JPS6255798B2

JPS6255798B2 -

Info

Publication number: JPS6255798B2
Application number: JP56193663A
Authority: JP
Inventors: Kaneyoshi Mizuno; Isamu Nose; Yutaka Iizuka
Original assignee: Oki Electric Industry Co Ltd
Current assignee: Oki Electric Industry Co Ltd
Priority date: 1981-12-03
Filing date: 1981-12-03
Publication date: 1987-11-20
Also published as: JPS5895797A

Description

【発明の詳細な説明】

（発明の分野）本発明は、音声認識装置において精度良く音声
区間の検出を行う音声区間検出に関するものであ
る。（背景技術）従来の音声認識装置のブロツク図を第１図に示
す。第１図において、１は信号入力端子、２は周
波数分析部、３は音声取込制御部、４は取込開始
信号、５は音声区間検出部、６は取込終了信号、
７は始端・終端情報、８は認識部、９は出力端子
の如く構成されており、以下各部の説明をする。周波数分析部２は、第２図に示す如く構成され
ており、入力音声信号１１は前置増幅器１２によ
り適当なレベルに増幅され、約200Hzから600Hzま
でを対数尺度で等間隔に分割されたＮ個のバンド
パスフイルタ群１３、全波整流器群１４、および
ローパスフイルタ群１５により分析され、さら
に、あらかじめ定められた時間周期（以後サンプ
ル周期と記す）毎にマルチプレクサ１６を順次切
り換えながらAD変換器１７によつて量子化さ
れ、サンプル周期毎にＮ個の分析結果１８を出力
する。音声取込制御部３は、取込開始信号４を受信し
たのち、周波数分析部２の分析結果１８を音声区
間検出部５および認識部８へ一定時間、または確
かに音声の入力が終了したと判断するまで出力す
る。音声の入力終了の判断法としては、たとえ
ば、各サンプル周期毎のＮ個のデータの平均値
（以後フレームパワーと記す）を利用して、フレ
ームパワーがあらかじめ設定された閾値を越える
ものが、ある一定数存在したのち、閾値を越えな
いものが連続一定数続いたとき音声の入力が終了
したと判断する方法がある。音声区間検出部５におけるブロツク図を第３図
に示す。第３図において、１８は分析結果、２１
はパラメータ演算部、６は取込終了信号、２２は
ブロツク化部、２３は音声区間判定部、７は始端
終端情報の如く構成され、以下詳細に説明する。パラメータ演算部２１は、分析結果１８から音
声区間検出に使用する(1)式で定義されるパラメー
タを求める部分である。Ｐ_j＝ａ_j・_j ………(1) ただしａ_j；第ｊ番目の分析結果のスペクトル傾斜_j ；第ｊ番目の分析結果の平均値また、スペクトル傾斜ａ_jすなわち最少２乗近
似直線の傾きは、第ｊ番目のＮ個の分析結果をｘ
_ijとすると（ｉ；Ｎ分割されたバンドパスフイル
タ群の周波数の低いものから順に付けられた番
号）、ａ_jは(2)式によつて求められる。 (2)式においてＮを固定すれば、

【式】及び

【式】は定数となり、

【式】及び

【式】と置き換えることができ、(2)式は(3)式に変形される。従つて、

【式】と

【式】を求めればａ_j を求めることができる。また、_jは

【式】をＮで除すことによつて得られる。第４図は、Ｐ_jを演算するブロツク図
であり、以下図に従つて説明する。第５番目のＮ個の分析結果Ｘ_ij（ｉ＝１、２、
………Ｎ）が順番に出力されるものとすると、加
算器１０１およびレジスタ１０２によつてｘ_ijの
累積

【式】をレジスタ１０２にセツトすることができ、その結果を乗算器１０３と除算器１０６
に出力される。乗算器１０３で

【式】と

【式】との乗算を行ない、さらに補数器１０４によつて

【式】の値を求め、加算器１０５の一方に入力される。また、ｘ_ijのデー
タ出力と同期して働くカウンタ１０７の出力と、
ｘ_ijとの積ｉ・ｘ_ijを乗算器１０８によつて求
め、乗算器１０８の出力に接続されている加算器
１０９と、さらにそれに接続されているレジスタ
１１０によつて

【式】を求めることができる。レジスタ１１０の出力

【式】は乗算器１１１の一方の入力に接続されており、乗算器１１
１の他方の入力にはＮがセツトされていて、乗算
器１１１では

【式】が演算され、加算器１０５のもう一方に入力される。加算器１０５
では、

【式】が演算され、除算器１１２に接続されている。除算器１１２で
は、

【式】をC₂で除すことによつて、第ｊ番目のサンプルデータのスペク
トル傾斜ａ_jを求められ、その結果は乗算器１１
３の一方の入力となる。また除算器１０６では、

【式】をＮで除すことによつて_jが求められ、その結果は乗算器１１３の他方の入力とな
り、乗算器１１３によつてＰ_j（＝ａ_j・_j）を求
めることができる。以上の演算をサンプル周期毎
に行なつて、各サンプル時のＰ_jの値を全て演算
することができる。ブロツク化部２２は、パラメータ演算部２１の
結果Ｐ_jを取込終了信号６を検出するまで受け取
り、取込終了信号６を検出後、音声のブロツク化
（音声であると思われる部分のかたまりの検出）
を行なう部分で、第５図にブロツク図を示し、第
５図に従つて説明する。パラメータ演算部２１の各サンプル周期毎のＰ
_jは、順次Ｐパラメータメモリ２００に格納され
ているので、それを順番に読取し絶対値回路２０
１によつて絶対値化され、｜Ｐ_j｜を比較器２０
２の一方に入力する。比較器２０２の他方の入力
には、｜Ｐ_j｜の閾値Ｐ_THがセツトされている。
比較器２０２では、｜Ｐ_j｜≧Ｐ_THのときにはα
出力に、｜Ｐ_j｜＜Ｐ_THのときにはβ出力にそれ
ぞれ有意信号を出力する。カウンタ２０３は、｜
Ｐ_j｜≧Ｐ_THのときカウントアツプし、｜Ｐ_j｜＜
Ｐ_THのときクリアされるようになつており、｜Ｐ
_j｜≧Ｐ_THとなる連続量をカウントする。また、
カウンタ２０３の出力は、常にレジスタ２０４に
セツトされている。レジスタ２０４にセツトされ
ている値（｜Ｐ_j｜≧Ｐ_THである連続数）は、比
較器２０５に入力され、比較器２０５の他方の入
力にはＫがセツトされており、｜Ｐ_j｜≧Ｐ_THで
ある連続量（以下ブロツク長と記す）がＫ以上の
とき、比較器２０５の出力Ｃに有意信号が出力さ
れる。ブロツク長がＫ（Ｋ≧２の自然数）以上（Ｃ信
号出力時）で、かつ、比較器２０２のβ出力（｜
Ｐ_j｜＜Ｐ_TH）が表われたタイミングをAND回路
２０６によつて捕える。カウンタ２０７は、
AND回路２０６の出力から出力までのＰ_jを読み
出した量を数えるもので、減算器２０８によつて
カウンタ７の出力からレジスタ２０４の結果（ブ
ロツク長）を差し引くことにより、ブロツク間の
距離（時間）を求めることができる。またカウン
タ２０９は、Ｐ_jの読出しと同期してカウントし
ており、減算器２１０によつてカウンタ２０９の
の結果からレジスタ２０４の出力（ブロツク長）
を引くことによつて、当該ブロツクの先頭を求め
られる。加算器２１１とレジスタ２１２により｜
Ｐ_j｜≧Ｐ_THの部分の累積を求め、ブロツクの大
きさを表わすＳ_Bなるものを求め、AND回路２０
６の信号を検出したとき、レジスタ２１３にセツ
トすると同時に、レジスタ２１３の出力（以下ブ
ロツク量と記す）、減算器２１０の出力（ブロツ
ク先頭情報）、レジスタ２０４の出力（ブロツク
長）、および減算器２０８の出力（ブロツク間距
離）をブロツクテーブル２１４に登録する。この
ようにして取込んだ量全てについてブロツク化が
行なうことができる。音声区間判定部２３は、ブロツク化部２２で得
られたブロツクテーブル２１３から、次のように
して音声区間の判定を行なつていた。すなわち、
ブロツク量の最大値となるブロツクを検出し、そ
れを音声区間の中心として前後のブロツクについ
て、ブロツク間距離が一定値以下であれば当該ブ
ロツクも音声区間に含めるという方法で、音声区
間の判定を行なつていた。認識部８は、音声取込制御部３に取込開始信号
を送るとともに、音声取込制御部３からの分析結
果を格納しておき、さらに音声区間検出部５から
の始端終端情報７を受けると、あらかじめ用意さ
れている内容既知の標準パターンとの類似度演算
を行ない、最も類似度の高い標準パターンと同一
内容の音声が入力されたと判断し、その結果を出
力する。しかしながら、上記従来の技術における音声区
間検出では、 (1) 入力音声の強弱によりスペクトル傾斜ａ_jが
変化するため、不安定なパラメータすなわち、
Ｐ_jが不安定なパラメータである。 (2) スペクトル傾斜ａ_jは、音韻、話者による変
化とともにマイクの特性等によつて往往にし
て、音声部においても０に近い値を取り、結果
としてＰ_jも０に近い値となり、ブロツク化を
誤まる。 (3) ノイズが大きい場合ノイズとの区別（特に子
音）がつけにくい。という欠点があつた。（発明の課題）本発明の目的は、これらの欠点を除去すること
を目的とし、分析結果を対数変換した後のスペク
トル傾斜および平均値をそれぞれ独立なパラメー
タとして利用し、音声区間の検出をより精度良く
行なうように改良したもので、以下詳細に説明す
る。（実施例）第６図は本発明のブロツク図であり、１は入力
端子、２は周波数分析部、３は音声取込制御部、
４は取込開始信号、５０は音声区間検出部、６は
取込終了信号、７は始端終端情報、８は認識部、
９は出力端子の如く構成されており、音声区間検
出部５０以外は第１図と同様である。また音声区
間検出部５０は第７図に示す。第７図において、
１８は分析結果、７１はパラメータ演算部、６は
取込終了信号、７２はブロツク化部、２３は音声
区間判定部、７は始端終端情報であり、パラメー
タ演算部７１およびブロツク化部７２以外は従来
と同様であるので、以下パラメータ演算部７１お
よびブロツク化部７２について以下詳細に説明す
る。パラメータ演算部７１は分析結果１８を対数変
換し、対数データにおけるスペクトル傾斜ａ＾_jお
よび平均値ｘ_jを各サンプル周期毎に求める部分
であり、第８図に従つて以下説明する。第ｊ番目
のＮ個の分析結果ｘ_ijは対数変換器１００によつ
て対数化され、その結果をｘ＾_ijとする。ｘ＾_ijか
ら、スペクトル傾斜は(3)式と同様に求められ、ま
たｘ_jは

【式】で求められるので、従来技術で説明したように、加算器１０１、レジス
タ１０２、乗算器１０３、補数器１０４、加算器
１０５、除算器１０６、カウンタ１０７、乗算器
１０８、加算器１０９、レジスタ１１０、乗算器
１１１、除算器１１２によつて求めることがで
き、除算器１０６の出力としてｘ_jが、また除算
器１１２の出力としてａ＾_j（対数データによるス
ペクトル傾斜）が得られる。ブロツク化部７２は、パラメータ演算部７１に
よつて得られたサンプル周期毎の対数平均値ｘ
_j、および対数スペクトル傾斜ａ＾_jを取込終了信号
６を検出するまで受け取り、取込終了信号６を検
出後音声のブロツク化を行なう部分で、ブロツク
図を第９図に示し、以下第９図に従つて説明す
る。Ｘパラメータメモリ３０１に格納されているｘ
_jと、Ａパラメータメモリ３０２に格納されてい
るａ＾_jは、それぞれ比較器３０３と比較器３０４
の一方の入力に接続され、ｘ_jはさらに加算器２
１１にも接続される。比較器３０３と比較器３０
４のそれぞれの他方の入力には、それぞれの閾値
Ｘ_TH、Ａ_THがセツトされており、比較器３０３で
はｘ_j≧Ｘ_THのときにα_１に、他の場合にはβ_１
に有意信号を、比較器３０４ではａ＾_j≧Ａ_THのと
きにα_２に、他の場合にはβ_２に有意信号をそれ
ぞれ出力する。Ｒ回路３０５でα_１信号とα_２
信号の論理和を取り、その結果αを出力する。ま
た、AND回路３０６ではβ_１信号とβ_２信号の
論理積を取り、その結果βを出力する。すなわ
ち、ｘ_j≧Ｘ_THまたはａ＾_j≧Ａ_THのうち、少なくと
もいずれかが成立した場合にはαに有意信号が、
いずれも成立しない場合にはβに有意信号が出力
される。以下は従来技術で説明したと同様の動作
により、ブロツクの加算値、ブロツク先頭情報、
ブロツク長、ブロツク間距離をブロツクテーブル
２１４に登録する。すなわちブロツク化においては、ｘ_jがあらか
じめ定められた閾値（Ｘ_TH）以上、またはａ＾_jが
あらかじめ定められた閾値（Ａ_TH）以上であり、
かつ連続Ｋ（Ｋ≧２）個以上続いたものをブロツ
クとし、ブロツクの大きさに相当するブロツク内
のｘ_jの加算値、ブロツク長、ブロツクの先頭及
び直前のブロツクとの間隔を求める。音声区間の判定は、ブロツク長がある一定値以
上のブロツクのうち、ブロツクの大きさに相当す
るブロツク内の加算値が最大となるブロツクの検
出を行ない、当該ブロツクを音声部とする。さら
に、直前のブロツクおよび直後のブロツクとのブ
ロツク間隔について、それぞれブロツク間隔があ
らかじめ定められた閾値（例えば200msecに相当
する間隔）以下であれば該当ブロツクも音声部と
判定し、音声部と判定された先頭のブロツクから
最後のブロツクまでを音声区間とする。（発明の効果）以上説明したように、分析結果を対数変換した
後のデータにより、各サンプル周期毎のパワーに
相当するｘ_j、スペクトル傾斜ａ＾_jを独立に用いて
いるので、ノイズレベルと子音との区別を容易に
するとともに、ブロツク化において、ｘ_jとａ＾_jの
いずれか一方が閾値以上となれば、ブロツク候補
として計数されるので、音韻、話者によりａ＾_jが
０に近い値であつても悪影響を受けることなくブ
ロツク化ができる。SN比が悪いとき、ノイズレ
ベルとｘ_jがさほど変らない子音（例えばSANの
Ｓの部分）でも、スペクトル傾斜ａ＾_jによつてノ
イズと区別することが可能となる。また、ａ＾_jは
対数変換後のデータにより演算を行なつているの
で、音声の強弱に左右されない安定したパラメー
タである。以上述べたような利点により、音声区間を精度
良く検出することができる。本発明は、周波数分析結果を対数変換したのち
のｘ_j、ａ＾_jを用い、ブロツク化処理による音声区
間検出を行なつているので、安定かつ精度良く音
声区間の検出ができるという利点があり、音声認
識装置に利用することができる。

【図面の簡単な説明】

第１図は従来の音声認識装置のブロツク図、第
２図は第１図の周波数分析部の詳細ブロツク図、
第３図は第１図の音声区間検出部のブロツク図、
第４図は第３図のパラメータ演算部の詳細ブロツ
ク図、第５図は第３図のブロツク化部の詳細図で
あり、第６図は本発明の音声認識装置のブロツク
図、第７図は第６図における音声区間検出部のブ
ロツク図、第８図は第７図におけるパラメータ演
算部の詳細ブロツク図、第９図は第７図における
ブロツク化部の詳細ブロツク図である。１……入力端子、２……周波数分析部、３……
音声取込制御部、４……取込開始信号、５……音
声区間検出部、６……取込終了信号、７……始
端・終端情報、８……認識部、９……出力端子、
１１……入力音声信号、１２……前置増幅器、１
３……バンドパスフイルタ群、１４……全波整流
器群、１５……ローパスフイルタ群、１６……マ
ルチプレクサ、１７……AD変換器、１８……分
析結果、２１……パラメータ演算部、２２……ブ
ロツク化部、２３……音声区間判定部、１０１，
１０５，１０９……加算器、１０２，１１０……
レジスタ、１０３，１０８，１１１，１１３……
乗算器、１０４……補数器、１０６，１１２……
除算器、１０７……カウンタ、２００……Ｐパラ
メータメモリ、２０１……絶対値回路、２０２，
２０５……比較器、２０３，２０７，２０９……
カウンタ、２０４，２１２，２１３……レジス
タ、２０６……AND回路、２０８，２１０……
減算器、２１１……加算器、２１４……ブロツク
テーブル、５０……音声区間検出部、７１……パ
ラメータ演算部、７２……ブロツク化部、１００
……対数変換器、３０１……Ｘパラメータメモ
リ、３０２……Ａパラメータメモリ、３０３，３
０４……比較器、３０５……Ｒ回路、３０６…
…AND回路。

Claims

【特許請求の範囲】

１入力音声信号を周波数分析する手段と実音声
部分の前後を含めて分析結果を格納する手段と、
音声区間の始端、終端を検出する手段と、音声区
間の分析結果より入力音声を認識する手段を有す
る音声認識装置において、各分析周期毎(j)の対数
スペクトルにおける平均値ｘ_jとスペクトル傾斜
ａ＾_jを演算する手段を有し、ｘ_jおよびａ＾_jを独立の
パラメータとして、いずれかが所定の閾値（Ｘ_T
_Ｈ、Ａ_TH）を連続して所定数以上越えるものをブ
ロツクとし、ブロツク長に従つて音声区間の検出
を行なうことを特徴とする音声認識装置。