JPH03274099A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPH03274099A JPH03274099A JP2074690A JP7469090A JPH03274099A JP H03274099 A JPH03274099 A JP H03274099A JP 2074690 A JP2074690 A JP 2074690A JP 7469090 A JP7469090 A JP 7469090A JP H03274099 A JPH03274099 A JP H03274099A
- Authority
- JP
- Japan
- Prior art keywords
- noise
- voice
- section
- speaker
- feature
- 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.)
- Pending
Links
- 238000000605 extraction Methods 0.000 claims abstract description 26
- 239000000284 extract Substances 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 abstract description 22
- 238000000034 method Methods 0.000 description 12
- 230000003595 spectral effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000011410 subtraction method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Landscapes
- Circuit For Audible Band Transducer (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
挟先分立
本発明は、音声認識装置、より詳細には、高雑音環境で
の音声認識に於ける雑音除去技術に関し、例えば、自動
車内での、ダイヤリング、オーディオ機器の制御、ニア
コンディショナーの制御、ナビゲーションシステムの制
御等のための音声認識装置に応用して好適なものであり
、更には、家庭内、事務所内などでも応用可能なもので
ある。
の音声認識に於ける雑音除去技術に関し、例えば、自動
車内での、ダイヤリング、オーディオ機器の制御、ニア
コンディショナーの制御、ナビゲーションシステムの制
御等のための音声認識装置に応用して好適なものであり
、更には、家庭内、事務所内などでも応用可能なもので
ある。
k来枝先
近年、音声による情報入力手段が注目を集めているが、
自動車内においても、自動車電話の発呼。
自動車内においても、自動車電話の発呼。
オーディオ機器の制御、ニアコンディショナーの制御、
ナビゲーションシステムの制御等のための音声認識技術
を応用することが考えられている。
ナビゲーションシステムの制御等のための音声認識技術
を応用することが考えられている。
しかしながら、自動車内の音声認識は、エンジン音、タ
イヤの走行音、あるいは、ラジオ、ステレオの再生音が
雑音として音声信号に混入することと、運転中に接話型
マイクなどの口との距離の近いマイクが装着できないた
め、音声信号とノイズとの比、即ち、S/Nが悪いこと
が問題となり、雑音除去技術が不可欠なものとなってい
る。
イヤの走行音、あるいは、ラジオ、ステレオの再生音が
雑音として音声信号に混入することと、運転中に接話型
マイクなどの口との距離の近いマイクが装着できないた
め、音声信号とノイズとの比、即ち、S/Nが悪いこと
が問題となり、雑音除去技術が不可欠なものとなってい
る。
従来の音声認識における雑音除去技術としては。
S、F、Bollをはじめとするスペクトラルサブトラ
クション法、B、 Iidrowをはじめとするアダプ
ティブノイズキャンセリング等がある。
クション法、B、 Iidrowをはじめとするアダプ
ティブノイズキャンセリング等がある。
しかしながら、スペクトラルサブトラクション法は、時
間非定常な雑音に弱く、例えば、ラジオ、ステレオの再
生音(音声や楽音)のように、音声帯域で時間非定常な
雑音が大きい場合は、まず、音声区間検出も十分にでき
ず、音声区間検出ができたとしても、推定雑音成分量が
実際の雑音成分と異なるという欠点がある。また、アダ
プティブノイズキャンセリングは、2人力、即ち、2本
のマイクを用いた場合、複数の雑音源からの合成された
雑音に対してうまく対応ができないという欠点があり、
であるからといって、マイクの本数をいたずらに増やし
ても、信号処理の量が膨大になり、かつ、コスト高にな
り実用化が困難になるという欠点がある。
間非定常な雑音に弱く、例えば、ラジオ、ステレオの再
生音(音声や楽音)のように、音声帯域で時間非定常な
雑音が大きい場合は、まず、音声区間検出も十分にでき
ず、音声区間検出ができたとしても、推定雑音成分量が
実際の雑音成分と異なるという欠点がある。また、アダ
プティブノイズキャンセリングは、2人力、即ち、2本
のマイクを用いた場合、複数の雑音源からの合成された
雑音に対してうまく対応ができないという欠点があり、
であるからといって、マイクの本数をいたずらに増やし
ても、信号処理の量が膨大になり、かつ、コスト高にな
り実用化が困難になるという欠点がある。
また、ラジオ、ステレオなどのスピーカから再生される
音(音声認識装置にとっては雑音)に関しては、マイク
からの入力から、スピーカに送られる信号に適当なゲイ
ンをかけたものを差し引く方法も考えられるが、スピー
カからマイクまでの遅延や、周囲の反射音があるために
、時間波形上で単純に両者の差を取っても効果は期待で
きない。
音(音声認識装置にとっては雑音)に関しては、マイク
からの入力から、スピーカに送られる信号に適当なゲイ
ンをかけたものを差し引く方法も考えられるが、スピー
カからマイクまでの遅延や、周囲の反射音があるために
、時間波形上で単純に両者の差を取っても効果は期待で
きない。
且−一」岬
本発明は、上述のごとき従来技術の欠点に鑑み成された
もので、特に、音声を入力するためのマイク付近で発生
する音声帯域で、かつ、時間非定常性の強いラジオ、ス
テレオなどの再生音が雑音として音声信号に重畳してい
ても、適切にこの雑音を除去し、このような雑音環境下
での良好な音声認識を実現することを目的としてなされ
たものである。
もので、特に、音声を入力するためのマイク付近で発生
する音声帯域で、かつ、時間非定常性の強いラジオ、ス
テレオなどの再生音が雑音として音声信号に重畳してい
ても、適切にこの雑音を除去し、このような雑音環境下
での良好な音声認識を実現することを目的としてなされ
たものである。
代−一一腹
本発明は、上記目的を達成するために、(1)マイクか
ら入力される雑音を含む音声の特徴量を抽出する第1の
特徴量抽出部と、上記マイクの周囲に置かれたスピーカ
から再生されるためのスピーカ再生用信号を用いてスピ
ーカ再生用信号による雑音の特徴量を抽出する第2の特
徴量抽出部と、上記第1の特徴量抽出部で抽出された特
徴量から上記第2の特徴量抽出部で抽出された特徴量を
除去した特′eli量を生成する第1の雑音除去部と、
上記第1の雑音除去部で生成された特徴量から音声区間
を検出する音声区間検出部と、上記音声区間検出部で検
出された非音声区間における上記第1の雑音除去部で生
成された特徴量からスピーカ再生用信号による雑音以外
の雑音の推定値を求め、更に、上記音声区間検出部で検
出された音声区間における上記第1の雑音除去部で生成
された特徴量から上記スピーカ再生用信号による雑音以
外の雑音の推定値を除去し、音声の特徴量を生成する第
2の雑音除去部と、上記第2の雑音除去部で生成された
音声の特徴量から入力された音声の入力パターンを生成
する入力パターン生成部と、音声の標準パターンを記憶
する標準パターンメモリと、上記入力パターン生成部で
生成された入力パターンと上記標準パターンメモリに記
憶された標準パターンとで認識処理を行う認識部とを具
備して成ることを特徴としたものであり、更には、(2
)上記(1)の音声認識装置において、上記第2の特徴
抽出部は、マイクの周囲に置かれたスピーカから再生さ
れるための上記スピーカ再生用信号に。
ら入力される雑音を含む音声の特徴量を抽出する第1の
特徴量抽出部と、上記マイクの周囲に置かれたスピーカ
から再生されるためのスピーカ再生用信号を用いてスピ
ーカ再生用信号による雑音の特徴量を抽出する第2の特
徴量抽出部と、上記第1の特徴量抽出部で抽出された特
徴量から上記第2の特徴量抽出部で抽出された特徴量を
除去した特′eli量を生成する第1の雑音除去部と、
上記第1の雑音除去部で生成された特徴量から音声区間
を検出する音声区間検出部と、上記音声区間検出部で検
出された非音声区間における上記第1の雑音除去部で生
成された特徴量からスピーカ再生用信号による雑音以外
の雑音の推定値を求め、更に、上記音声区間検出部で検
出された音声区間における上記第1の雑音除去部で生成
された特徴量から上記スピーカ再生用信号による雑音以
外の雑音の推定値を除去し、音声の特徴量を生成する第
2の雑音除去部と、上記第2の雑音除去部で生成された
音声の特徴量から入力された音声の入力パターンを生成
する入力パターン生成部と、音声の標準パターンを記憶
する標準パターンメモリと、上記入力パターン生成部で
生成された入力パターンと上記標準パターンメモリに記
憶された標準パターンとで認識処理を行う認識部とを具
備して成ることを特徴としたものであり、更には、(2
)上記(1)の音声認識装置において、上記第2の特徴
抽出部は、マイクの周囲に置かれたスピーカから再生さ
れるための上記スピーカ再生用信号に。
上記スピーカと上記マイクとの予め定められた位置関係
で予め測定された上記スピーカ再生用信号と上記マイク
から入力される信号間の伝達関数に相当する処理を行っ
た信弼の特yll量をスピーカ再生用信号による雑音の
特徴量とすることを特徴とするものであり、更には、(
3)上記(1)又は(2)の音声認識装置において、上
記マイクの周囲に置かれたスピーカが複数個ある場合に
、それぞれのスピーカから再生するためのスピーカ再生
用信号に、上記それぞれのスピーカと上記マイクとの予
め定められた位置関係で予め測定された上記それぞれの
スピーカ再生用信号と上記マイクから入力される信号間
の伝達関数に相馬するそれぞれの処理を行った信号をす
べて加算した信号の特徴量をスピーカ再生用信号による
雑音の特徴量とすることを特徴としたものである。以下
1本発明の実施例に基づいて説明する。
で予め測定された上記スピーカ再生用信号と上記マイク
から入力される信号間の伝達関数に相当する処理を行っ
た信弼の特yll量をスピーカ再生用信号による雑音の
特徴量とすることを特徴とするものであり、更には、(
3)上記(1)又は(2)の音声認識装置において、上
記マイクの周囲に置かれたスピーカが複数個ある場合に
、それぞれのスピーカから再生するためのスピーカ再生
用信号に、上記それぞれのスピーカと上記マイクとの予
め定められた位置関係で予め測定された上記それぞれの
スピーカ再生用信号と上記マイクから入力される信号間
の伝達関数に相馬するそれぞれの処理を行った信号をす
べて加算した信号の特徴量をスピーカ再生用信号による
雑音の特徴量とすることを特徴としたものである。以下
1本発明の実施例に基づいて説明する。
第1図は1本発明の一実施例を説明するための構成図で
、図中、1はマイク、2はマイク1の周囲に置かれたス
ピーカ、10はマイク1から入力された雑音を含む音声
の特徴量を抽出する第1の特徴量抽出部、20はスピー
カ再生用信号による雑音の特徴量を抽出する第2の特徴
量抽出部、30は第1の雑音除去部、40は音声区間検
出部、50は雑音推定部、60は第2の雑音除去部。
、図中、1はマイク、2はマイク1の周囲に置かれたス
ピーカ、10はマイク1から入力された雑音を含む音声
の特徴量を抽出する第1の特徴量抽出部、20はスピー
カ再生用信号による雑音の特徴量を抽出する第2の特徴
量抽出部、30は第1の雑音除去部、40は音声区間検
出部、50は雑音推定部、60は第2の雑音除去部。
70は入力パターン生成部、80は標準パターンメモリ
、90は認識部で、請求項第1項及び第2項に記載の発
明は、マイク1から入力される雑音を含む音声の特徴量
を抽出する第1の特徴量抽出部10と、上記マイクエの
周囲に置かれたスピーカ2から再生されるためのスピー
カ再生用信号を用いてスピーカ再生用信号による雑音の
特徴量を抽出する第2の特徴量抽出部20と、上記第↓
の特徴量抽出部10で抽出された特徴量から上記第2の
特rJIl量抽出部20で抽出された特徴量を除去した
特徴量を生成する第1の雑音除去部30と、上記第1の
雑音除去部で生成された特徴量から音声区間を検出する
音声区間検出部40と、上記音声区間検出部40で検出
された非音声区間における上記第1の雑音除去部30で
生成された特徴量からスピーカ再生用信号による雑音以
外の雑音の推定値を雑音推定部50にて推定し、て求め
、更に、上記音声区間検出部40で検出された音声区間
における上記第1の雑音除去部30で生成された特徴量
から上記スピーカ再生用信号による雑音以外の雑音の推
定値を除去し、音声の特徴量を生成する第2の雑音除去
部60と、上記第2の雑音除去部60で生成された音声
の特徴量から入力された音声の入力パターンを生成する
入力パターン生成部70と、音声の標準パターンを記憶
する標準パターンメモリ80と、上記入力パターン生成
部で生成された入力パターン70と上記標準パターンメ
モリ80に記憶された標準パターンとで認識処理を行う
認識部90から戊っている。
、90は認識部で、請求項第1項及び第2項に記載の発
明は、マイク1から入力される雑音を含む音声の特徴量
を抽出する第1の特徴量抽出部10と、上記マイクエの
周囲に置かれたスピーカ2から再生されるためのスピー
カ再生用信号を用いてスピーカ再生用信号による雑音の
特徴量を抽出する第2の特徴量抽出部20と、上記第↓
の特徴量抽出部10で抽出された特徴量から上記第2の
特rJIl量抽出部20で抽出された特徴量を除去した
特徴量を生成する第1の雑音除去部30と、上記第1の
雑音除去部で生成された特徴量から音声区間を検出する
音声区間検出部40と、上記音声区間検出部40で検出
された非音声区間における上記第1の雑音除去部30で
生成された特徴量からスピーカ再生用信号による雑音以
外の雑音の推定値を雑音推定部50にて推定し、て求め
、更に、上記音声区間検出部40で検出された音声区間
における上記第1の雑音除去部30で生成された特徴量
から上記スピーカ再生用信号による雑音以外の雑音の推
定値を除去し、音声の特徴量を生成する第2の雑音除去
部60と、上記第2の雑音除去部60で生成された音声
の特徴量から入力された音声の入力パターンを生成する
入力パターン生成部70と、音声の標準パターンを記憶
する標準パターンメモリ80と、上記入力パターン生成
部で生成された入力パターン70と上記標準パターンメ
モリ80に記憶された標準パターンとで認識処理を行う
認識部90から戊っている。
更に詳細に説明すると、第1の特徴量抽出部10は、自
動車内に設置され音声を入力するためのマイク1から入
力される雑音を含む音声の特徴量を抽出するもので、マ
イクアンプ11は、増幅を行ない、プリエンファシス1
2は、高域を強調し、バンドパスフィルタバンク13は
、25011zから6.35KIlzまで対数軸上で等
間隔に配置された15個の周波数を中心周波数とするバ
ンドパスフィルタ群と、その各帯域毎の整流器、ローパ
スフィルタから成り、これにより入力音声のスペクトル
を求める。マルチプレクサ14は、上記の各帯域のデー
タを切り替え、A/Dコンバータ15は、iomsのサ
ンプリング周期で各帯域毎のデータをデジタル化する。
動車内に設置され音声を入力するためのマイク1から入
力される雑音を含む音声の特徴量を抽出するもので、マ
イクアンプ11は、増幅を行ない、プリエンファシス1
2は、高域を強調し、バンドパスフィルタバンク13は
、25011zから6.35KIlzまで対数軸上で等
間隔に配置された15個の周波数を中心周波数とするバ
ンドパスフィルタ群と、その各帯域毎の整流器、ローパ
スフィルタから成り、これにより入力音声のスペクトル
を求める。マルチプレクサ14は、上記の各帯域のデー
タを切り替え、A/Dコンバータ15は、iomsのサ
ンプリング周期で各帯域毎のデータをデジタル化する。
従って、第1の特徴量抽出部10に入力された信号は、
マイクアンプ11、プリエンファシス12、バンドパス
フィルタバンク13、マルチプレクサ14、A/Dコン
バータ15を経て、雑音を含む音声のタイムスペクトル
パターンX(t、f)(ここで、tは時間軸、fは周波
数軸である)となる。また、第2の特徴量抽出部20は
、マイク1の周囲に置かれたスピーカ2から再生される
ためのスピーカ再生用信号を用いてスピーカ再生用信号
による雑音の特徴量を抽出するもので、プリエンファシ
ス22は、プリエンファシス12と同様に高域を強調し
、バンドパスフィルタバンク23は、バンドパスフィル
タバンク13と同様にしてスピーカ再生用信号のスペク
トルを求め、マルチプレクサ24は、マルチプレクサ1
4と同様にして各帯域のデータを切り換え、A/Dコン
バータ25は、A/Dコンノく一タ15と同様にして各
帯域毎のデータをデジタル化する。第2の特徴量抽出部
20に入力された信号は、プリエンファシス22.バン
ドパスフィルタバンク23.マルチプレクサ24、A/
Dコンバータ25を経て、スピーカ再生用信号ののタイ
ムスペクトルパターンN(t、f)となる。更に、例え
ば、このスピーカ再生用信号のタイムスペクトルパター
ンN(t、f)と、予め測定され伝達関数メモリ28に
記憶されたスピーカ2とマイク1間の伝達関数H(f)
との積N(t、、f)・H(f)が乗算器27で計算さ
れ、スピーカ再生用信号による雑音のタイムスペクトル
パターン N1(t、f)=N(t、f)・H(f)となる。なお
、スピーカ2とマイク1間の伝達関数H(f)は、第2
の特徴量抽出部20に入力されるスピーカ再生用信号に
インパルス信号を与えて、スピーカ2を介して再生され
た音をマイク1から収音して得られるインパルス応答を
フーリエ変換すれば予め求めることができるし、ホワイ
ト・ノイズの再生、周波数スイープ信号を再生して求め
ることもできる。
マイクアンプ11、プリエンファシス12、バンドパス
フィルタバンク13、マルチプレクサ14、A/Dコン
バータ15を経て、雑音を含む音声のタイムスペクトル
パターンX(t、f)(ここで、tは時間軸、fは周波
数軸である)となる。また、第2の特徴量抽出部20は
、マイク1の周囲に置かれたスピーカ2から再生される
ためのスピーカ再生用信号を用いてスピーカ再生用信号
による雑音の特徴量を抽出するもので、プリエンファシ
ス22は、プリエンファシス12と同様に高域を強調し
、バンドパスフィルタバンク23は、バンドパスフィル
タバンク13と同様にしてスピーカ再生用信号のスペク
トルを求め、マルチプレクサ24は、マルチプレクサ1
4と同様にして各帯域のデータを切り換え、A/Dコン
バータ25は、A/Dコンノく一タ15と同様にして各
帯域毎のデータをデジタル化する。第2の特徴量抽出部
20に入力された信号は、プリエンファシス22.バン
ドパスフィルタバンク23.マルチプレクサ24、A/
Dコンバータ25を経て、スピーカ再生用信号ののタイ
ムスペクトルパターンN(t、f)となる。更に、例え
ば、このスピーカ再生用信号のタイムスペクトルパター
ンN(t、f)と、予め測定され伝達関数メモリ28に
記憶されたスピーカ2とマイク1間の伝達関数H(f)
との積N(t、、f)・H(f)が乗算器27で計算さ
れ、スピーカ再生用信号による雑音のタイムスペクトル
パターン N1(t、f)=N(t、f)・H(f)となる。なお
、スピーカ2とマイク1間の伝達関数H(f)は、第2
の特徴量抽出部20に入力されるスピーカ再生用信号に
インパルス信号を与えて、スピーカ2を介して再生され
た音をマイク1から収音して得られるインパルス応答を
フーリエ変換すれば予め求めることができるし、ホワイ
ト・ノイズの再生、周波数スイープ信号を再生して求め
ることもできる。
第1の雑音除去部30は、第iの特徴量抽出部10で抽
出された雑音を含む音声のタイムスペクトルパターンX
(t、f)から第2の特徴量抽出部20で抽出されたス
ピーカ再生用信号による雑音のタイムスペクトルパター
ンN1(t、f)を減じ、雑音を含む音声信号からスピ
ーカ再生用信号による雑音を除去したタイムスペクトル
パターンx1(t、f)=x(t、f)−N1.(t、
f)を生成する。
出された雑音を含む音声のタイムスペクトルパターンX
(t、f)から第2の特徴量抽出部20で抽出されたス
ピーカ再生用信号による雑音のタイムスペクトルパター
ンN1(t、f)を減じ、雑音を含む音声信号からスピ
ーカ再生用信号による雑音を除去したタイムスペクトル
パターンx1(t、f)=x(t、f)−N1.(t、
f)を生成する。
音声区間検出部40は、第1の雑音除去部30で生成さ
れた雑音を含む音声信号からスピーカ再生用信号による
雑音を除去したタイムスペクトルパターンXI(t、f
)から音声区間を検出する。
れた雑音を含む音声信号からスピーカ再生用信号による
雑音を除去したタイムスペクトルパターンXI(t、f
)から音声区間を検出する。
ここで用いられる音声区間検出の方法は、タイムスペク
トルパターンX1(t、f)の各フレームにおける合計 5 Σ XI(t、f) f=1 が、予め定められたしきい値を越えた区間を音声区間と
する。
トルパターンX1(t、f)の各フレームにおける合計 5 Σ XI(t、f) f=1 が、予め定められたしきい値を越えた区間を音声区間と
する。
第2の雑音除去部60は、音声区間検出部40で検出さ
れた音声区間における第1の雑音除去部30で生成され
た雑音を含む音声信号からスピーカ再生用信号による雑
音を除去したタイムスペクトルパターンX 1s(t、
f) (添え字Sは、音声区間を表す)から更にスピー
カ再生用信号による雑音以外の雑音のタイムスペクトル
パターンN 2 (t、f)を雑音推定部50で推定し
て減じて、音声のタイムスペクトルパターン S (t、f) = X 1.s(t、f) −N 2
(t、f)を生成する。ここで、スピーカ再生用信号に
よる雑音以外の雑音のタイムスペクトルパターンN2(
tlf)は、公知のスペクトルサブトラクションlムに
従って、音声区間でない時の第1の雑音除去部30の出
力X1n(t、f)の複数フレームの平均を雑音推定部
50にて推定して充てる(添え字nは、非音声区間を表
す)。
れた音声区間における第1の雑音除去部30で生成され
た雑音を含む音声信号からスピーカ再生用信号による雑
音を除去したタイムスペクトルパターンX 1s(t、
f) (添え字Sは、音声区間を表す)から更にスピー
カ再生用信号による雑音以外の雑音のタイムスペクトル
パターンN 2 (t、f)を雑音推定部50で推定し
て減じて、音声のタイムスペクトルパターン S (t、f) = X 1.s(t、f) −N 2
(t、f)を生成する。ここで、スピーカ再生用信号に
よる雑音以外の雑音のタイムスペクトルパターンN2(
tlf)は、公知のスペクトルサブトラクションlムに
従って、音声区間でない時の第1の雑音除去部30の出
力X1n(t、f)の複数フレームの平均を雑音推定部
50にて推定して充てる(添え字nは、非音声区間を表
す)。
入力パターン生成部70は、第2の雑音除去部60で生
成された音声の特徴量から公知のBTSP (Bina
ry Ti+ie Spectrum Pattern
)音声認識方式の音声パターン生成法に従って入力され
た音声の入力パターンを生成する。
成された音声の特徴量から公知のBTSP (Bina
ry Ti+ie Spectrum Pattern
)音声認識方式の音声パターン生成法に従って入力され
た音声の入力パターンを生成する。
標準パターンメモリ80は、公知のBTSP音声認識方
式の標準パターン形式になっている音声の標準パターン
を記憶する。
式の標準パターン形式になっている音声の標準パターン
を記憶する。
認識部90は、入力パターン生成部70で生成された入
力パターンと上記標準パターンメモリ80に記憶された
標準パターンとで公知のBTSP音声認識方式の認識処
理に従って認識処理を行う。
力パターンと上記標準パターンメモリ80に記憶された
標準パターンとで公知のBTSP音声認識方式の認識処
理に従って認識処理を行う。
尚、以上に示した実施例で用いた手段以外に、音声区間
検出部40の音声区間検出法、第2の雑音除去部60の
雑音除去法、入力パターン生成部70のパターン生成法
、標準パターンメモリ80のパターン形式、認識部90
の認識処理などに公知の方法を用いても本発明を実施す
ることができる。
検出部40の音声区間検出法、第2の雑音除去部60の
雑音除去法、入力パターン生成部70のパターン生成法
、標準パターンメモリ80のパターン形式、認識部90
の認識処理などに公知の方法を用いても本発明を実施す
ることができる。
また、バンドパスフィルタバンク13.23は。
FFTなどのデジタル信号処理と置き換えても良く、ま
た、A/Dコンバータ15と25は、時分割処理によっ
て共有することも可能である。
た、A/Dコンバータ15と25は、時分割処理によっ
て共有することも可能である。
第2図は、第1図に示した実施例を、スピーカが複数個
ある場合に対応するために拡張した実施例の構成図で、
図示のように、スピーカの数が例えば2個の場合、第2
の特徴量抽出部20a、20bも2個で、スピーカ28
.2bから再生されるためのそれぞれのスピーカ再生用
信号を入力し、バンドパスフィルタ23a、23bで得
られるこれらのスピーカ再生用信号のタイムスペクトル
パターンNa(t、f) t Nb(t、f)と、予め
測定されたスピーカ2a、2bとマイク1間の伝達関数
Ha(f)。
ある場合に対応するために拡張した実施例の構成図で、
図示のように、スピーカの数が例えば2個の場合、第2
の特徴量抽出部20a、20bも2個で、スピーカ28
.2bから再生されるためのそれぞれのスピーカ再生用
信号を入力し、バンドパスフィルタ23a、23bで得
られるこれらのスピーカ再生用信号のタイムスペクトル
パターンNa(t、f) t Nb(t、f)と、予め
測定されたスピーカ2a、2bとマイク1間の伝達関数
Ha(f)。
)Ib(f)のそれぞれの積が乗算器27a、27bで
求められ、これらの積の総和が加算器29でスピーカ再
生用信号による雑音のタイムスペクトルパターン N 1(t、f) = Na(t、f)・Ha(f)
+ Nb(t、fl Hb(f)となる。これ以降の処
理は、第1図に示した実施例と同じである。また、スピ
ーカの個数が3個以上でも同様な手法で実現できる。
求められ、これらの積の総和が加算器29でスピーカ再
生用信号による雑音のタイムスペクトルパターン N 1(t、f) = Na(t、f)・Ha(f)
+ Nb(t、fl Hb(f)となる。これ以降の処
理は、第1図に示した実施例と同じである。また、スピ
ーカの個数が3個以上でも同様な手法で実現できる。
羞−一果
以上の説明から明らかなように、請求項第1項の発明に
よると、第■の雑音除去部30において、雑音を含む音
声の特徴量から音声帯域でしかも時間非定常性の強いス
ピーカ再生用信号による雑音の特徴量を除去してから、
音声区間検出部40において音声区間を検出するので、
スピーカ再生音以外の雑音1例えば自動車内では、エン
ジン音、タイヤの走行音、例えば家庭内、事務所内では
、It o t hノイズに代表されるような雑音とい
ったいずれも低域(100Hzから数100Hz程度)
でしかも時間定常性の強い雑音が主な雑音から音声区間
を検出するので検出精度が向上し、結果として高雑音下
の音声の認識率が改善される。
よると、第■の雑音除去部30において、雑音を含む音
声の特徴量から音声帯域でしかも時間非定常性の強いス
ピーカ再生用信号による雑音の特徴量を除去してから、
音声区間検出部40において音声区間を検出するので、
スピーカ再生音以外の雑音1例えば自動車内では、エン
ジン音、タイヤの走行音、例えば家庭内、事務所内では
、It o t hノイズに代表されるような雑音とい
ったいずれも低域(100Hzから数100Hz程度)
でしかも時間定常性の強い雑音が主な雑音から音声区間
を検出するので検出精度が向上し、結果として高雑音下
の音声の認識率が改善される。
また、請求項第2項の発明によれば、第2の特徴量抽出
部20が、マイクの周囲に置かれたスピーカから再生さ
れるための上記スピーカ再生用信号に、上記スピーカと
上記マイクとの予め定められた位置関係で予め測定され
た上記スピーカと上記マイク間のインパルス応答に相当
する処理を行った信号の特徴量をスピーカ再生用信号に
よる雑音の特徴量とし、第1の雑音除去部30が、雑音
を含む音声の特徴量からスピーカ再生用信号による雑音
の特徴量を除去するので、スピーカ再生用信号による雑
音の成分を正確に除去できるので、結果として高雑音下
の音声の認識率が改善される。
部20が、マイクの周囲に置かれたスピーカから再生さ
れるための上記スピーカ再生用信号に、上記スピーカと
上記マイクとの予め定められた位置関係で予め測定され
た上記スピーカと上記マイク間のインパルス応答に相当
する処理を行った信号の特徴量をスピーカ再生用信号に
よる雑音の特徴量とし、第1の雑音除去部30が、雑音
を含む音声の特徴量からスピーカ再生用信号による雑音
の特徴量を除去するので、スピーカ再生用信号による雑
音の成分を正確に除去できるので、結果として高雑音下
の音声の認識率が改善される。
また、請求項第3項の発明によれば、マイク1の周囲に
置かれたスピーカ2が複数個ある場合にも、第2の特徴
量抽出部20a、20b10.。
置かれたスピーカ2が複数個ある場合にも、第2の特徴
量抽出部20a、20b10.。
が、それぞれのスピーカ2a、2b188.とマイク1
との予め定められた位置関係で予め測定されたそれぞれ
のスピーカ2a、2b191.とマイク1間の伝達関数
に相当するそれぞれの処理を乗算器27a、27b10
0.で行った信号をすべて加算器29で加算した信号の
特徴量をスピーカ再生用信号による雑音の特徴量とし、
第1の雑音除去部30が、雑音を含む音声の特徴量から
スピーカ再生用信号による雑音の特[を除去するので、
スピーカ2が複数個ある場合にも、スピーカ再生用信号
による雑音の成分を正確に除去でき、結果として高雑音
下の音声の認識率が改善される。
との予め定められた位置関係で予め測定されたそれぞれ
のスピーカ2a、2b191.とマイク1間の伝達関数
に相当するそれぞれの処理を乗算器27a、27b10
0.で行った信号をすべて加算器29で加算した信号の
特徴量をスピーカ再生用信号による雑音の特徴量とし、
第1の雑音除去部30が、雑音を含む音声の特徴量から
スピーカ再生用信号による雑音の特[を除去するので、
スピーカ2が複数個ある場合にも、スピーカ再生用信号
による雑音の成分を正確に除去でき、結果として高雑音
下の音声の認識率が改善される。
第1図は、請求項第1項及び第2項に記載した発明の一
実施例を説明するための構成図、第2図は、請求項第3
項に記載した発明の一実施例を説明するための構成図で
ある。 1・・・マイク、2.2a、2b・・・スピーカ、10
・・第1の特徴量抽出部、20,20a、20b・・・
第2の特徴量抽出部、11・・・マイクアンプ、12゜
22.22a、22b・・・プリエンファシス回路、1
3.23,23a、23b−バンドパスフィルタバンク
、14、24、24 a 、 24 b ・=マルチプ
レクサ、15,25,25a、25b=A/Dコンバー
タ、27、27 a 、 27 b −・−乗算器。 28.28a、28b・・・伝達関数メモリ、29・・
・加算器、30・・・第1の雑音除去部、40・・・音
声区間検出部、50・・・雑音推定部、60・・・第2
の雑音除去部、70・・・入力パターン生成部、80・
・・標準パターンメモリ、90・・・認識部。 認謁目活来
実施例を説明するための構成図、第2図は、請求項第3
項に記載した発明の一実施例を説明するための構成図で
ある。 1・・・マイク、2.2a、2b・・・スピーカ、10
・・第1の特徴量抽出部、20,20a、20b・・・
第2の特徴量抽出部、11・・・マイクアンプ、12゜
22.22a、22b・・・プリエンファシス回路、1
3.23,23a、23b−バンドパスフィルタバンク
、14、24、24 a 、 24 b ・=マルチプ
レクサ、15,25,25a、25b=A/Dコンバー
タ、27、27 a 、 27 b −・−乗算器。 28.28a、28b・・・伝達関数メモリ、29・・
・加算器、30・・・第1の雑音除去部、40・・・音
声区間検出部、50・・・雑音推定部、60・・・第2
の雑音除去部、70・・・入力パターン生成部、80・
・・標準パターンメモリ、90・・・認識部。 認謁目活来
Claims (1)
- 【特許請求の範囲】 1、マイクから入力される雑音を含む音声の特徴量を抽
出する第1の特徴量抽出部と、上記マイクの周囲に置か
れたスピーカから再生されるためのスピーカ再生用信号
を用いてスピーカ再生用信号による雑音の特徴量を抽出
する第2の特徴量抽出部と、上記第1の特徴量抽出部で
抽出された特徴量から上記第2の特徴量抽出部で抽出さ
れた特徴量を除去した特徴量を生成する第1の雑音除去
部と、上記第1の雑音除去部で生成された特徴量から音
声区間を検出する音声区間検出部と、上記音声区間検出
部で検出された非音声区間における上記第1の雑音除去
部で生成された特徴量からスピーカ再生用信号による雑
音以外の雑音の推定値を求め、更に、上記音声区間検出
部で検出された音声区間における上記第1の雑音除去部
で生成された特徴量から上記スピーカ再生用信号による
雑音以外の雑音の推定値を除去し、音声の特徴量を生成
する第2の雑音除去部と、上記第2の雑音除去部で生成
された音声の特徴量から入力された音声の入力パターン
を生成する入力パターン生成部と、音声の標準パターン
を記憶する標準パターンメモリと、上記入力パターン生
成部で生成された入力パターンと上記標準パターンメモ
リに記憶された標準パターンとで認識処理を行う認識部
とを具備して成ることを特徴とした音声認識装置。 2、上記第2の特徴抽出部は、マイクの周囲に置かれた
スピーカから再生されるための上記スピーカ再生用信号
に、上記スピーカと上記マイクとの予め定められた位置
関係で予め測定された上記スピーカ再生用信号と上記マ
イクから入力される信号間の伝達関数に相当する処理を
行った信号の特徴量をスピーカ再生用信号による雑音の
特徴量とすることを特徴とした請求項第1項に記載の音
声認識装置。 3、上記マイクの周囲に置かれたスピーカが複数個ある
場合に、それぞれのスピーカから再生するためのスピー
カ再生用信号に、上記それぞれのスピーカと上記マイク
との予め定められた位置関係で予め測定された上記それ
ぞれのスピーカ再生用信号と上記マイクから入力される
信号間の伝達関数に相当するそれぞれの処理を行った信
号をすべて加算した信号の特徴量をスピーカ再生用信号
による雑音の特徴量とすることを特徴とした請求項第1
項又は第2項に記載の音声認識装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2074690A JPH03274099A (ja) | 1990-03-23 | 1990-03-23 | 音声認識装置 |
DE19914106405 DE4106405C2 (de) | 1990-03-23 | 1991-02-28 | Geräuschunterdrückungseinrichtung für ein Spracherkennungsystem |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2074690A JPH03274099A (ja) | 1990-03-23 | 1990-03-23 | 音声認識装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH03274099A true JPH03274099A (ja) | 1991-12-05 |
Family
ID=13554468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2074690A Pending JPH03274099A (ja) | 1990-03-23 | 1990-03-23 | 音声認識装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH03274099A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008518288A (ja) * | 2004-10-18 | 2008-05-29 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 人物をモニタするシステム |
US8285545B2 (en) | 2008-10-03 | 2012-10-09 | Volkswagen Ag | Voice command acquisition system and method |
JP2019020678A (ja) * | 2017-07-21 | 2019-02-07 | 株式会社レイトロン | ノイズ低減装置および音声認識装置 |
-
1990
- 1990-03-23 JP JP2074690A patent/JPH03274099A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008518288A (ja) * | 2004-10-18 | 2008-05-29 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 人物をモニタするシステム |
US8285545B2 (en) | 2008-10-03 | 2012-10-09 | Volkswagen Ag | Voice command acquisition system and method |
JP2019020678A (ja) * | 2017-07-21 | 2019-02-07 | 株式会社レイトロン | ノイズ低減装置および音声認識装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107479030B (zh) | 基于分频和改进的广义互相关双耳时延估计方法 | |
US10455325B2 (en) | Direction of arrival estimation for multiple audio content streams | |
US9343056B1 (en) | Wind noise detection and suppression | |
KR101444100B1 (ko) | 혼합 사운드로부터 잡음을 제거하는 방법 및 장치 | |
KR101449433B1 (ko) | 마이크로폰을 통해 입력된 사운드 신호로부터 잡음을제거하는 방법 및 장치 | |
US9591410B2 (en) | Hearing assistance apparatus | |
US6130949A (en) | Method and apparatus for separation of source, program recorded medium therefor, method and apparatus for detection of sound source zone, and program recorded medium therefor | |
JP2005525717A (ja) | 選択的な音の増幅 | |
US9467775B2 (en) | Method and a system for noise suppressing an audio signal | |
US9343073B1 (en) | Robust noise suppression system in adverse echo conditions | |
JP2004187283A (ja) | マイクロホン装置および再生装置 | |
KR102191736B1 (ko) | 인공신경망을 이용한 음성향상방법 및 장치 | |
US20080004868A1 (en) | Sub-band periodic signal enhancement system | |
CN110956976B (zh) | 一种回声消除方法、装置、设备及可读存储介质 | |
CN111078185A (zh) | 录制声音的方法及设备 | |
WO2022256577A1 (en) | A method of speech enhancement and a mobile computing device implementing the method | |
WO2017045512A1 (zh) | 一种语音识别的方法、装置、终端及语音识别设备 | |
Mukai et al. | Removal of residual cross-talk components in blind source separation using time-delayed spectral subtraction | |
CN111883153B (zh) | 一种基于麦克风阵列的双端讲话状态检测方法及装置 | |
JP6840302B2 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
JPH03274099A (ja) | 音声認識装置 | |
JPH03274098A (ja) | 雑音除去方式 | |
CN113744752A (zh) | 语音处理方法及装置 | |
JPH06289898A (ja) | 音声信号処理装置 | |
JP2859634B2 (ja) | 雑音除去装置 |