間が検出されること
がわかる。
（発明の効果）
上述した説明から明らかなように、この発明に
よれば、特別な雑音学習の時間を設ける必要な
く、また、雑音の性質がゆつくりと変化している
場合にはこれに追従して学習を行うために、新た
に雑音を学習する必要なく、音声区間を正確に検
出出来る。
よれば、特別な雑音学習の時間を設ける必要な
く、また、雑音の性質がゆつくりと変化している
場合にはこれに追従して学習を行うために、新た
に雑音を学習する必要なく、音声区間を正確に検
出出来る。
また、パルス状の雑音に対しても音声の発声長
に関する特徴を用いて検出を行うので、誤動作せ
ずに音声区間のみを検出出来る。
に関する特徴を用いて検出を行うので、誤動作せ
ずに音声区間のみを検出出来る。
さらに、新たな雑音源が発声した場合にも受容
すべき単語音声区間よりも長く継続している場合
には、これを学習し、再度音声の検出が可能な状
態に戻る。
すべき単語音声区間よりも長く継続している場合
には、これを学習し、再度音声の検出が可能な状
態に戻る。
また、この発明の方法によれば、従来の方法で
は必要であつたような特別な音声認識法は用い
ず、従つてこの発明の方法を実施するための装置
化が簡単かつ容易となる。
は必要であつたような特別な音声認識法は用い
ず、従つてこの発明の方法を実施するための装置
化が簡単かつ容易となる。
このような効果を奏するので、この発明は音声
認識装置における音声区間検出装置とか、或い
は、音声による通信装置において音声区間のみを
伝送することによる伝送情報圧縮装置、その他の
音声区間の検出を行つている装置に応用して好適
である。
認識装置における音声区間検出装置とか、或い
は、音声による通信装置において音声区間のみを
伝送することによる伝送情報圧縮装置、その他の
音声区間の検出を行つている装置に応用して好適
である。
第１図はこの発明の音声区間検出方法の説明に
供する装置の概略を示すブロツク図、第２図は従
来の音声区間検出方法の説明に供する装置を示す
ブロツク図、第３図はこの発明の音声区間検出方
法の一実施例を説明するための処理の流れ図、第
４図はこの発明の音声区間検出方法の一実施例の
説明に供する実験結果を示す図である。 ２０１……入力端子、２０２……ローパスフイ
ルタ、２０３……サンプルホールド、Ａ／Ｄ変換
器、２０４……前処理用信号処理プロセツサ、２
０５……音声区間検出、音声認識用マイクロプロ
セツサ、２０６……出力端子。
供する装置の概略を示すブロツク図、第２図は従
来の音声区間検出方法の説明に供する装置を示す
ブロツク図、第３図はこの発明の音声区間検出方
法の一実施例を説明するための処理の流れ図、第
４図はこの発明の音声区間検出方法の一実施例の
説明に供する実験結果を示す図である。 ２０１……入力端子、２０２……ローパスフイ
ルタ、２０３……サンプルホールド、Ａ／Ｄ変換
器、２０４……前処理用信号処理プロセツサ、２
０５……音声区間検出、音声認識用マイクロプロ
セツサ、２０６……出力端子。
Claims (1)
- 【特許請求の範囲】 １ 予め設定した一定フレーム長毎に入力音声信
号の特徴を表わす特徴量の組を入力特徴パタンと
し、該入力特徴パタンを用いて音声の区間検出を
行うに当り、 (a) 音声区間候補と判定された区間以外の時間区
間を雑音区間と判定する処理と、 (b) 該雑音区間内で雑音の特徴を代表する特性値
の組を雑音標準パタンとして学習する処理と、 (c) 前記入力特徴パタン及び雑音標準パタン間の
パタン間距離と、閾値との大小関係に基づいて
前記音声区間候補を音声区間として検出する処
理とを含み 前記雑音標準パタンの学習は、雑音の性質の変
化に追従させる学習法で、行う ことを特徴とする音声区間検出方法。 ２ 前記閾値は、前記雑音区間内で雑音時の前記
パタン間距離の特徴を代表する特性値の組を雑音
時距離標準パタンとして学習し、得られた当該雑
音時距離標準パタンを基にして算出した値とする
ことを特徴とする特許請求の範囲第１項記載の音
声区間検出方法。 ３ 前記閾値は、該閾値をＴとし、前記雑音区間
における前記パタン間距離の推定平均値をＤ及び
推定平均偏差をＥとし及び任意の定数をＣとした
時、 Ｔ＝D^＋CE^ の式に従つて算出することを特徴とする特許請求
の範囲第２項記載の音声区間検出方法。 ４ 前記雑音標準パタンの学習法は離散的時間を
ｉとし、前記入力特徴パタンに対する学習の対象
となる特性値をfiとし、前記雑音標準パタン内の
特性値をF^iとし及び定数ＫをＫ＞１とした時、 雑音区間内は F^i＝｛（Ｋ−１）F^i-1／Ｋ｝＋fi／Ｋ 及び音声区間内は F^i＝F^i-1 の式に従つてそれぞれ計算する学習法としたこと
を特徴とする特許請求の範囲第１項記載の音声区
間検出方法。 ５ 前記雑音時距離標準パタンの学習は、雑音の
性質の変化に追従させる学習法で、行うことを特
徴とする特許請求の範囲第２項記載の音声区間検
出方法。 ６ 前記雑音時距離標準パタンの学習法は離散的
な時間をｉとし、前記パタン間距離に対する学習
の対象となる特性値をgiとし、前記雑音時距離標
準パタン内の特性値をG^iとし及び定数ＬをＬ＞１
なる定数とした時、 雑音区間内 G^i＝｛（Ｌ−１）G^i-1／Ｌ｝＋gi／Ｌ 及び音声区間内は G^i＝G^i-1 の式に従つてそれぞれ計算する学習法としたこと
を特徴とする特許請求の範囲第５項記載の音声区
間検出方法。 ７ 前記パタン間距離と前記閾値との大小関係に
基づく音声区間の検出は、該パタン間距離と該閾
値との比較に加えて、前記音声の発声長に関する
特徴により前記音声区間候補を音声区間として検
出することを特徴とする特許請求の範囲第１項記
載の音声区間検出方法。 ８ 前記音声の発声長に関する特徴は (a) 前記パタン間距離が閾値よりも大きくなつた
時間が約40ms以上であること、 (b) 前記パタン間距離が閾値よりも小さくなつた
時間が約400ms以下であること及び (c) 約４秒以上連続して発声される単語は無いこ
と とし、前記音声区間候補が前記(a)及び(b)の特徴及
び前記(c)の特徴の少なくとも一方を満足する場合
に音声区間であると判定することを特徴とする特
許請求の範囲第７項記載の音声区間検出方法。 ９ 前記閾値との大小関係に基づいて音声区間と
して検出されなかつた音声区間候補を雑音区間と
判定する処理を含むことを特徴とする特許請求の
範囲第１項記載の音声区間検出方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61054500A JPS62211698A (ja) | 1986-03-12 | 1986-03-12 | 音声区間検出方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61054500A JPS62211698A (ja) | 1986-03-12 | 1986-03-12 | 音声区間検出方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS62211698A JPS62211698A (ja) | 1987-09-17 |
| JPH0556512B2 true JPH0556512B2 (ja) | 1993-08-19 |
Family
ID=12972353
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP61054500A Granted JPS62211698A (ja) | 1986-03-12 | 1986-03-12 | 音声区間検出方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS62211698A (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4696776B2 (ja) * | 2005-08-17 | 2011-06-08 | ソニー株式会社 | 音声処理装置及びマイク装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS57171400A (en) * | 1981-04-14 | 1982-10-21 | Sanyo Electric Co | Detector for sound region |
| JPS58211793A (ja) * | 1982-06-03 | 1983-12-09 | 松下電器産業株式会社 | 音声区間検出装置 |
-
1986
- 1986-03-12 JP JP61054500A patent/JPS62211698A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS62211698A (ja) | 1987-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0950239B1 (en) | Method and recognizer for recognizing a sampled sound signal in noise | |
| US4833713A (en) | Voice recognition system | |
| JP3451146B2 (ja) | スペクトルサブトラクションを用いた雑音除去システムおよび方法 | |
| EP0411290A2 (en) | Method and apparatus for extracting information-bearing portions of a signal for recognizing varying instances of similar patterns | |
| JPS6336676B2 (ja) | ||
| KR20060056186A (ko) | 음성인식장치의 음성구간 검출방법 | |
| JP3105465B2 (ja) | 音声区間検出方法 | |
| JP2969862B2 (ja) | 音声認識装置 | |
| JPH0222960B2 (ja) | ||
| EP0421744B1 (en) | Speech recognition method and apparatus for use therein | |
| JPH0556512B2 (ja) | ||
| RU2174714C2 (ru) | Способ выделения основного тона | |
| JPH0449952B2 (ja) | ||
| JPH0792989A (ja) | 音声認識方法 | |
| JPH1097288A (ja) | 背景雑音除去装置及び音声認識装置 | |
| JP3411074B2 (ja) | 母音区間検出装置及び母音区間検出方法 | |
| JPH05108088A (ja) | 音声区間検出装置 | |
| Funada | A method for the extraction of spectral peaks and its application to fundamental frequency estimation of speech signals | |
| JP3049711B2 (ja) | 音声処理装置 | |
| JPH04332000A (ja) | 音声認識方法 | |
| JPS62113197A (ja) | 音声認識装置 | |
| JPS6227798A (ja) | 音声認識装置 | |
| JPS6136798A (ja) | 音声セグメンテ−シヨン法 | |
| JPH09127971A (ja) | 音声区間検出装置及び音声認識装置 | |
| JPS6310440B2 (ja) |