-
Technisches Gebiet
-
Die
vorliegende Erfindung bezieht sich auf eine Vorrichtung und auf
ein Verfahren zum Erkennen und auf eine Vorrichtung und auf ein
Verfahren zum Lernen. Insbesondere bezieht sich die vorliegende
Erfindung auf eine Vorrichtung und auf ein Verfahren zum Erkennen
und auf eine Vorrichtung und ein Verfahren zum Lernen, wobei beim
Erkennen beispielsweise von Tönen
und Objekten andere Daten sowie Audio- und Videodaten verwendet
werden, um die Erkennungsgenauigkeit zu steigern.
-
Technischer Hintergrund
-
Bei
einer herkömmlichen
Stimmenerkennungsvorrichtung zum Erkennen von Tönen von Stimmen werden Stimmendaten,
welche durch ein Mikrofon aufgenommen werden, (akustisch) analysiert,
und das analysierte Ergebnis wird dazu verwendet, die Stimme, die
durch einen Benutzer emittiert wird, zu erkennen.
-
Eine
derartige herkömmliche
Stimmenerkennungsvorrichtung nutzt jedoch das analysierte Ergebnis
von den Stimmendaten, welche durch das Mikrofon aufgenommen wurden,
zur Stimmenerkennung, wodurch deren Erkennungsgenauigkeit bis zu einen
gewissen Grad beschränkt
ist.
-
Es
sei angemerkt, dass nicht nur die Stimmendaten, die durch ein Mikrofon
aufgenommen werden, sondern auch andere Faktoren, beispielsweise
der Ausdruck und Bewegung des Mundes eines Subjekts, bemerkenswert
sind und somit betroffen sind, die Stimme des Subjekts zu erkennen.
-
Ein
Beispiel einer bekannten Stimmenerkennungsvorrichtung, bei der Stimmendaten
und visuelle Information verwendet wird, ist in Silsbee: "Sensory Integration
in Audiovisual Automatic Speech Recognition", Asilomar Conference on Signals, Systems and
Computers, Los Alamitos (USA), Band Conf. 28, 1995, Seite 561–565 offenbart.
-
Die
Stimmenerkennungsvorrichtung wird normalerweise unter feindlichen
Bedingungen verwendet, wo unterschiedliche Arten von Geräuschen empfangen
werden, jedoch nicht bei einem besonderen Umstand, beispilsweise
in einer tondichten Kammer, wo die Stimme eines Subjekts lediglich
durch ein Mikrofon aufgenommen werden kann. Insbesondere kann ein
renoviertes Navigationssystem mit einer derartigen Stimmenerkennungsvorrichtung
ausgestattet sein, wobei jedoch diese unerwünschte Geräusche empfängt, einschließlich Töne eines CD-Wiedergabegeräts, eines
Motors und einer Klimaanlage, die in einem Fahrzeug angebracht ist,
anders als die Stimme eines Subjekts, die erkannt werden soll. Da
es sehr schwierig ist, Geräusche
von den Stimmendaten zu beseitigen, muss sich die Stimmenerkennung
mit den Geräuschen
befassen, um ihre Genauigkeit zu verbessern.
-
Bei
der üblichen
Stimmenerkennungsvorrichtung ist es außerdem üblich, dass die Stimmendaten,
die durch ein Mikrofon aufgenommen werden, durch eine spezielle
Art und Weise verarbeitet werden, um charakteristische Parameter
zu bestimmen, und die Stimmenerkennung wird durch Berechnung des
Abstandes zwischen charakteristischen Parametern ausgeführt, welche
in einem Parameterraum grafisch dargestellt sind. Als Regel werden
die charakteristischen Parameter, welche für die Stimmenerkennung wesentlich
sind, in Abhängigkeit
von dem Zuständen
variiert, wo die Stimmenerkennungsvorrichtung angeordnet ist.
-
Offenbarung der Erfindung
-
Die
vorliegende Erfindung, wie diese in den angehängten Patentansprüchen beansprucht
ist, richtet sich auf das Überwinden
der obigen Nachteile und hat die Aufgabe, die Erkennungsgenauigkeit
einer Erkennungsvorrichtung zum Erkennen einer Stimme oder anderer
Faktoren zu verbessern.
-
Kurzbeschreibung der Zeichnungen
-
1 ist
ein Blockdiagramm, welches eine Anordnung eines Navigationssystems
gemäß der vorliegenden
Erfindung zeigt;
-
2 ist
ein Blockdiagramm einer Anordnung einer ersten Ausführungsform
einer Stimmenerkennungsvorrichtung gemäß der vorliegenden Erfindung;
-
3 ist
ein Diagramm, welches einen Prozess in einer Vorprozessoreinheit
erläutert;
-
4 ist
ein Blockdiagramm einer Anordnung einer ersten Ausführungsform
einer Lernvorrichtung nach der vorliegenden Erfindung;
-
5 ist
ein Diagramm, welches einen Parameterraum zeigt;
-
6 ist
ein Blockdiagramm einer Anordnung einer zweiten Ausführungsform
der Stimmenerkennungsvorrichtung nach der vorliegenden Erfindung;
-
7 ist
ein Blockdiagramm einer Anordnung einer zweiten Ausführungsform
der Lernvorrichtung nach der vorliegenden Erfindung;
-
8 ist
ein Blockdiagramm einer Anordnung einer dritten Ausführungsform
der Stimmenerkennungsvorrichtung nach der vorliegenden Erfindung;
und
-
9 ist
ein Blockdiagramm einer Anordnung einer dritten Ausführungsform
der Lernvorrichtung nach der vorliegenden Erfindung.
-
Bevorzugtes Ausführungsbeispiel
der Erfindung
-
1 zeigt
eine Anordnung eines Navigationssystems nach der vorliegenden Erfindung.
-
Das
Navigationssystem, welches in einem Fahrzeug vorgesehen werden kann,
besitzt eine Systemsteuerung 1, eine Positionsmesseinrichtung 2, eine
Datenbank 3, eine Eingabeeinrichtung 4 und eine
Ausgabeeinrichtung 5 und kann durch Betätigen beispielsweise von Tastenschaltern
oder über
Spracheingaben in einem Dialogmodus gesteuert werden. Das Navigationssystem
kann als tragbare Einrichtung verwendet werden.
-
Die
Systemsteuerungseinheit 1 empfängt und überträgt Daten mit jedem Block im
System, um die gesamte Handlung des Systems zu steuern. Die Positionsmesseinrichtung 2 empfängt eine
elektrische Welle von einem GPS-Satelliten (Global Positioning System-Satelliten)
und misst die laufende Position mit einer Messeinrichtung, beispielsweise
einem Gyroskop oder einem Fahrzeuggeschwindigkeitssensor. Die Datenbank 3 hält (speichert)
Karteninformation in einem elektronischen Format und andere relevante
Daten, welche für
die Navigation erforderlich sind, die als Antwort auf einen Befehl
von der Systemsteuerung 1 wiedergewonnen werden können und
die zur Systemsteuerung 1 geliefert werden können.
-
Die
Eingabeeinrichtung 4 besitzt Tastenschalter oder einen
Joystick zum Betätigen
des Navigationssystems, ein Mikrofon zum Eingeben von Stimmendaten,
eine CCD-Kamera (Carge Coupled Device-Kamera) zum Abbilden eines
Benutzers, einen Beschleunigungssensor zum Ermitteln von Vibration
des Fahrzeugs, Sensoren zum Messen der Feuchtigkeit und der Temperatur
und andere relevante Sensoren. Ein Ausgangssignal der Eingabeeinrichtung 4,
die durch die Tastenschalter oder den Joystick betätigt wird,
wird zur Systemsteuerung 1 übertragen. Die Eingabeeinrichtung 4 besitzt
außerdem eine
Stimmenerkennungseinrichtung zum Erkennen von Stimmenkomponenten
in einem Eingabeton und zum Liefern von ihren resultierenden Daten
zur Systemsteuerung 1.
-
Die
Ausgabeeinrichtung 5 besitzt beispielsweise einen Flüssigkristall-Anzeigemonitor
oder eine CRT (Kathodenstrahlröhre)
zum Anzeigen eines Bilds oder dgl., einen Lautsprecher (mehrere
Lautsprecher) zum Emittieren von Sprache und dgl., und eine Stimmenmischeinrichtung
zum Erzeugen eines zusammengesetzten Tons von Textdaten und kann eine
Karteninformationsanzeige oder die laufende Position steuern und
Sprache ausgeben. Die Ausgabeeinrichtung 5 kann, wenn sie
Textdaten von der Systemsteuerung 1 empfängt, diese
mit entsprechender Sprache in der Sprachmischeinrichtung kombinieren.
-
Im
Navigationssystem, welches den obigen Aufbau hat, wird, wenn der
Benutzer den Namen eines Ortes als Bestimmungsort spricht, seine
Sprache durch die Stimmenerkennungseinrichtung erkannt, die in der
Eingabeeinrichtung 4 angeordnet ist, und seine Stimmendaten
werden zur Systemsteuerung 1 übertragen. Die Systemsteuerung 1 erkennt
beim Empfang der Stimmendaten des Bestimmungsorts die laufende Position
von einer Ausgabe der Positionsmesseinrichtung 2 und greift
auf die Karteninformation zu, die in der Datenbank 3 gespeichert
ist, um eine Route von der laufenden Position zum Bestimmungsort
zu bestimmen. Die Systemsteuerung 1 überträgt die Route zusammen mit deren
relevanter Karteninformation zur Ausgabeeinrichtung 5 zur
Anzeige und liefert simultan zur Stimmenmischeinrichtung der Ausgabeeinrichtung 5 Stimmendaten
zum Instruieren der Route.
-
Dies
erlaubt es dem Benutzer, am Bestimmungsort ohne Schwierigkeit anzukommen.
-
2 zeigt
eine Anordnung einer ersten Ausführungsform
der Stimmenerkennungseinrichtung, die in der Eingabeeinrichtung 4,
welche in 1 gezeigt ist, angeordnet ist.
-
Eine
Eingabeeinheit 10 besitzt ein Mikrofon 11, eine
CCD-Kamera 12, ein weiteres Mikrofon 13, einen
Sensor 14, einen Verstärker 15,
einen A/D-Umsetzer 16, einen weiteren Verstärker 17 sowie A/D-Umsetzer 18 und 19,
und kann verschiedene Eingangsdaten, die zur Erkennung der Stimmen
des Benutzers beispielsweise eines Fahrers verwendet werden, freigeben.
-
Insbesondere
kann das Mikrofon 11 ein Richtmikrofon sein und auf den
Benutzer ausgerichtet sein, der der Fahrer ist. Die Stimme des Benutzers wird
hauptsächlich
durch das Mikrofon 11 aufgenommen. Die durch das Mikrofon 11 aufgenommene Stimme
wird in ein Audiosignal umgesetzt, welches dann durch den Verstärker 15 verstärkt und
zum A/D-Umsetzer 18 übertragen
wird. Im A/D-Umsetzer 18 wird das Audiosignal einer analogen
Form, welches vom Verstärker 15 geliefert
wird, mit einem vorgegebenen Abtasttakt abgetastet und zu bestimmten Quantisierungsschritten
quantisiert, so dass es in ein Digitalsignal von Audiodaten umgesetzt
werden kann. Die Audiodaten vom A/D-Umsetzer 18 werden zu
einem Vorprozessor 20 übertragen.
-
Die
CCD-Kamera 12 ist so angeordnet, den Mund des Benutzers
abzubilden. Der Mund des Benutzers, der durch die CCD-Kamera 12 abgebildet wird,
wird in ein Videosignal umgesetzt, welches zum A/D-Umsetzer 16 übertragen
wird. Der A/D-Umsetzer 16 setzt wie der A/D-Umsetzer 18 das
Videosignal analoger Form in Bilddaten um, die dann zu einem Vorprozessor 21 übertragen
werden.
-
Das
Mikrofon 13 braucht nicht ein Richtmikrofon sein, um Töne zu empfangen,
die nicht die Stimme des Benutzers sind. Beispielsweise werden Umgebungstöne von einem
Motor, von einem Rundfunkempfänger
oder einem CD-Wiedergabegerät, welches
im Fahrzeug angeordnet ist, und von einer Klimaanlage aufgenommen,
und, wenn ein Fenster geöffnet
ist, externes Geräusch.
Die Töne,
welche durch das Mikrofon 13 aufgenommen werden, werden
durch den Verstärker 17 und
den A/D-Umsetzer 19 in der gleichen Weise wie im Verstärker 15 und
im A/D-Umsetzer 18 verarbeitet. Als Folge davon werden
die Töne
in Audiodaten umgesetzt und zu einem Vorprozessor 22 geliefert.
-
Der
Sensor 14 kann ein Beschleunigungssensor zum Ermitteln
von Vibration des Fahrzeugs sein oder ein Sensor zum Messen von
Feuchtigkeit oder der Temperatur, und dessen Ausgangssignal wird
zu einem Vorprozessor 23 übertragen. Ein Ausgangssignal
des Beschleunigungssensors zeigt den Geräuschpegel (oder Amplitudenpegel),
der durch die Vibration des Fahrzeugs verursacht wird. Ein Ausgangssignal
des Sensors zum Messen der Feuchtigkeit oder der Temperatur bestimmt,
ob es regnet oder nicht. Wenn es regnet, wird der Pegel von seinem
Ton berechnet.
-
In
den Vorprozessoren 20 bis 23 werden ihre entsprechende
Daten, die empfangen werden, analysiert, um charakteristische Parameter
zu bestimmen, die für
die Charakteristik der Daten bezeichnend sind.
-
Insbesondere
berechnen die Vorprozessoren 20 und 22 von den
Audiodaten Nulldurchgangswerte, Leistungspegel bei jedem Frequenzband,
lineare Vorhersagekoeffizienten, Cepstrum-Faktoren und weitere Parameter
auf der Basis eines jeden Audiorahmens als Zeiteinheit. Diese werden
wie die charakteristischen Parameter zu einer Klassifikationsdaten-Konstruktionseinheit 24 und
einer Integrationsparameter-Konstruktionseinheit 26 übertragen.
-
Im
Vorprozessor 21 kann die horizontale Länge L1 und
die vertikale Länge
L2 des Mundes, der in 2 gezeigt
ist, von den Videodaten berechnet werden, die den Mund des Benutzers
darstellen, und ein L1/L2 Verhältnis wird
als charakteristischer Parameter zur Klassifikationsdaten-Konstruktionseinheit 24 und
zur integrierten Parameterkonstruktionseinheit 26 geliefert.
Alternativ kann der Vorprozessor 21 von den Videodaten
des Mundes des Benutzers einen Bewegungsvektor, Randwerte, und DCT-Koeffizienten
(diskrete Cosinus-Transformationskoeffizienten) berechnen, die dann
als charakteristische Parameter zur Klassifikationsdaten-Konstruktionseinheit 24 und
zur integrierten Parameter Konstruktionseinheit 26 übertragen
werden.
-
Im
Vorprozessor 23 können
die charakteristischen Parameter einschließlich des Geräuschpegels (oder
Amplitudenpegels), der durch die Vibration des Fahrzeugs erzeugt
wird, und der Regentonpegel durch Analysieren des Ausgangssignals
des Sensors 14 bestimmt werden. Diese Parameter werden
ebenfalls zur Klassifikationsdaten-Konstruktionseinheit 24 und
zur integrierten Parameter-Konstruktionseinheit 26 übertragen.
-
Von
der Klassifikationsdaten-Konstruktionseinheit 24 werden
zumindest einige der charakteristischen Parameter, welche von den
Vorprozessoren 20 bis 24 empfangen werden, als
Klassifikationsdaten, die zur Klassifikation verwendet werden, zu
einer Klassifikationseinheit 25 geliefert. In der Klassifikationseinheit 25 werden
die Klassifikationsdaten, welche von der Klassifikationsdaten-Konstruktionseinheit 24 empfangen
werden, in Abhängigkeit
von ihren sachdienlichen Charakteristiken klassifiziert.
-
Insbesondere
liefert die Klassifikationseinheit 25 einen Wert, der einem
Muster der charakteristischen Parameter der Klassifikationsdaten
zugeteilt ist, als Klassifikationsdatenklasse zu einer Adaptivitätsbestimmungseinheit 27.
-
Wenn
man annimmt, dass ein charakteristischer Parameter durch A Bits
ausgedrückt
wird und Klassifikationsdaten aus einer Anzahl B der charakteristischen
Parameter bestehen, beträgt
die Anzahl von Mustern der charakteristischen Parameter der Klassifikationsdaten
(2A)B. Wenn somit
entweder A oder B groß ist,
wird die Anzahl von Klassen enorm, und deren Handhabung wird daher
mit großer Schwierigkeit
erhöht.
-
Um
die Anzahl von Bits der charakteristischen Parameter aller Klassifikationsdaten
zu reduzieren, wird ein geeignetes Verfahren, beispielsweise ADRC
(Adaptive Dynamic Range Coding) als Verfahren vor der Klassifikation
verwendet.
-
Der
ADRC-Prozess beginnt mit dem Ermitteln des höchsten Parameters (als maximaler
charakteristischer Parameter anschließend bezeichnet) und des niedrigsten
Parameters (anschließend
als minimaler charakteristischer Parameter bezeichnet) der B-Charakteristik-Parameter der Klassifikationsdaten.
Dann wird eine Differenz DR zwischen dem maximalen charakteristischen
Parameter MAX und dem minimalen charakteristischen Parameter MIN berechnet
(= MAX – MIN)
und wie ein lokaler dynamischer Bereich in den Klassifikationsdaten
behandelt. Gemäß dem dynamischen
Bereich DR werden alle charakteristischen Parameter der Klassifikationsdaten
auf eine Anzahl von C Bits quantisiert, die kleiner ist als A Bits.
Insbesondere wird der minimale charakteristische Parameter MIN von
jedem charakteristischen Parameter der Klassifikationsdaten subtrahiert,
und eine resultierende Differenz wird durch DR/2C geteilt.
-
Folglich
werden alle charakteristischen Parameter der Klassifikationsdaten
mit C Bits bezeichnet. Wenn C = 1, beträgt die Anzahl von Mustern der
B charakteristischen Parameter (21)B, die beträchtlich kleiner ist als die
Anzahl ohne den ADRC-Prozess.
-
In
bezug auf das Minimieren der Anzahl von Mustern der charakteristischen
Parameter der Klassifikationsdaten ist es wünschenswert, dass B, die Anzahl
der charakteristischen Parameter, welche die Klassifikationsdaten
bestimmt, keine große
Anzahl ist. Wenn B jedoch zu klein ist, ist das Ergebnis der Klassifikation
ungünstig.
Es ist somit wesentlich, B über
einen Ausgleich der relevanten Zahlen zu bestimmen.
-
Die
integrierte Parameterkonstruktionseinheit 26 erlaubt zumindest,
dass einige der charakteristischen Parameter, welche von den Vorprozessoren 20 bis 24 empfangen
werden, als integriert (oder gesammelt) werden und als ein integrierter
Parameter zur adaptiven Bestimmungseinheit 27 geliefert werden.
-
Der
integrierte Parameter kann eine Gruppe der charakteristischen Parameter
sein, die identisch mit denjenigen der Klassifikationsdaten sind,
oder eine Gruppe anderer charakteristischer Daten als die charakteristischen
Parameter der Klassifikationsdaten.
-
Die
Adaptivitätsbestimmungseinheit 27 besitzt
ein Standardparameterspeicher 28 und einen Übereinstimmungsblock,
und, wenn sie wie eine Klasse von der Klassifikationseinheit 25 oder
einen integrierten Parameter von der integrierten Parameterkonstruktionseinheit 26 empfängt, extrahiert
sie selektiv von dem Standardparameterspeicher 28 eine
Standardparametertabelle, welche die entsprechenden Standardparameter
zu der Klasse führt,
die von der Klassifikationseinheit 25 empfangen wird.
-
Insbesondere
hält der
Standardparameterspeicher 28 eine entsprechende Anzahl
der Standardparametertabellen für
die Klassen, wobei jede Standardparametertabelle eine Gruppe von
Standardparametern enthält,
beispielsweise für
Tonelemente, die durch Lernen einer Lernvorrichtung bestimmt werden
können
(4), die später
beschrieben wird. In dem Übereinstimmungsblock 29 wird eine
entsprechende Tabelle der Standardparametertabellen für die Klasse,
welche von der Klassifikationseinheit 25 empfangen wird,
ausgewählt.
-
Der Übereinstimmungsblock 29 berechnet dann
eine Euklid-Entfernung von allen Standardparametern, welche in der
ausgewählten
Standardparametertabelle aufgelistet sind und den integrierten Parameter
von der integrierten Parameter-Konstruktionseinheit 26 und
gibt als Ergebnis der Stimmenerkennung ein Tonelement frei, welches
dem Standardparameter zugeteilt ist, der die kleinste der Euklid-Entfernung
liefert.
-
Folglich
erlaubt die Stimmenerkennungsvorrichtung der Ausführungsform,
dass die Stimme eines Benutzers nicht nur von den Stimmendaten erkannt
wird, die durch das Mikrofon 11 hauptsächlich als Sprache des Benutzers
aufgenommen wird, sondern auch von den Bilddaten, welche durch die CCD-Kamera 12 aufgenommen
werden, beispielsweise von der Bewegung des Munds des Benutzers, den
Audiodaten, die durch das Mikrofon 13 aufgenommen wurden
und anderen Daten, welche durch den Sensor 14 ermittelt
wurden, beispielsweise unterschiedlichen Arten von Geräusch und
unterschiedlichen Frequenzbändern,
wodurch die Erkennungsrate gesteigert wird.
-
Außerdem erlaubt
die Vorrichtung, dass ein entsprechendes Standardparametermuster
entsprechend der Klasse, die durch zwei oder mehrere Daten bestimmt
wird, die zur Eingabeeinheit 10 geliefert werden, aus einer
Gruppe der Standardparametertabellen ausgewählt werden kann, die ihren
entsprechenden Klassen zugeteilt sind. Da die optimale Standardmustertabelle
zum Erkennen der Stimme des Benutzers aus zwei oder mehreren Daten,
die von der Eingabeeinheit 10 geliefert werden, erhalten wird,
kann die Erkennungsrate weiter gesteigert werden.
-
4 zeigt
eine Anordnung einer Lernvorrichtung zum Verwenden eines Lernprozesses,
um die Standardparameter zu bestimmen, welche in der Standardparametertabelle
jeder Klasse im Standardparameterspeicher 28, der in 2 gezeigt
ist, registriert sind.
-
Es
sind eine Eingabeeinheit 30 (einschließlich eines Mikrofons 31,
einer CCD-Kamera 32,
eines Mikrofons 33, eines Verstärkers 34, eines Verstärkers 35,
eines A/D-Umsetzers 35, eines Verstärkers 37 und A/D-Umsetzern 38 und 39),
Vorprozessoren 40 bis 43, eine Klassifikationsdaten-Konstruktionseinheit 44,
eine Klassifikationseinheit 45 und eine integrierte Parameter-Konstruktionseinheit 46 vorgesehen,
die einen identischen Aufbau wie die Eingabeeinheit 10 (einschließlich des
Mikrofons 11, der CCD-Kamera 12, des Mikrofons 13,
des Sensors 14, des Verstärkers 15, des A/D-Umsetzers 16,
des Verstärkers 17,
und der A/D-Umsetzern 18 und 19), die Vorprozessoren 20 bis 23,
die Klassifikationsdaten-Konstruktionseinheit 24, die Klassifikationseinheit 25 und
die integrierte Parameter-Konstruktionseinheit 26, entsprechend
in der Stimmenerkennungsvorrichtung, die in 2 gezeigt
ist, haben. Ein Speicher 47 ist mit einem Adressanschluss
(AD) versehen, um die Klasse als Adresse von der Klassifikationseinheit 45 zu
empfangen und kann den integrierten Parameter, der von der integrierten
Parameter-Konstruktionseinheit 46 geliefert wird, speichern.
-
In
der Lernvorrichtung, die den obigen Aufbau hat, werden Lerndaten
für den
Lernprozess in die Eingabeeinheit 30 eingegeben. Insbesondere
wird die Stimme eines Sprechers durch das Mikrofon 31 aufgenommen.
In diesem Zeitpunkt wird der Mund des Sprechers durch die CCD-Kamera 32 aufgenommen
wird. Insbesondere nimmt das Mikrofon 33 beispielsweise
den Motorton von Fahrzeugen, den Musikton von einem CD-Wiedergabegerät, den Ton
des Regens, den Betriebston einer Klimaanlage und weiteres Umgebungsgeräusch auf.
Der Sensor 34 kann Pegel der Vibration, und, wenn das Mikrofon 33 den Ton
des Regens aufnimmt, Grade der Temperatur und der Feuchtigkeit beim
Regnen ermitteln.
-
Die
Lerndaten, welche durch die Eingabeeinheit 30 empfangen
werden, werden dann in den Vorprozessoren 40 bis 43,
der Klassifikationsdaten-Konstruktionseinheit 44, der Klassifikationseinheit 45 und der
integrierten Parameter-Konstruktionseinheit 45 in der gleichen
Weise wie die durch die Vorprozessoren 20 bis 23,
die Klassifikationsdaten-Konstruktionseinheit 24, die Klassifikationseinheit 25 und
die integrierte Parameter-Konstruktionseinheit 26, die
in 2 gezeigt sind, verarbeitet. Als Ergebnis wird
der Speicher 47 mit einer Klasse von der Klassifikationseinheit 45 und
einem integrierten Parameter von der integrierten Parameter-Konstruktionseinheit 46 beliefert.
-
Der
Speicher 47 speichert den integrierten Parameter von der
integrierten Parameter-Konstruktionseinheit 46 als einen
Standardparameter in einer Adresse, welche der Klasse von der Klassifikationseinheit 45 zugeteilt
ist.
-
Ein
solcher Prozess wird für
jedes Tonelement durchgeführt,
welches durch den Sprecher erzeugt wird, mit Variationen von Geräusch und
Daten, die geliefert werden, die durch das Mikrofon 33 und den
Sensor 34 aufgenommen werden.
-
Folglich
wird eine Gruppe integrierter Parameter jeder Klasse in der entsprechenden
Adresse des Speichers 47 gespeichert.
-
Die
integrierten Parameter (der Gruppe), die jeder Adresse des Speichers 47 zugeteilt
sind, werden dann im Standardparameterspeicher 28, der
in 2 gezeigt ist, wie Standardparameter in einer Standardparametertabelle
der Klasse gespeichert.
-
Bei
der Lernvorrichtung werden Daten, die mit dem Mikrofon 33 erzeugt
werden, welches Geräusch
empfängt,
und Daten, die ohne ein derartiges Geräusch erzeugt werden, in verschiedene
Klassen durch die Klassifikationseinheit 45 klassifiziert.
Als Ergebnis werden eine optimale Standardparametertabelle mit dem
Geräusch
und eine optimale Standardparametertabelle ohne das Geräusch hergestellt.
Dies erlaubt, dass die in 2 gezeigte
Stimmenerkennungsvorrichtung, welche eine Klasse von der Klassifikationseinheit 25 freigibt,
die identisch mit der Klasse von der Klassifikationseinheit 45 ist,
die optimale Standardparametertabelle auswählen kann, wenn das Geräusch eingegeben
wird, oder die andere optimale Standardparametertabelle, wenn das
Geräusch
nicht eingegeben wird.
-
Auch
in der Lernvorrichtung können
die Standardparameter in Klassen in Abhängigkeit von nicht lediglich
dem Vorhandensein oder Nichtvorhandensein von Geräusch klassi
fiziert werden, sondern auch von der Art den Pegeln des Geräusches,
den Arten des Tonelements, welches durch den Sprecher erzeugt wird,
der Sexualität,
der Männlichkeit
oder Weiblichkeit des Sprechers. Die Art und Weise der Klassifikation über die
Standardparameter ist jedoch kein kritisches Problem. Wenn die Eingangsdaten
in der Eingangseinheit 10 in der Stimmenerkennungsvorrichtung
identisch mit denen der Eingangseinrichtung 30 in der Lernvorrichtung
sind, ist das Ergebnis der Klassifikation durch die Klassifikationseinheit 25 in
der Stimmenerkennungsvorrichtung identisch mit dem durch die Klassifikationseinheit 45 in
der Lernvorrichtung. Folglich können
die Standardparameter, die durch die Eingangsdaten der Eingangseinheit 10 bestimmt
werden, oder die optimalen Standardparameter zu den Eingangsdaten
zur Stimmenerkennung in der Stimmenerkennungsvorrichtung verwendet werden.
-
Es
kann in der Lernvorrichtung, welche in 4 gezeigt
ist, erlaubt sein, dass eine Gruppe der integrierten Parameter jeder
Klasse über
ein Tonelement im Speicher 47 gespeichert wird. Insbesondere können beim
Lernen mit einer Sprecherlieferung jedes Tonelements unter unterschiedlichen
Geräuschzuständen und
mehrerer Sprecher, welche das gleiche tun, die resultierenden integrierten
Parameter über
spezielle Bereiche in einem Parameterraum streuen.
-
So
zeigt beispielsweise 5(A) einen dreidimensionalen
Parameterraum, wo der integrierte Parameter durch drei Komponenten
P1, P2 und P3 ausgedrückt
wird, um die Erläuterung
zu erleichtern. Wenn die integrierten Parameter von Tonelementen <P("a") und ("i)"> in einer Klasse grafisch
dargestellt werden, werden diese in spezielle Bereiche des Parameterraums
gruppiert.
-
Obwohl
alle Punkte im Bereich wie Standardparameter jedes Tonelements angesehen
werden können,
ist es vorzuziehen, ein Baryzentrum in dem Bereich zu bestimmen,
der dann wie der Standardparameter des Tonelements behandelt wird,
wie in 5(B) gezeigt ist.
-
6 zeigt
eine Anordnung einer zweiter Ausführungsform der Stimmenerkennungsvorrichtung,
welche mit der Eingangseinheit 4, welche in 1 gezeigt
ist, versehen ist. In der Figur sind gleiche Komponenten mit den
gleichen Bezugszeichen wie die bezeichnet, die in 2 gezeigt
sind, so dass auf deren Erläuterung
verzichtet wird. Kurz ausgedrückt
ist die Stimmerkennungsvorrichtung der zweiten Ausführungsform
im Wesentlichen identisch mit dem Aufbau der Stimmenerkennungsvorrichtung, welche
in 2 gezeigt ist, mit der Ausnahme, dass der Standardparameterspeicher 28 durch
eine Gruppe von Standardparameterspeichern 281 bis 28M ersetzt ist und eine Klassifikationsdaten-Konstruktionseinheit 51 und
eine Klassifikationseinheit 52 hinzugefügt sind.
-
Die
Klassifikationsdaten-Konstruktionseinheit 51 bildet Klassifikationsdaten
von mehreren Daten, die durch die Eingangseinheit 10 geliefert
werden, und liefert diese zur Klassifikationseinheit 52. Die
Klassifikationseinheit 52 klassifiziert die Klassifikationsdaten
von der Klassifikationsdaten-Konstruktionseinheit 51 zu
einer entsprechenden Klasse, die dann als Ergebnis der Klassifikation
zu den Vorprozessoren 20 bis 23 übertragen
werden.
-
In
den Vorprozessoren 20 bis 23 finden Vorprozessaktionen,
welche für
die Klasse von der Klassifikationseinheit 52 geeignet sind,
statt. Wenn insbesondere die Stimmendaten, die durch das Mikrofon 11 aufgenommen
wurden, mehrere Vokaltöne,
beispielsweise Vokale enthalten, werden lineare Vorhersagekoeffizienten
und die Cepstrum-Koeffizienten, um die Stimme zu identifizieren,
als die Nulldurchgangswerte mehr bevorzugt. Wenn die Stimmendaten,
die durch das Mikrofon 11 aufgenommen werden, mehrere stimmlose
Töne, beispielsweise
Konsonanten enthalten, sind die Nulldurchgangswerte und die Leistungspegel
in den verschiedenen Frequenzbändern
und die Dauer des Konsonanten günstiger
als die lineare Vorhersagekoeffizienten und die Cepstrum-Koeffizienten.
Wenn der Pegel des Geräusches,
welches durch das Mikrofon 13 empfangen wird, niedrig ist,
wird dessen Wirkung außeracht gelassen.
Wenn jedoch der Pegel des Geräusches hoch
ist, sollte dieser Effekt bei der Stimmenerkennung in betracht gezogen
werden. Wenn der Mund eines Benutzers weniger oder mehr Bewegung
zeigt, kann dessen Bewegungsvektor nicht notwendig sein. Wenn der
Mund einen Grad an Bewegung bildet, sollte dessen Bewegungsvektor
bei der Stimmenerkennung in betracht gezogen werden. Wenn keine
oder weniger Vibration des Fahrzeugs erzeugt wird, oder wenn es
nicht regnet, kann das Ausgangssignal des Sensors 14 vernachlässigbar
sein. In dem entgegengesetzten Fall sollte das Ausgangssignal des
Sensors 14 bei der Stimmenerkennung zählen.
-
Es
ist folglich zutreffend, dass die charakteristischen Parameter,
welche für
die Stimmenerkennung optimal sind (um ein Erkennungsergebnis mit einer
höheren
Genauigkeit zu erhalten) in Abhängigkeit
von anderen Faktoren variiert werden, um nicht zu sagen, von der
Stimme selbst, die zu erkennen ist.
-
In
der in 6 gezeigten Stimmenerkennungsvorrichtung bestehen
die Klassifikationsdaten aus Datenausgangssignalen der Eingangseinheit 10 und
werden dann in Klassen klassifiziert. Dann können die optimalen charakteristischen
Parameter für jede
Klasse durch die Vorprozessoren 20 bis 23 bestimmt
werden.
-
Gemäß der in 6 gezeigten
Ausführungsform
wird der Parameterraum zum Berechnen eines Abstands in der Adaptivitätsbestimmungseinheit 27 (der Übereinstimmungseinheit 29)
gemäß der Klasse,
welche durch die Klassifikationseinheit 52 bestimmt wird,
modifiziert. Der Abstand im Parameterraum entsprechend der Klasse,
die von der Klassifikationseinheit 52 geliefert wird, wird
durch die Adaptivitätsbestimmungseinheit 27 berechnet,
und ein Ergebnis der Stimmenerkennung wird aus dem Abstand erzeugt.
-
Es
sei hier angenommen, dass die Klassifikationsdaten von der Klassifikationsdaten-Konstruktionseinheit 51 durch
die Klassifikationseinheit 52 in eine M Anzahl von Klassen
klassifiziert sind.
-
Die
Vorprozessoren 20 bis 23, welche die charakteristischen
Parameter in Abhängigkeit
von den Klassen bestimmen, die durch die Klassifikationseinheit 52 bestimmt
werden, können
so angepasst sein, um den Grad der charakteristischen Parameter
(beispielsweise einem linearen Vorhersagekoeffizienten des achten
oder zwölften
Grads) zu variieren oder um das Ausgangssignal der charakteristischen
Parameter (beispielsweise, wenn das Fahrzeug an einem ruhigen Ort
stillsteht und somit Ausgangssignale des Mikrofons 13 und
des Sensors 14 vernachlässigbar
sind, können
die Vorprozessoren 22 und 23 nicht aktiviert verbleiben).
-
Die
Klasse, die durch die Klassifikationseinheit 52 definiert
wird, wird ebenfalls zur Adaptivitätsbestimmungseinheit 27 wie
zu den Vorprozessoren 20 bis 23 geliefert. Die
Adaptivitätsbestimmungseinheit 27 besitzt
die M Standardparameterspeicher 281 bis 28M , wie oben beschrieben wurde, welche
die Standardparameter in ihren entsprechenden Parameterstellen entsprechend
den M Klassen halten, die durch die Klassifikationseinheit 52 bestimmt
werden.
-
Die
Standard-Parameter-Speicher 28m (m
= 1, 2, ... M) speichern wie der Standardparameterspeicher 28,
der in 2 gezeigt ist, ebenfalls die Standardparametertabellen
ihrer entsprechenden Klassen, die durch die Klassifikationseinheit 25 angegeben
werden.
-
Die
Standardparametertabellen, welche in den Standardparameterspeichern 281 bis 28M gespeichert
sind, können
durch den Lernprozess einer anderen Lernvorrichtung (7),
die später
beschrieben wird, berechnet werden.
-
Die
Adaptivitätsbestimmungseinheit 27 wählt beim
Empfang der Klasse von der Klassifikationseinheit 52 einen
der Standardparameterspeicher 281 bis 28M aus, der der Klasse entspricht (und
wird somit als Standardparameterspeicher 28ms bezeichnet).
-
Die
charakteristischen Parameter von den Vorprozessoren 20 bis 23 werden über die
Klassifikationsdaten-Konstruktionseinheit 24 zur Klassifikationseinheit 25 übertragen,
wo sie klassifiziert werden. Die Klasse wird als Ergebnis der Klassifikation
dann zur Adaptivitätsbestimmungseinheit 27 geliefert.
Außerdem
werden die charakteristischen Parameter von den Vorprozessoren 20 bis 23 zu
der integrierten Parameter-Konstruktionseinheit 26 übertragen,
wo sie zu einem integrierten Parameter verschoben werden. Der integrierte
Parameter wird durch die integrierte Parameter-Konstruktionseinheit 26 von
den charakteristischen Parametern gebildet, welche im Parameterraum
zugeteilt sind, der identisch dem der Standardparameter ist, der
in der Standardparametertabelle aufgelistet ist, die im Standardparameterspeicher 28ms gespeichert ist, der durch die Adaptivitätsbestimmungseinheit 27 ausgewählt wird.
-
Der
integrierte Parameter, der durch die integrierte Parameter-Konstruktionseinheit 26 gebildet ist,
wird zur Adaptivitätsbestimmungseinheit 27 übertragen.
In der Adaptivitätsbestimmungseinheit 27 wird
eine der Standardparametertabellen, die im Standardparameterspeicher 28ms gespeichert ist, gemäß der Klasse
ausgewählt,
welche durch die Klassifikationseinheit 25 bestimmt wird,
und dem Abstand zwischen allen Standardparametern, welche in der ausgewählten Standardparametertabelle
aufgelistet sind, und der integrierte Parameter, der von der integrierten
Parameter-Konstruktionseinheit 26 empfangen wird, wird
durch die Übereinstimmungseinheit 29 berechnet.
Das Tonelement des Standardparameters, bei dem der Abstand der kleinste
zum integrierten Parameter ist, wird somit als Ergebnis der Stimmenerkennung
freigegeben.
-
Damit
wird der Vorverarbeitungsbetrieb gemäß der Klasse ausgeführt, welche
durch die Klassifikationseinheit 52 definiert ist, um einen
optimalen charakteristischen Parameter zu bestimmen. Dies erlaubt,
dass das Ergebnis der Stimmenerkennung mit einer höhe ren Genauigkeit
von einem Abstand des optimalen charakteristischen Parameters im
Parameterraum berechnet werden kann.
-
7 zeigt
eine Anordnung einer Lernvorrichtung zum Durchführen eines Lernprozesses, um die
Standardparameter zu bestimmen, die in der Standardparametertabelle
jeder Klasse aufzulisten sind, welche in jedem der Standardparameterspeicher 28m bis 28M ,
die in 6 gezeigt sind, gespeichert ist.
-
In
der Figur sind gleiche Komponenten mit den gleichen Bezugszeichnen
wie die, die in 4 gezeigt sind, bezeichnet,
so dass auf deren Erläuterung
verzichtet wird. Die Lernvorrichtung ist im Wesentlichen identisch
der, welche in 4 gezeigt ist, mit der Ausnahme,
dass der Speicher 47 durch eine Gruppe von Speichern 471 bis 47M ersetzt
ist, und ein zusätzlicher
Satz aus einer Klassifikationsdaten-Konstruktionseinheit, einer
Klassifikationseinheit 62 und einem Auswahlorgan 63 vorgesehen
sind.
-
Die
Klassifikationsdaten-Konstruktionseinheit 61 und die Klassifikationseinheit 62 führen die gleichen
Verarbeitungsaktionen wie die Klassifikationsdaten-Konstruktionseinheit 51 bzw.
die Klassifikationseinheit 52 durch. Die Klasse, welche
durch die Klassifikation bestimmt wird, wird zu den Vorprozessoren 40 bis 43 und
zum Auswahlorgan 63 übertragen.
Die Vorverarbeitungsaktion der Vorprozessoren 40 bis 43 ist
identisch der der Vorprozessoren 20 bis 23, die
in 6 gezeigt sind, wodurch ein optimaler charakteristischer
Parameter entsprechend der Klasse, die durch die Klassifikationseinheit 62 bestimmt wird,
bestimmt wird und freigegeben wird.
-
Die
Klassifikationsdaten-Konstruktionseinheit 44, die Klassifikationseinheit 45 und
die integrierte Parameter-Konstruktionseinheit 46 führen sämtlich die
gleichen Verarbeitungsaktionen wie die Klassifikationsdaten-Konstruktionseinheit 24,
die Klassifikationseinheit 25 und die integrierte Parameter-Konstruktionseinheit 26 durch.
Folglich werden die Klasse von der Klassifikationseinheit 25 und
der integrierte Parameter von der integrierten Parameter-Konstruktionseinheit 46 freigegeben.
-
Das
Auswahlorgan 63 liefert als Antwort auf die Klasse, welche
durch die Klassifikationseinheit 62 bestimmt wird, ein
Auswahlsignal zu allen Chip-Auswahl-Anschlüssen (CS) der Speicher 471 bis 47M .
Ein entsprechender Speicher von den Speichern 471 bis 47M zu der Klasse, welche von der Klassifikationseinheit 62 geliefert
wird, wird somit ausgewählt.
-
Außerdem wird
die Klasse, welche durch die Klassifikationseinheit 45 bestimmt
wird, zu den Adressanschlüssen
(AD) der Speicher 471 bis 47M geliefert. Dies erlaubt, dass alle
integrierten Parameter von der integrierten Parameter-Konstruktionseinheit 46 in
einer entsprechenden Adresse der Klasse, welche durch die Klassifikationseinheit 45 definiert ist,
in einem der Speicher 471 bis 47M gespeichert werden können, der
gemäß der Klasse
ausgewählt wird,
die durch die Klassifikationseinheit 62 definiert ist.
-
Folglich
werden die integrierten Parameter (einer Gruppe), welche jeder Adresse
von einem der Speicher 471 bis 47M zugeteilt wurden, in einem entsprechenden
der Standardparameterspeicher 281 bis 28M , die in 6 gezeigt
sind, als Standardparameter in einer Standardparametertabelle der
Klasse gespeichert (definiert durch die Klassifikationseinheit 25).
-
Es
ist außerdem
möglich,
dass, wie mit 5 beschrieben wurde, dass das
Baryzentrum der Gruppe der integrierten Parameter, die im Raum grafisch
dargestellt sind, als Standardparameter in jedem der Standardparameterspeicher 281 bis 28M ,
die in 6 gezeigt sind, gespeichert ist.
-
8 zeigt
eine Anordnung einer dritten Ausführungsform der Stimmenerkennungsvorrichtung,
die mit der Eingabeeinrichtung 4 versehen ist, die in 1 gezeigt
ist. In der Figur sind gleiche Komponenten mit den gleichen Bezugszeichen
wie die, welche in 6 gezeigt sind, bezeichnet,
so dass auf deren Erläuterung
verzichtet wird. Die Stimmenerkennungsvorrichtung dieser Ausführungsform ist
im Wesentlichen identisch der, welche in 6 gezeigt
ist, mit der Ausnahme, dass besondere Vorprozessoren 71 bis 74 vorgesehen
sind und deren Ausgangssignale, welche die Ausgangssignale der Vorprozessoren 20 bis 23 ersetzen,
zu der integrierten Parameter-Konstruktionseinheit 26 geliefert
werden.
-
Die
Vorprozessoren 71 bis 74 empfangen die gleichen
Daten, die durch die Vorprozessoren 20 und 23 empfangen
wurden. Die Klasse, welche durch die Klassifikationseinheit 52 definiert
wurde, wird ebenfalls zu den Vorprozessoren 71 bis 74 geliefert.
-
Die
Vorprozessoren 71 und 74 führen als Antwort auf die Klasse,
welche von der Klassifikationseinheit 52 empfangen wurde,
die Vorverarbeitungsaktion durch, um optimale charakteristische
Parameter zu bestimmen, welche zur integrierten Parameter-Konstruktionseinheit 26 übertragen
werden. Es sei angemerkt, dass die Vorverarbeitungsaktion der Vorprozessoren 71 bis 74 wesentlich
verschieden gegenüber
der der Vorprozessoren 20 bis 23 ist. Insbesondere,
obwohl die Ausgangssignale der Vorprozessoren 20 bis 23 dazu
verwendet werden, um schließlich
die Klasse in der Klassifikationseinheit 25 zu bestimmen,
werden die Ausgangssignale der Vorprozessoren 71 bis 74 zum
integrierten Parameter verschoben, der von der integrierten Parameter-Konstruktionseinheit 26 freigegeben
wird. Es ist somit zutreffend, dass die optimale charakteristischen
Parameter, welche zur Klassifizierung der Klassifizierungseinheit 25 verwendet
werden, durch die Vorprozessoren 20 und 23 gemäß der Klasse berechnet werden,
die durch die Klassifikationsinheit 52 definiert ist, und
simultan die optimalen charakteristischen Parameter, die zur Stimmenerkennung
verwendet werden, durch die Vorprozessoren 71 und 74 gemäß der Klasse
berechnet werden, die durch die Klassifikationseinheit 52 definiert
ist.
-
9 zeigt
eine Anordnung einer Lernvorrichtung zum Durchführen eines Lernprozesses, um die
Standardparameter zu bestimmen, welche in der Standardparametertabelle
jeder Klasse aufzulisten sind, die in allen Standardparameterspeichern 281 bis 28M ,
die in 8 gezeigt sind, gespeichert werden sollen.
-
In
der Figur sind gleiche Komponenten mit gleichen Bezugszeichen wie
die bezeichnet, die in 7 gezeigt sind, so dass auf
deren Erläuterung verzichtet
wird. Die Lernvorrichtung ist im Wesentlichen identisch der, welche
in 7 gezeigt ist, mit der Ausnahme, dass ein Extrasatz
von Prozessoren 81 bis 84 vorgesehen ist und dass
deren Ausgangssignale, welche die Ausgangssignale der Vorprozessoren 40 bis 43 ersetzen,
zur integrierten Parameter-Konstruktionseinheit 46 geliefert
werden.
-
Beim
Betrieb werden die optimalen charakteristischen Parameter, welche
zur Klassifizierung der Klassifikationseinheit 45 verwendet
werden, durch die integrierten Parameter, durch den Vorprozessoren 40 und 43 berechnet,
wie durch die Vorprozessoren 20 und 23, welche
in 8 gezeigt ist, gemäß der Klasse, welche durch
die Klassifikationseinheit 62 definiert ist, während die
optimalen charakteristischen Parameter, welche zur Stimmenerkennung verwendet
werden, durch die Vorprozessoren 81 bis 84 berechnet
werden, wie durch die Vorprozessoren 71 und 74,
die in 8 gezeigt ist, gemäß der Klasse, die durch die
Klassifikationseinheit 62 angegeben ist.
-
Obwohl
die integrierten Parameter, welche durch den Lernprozess der Lernvorrichtung,
welche in 9 gezeigt ist, bestimmt werden,
in den Standardparameterspeichern 281 bis 28M , die in 8 gezeigt
sind, gespeichert sind, brauchen diese überhaupt nicht gespeichert
zu werden. Es ist auch möglich,
wie mit Hilfe von 5 beschrieben wurde, dass das
Baryzentrum der Gruppe der integrierten Parameter, die in dem Raum
grafisch gezeigt sind, als ein Standardparameter gespeichert wird.
-
Obwohl
die vorliegende Erfindung oben von der Stimmenerkennungsvorrichtung
beschrieben wurde, ist diese auch bei einer ähnlichen Vorrichtung anwendbar,
um andere Subjekte als die sprach-umfassenden Bilder, Zeichen und
Menschen zu erkennen.
-
Obwohl
die Ausgangssignale der CCD-Kamera 32, des Mikrofons 33 und
des Sensors 34 anders als die Stimme eines Benutzers verwendet
werden, der zu erkennen ist, bilden sie keine Einschränkungen.
-
Bei
der in 2 gezeigten Ausführungsform sind die Klassifikationsdaten
von Daten konstruiert, die von den Vorprozessoren 20 bis 23 ausgegeben werden,
und sie werden zur Klassifikation in der Klassifikationseinheit 25 verwendet.
Die Klassifikationsdaten können
unmittelbar von den Ausgangssignalen der Eingangseinheit 10 aufgebaut
sein und zur Klassifizierung in der Klassifikationseinheit 25 verwendet werden.
Obwohl die Vorprozessoren 20 bis 23, 40 bis 43, 71 bis 73 und 81 bis 83 der
Ausführungsformen, welche
in 6 bis 9 gezeigt sind, mit der Klasse
beliefert werden, um eine Vorprozessoraktion gemäß der Klasse durchzuführen, können sie
mit einer Funktion beliefert werden, welche sich auf die Klasse bezieht,
so dass sie einen arithmetischen Betrieb unter Verwendung der Funktion
ausführen
können,
um die Vorverarbeitungsaktion gemäß der Klasse auszuführen.
-
Um
die Beschreibung der Ausführungsformen
zu vereinfachen basiert die Stimmenerkennung in der Zugehörigkeitseinheit 29 auf
dem Abstand zwischen dem integrierten Parameter und dem Standardparameter
in einem anwendbaren Parameterraum. Es ist für die Übereinstimmungseinheit 29 auch möglich, den
Abstand zwischen dem Standardparameter und dem integrierten Parameter,
der in einer Zeitsequenz angegeben wird, zu berechnen, und die Wahrscheinlichkeit
des Auftretens einer derartigen Zeitsequenz, welche dann dazu verwendet
werden, um das Ergebnis der Stimmenerkennung zu bestimmen. Außerdem kann
die Übereinstinmungseinheit 29 mit
einer Vielzahl von Stimmenerkennungsalgorithmen versehen sein, die
den entsprechenden Pegeln der Klasse zugeteilt sind, die durch die
Klassifikationseinheiten 25 und 52 für die Stimmenerkennung
definiert ist.
-
Es
sei auch verstanden, dass die Stimmenerkennungsvorrichtung, welche
in 2, 6 und 8 gezeigt
sind, und die Lernvorrichtung, welche in 4, 7 und 9 gezeigt
ist, in Form von Software-Anwendungen für einen Mikrocomputer ausgeführt werden
können,
der eine CPU und Speicher hat, wie auch durch Hardware-Installationen.
-
Gemäß der Erkennungsvorrichtung,
welche im Anspruch 1 definiert ist, und einem Erkennungsverfahren,
welches im Anspruch 6 definiert ist, werden unterschiedliche Eingangsdatenarten
in Klassen in Abhängigkeit
von ihrer Charakteristik klassifiziert, und außerdem zu integrierten Parametern
integriert. Dann wird ein Gegenstand unter Verwendung einer Kombination
des integrierten Parameters und einer Tabelle erkannt, welcher die
Standardparameter ausführt,
welcher jeder Klasse zugeteilt ist, welche durch die Klassifikation
bestimmt ist. Da die optimale Tabelle für jeden Fall verwendet wird,
wird die Erkennung bezüglich
der Genauigkeit gesteigert.
-
Gemäß der Lernvorrichtung,
die im Patentanspruch 7 definiert ist, und einem Lernverfahren, welches
im Anspruch 10 definiert ist, werden unterschiedliche Eingangsdatenarten
in Klassen in Abhängigkeit
von ihren Charakteristiken klassifiziert, und außerdem zu integrierten Parametern
integriert, die dann gemäß jeder
Klasse, welche durch die Klassifizierung bestimmt wird, klassifiziert
werden. Dies erlaubt, dass optimale Parameter zur Erkennung konstruiert
werden können.