JPH039400A - 音声認識装置 - Google Patents

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】 ［産業上の利用分野］ この発明は音声認識装置、特に高雑音環境下における音
声認識に関する。

［従来の技術］ 通常、音声認識は話者により発生された音声を分析し、
予め登録しておいた標準パターン（辞書とも呼ぶ）との
類似性を算出し、最も類似している標準パターンを認識
結里として出力する。

第２図は古井著［ディジタル音声処理」（１９８５年９
Ｊ１２５日）東海犬ｑ出阪会、Ｐ　１６０−１８１に開
示されている、単語単位の音声入力を仮定した際の音声
認識装置のブロック図である。図において、（２０１）
は入力端、（２０２）は音声分析手段であり、入力端（
２０＋、’）を介して入力された音声に必要な処理を施
し、認識にａ効な特徴パラメータに変換する。

（２０３）は単語の標準パターンが格納されているメモ
リであり、認識させたい単語の特徴パラメー夕が音り分
析手段（２０２）によりｐ？Ｉ）求められて格納されて
いる。（２０４）は単語認識手段であり、４忠対象とな
る音声が音声分析手段（２０２）により同様に処理１７
て導出された特徴パラメータとメモリ（２０３）に格・
納されでいる単語の標準パターンの全てとの類似性を計
算し、最も類似度の高い（似ている）パターンを認識結
果と１２で出力端（２０５）に出力する。

第３図は第２図の一高声認識装置の動作を示すフＶ１−
チャー１・である。＆声認識が開始すると（Ｓ３０１）
、マイクロフォン（図示せず）等を介して入力端（２０
１）に音声を入力する（Ｓ３０２）。音声分析手段（２
０２）は音声人力を分析１．５だ後特徴パラメータを導
出する。そして、単語認識手段（２０３）は音声分析手
段（２０２）からの特徴パラメータとメモリ（２０３）
に格納されている単語標準パターンの全てとの類似性を
計算１８．て、最も類似度の高いパターンを認識結果と
して求め（Ｓ３（１３）、出力端（２０５）に出力Ｌ　
（Ｓ３０４）、処理を終了する（Ｓ３０５）。

通常、音声分析１段（２０２）及び単語認識手段（２０
４）はディジタル信号処理プロセッサ（ＤＳＰ）等を用
いて実現されているため、入力端（２０１）に入力され
る音声入力は、マイクロフォンから人力される音声信号
を増幅ｊ２、適当なフィルタ処理をしだ後１：　Ａ　／
　Ｄ変換されたディジタルデータとなっている。また、
認コ結果は適当な符号に符号化し、出力端（２０５）を
介して被制御機器の制御部へ出力する。例えば、音声タ
イプライタ−であれば、タイプライタ−の＾、ソドを制
御する回路へ出力【、音声ダイヤルであれば、ダイヤル
パルス又はブツシュボタントーンを発生する回路へ出力
する。

また、場合によっては、並行してディスブ（ノイや音声
合成装置等を用いて話者に対１．てエコーバックするこ
ともある。

［発明が解決１２ようとする課題〕 し、かり、ながら、」１記の音声認識装置では背景雑音
が大きい環境下、例えば高速走行時の自動車内等では、
話者が発声する音声と同等、或いは、それ以上の背景雑
音がある場合があり（すなわぢＳ／間が負となる場合）
、音声の分析・認識が正確に実行できないという問題点
がある。

また、このような高雑音環境Ｆにおい′Ｃ１人間は自然
に大きな声で発声１．ようとする傾向がある。

大きな声で発声１．た場合、Ｓ　／　Ｎ比は改善される
が、反面、音声の特徴パラメータが通常の特徴パラメー
タと異なることが多く、やはり、正確な認４基が実行で
きないという問題点がある。

この発明は、従来の高雑音環境下での認識率の低下とい
う問題点を解決し、低雑音環境下とρ１雑音環境下の両
方において良好な認識率が得られる音声認識装置を提供
することを目的とする。

［課題を解決するための手段］ この発明に係る音声合成装置は、通常の音声の特徴パラ
メータが格納された第１の記憶手段と、大きな音声の特
徴パラメータが格納された第２の記憶手段と、背景雑音
を測定・判定し、その大小を検出する雑音検出手段と、
雑δｌノベル検出手段の出力に従って話者に対１７て通
常のμｊでの音声入力か、又は大きな声での音声入力か
を指示する音声合成手段とを有する。

更に、この発明に係る音声認識装置は、音声入力を分析
してその特徴パラメータを求める音声分析−１段と、雑
音検出手段の出力に従って第１の記憶手段又は第２の記
憶手段の特徴パラメータと３、音声分析手段で求められ
た特徴パラメータとを比較して入力音声を認識する音声
認識手段とを有する。

［作　用１ この発明においては、背景雑音をａｈ定・判定してその
大小を検出し、その大小に応じて話者に対して通常の声
での音声入力か、又は大きな声での音声人力かを指示１
１、そして、話者の音声入力を認識する際に、第１の記
憶手段又は第２の記憶手段を選択に利用する。例えば雑
音が小さいと判断された場合には、第１の記憶手段に記
憶された特徴パラメータを利用１．て入力音声を認識す
る。また、雑音が大きいと判断された場合には、第２の
記憶手段に記憶された特徴パラメータを利用Ｌ　”［人
力音声を認識する。

〔実施例〕

第１図はこの発明の一実施例Ｖ係る音声認識装置の構成
を示すブロック図である。図において、（１０１）はマ
イクロフォン、（１０２）は前処理手段であり、ここで
はマイクロフォン（ｔｏｉ）に入力された音声入力を増
幅し、適当なフィルタ処理をした後にＡ／Ｄ変換り、て
ディジツノ１データの形式で後続するデジタル回路に出
力する。＞（１０４）は音μ（分析手段であり、マ・イ
クロフＡ−ン（１０１）及び前処理手段（１０２）を介
ｊ７て入力された音声に適当な分析処理を施して認識に
必要な特徴パラメータに変換する。

（１０５）は通常の大きさで発生（２，た音声の特徴パ
ラメータの標準パターンが格納されたメモリで、（ＩＯ
Ｇ）は大きな声で発生した音声の特徴パラメータのバラ
・−ンが格納されたメモリであり、これらツメ％　’Ｊ
　（１０５）　、　（１０Ｇ）　ｌ；ｔ：辞書トＬ　テ
ｉ７）機能をＨする。メモリ（１０５）　、（，１０Ｂ
）に対する特徴パラメータの格納は、音声分析手段（１
０４）の出力が制御線（１０７）を介してそれぞれ行わ
わ、るウメモリ（１０５）に格納する際には比較的静か
な環境下において通常の大きさの音声δの特徴パラメー
タを登録する。メモリ（１０Ｂ）に格納する際には、大
きな声で発声（７た音声の特徴パラメータを登録するが
、この時、静かな環境下での大きな声が不自然となる場
合が想定される。このような場合には、適当な雑音源を
用いて疑似的に雑音を作り出１７、大きな声を発声して
登録する。

（１０８）は雑音検出手段であり、マイクロッ寸゛／（
１０１）に入力される雑音の１ノベルを検出し、ぞｉが
所定の大きさ以ドであるかどうかによって、雑音が小さ
い又は大きいとする信号を出力する。００９）は切り替
えスイッチであり、雑音検出手段（１０８）の出力によ
って切り替えられる。雑音検出手段（１０Ｂ）の出力が
雑音が小６与いどする出力である場合には、端子０１０
）と（Ｉｌｌ）とが接続される。７また、雑音検出手段
（ｉｏｓ）の出力が雑音が大きいとする出力である場合
には、端子（１ｉ０）と（１１２＞とが接続される。

（１１３）は音声合成手段であり、音声分析手段（１０
４）からの特徴パラメータと、メモリ（１０５）又は（
１０Ｇ）の特徴パラメータの全てとの類似性を、：［算
し、最も類似度の高い（似ている）特徴バラメークを認
識結果として出力端（１１４）に出力する（１１５）は
音声合成手段であり、雑音検出手段（１０８）及び音声
認識手段（１１３）からの指令に従って音声を合成（２
、スピーカ（１１０）を介して出力する。

第４図は第１図の音声認識装置の動作を示すフローチャ
ートである。音声、２２が開始すると（Ｓ４ｆ１１）、
始めに背景雑音（あるいは環境雑音）を入力マイクロフ
ォン（ｌ口ｌ）を介（、て入力する（８４０２）。

人力された雑音は雑音検出１段（■８）でその雑音の大
きさが用足され、定められた閾値より大きく雑音が大き
いと判断された場合には切り替えスイッ＋　（１０Ｇ）
　（７）端Ｆ　（１１０）と（１１２）とを接続し、後
述する処理（Ｓ４０７）〜（Ｓ４０９）がなされろ。ま
た、雑音のレベルが定められた閾値より小さく雑音が小
さいと判断された場合には切り替えスイッチく１０９）
の端子（１１０）とｃｉｌｌ）とを接続し、後述する処
理（Ｓ４０４）　＝　（８４０６）を実行するようにす
る（Ｓ４０３）、。

まず、雑音検出手段（１０５）により目が小さいとｉ′
！１断さ１＋、た場合には、切り替えスイッチ（１０９
）の端子（１１０）と（ｌｉｔ）とを接続すると共に、
音声合成手段（１１５）に指示をｌｊλて、スピーカ（
１１６）を作動させて話者に対１．て「お話１．下さい
」と音声人力を指示する（Ｓ４０４）。指示に従って発
声された音声は、マイクロフォン（１０１）を介（７て
前処理手段（１０２）に入力し、前処理手段（１０２）
　ζ１．！増幅され、更にノイズが除去された後、Ａ／
Ｄ変換されてディジタル信号に変換される。音声分析手
段（１０４）はディジタル信号に変換された入力音声を
分析して特徴パラメータを導出する（Ｓ４０５）ｃ。

次に、音声認識手段＜１１３＞は、音声分析手段（１０
４）により勺折された特徴パラメータと、メモリ（１０
５）に格納されている標申の特徴パラメータの全てとの
類似性を計算して、最も類似度の高いパターンを認識結
果として求め（Ｓ４ＤＪ、出力端（１１４）に出力Ｌ（
Ｓ４ｉ１）、処理を終了する（Ｓ４１２）。

次に、雑音検出手段（１０５）により雑音が大きいと判
断された場合には、切り替えスイッチ（１０９）の端子
（１ｉ０）と（１１２＞とを接続すると共に、音声合成
手段（１１５）に指示を与えて、スピーカ（１１Ｂ）を
作動させて話者に対して、「大きな声でお話１゜丁さい
」と音声入力を指示する（Ｓ４０７）。指示に従って発
声された音声は、マイクロフォン（１０１）を介して前
処理手段（１０２）に入力１７、前処理手段（１０２）
では増幅され、更にノイズが除去された後、Ａ／Ｄ変換
されてディジタル信号に変換される。

音声分析手段（１０４，”）はディジタル信号に変換さ
れた音声入力を分析して特徴パラメータを抽出する（８
４０８）。

次に、音声認識手段（１１３）は、音声分析手段（１０
４）により分析された特徴パラメータと、メモリ（１０
１３）に格納されている大きい用の特徴パラメータの全
てとの類似性を計算し、て、最も類似度の高いパターン
を認ぷ結果として求め（Ｓ４０９）、上記の場合と同様
に出力端（１１４）に出力Ｌ（８４１１，）、処理を終
了する（８４１２）。

なお、認讃結果を出力端（１１４）に出力する前に、音
声認識手段（ｔｉａ）で認識した音声を、音声合成手段
（［１５）により音声合成を行わせてスピーカ（１１６
）から出力させて話者に確認させるようにしてもよい。

また、雑音の大きさを判断した後、話者に対して音声入
力を指示する際には、スピーカ（１１、Ｇ　’）の他に
、ＣＲＴ　（図示せず）にその旨を表示にさせることで
音声人力を指示させるようにしてもよい。

［発明の効果］ 以上のようにこの発明によれば、背策雑音の大小に応じ
て話者に対して、声の大きさを指示すると共に、予め用
意しておいた２種類の記憶手段（通常の声の標準の特徴
パターンの登録、大きな声の特徴パターンの登録）を切
り換えて使用するようにしたので、低雑音環境下及び高
雑音慶境下の両方において良好な認識率が期待できる。

【図面の簡単な説明】

第１図はこの発明の一実施例に係る音声認識装置の構成
を示すブロック図、第２図は従来の音声認識装置の構成
を示すブロック図、第３図は第２図の装置の動作を示す
フローチャート、第４図は第１図の装置の動作を示すフ
ローチャートである。 図において、（１０４）は音声分析手段、（１０５）は
通常の音声の標準パターンが格納されているメモリ、（
ＩＩ）Ｉｌｉ）は大きな音声の標準パターンが格納され
ているメモリ、（１０８）は雑音検出手段、（１０９）
は切り替えスイッチ、（１１３）は音声認識手段、（１
１５）は音声合成手段である。

Claims (1)

1. 【特許請求の範囲】 通常の音声の特徴パラメータが格納された第１の記憶手
   段と、 大きな音声の特徴パラメータが格納された第２の記憶手
   段と、 背景雑音を測定・判定し、その大小を検出する雑音レベ
   ル検出手段と、 該雑音レベル検出手段の出力に従って話者に対して通常
   の声での音声入力か、又は大きな声での音声入力かを指
   示する音声合成装置と、 音声入力を分析してその特徴パラメータを求める音声分
   析手段と、 該雑音レベル検出手段の出力に従って第１の記憶手段又
   は第２の記憶手段に格納された特徴パラメータと、音声
   分析手段で求められた特徴パラメータとを比較して入力
   音声を認識する音声認識手段と を有することを特徴とする音声認識装置。