[发明专利]学习装置、声音区间检测装置及声音区间检测方法

说明书

使用在输入信号为噪声的时间区间学习的噪声的高斯混合模型，来修正作为噪声和声音的判别尺度的声音度，基于修正后的声音度来检测声音区间。

技术领域

本发明涉及用于输入信号的声音区间检测的学习装置、声音区间检测装置及声音区间检测方法。

背景技术

在声音识别处理中，在根据输入信号检测到的声音区间进行模式识别而得到识别结果，因此，当声音区间的检测存在错误时，声音识别处理的识别精度大幅下降。在声音区间的检测中，具有将输入信号的功率为阈值以上的区间检测为声音区间的方法。该方法在背景噪声比较小且稳定的环境中是有效的。

另一方面，在厂房设备的维修作业中的检查结果的输入、或者各种工厂自动化设备(以下记载为FA设备)的操作支援中，能够通过免提而输入信息的声音识别是非常有效的用户接口。

但是，厂房设备的维修作业环境或者FA设备的操作环境大多为产生较大的噪声的环境，当使用输入信号的功率来尝试检测声音区间时，不稳定的噪声被误检测为声音的可能性高。因此，声音区间的检测精度下降，在接下来的声音识别处理中也不能得到充分的识别性能。

为了解决这样的问题，例如，在专利文献1中提出了如下方法：使用将表示输入信号的频谱特征的倒谱作为参数的隐马尔可夫模型(以下记载为HMM)，来检测输入信号的声音区间。在该方法中，预先学习声音的HMM和噪声的HMM，当检测到作为声音区间的开始点的始端时，基于学习到的HMM的似然度来检测声音区间。例如，在12帧(存在于120毫秒期间的帧数)中，在HMM的似然度最高的帧存在4帧以上的情况下，将该12帧的开头帧检测为声音区间的始端。

现有技术文献

专利文献

专利文献1：日本特开2001-343983号公报

发明内容

发明要解决的问题

专利文献1所记载的方法存在如下问题：当为在用于噪声的HMM的学习的学习数据中未设想的未知的噪声环境时，无法适当地判别噪声和声音，可能将噪声区间误判定为声音区间，声音区间的检测精度较低。

本发明用于解决上述问题，其目的在于，得到能够改善输入信号的声音区间的检测精度的学习装置、声音区间检测装置及声音区间检测方法。

用于解决问题的手段

本发明的学习装置学习对输入信号的声音区间进行检测的声音区间检测装置中的合成神经网络和噪声及声音的高斯混合模型，具备第1学习部、初始值生成部、第2学习部、网络生成部、合成部及第1模型学习部。第1学习部将噪声数据的特征量及声音数据的特征量作为学习数据，以计算作为噪声和声音的判别尺度的声音度的方式学习第1神经网络。初始值生成部生成表示在第1神经网络的中间层的最终层与输出层之间插入了新的中间层的构造的神经网络的初始值。第2学习部以使用神经网络的初始值及学习数据判别噪声和声音的方式学习第2神经网络。网络生成部生成第3神经网络，该第3神经网络具有去掉第2神经网络的输出层并将中间层的最终层作为新的输出层的构造，从新的输出层输出适于噪声和声音的判别的瓶颈特征量。合成部生成合成神经网络，该合成神经网络具有规定与第1神经网络及第3神经网络的输出层以外的构造相同的构造的参数，并计算声音度和瓶颈特征量。第1模型学习部使用从第3神经网络输出的瓶颈特征量和学习数据，学习噪声及声音的高斯混合模型。