JP2000322081A - 音声認識における尤度演算装置および尤度演算方法、並びに、プログラム記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 演算速度を速くしメモリの使用量を削減す
る。 【解決手段】 量子化平均値テーブル１７には、平均値
μi(m)を量子化点数Ｑmと存在範囲Ｒmで量子化したμqi
(m)をｉ,ｍに関連付けて登録する。分散値テーブル１８
には、「σi(m)×Ｒm/Ｑm」をｉ,ｍに関連付けて格納す
る。量子化手段１２は、音響パラメータＸ(m)をＱm,Ｒm
で量子化してＸq(m)を得る。コピー手段１３は、２乗関
数テーブル１４を自乗距離テーブル１５にコピーして自
乗距離のテーブルを作成する。尤度演算手段１６は、分
散値テーブル１８から「σi(m)×Ｒm/Ｑm」を得、量子化
平均値テーブル１７からμqi(m)を得、自乗距離テーブ
ル１５からＴ(μqi(m))を得て、対数尤度「log(Ｐi)」を
算出する。こうして、自乗距離の演算をテーブル引きに
置き換えることによって、対数尤度「log(Ｐi)」の演算を
高速にできる。その場合の各テーブルは特別大きな容量
ではない。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、音声認識におけ
る尤度演算装置および尤度演算方法の改良に関する。

【０００２】

【従来の技術】１９９０年代以降の音声認識の主要な手
法の一つに、混合連続分布型隠れマルコフモデル(ＣＭ
ＨＭＭ)がある。このＣＭＨＭＭは、認識対象とする単
語や音素や音節等の音声の単位を、音響的な特微量の連
続分布で表現した音響モデルである。この音響モデル
は、上記「音声の単位」を時間方向に分割して１次マルコ
フ系列である状態列に対応付け、各分割区間に対応した
状態の夫々を音響パラメータの多次元正規分布の重み付
き和で表現することによって、音声をモデル化する方法
である。これらの多次元正規分布や分割位置は学習用の
大量の音声データから統計的に求める。

【０００３】上記ＣＭＨＭＭを用いて大語彙単語認識を
行う場合、一般には音素のような細かな基本単位で音響
モデルを構成し、この基本単位を接続することによって
単語や文などの認識対象を表現する。そして、認識しよ
うとする単語や文を構成する個々の基本単位に対する各
音響モデルの尤度を上記音響モデルの出現確率を用いて
算出し、最も大きな尤度を示す音響モデルが表現する基
本単位を接続して認識結果とするのである。こうするこ
とによって、認識時には、複数の認識対象語彙に含まれ
る同じ音素(基本単位)の尤度を共通の音響モデルを用い
て求めることができるため、認識処理を効率よく行うこ
とができるのである。尚、上記ＣＭＨＭＭに関しては、
文献「中川聖一著“確率モデルによる音声認識”第３章
(特に連続確率密度分布に付いては３.３.２節)、電子情
報通信学会出版、コロナ社、１９８８年」に詳しく述べ
られている。

【０００４】上記文献に記載された尤度演算方法によれ
ば、音響パラメータの次元数をＭ、入力された音声の各
時刻ｔの音響パラメータベクトルをＸtとすると、音響
モデルを構成しているＮ個の確率密度分布λi(＝平均を
μi，分散を(σi)²、ｉ＝１,２,…,Ｎ)の夫々に対する
入力音響パラメータベクトルの対数尤度「log(Ｐi)」を求
める必要がある。この演算は入力音響パラメータの値に
依存するため、音声が入力されると、その都度計算する
必要がある。ここで、確率密度分布λiの分布数Ｎは数
百から数千の値をとるために上記対数尤度「log(Ｐi)」の
計算に多くの処理時間を必要としている。例として、１
秒間の音声に対して１０ms周期で次元数Ｍ＝２０の音響
パラメータに変換した分布数Ｎ＝１０００の音響モデル
を適用する場合は、 １００(フレーム)×２０(次元)×１０００(分布)＝２０
０００００回 の減算,自乗,割り算および加算が必要となる。そこで、
上述の演算を高速化するために幾つかの方法が提案され
ている。

【０００５】文献１「中川他“連続出力確率型ＨＭＭの
出力確率計算の短縮法”日本音響学会講演論文集、平成
７年春１−Ｑ−２２」には、入力音響パラメータをベク
トル量子化して、出力確率計算をテーブル参照に置き換
える方法が開示されている。

【０００６】また、文献２「高橋,嵯峨山“４階層の共有
構造を持つ音素環境依存ＨＭＭの検討”日本音響学会講
演論文集、平成６年秋３−８−３」には、各確率密度分
布の平均値を次元毎にスカラ量子化することで、尤度演
算に関する次式

【数１】 における第２項の分子の演算に要する減算と自乗の演算
とを、量子化代表値の個数に付いてのみ行い、各確率密
度分布の尤度演算をテーブル参照で置き換える方法が開
示されている。尚、この方法においては、入力音響パラ
メータＸ(m)の量子化は行わない。

【０００７】また、文献３「高橋,嵯峨山“４階層共有構
造音素モデルにおける分散値共有化の効果”日本音響学
会講演論文集、平成７年春１−Ｑ−２３」、および、文
献４「特開平８−２４８９８６号公報」には、文献２を
進めて、各次元毎に平均値と分散を含んだ分布としてク
ラスタリングを行い、代表確率密度分布に付いてのみ尤
度演算を行い、各確率密度分布の尤度演算に関してはテ
ーブル参照で置き換える方法が開示されている。この場
合も、入力音響パラメータＸ(m)の量子化は行わない。

【０００８】また、文献５「野田,高橋,嵯峨山“スカラ
ー量子化による４階層共有構造ＨＭＭの高速計算”日本
音響学会講演論文集、平成７年秋２−２−１４」、およ
び、文献６「山田,山本他“パラメータのスカラ量子化と
混合分布ＨＭＭの次元独立演算による高速出力確率計
算”電子情報通信学会技報ＳＰ９５−２２」には、入力
音響パラメータの各次元をスカラ量子化することによっ
て、予め状態ｉと次元ｍ毎に上記式の第２項のテーブル
を計算しておき、入力の量子化値を使用して文献中の演
算に要する減算と自乗と除算とをテーブル参照に置き換
える方法が開示されている。

【０００９】

【発明が解決しようとする課題】しかしながら、上記従
来の対数尤度「log(Ｐi)」の演算を高速化する方法には、
以下のような問題がある。すなわち、上記文献１に開示
された方法には、入力音響パラメータをベクトル量子化
するために、量子化コードブック数のＭ次元距離演算が
必要になる上に、「量子化コードブック数×モデルの状
態数」の大きさのテーブルが必要となると言う問題があ
る。

【００１０】また、上記文献３および文献４に開示され
た方法では、演算量はある程度削減できるが、１フレー
ム当り「次元数×代表点数」分の自乗演算が残り、上記対
数尤度「log(Ｐi)」に間する演算が完全に無くなるわけで
はない。また、「次元数×代表点数」の大きさのテーブル
が必要である。

【００１１】また、上記文献５および文献６に開示され
た方法では、入力音響パラメータを量子化するだけで、
後はテーブルを引くだけであるから演算量は小さく押え
られる。しかしながら、「次元数×スカラ量子化ステッ
プ数×モデルの分布数」分の非常に大きなテーブルが必
要になる。このように参照用テ―ブルに非常に多くのメ
モリ容量を必要とする方法は、小型機器等においては実
現し難い。

【００１２】さらに、上記文献２に開示された方法によ
れば、メモリ量は「次元数×量子化点数」のテーブル分だ
けでよく、上述した他の文献の方法よりは少ない。しか
しながら、「次元数×量子化点数」分の１次元距離演算に
係る減算と自乗演算とが必要となる。そして、この演算
は、汎用コンピュータ等に使用される高度なプロセッサ
や一部の信号処理プロセッサには容易な演算ではある
が、小型機器等に使用されるプロセッサにとって処理に
要する時間が大きいため、十分な高速化は達成できない
という問題がある。

【００１３】そこで、この発明の目的は、演算速度が速
くメモリの使用量を削減できる音声認識における尤度演
算装置および尤度演算方法、並びに、プログラム記録媒
体を提供することにある。

【００１４】

【課題を解決するための手段】上記目的を達成するた
め、請求項１に係る発明の音声認識における尤度演算装
置は、入力音声から抽出された音響パラメータベクトル
が入力される音響パラメータ入力手段と、上記音響パラ
メータベクトルを各次元毎に量子化する量子化手段と、
２乗関数がテーブル化されて格納された２乗関数テーブ
ルと、音響モデルを構成する各確率密度分布の分散値に
関する演算値がテーブル化されて格納された分散値テー
ブルと、各次元毎に上記音響パラメータと同じスケール
で量子化された上記各確率密度分布の平均値がテーブル
化されて格納された量子化平均値テーブルと、記録手段
と、上記２乗関数テーブルのデータを上記記録手段にコ
ピーすると共に,上記コピーしたデータに対して座標移
動を行って自乗距離テーブルを作成するコピー手段と、
上記各次元毎に量子化された音響パラメータに基づいて
上記量子化平均値テーブル,自乗距離テーブルおよび分
散値テーブルを用いて入力音響パラメータの上記各確率
密度分布に関する対数尤度を演算する尤度演算手段を備
えたことを特徴としている。

【００１５】上記構成によれば、量子化手段によってｍ
次元目の音響パラメータが量子化されると、コピー手段
によって、２乗関数テーブルのデータがコピーされて座
標移動が行われ、自乗距離テーブルが作成される。その
場合、上記座標移動を−ｘ方向へ上記量子化音響パラメ
ータ値分だけ行えば、自乗距離テーブルには「ｙ＝(ｘ−
量子化音響パラメータ値)²」なる関係を表すデータが書
き込まれる。一方においては、入力音響パラメータベク
トルと各確率密度分布の平均値とは各次元毎に同じスケ
ールで量子化されている。したがって、尤度演算手段
は、量子化平均値テーブルを引いて得られた量子化平均
値をインデックスとして上記自乗距離テーブルを引くこ
とによって、上記量子化音響パラメータと量子化平均値
の自乗距離を得ることができる。さらに、分散値テーブ
ルを引くことによって、分散値に関する演算値が得られ
る。

【００１６】その際に、上記分散値に関する演算値を
「σi(m)×Ｒm/Ｑm」とするならば、音響モデルを構成し
ている各確率密度分布に関する入力音響パラメータベク
トルの対数尤度「log(Ｐi)」の演算式(７)における第２項
の分子と分母とが、テーブル引きによって得られる。こ
うして、上記対数尤度「log(Ｐi)」の演算が高速に行われ
る。

【００１７】また、請求項２にかかる発明の音声認識に
おける尤度演算装置は、入力音声から抽出された音響パ
ラメータベクトルが入力される音響パラメータ入力手段
と、上記音響パラメータベクトルを各次元毎に量子化す
る量子化手段と、２乗関数がテーブル化されて格納され
た２乗関数テーブルと、音響モデルを構成する各確率密
度分布の分散値に関する演算値がテーブル化されて格納
された分散値テーブルと、各次元毎に上記音響パラメー
タと同じスケールで量子化された上記各確率密度分布の
平均値がテーブル化されて格納された量子化平均値テー
ブルと、上記各次元毎に量子化された音響パラメータに
基づいて上記量子化平均値テーブル,２乗関数テーブル
および分散値テーブルを用いて入力音響パラメータの上
記各確率密度分布に関する対数尤度を演算する尤度演算
手段を備えたことを特徴としている。

【００１８】上記構成によれば、２乗関数テーブルには
「ｙ＝ｘ²」なる関係を表すデータが書き込まれている。
一方においては、入力音響パラメータベクトルと各確率
密度分布の平均値とは各次元毎に同じスケールで量子化
される。したがって、尤度演算手段は、量子化平均値テ
ーブルを引いて得られた量子化平均値から量子化音響パ
ラメータ値を減じた値「量子化平均値−量子化音響パラ
メータ値」をインデックスとして上記２乗関数テーブル
を引くことによって、上記量子化音響パラメータと量子
化平均値の自乗距離を得ることができる。さらに、分散
値テーブルを引くことによって、分散値に関する演算値
が得られる。

【００１９】その際に、上記分散値に関する演算値を
「σi(m)×Ｒm/Ｑm」とするならば、音響モデルを構成し
ている各確率密度分布に関する入力音響パラメータベク
トルの対数尤度「log(Ｐi)」の演算式(７)における第２項
の分子と分母とが、テーブル引きによって得られる。こ
うして、上記対数尤度「log(Ｐi)」の演算が高速に行われ
る。

【００２０】また、請求項３に係る発明は、請求項１あ
るいは請求項２に係る発明の音声認識における尤度演算
装置において、上記２乗関数テーブルには、上記分散値
に関する演算値の所定量子化点数での量子化値を係数と
する２乗関数を、上記量子化点数分のテーブルにテーブ
ル化して格納されていることを特徴としている。

【００２１】上記構成によれば、上記分散値に関する演
算値Ｂi(m)を(σi(m)×Ｒm/Ｑm)²とし、上記２乗関数テ
ーブルには演算値Ｂi(m)の量子化値Ｂqi(m)を係数とす
る２乗関数「ｙ＝ｘ²/Ｂqi(m)」を表すテーブルを格納す
るならば、上記尤度演算手段は、対数尤度「log(Ｐi)」の
演算式(７)における第２項のΣ内の除算を、テーブル引
きによって得ることができる。こうして、上記対数尤度
「log(Ｐi)」の演算がさらに高速に行われる。

【００２２】また、請求項４に係る発明の音声認識にお
ける尤度演算方法は、入力された音響パラメータベクト
ルを各次元毎に量子化するステップと、２乗関数がテー
ブル化された２乗関数テーブルのデータをコピーすると
共に,上記コピーしたデータに対して上記量子化音響パ
ラメータに基づく座標移動を行って自乗距離テーブルを
作成するステップと、音響モデルを構成する各確率密度
分布の分散値に関する演算値がテーブル化された分散値
テーブルを引いて,上記分散値に関する演算値を得るス
テップと、各次元毎に上記音響パラメータと同じスケー
ルで量子化された上記各確率密度分布の平均値がテーブ
ル化された量子化平均値テーブルを引いて,上記量子化
平均値を得るステップと、上記量子化平均値に基づいて
上記自乗距離テーブルを引いて,上記量子化音響パラメ
ータと量子化平均値との自乗距離を得るステップと、上
記得られた分散値に関する演算値および自乗距離を用い
て,入力音響パラメータの上記各確率密度分布に関する
対数尤度を演算するステップを備えたことを特徴として
いる。

【００２３】上記構成によれば、請求項１に係る発明の
場合と同様に、自乗距離テーブルには「ｙ＝(ｘ−量子化
音響パラメータ値)²」なる関係を表すデータが書き込ま
れ、入力音響パラメータベクトルと各確率密度分布の平
均値とは各次元毎に同じスケールで量子化される。した
がって、上記分散値に関する演算値を「σi(m)×Ｒm/Ｑ
m」とするならば、上記対数尤度「log(Ｐi)」の演算式(７)
における第２項の分子と分母とがテーブル引きによって
得られる。こうして、上記対数尤度「log(Ｐi)」の演算が
高速に行われる。

【００２４】また、請求項５に係る発明の音声認識にお
ける尤度演算方法は、入力された音響パラメータベクト
ルを各次元毎に量子化するステップと、音響モデルを構
成する各確率密度分布の分散値に関する演算値がテーブ
ル化された分散値テーブルを引いて上記分散値に関する
演算値を得るステップと、各次元毎に音響パラメータと
同じスケールで量子化された上記各確率密度分布の平均
値がテーブル化された量子化平均値テーブルを引いて上
記量子化平均値を得るステップと、上記量子化平均値か
ら量子化音響パラメータの値を減じた値に基づいて,２
乗関数がテーブル化された２乗関数テーブルを引いて,
量子化音響パラメータと量子化平均値との自乗距離を得
るステップと、上記得られた分散値に関する演算値およ
び自乗距離を用いて,入力音響パラメータの上記各確率
密度分布に関する対数尤度を演算するステップを備えた
ことを特徴としている。

【００２５】上記構成によれば、請求項２に係る発明の
場合と同様に、２乗関数テーブルには「ｙ＝ｘ²」なる関
係を表すデータが書き込まれ、入力音響パラメータベク
トルと各確率密度分布の平均値とは各次元毎に同じスケ
ールで量子化され、「量子化平均値−量子化音響パラメ
ータ値」をインデックスとして上記２乗関数テーブルが
引かれる。したがって、上記分散値に関する演算値を
「σi(m)×Ｒm/Ｑm」とするならば、上記対数尤度「log(Ｐ
i)」の演算式(７)における第２項の分子と分母とがテー
ブル引きによって得られる。こうして、上記対数尤度「l
og(Ｐi)」の演算が高速に行われる。

【００２６】また、請求項６に係る発明は、請求項４に
係る発明の音声認識における尤度演算方法において、上
記２乗関数テーブルには,上記分散値に関する演算値に
おける所定量子化点数での量子化値を係数とする２乗関
数を,上記量子化点数分のテーブルにテーブル化して格
納されており、上記自乗距離テーブルを作成するステッ
プでは,上記量子化点数分の各テーブル毎に上記コピー
及び座標移動を行い、上記自乗距離を得るステップで
は,上記自乗距離テーブルから上記演算値の量子化値に
適合する自乗距離テーブルを選択して引き、上記対数尤
度を演算するステップでは,上記得られた自乗距離を用
いて上記対数尤度を演算することを特徴としている。

【００２７】上記構成によれば、請求項３に係る発明の
場合と同様に、上記分散値に関する演算値Ｂi(m)を「(σ
i(m)×Ｒm/Ｑm)²」とし、自乗距離テーブルには「ｙ＝(ｘ
−量子化音響パラメータ値)²/Ｂqi(m)」(Ｂqi(m)：演算
値Ｂi(m)の量子化値)なる関係を表すテーブルを所定量
子化点数分だけ格納するならば、上記演算値の量子化値
Ｂqi(m)に適合する自乗距離テーブルを選択して引くこ
とによって、上記対数尤度「log(Ｐi)」の演算式(７)にお
ける第２項のΣ内の除算が、テーブル引きによって得ら
れる。こうして、上記対数尤度「log(Ｐi)」の演算が更に
高速に行われる。

【００２８】また、請求項７に係る発明は、請求項５に
係る発明の音声認識における尤度演算方法において、上
記２乗関数テーブルには,上記分散値に関する演算値に
おける所定量子化点数での量子化値を係数とする２乗関
数を,上記量子化点数分のテーブルにテーブル化して格
納されており、上記自乗距離を得るステップでは,上記
２乗関数テーブルから上記分散値に関する演算値の量子
化値に適合する２乗関数テーブルを選択して引き、上記
対数尤度を演算するステップでは,上記得られた自乗距
離を用いて上記対数尤度を演算することを特徴としてい
る。

【００２９】上記構成によれば、請求項３に係る発明の
場合と同様に、上記分散値に関する演算値Ｂi(m)を「(σ
i(m)×Ｒm/Ｑm)²」とし、上記２乗関数テーブルには「ｙ
＝ｘ²/Ｂqi(m)」なる関係を表すテーブルを所定量子化点
数分だけ格納するならば、上記演算値の量子化値Ｂqi
(m)に適合する２乗関数テーブルを選択して引くことに
よって、上記対数尤度「log(Ｐi)」の演算式(７)における
第２項のΣ内の除算が、テーブル引きによって得られ
る。こうして、上記対数尤度「log(Ｐi)」の演算がさらに
高速に行われる。

【００３０】また、請求項８に係る発明は、請求項４乃
至請求項７の何れか一つに係る発明の音声認識における
尤度演算方法において、上記音響パラメータベクトルを
各次元毎に量子化するステップでは、各次元毎に量子化
点数を変えて量子化することを特徴としている。

【００３１】上記構成によれば、上記２乗関数テーブル
のサイズを各次元毎における量子化点数の最大値にする
ことによって、上記２乗関数テーブルおよび自乗距離テ
ーブルの容量が必要最小限に押えられる。

【００３２】また、請求項９に係る発明のプログラム記
録媒体は、コンピュータを、入力された音響パラメータ
ベクトルを各次元毎に量子化する量子化手段と、上記２
乗関数テーブルのデータを記録手段にコピーすると共
に,上記コピーしたデータに対して座標移動を行って自
乗距離テーブルを作成するコピー手段と、上記各次元毎
に量子化された音響パラメータに基づいて上記量子化平
均値テーブル,自乗距離テーブルおよび分散値テーブル
を用いて入力音響パラメータの上記各確率密度分布に関
する対数尤度を演算する尤度演算手段として機能させる
尤度演算処理プログラムが記録されたことを特徴として
いる。

【００３３】上記構成によれば、請求項１および請求項
４に係る発明の場合と同様に、上記分散値テーブルの要
素値である上記“各確率密度分布の分散値に関する演算
値”を「σi(m)×Ｒm/Ｑm」とするならば、上記対数尤度
「log(Ｐi)」の演算式(７)における第２項の分子と分母と
がテーブル引きによって得られる。こうして、上記対数
尤度「log(Ｐi)」の演算が高速に行われる。

【００３４】また、請求項１０に係る発明のプログラム
記録媒体は、コンピュータを、入力された音響パラメー
タベクトルを各次元毎に量子化する量子化手段と、上記
各次元毎に量子化された音響パラメータに基づいて上記
量子化平均値テーブル,２乗関数テーブルおよび分散値
テーブルを用いて入力音響パラメータの上記各確率密度
分布に関する対数尤度を演算する尤度演算手段として機
能させる尤度演算処理プログラムが記録されたことを特
徴としている。

【００３５】上記構成によれば、請求項２および請求項
５に係る発明の場合と同様に、上記分散値テーブルの要
素値である上記“各確率密度分布の分散値に関する演算
値”を「σi(m)×Ｒm/Ｑm」とするならば、対数尤度「log
(Ｐi)」の演算式(７)における第２項の分子と分母とがテ
ーブル引きによって得られる。こうして、上記対数尤度
「log(Ｐi)」の演算が高速に行われる。

【００３６】

【発明の実施の形態】以下、この発明を図示の実施の形
態により詳細に説明する。 ＜第１実施の形態＞図１は、本実施の形態における尤度
演算装置が搭載された音声認識装置のブロック図であ
る。入力された音声は音響分析部１で数ミリ秒から数１
０ミリ秒毎のフレーム単位に切り出され、夫々のフレー
ムが音響分析されて音響パラメータに変換される。ここ
で、音響分析方法としてはＬＰＣケプストラムやメルケ
プストラムあるいはフィルタバンクによる周波数帯域パ
ワー等が一般的である。但し、本音響分析部１における
音響分析方法は、特に限定するものではない。

【００３７】こうして、上記音響分析部１によって音響
パラメータが得られると、次に、尤度演算部２によっ
て、音響モデル３との照合が行われ、各音響モデルにお
ける音素の各状態を表現する全ての確率密度分布(ガウ
ス分布等)に関して入力音響パラメータの尤度が求めら
れ、次に各状態を表現する確率密度分布の混合重み付き
和の演算によって各状態の尤度が求められる。この尤度
演算部２による尤度の演算はこの発明の根幹を成すもの
であり、後に詳細に述べる。

【００３８】次に、単語照合部４によって、言語辞書５
を参照し、辞書の語彙の表記に基づいて音響モデル内の
状態を連結した単語パターンに対して、入力音声のパタ
ーンを照合して尤度が求められる。ここで、照合の際に
必要となる各時刻および各状態での局所的尤度は、尤度
演算部２で求めた尤度の値を用いる。尚、照合にはビタ
ビ・アルゴリズムやＡ^*アルゴリズム等がよく用いられ
る。但し、本単語照合部４において用いる照合方法は、
特に限定するものではない。こうして、各認識対象語彙
の尤度を求め、最大尤度を呈する単語を入力音声の認識
結果として出力するのである。

【００３９】図２は、上記尤度演算部２の詳細なブロッ
ク図である。上記音響分析部１で得られた各入力フレー
ムのｍ次元目の音響パラメータＸ(m)は、パラメータ入
力手段１１から取り込まれて量子化手段１２に渡され
る。そうすると、量子化手段１２は、次式(１)に基づい
て音響パラメータＸ(m)を線型に量子化して、量子化し
た音響パラメータＸq(m)を得る。 Ｘq(m)＝[Ｘ(m)＊Ｑm/Ｒm] …（１） ここで、Ｘ(m)：ｍ次元目の音響パラメータ Ｑm：次元ｍの音響パラメータを量子化する際の量子化
点数を与える定数 Ｒm：次元ｍの音響パラメータの存在範囲を示す定数 Ｘq(m)：量子化されたｍ次元目の音響パラメータ である。尚、「＊」は、実数を整数に変換する量子化演算
を示す。

【００４０】また、上述した音響パラメータＸ(m)の量
子化とは別に、音響モデルの各確率密度分布λiの平均
値ベクトルにおける各平均値μi(m)の量子化値μqi(m)
を、次式(２)を用いて求めて、確率密度分布λの番号
「ｉ」と次元「ｍ」とμqi(m)との関係を表す量子化平均値
テーブル１７を予め作成しておく。 μqi(m)＝[μi(m)＊Ｑm/Ｒm] …（２）

【００４１】このように、上記入力音響パラメータＸ
(m)と確率密度分布λiのｍ次元目の平均値μi(m)とを、
同じ量子化点数Ｑmと存在範囲Ｒmで(つまり、同じスケ
ールで)量子化することによって、後に詳述するよう
に、量子化音響パラメータＸq(m)と量子化平均値μqi
(m)との自乗距離の演算をテーブルを引く処理に置き換
えることができるのである。

【００４２】コピー手段１３は、上記量子化手段１２で
量子化されたｍ次元目の音響パラメータＸq(m)を用い
て、２乗関数テーブル１４から自乗距離テーブル１５へ
値を順にコピーする。図３に、２乗関数テーブル１４お
よび自乗距離テーブル１５の内容例を示す。２乗関数テ
ーブル１４には、図３(a)に示すように、音響パラメー
タの量子化点数をＱとすると、−Ｑから＋Ｑまでの範囲
内において式(３)で表されるｘとｙとの関係がテーブル
化されている。 ｙ＝Ｆ(ｘ)＝ｘ²（−Ｑ≦ｘ≦Ｑ） …（３）

【００４３】このうち、入力音響パラメータＸ(m)の量
子化値「−Ｘq(m)」に基づいて、 −Ｘq(m)≦ｘ≦Ｑ−Ｘq(m) の範囲におけるｘとｙとの関係を自乗距離テーブル１５
にコピーする。そして、２乗関数テーブル１４における
ｘ＝−Ｘq(m)を、自乗距離テーブル１５におけるｘ＝０
とする(つまり、原点を−ｘ方向へ「Ｘq(m)」だけずら
す)。その結果、自乗距離テーブル１５には、０から＋
Ｑまでの範囲内において式 ｙ＝(ｘ−Ｘq(m))² で表されるｘとｙとの関係がテーブル化されることにな
り、上記自乗距離テーブル１５は０からＱまでの量子化
値「−Ｘq(m)」に対する自乗距離の値を持つことになる。

【００４４】したがって、式(４)で表されるｉ番目の確
率密度分布λiの平均値ベクトルにおけるｍ次元目の平
均値の量子化値(以下、量子化平均値と言う)μqi(m)の
自乗距離Ｔ(μqi(m))は、量子化平均値テーブル１７を
引いて量子化平均値μqi(m)を求め、その値μqi(m)をイ
ンデックスとして自乗距離テーブル１５を引くことによ
って求めることができる。 Ｔ(μqi(m))＝(μqi(m)−Ｘq(m))² …（４）

【００４５】尚、本尤度演算部２のメモリ容量を減らす
必要がある場合は、２乗関数テーブル１４には、図３
(a)におけるｘとｙとの関係のうち、「ｘ＞０」または「ｘ
＜０」の領域だけを格納しておく。そして、コピー手段
１３は、２乗関数テーブル１４に領域「ｘ＞０」を格納し
ている場合には、「０〜Ｘq(m)」をｙ軸に対して反転した
ものと「０〜(Ｑ−Ｘq(m))」との２回に分けてコピーす
る。また、領域「ｘ＜０」を格納している場合には、「−
Ｘq(m)〜０」と「−(Ｑ−Ｘq(m))〜０」をｙ軸に対して反
転したものとの２回に分けてコピーすればよい。

【００４６】尤度演算手段１６は、上述のように番号
「ｉ」および次元「ｍ」から上記量子化平均値テーブル１７
を引いて求めた量子化平均値μqi(m)をインデックスと
して、上記自乗距離テーブル１５を引いて確率密度分布
λiに関するｍ次元目の自乗距離Ｔ(μqi(m))の値を得た
後、後に詳述するようにして分散値テーブル１８の値を
用いて対数尤度「log(Ｐi)」を求めるのである。

【００４７】対数尤度「log(Ｐi)」は、音響パラメータＸ
の次元数をＭ、入力された音声の各時刻ｔにおける音響
パラメータベクトルをＸtとすると、音響モデルを構成
しているＮ個の確率密度分布λi(＝平均をμi，分散を
(σi)²、ｉ＝１,…,Ｎ)の夫々に関して、式(５)を用い
て求めることができる。

【数２】

【００４８】ここで、式(５)の第１項は音響モデルに固
有の値であり、テーブル引きに置き換えることができ
る。そして、この値をＡiとすると式(６)が成立する。

【数３】 したがって、上記対数尤度「log(Ｐi)」を算出する式(５)
に、式(１)〜式(４)および式(６)を代入すると、式(７)
が得られる。

【数４】

【００４９】尚、上記分散値テーブル１８には、予め演
算によって求められたσi(m)に関する演算値「σi(m)×
Ｒm/Ｑm」を分布番号「ｉ」および次元番号「ｍ」とに関連付
けて格納しておく。また、定数テーブル１９には、予め
演算によって求められたＡi（＝−Σlog(２π(σi
(m))²))の値を分布番号「ｉ」および次元番号「ｍ」とに関
連付けて格納しておく。

【００５０】したがって、上記尤度演算手段１６は、上
記コピー手段１３からコピーが終了した旨の信号を受け
取ると、先ず、確率密度分布の番号「ｉ」及び音響パラメ
ータの次元「ｍ」をインデックスとして、分散値テーブル
１８を引いて「σi(m)×Ｒm/Ｑm」を得る。次に、番号
「ｉ」及び次元「ｍ」をインデックスとして量子化平均値テ
ーブル１７を引いて量子化平均値μqi(m)を得る。そし
て、この得られたμqi(m)をインデックスとして自乗距
離テーブル１５を引いて自乗距離Ｔ(μqi(m))を求め
る。さらに、「ｉ」及び次元「ｍ」をインデックスとして定
数テーブル１９を引いてＡiを求める。最後に、こうし
て求めた「Ａi」,「Ｔ(μqi(m))」および「σi(m)×Ｒm/Ｑm」
を式(７)に代入して、対数尤度「log(Ｐi)」を算出するの
である。

【００５１】ここで、上記式(７)の演算は、実際の処理
においては、先にＮ個の確率密度分布λi(ｉ＝１,…,
Ｎ)に関して行う。そして、第２項のΣの演算に関して
は、後に行われる各次元ｍに付いてのループの中で上記
「入力の量子化」と「テーブルのコピー」と「確率密度分布
の番号ｉに付いての加算」を行う。こうすることによっ
て、自乗距離Ｔ(μqi(m))を得るための自乗距離テーブ
ル１５の領域を１次元分にすることができ、メモリ容量
を節約することができるのである。また、σiに関する
割り算「Ｔ(μqi(m))/(σi(m)×Ｒm/Ｑm)²」は、一般に、
予め(σi(m)×Ｒm/Ｑm)²の逆数を求めておき、掛け算と
して処理することによって高速に処理できる。

【００５２】上述のように、本実施の形態においては、
量子化平均値テーブル１７には、各確率密度分布λiの
各次元の平均値μi(m)を各次元の音響パラメータの量子
化点数Ｑmおよび存在範囲Ｒmで量子化して量子化平均値
μqi(m)を求め、ｉ及びｍと関連付けて登録しておく。
また、分散値テーブル１８には、各確率密度分布λiの
各次元の分散値σi(m)に関して「σi(m)×Ｒm/Ｑm」を求
めてｉ及びｍと関連付けて格納しておく。

【００５３】そして、音響分析部１から入力されたｍ次
元目の音響パラメータＸ(m)に対して、量子化手段１２
によってＱm及びＲmで量子化して量子化された音響パラ
メータＸq(m)を得る。そうすると、コピー手段１３は、
量子化音響パラメータＸq(m)に従って２乗関数テーブル
１４の内容の一部を自乗距離テーブル１５にコピーし
て、０から量子化点数Ｑまでの量子化値「−Ｘq(m)」に関
する自乗距離のテーブルを作成する。そして、尤度演算
手段１６は、上記ｉおよびｍをインデックスとして、分
散値テーブル１８を引いて「σi(m)×Ｒm/Ｑm」を得る。
次に、ｉおよびｍをインデックスとして量子化平均値テ
ーブル１７を引いて量子化平均値μqi(m)を得る。さら
に、μqi(m)をインデックスとして自乗距離テーブル１
５を引いて自乗距離Ｔ(μqi(m))を求める。次に、ｉお
よびｍをインデックスとして定数テーブル１９を引いて
Ａiを求める。そして、上記求めた「Ａi」,「Ｔ(μqi(m))」
および「σi(m)×Ｒm/Ｑm」を用いて、式(７)によって対
数尤度「log(Ｐi)」を算出するようにしている。

【００５４】このように、本実施の形態においては、ｉ
番目の確率密度分布λiの平均値ベクトルμiと音響パラ
メータベクトルＸとを、各次元ｍ毎に同じスケールで線
形量子化している。したがって、上記尤度演算の大部分
を占める入力音響パラメータＸ(m)と平均値μi(m)との
差の自乗の演算を、量子化平均値テーブル１７と自乗距
離テーブル１５とのテーブル引きに置き換えることがで
きる。したがって、対数尤度「log(Ｐi)」の演算を小型機
器の用のマイクロプロセッサでも高速で行うことができ
るのである。また、その場合における量子化平均値テー
ブル１７および定数テーブル１９の大きさは「確率密度
分布λの数Ｎ×音響パラメータＸの次元数Ｍ」であり、
２乗関数テーブル１４の大きさは「量子化点数Ｑの(２
倍)×１」であり、自乗距離テーブル１５の大きさは「量
子化点数Ｑ×１」であり、特別大きな容量のメモリを必
要とはしない。

【００５５】尚、上記次元ｍの音響パラメータを量子化
する際の量子化点数Ｑmの値は、全ての次元ｍに関して
一定としてもよいし、次元ｍ毎に最小限の値になるよう
に変えてもよい。尚、次元ｍ毎に最小限の値になるよう
にＱmを設定すれば、２乗関数テーブル１４の領域も次
元ｍ毎に最小となるために、コピー手段１３によるコピ
ーに要する処理を最小限にすることができる。また、こ
の場合には、２乗関数テーブル１４の容量はmax(Ｑm)分
の容量の２倍(但し、上述のごとく、ｘ＞０またはｘ＜
０の領域を格納する場合にはmax(Ｑm)分)でよく、従っ
て自乗距離テーブル１５はmax(Ｑm)分の容量でよいこと
になる。

【００５６】＜第２実施の形態＞第１実施の形態におい
ては、上記式(７)の第２項の除算「Ｔ(μqi(m))/(σi(m)
×Ｒm/Ｑm)²」は演算で行っている。本実施の形態で
は、上記除算をもテーブル引きにすることによって、対
数尤度「log(Ｐi)」の演算をより高速に行うものである。

【００５７】本実施の形態においては、上記２乗関数テ
ーブル１４の内容に、予め式(７)の第２項における分子
の値とその存在範囲を適用させておくのである。その場
合には、確率密度分布λの番号ｉおよび音響パラメータ
の次元ｍをインデックスとして自乗距離テーブル１５を
引いて得られる値は、次式(８)で表される値であればよ
いことになる。 Ｔ(μqi(m))＝(μqi(m)−Ｘq(m))²/(σi(m)×Ｒm/Ｑm)² …（８） ところが、各確率密度分布λi毎に分散σi(m)が異な
り、その分散σi(m)の値の存在範囲Ｒmも次元ｍ毎に異
るため、自乗距離テーブル１５として多数のテーブルが
必要となる。そこで、本実施の形態においては、以下の
ようにして上記の問題を解決している。

【００５８】すなわち、次式(９)のごとく、上記式(８)
の分子をＢi(m)とする。そして、こ Ｂi(m)＝(σi(m)×Ｒm/Ｑm)² …（９） のＢi(m)の値を所定量子化点数Ｖでスカラ量子化してＢ
qi(m)とし、この量子化値Ｂqi(m)を用いて上記式(８)を
次式(１０)によって表すのである。 Ｔ(μqi(m),Ｂqi(m))＝(Ｘq(m)−μqi(m))²/Ｂqi(m) …（１０） こうすることによって、自乗距離テーブル１５のテーブ
ル数の増加を押さえ、且つ、上記式(９)における除算お
よび乗算を省くことができるのである。尚、この場合の
スカラ量子化は、線型量子化である必要はなく、ＬＢＧ
法やＫ平均法等のより少ない代表点で量子化できるよう
な量子化方法を用いることが望ましい。

【００５９】以上の結果、上記対数尤度「log(Ｐi)」を算
出する式(５)は、式(１１)のごとく変形できる。

【数５】 したがって、本実施の形態においては、上記式(１１)の
第１項および第２項をテーブル引きで求めることよっ
て、上記対数尤度「log(Ｐi)」の算出を行うことができる
のである。

【００６０】上記Ｔ(μqi(m),Ｂqi(m))が得られるよう
な自乗距離テーブル１５をコピー手段１３によって生成
するためには、２乗関数テーブル１４には、音響パラメ
ータの量子化点数をＱとすると、−Ｑから＋Ｑまでの範
囲内において式(１２)で表されるｘとｙとの関係をテー
ブル化しておけばよいことなる。すなわち、本実施の ｙ＝Ｆ(ｘ)＝ｘ²/Ｂqi(m)（−Ｑ≦ｘ≦Ｑ） …（１２） 形態においては、２乗関数テーブル１４に、Ｖ個のスカ
ラ量子化値Ｂqi(m)毎にＶ個の２乗関数テーブルを格納
するのである。また、Ｖ個の２乗関数テーブルをコピー
するためのＶ個の自乗距離テーブル分の自乗距離テーブ
ル１５用のメモリを設けるのである。

【００６１】尚、分散値テーブル１８には、予め演算に
よって求められたσi(m)に関する演算値「Ｂi(m)＝(σi
(m)×Ｒm/Ｑm)²」のスカラ量子化値Ｂqi(m)を、分布番号
「ｉ」および次元番号「ｍ」とに関連付けて格納しておく。
また、量子化平均値テーブル１７と定数テーブル１９と
に関しては、第１実施の形態における量子化平均値テー
ブル１７と定数テーブル１９と同じ構成である。

【００６２】上記構成において、上記コピー手段１３
は、量子化手段１２で量子化されたｍ次元目の音響パラ
メータＸq(m)に基づいて、２乗関数テーブル１４中のＶ
個の２乗関数テーブルの夫々に付いて第１実施の形態と
同様にして自乗距離テーブル１５にコピーし、原点を−
ｘ方向へ「Ｘq(m)」だけずらす。その結果、自乗距離テー
ブル１５には、０から＋Ｑまでの範囲内において式 ｙ＝(ｘ−Ｘq(m))²/Ｂqi(m) で表されるＶ個のｘとｙとの関係がテーブル化されるこ
とになる。

【００６３】以後、上記尤度演算手段１６は、上記確率
密度分布λの番号ｉおよび次元ｍをインデックスとして
分散値テーブル１８を引いてσi(m)に関する演算値Ｂi
(m)のスカラ量子化値Ｂqi(m)を得る。次に、ｉおよびｍ
をインデックスとして量子化平均値テーブル１７を引い
て量子化平均値μqi(m)を得る。そして、自乗距離テー
ブル１５の中からＢqi(m)に適合する自乗距離テーブル
を選択し、μqi(m)をインデックスとして上記選択され
た自乗距離テーブルを引いて自乗距離Ｔ(μqi(m),Ｂqi
(m))を求める。次に、ｉおよびｍをインデックスとして
定数テーブル１９を引いてＡiを求める。そして、上記
求めた「Ａi」および「Ｔ(μqi(m),Ｂqi(m))」を用いて、上
記式(１１)によって上記対数尤度「log(Ｐi)」を算出する
のである。

【００６４】このように、本実施の形態によれば、対数
尤度「log(Ｐi)」の算出に関する総ての処理を、「入力の
量子化」と「テーブルのコピー」と「テーブル引き」と「確率
密度分布の番号ｉに付いての加算」で行うことができ
る。したがって、小型機器用のマイクロプロセッサによ
る対数尤度「log(Ｐi)」演算の更なる高速処理を可能にで
きるのである。

【００６５】尚、上記各実施の形態においては、上記２
乗関数テーブル１４にテーブル化された関係式 ｙ＝Ｆ(ｘ)＝ｘ² （−Ｑ≦ｘ≦Ｑ） または ｙ＝Ｆ(ｘ)＝ｘ²/Ｂqi(m) （−Ｑ≦ｘ≦Ｑ） をコピーすることによって、関係式 ｙ＝(ｘ−Ｘq(m))² （０≦ｘ≦Ｑ） または ｙ＝(ｘ−Ｘq(m))²/Ｂqi(m)（０≦ｘ≦Ｑ） がテーブル化された自乗距離テーブル１５を作成するよ
うにしている。しかしながら、この発明においては、以
下のようにして、自乗距離テーブル１５を用いずに、自
乗距離Ｔ(μqi(m))または自乗距離Ｔ(μqi(m),Ｂqi(m))
を求めることも可能である。

【００６６】すなわち、例えば第１実施の形態の場合に
は、尤度演算手段１６は、図４に示すように、量子化平
均値テーブル１７から得られた量子化平均値μqi(m)を
負側に「Ｘq(m)」だけずらした値をインデックスとして２
乗関数テーブル１４を引くのである。こうすることによ
って、第１実施の形態のごとく、２乗関数テーブル１４
をコピーして自乗距離テーブル１５を作成する必要がな
く、コピーに要する時間を省くことができる。上述の方
法は、入力音響パラメータＸ(m)の量子化点数Ｑ(m)に対
して確率密度分布λの数Ｎがあまり多くなく、テーブル
引きの時間に対するテーブルコピーの時間が無視できな
程度に多い場合に、威力を発揮する。

【００６７】また、上記音響モデル３,２乗関数テーブ
ル１４,自乗距離テーブル１５,量子化平均値テーブル１
７,分散値テーブル１８,定数テーブル１９および言語辞
書５の実態は、磁気メモリや半導体メモリで実現される
上述した各情報が書き込まれたＲＡＭ(ランダム・アクセ
ス・メモリ)やＲＯＭ(リード・オンリ・メモリ)である。さ
らに、音響分析部１,量子化手段１２,コピー手段１３,
尤度演算手段１６および単語照合部４は、専用のＬＳＩ
(大規模集積回路)やＣＰＵ(中央演算処理装置)あるいは
それらの組み合わせで実現でき、上記各手段による一部
または総ての処理はハードウェアのみならずソフトウェ
ア若しくはそれらの組み合わせによって実現が可能であ
る。

【００６８】ここで、上記ソフトウェアとしての尤度演
算処理プログラムは、プログラム記録媒体に記録され
る。上記各実施の形態における上記プログラム記録媒体
は、ＲＯＭでなるプログラムメディアである。または、
外部補助記録装置に装着されて読み出されるプログラム
メディアであってもよい。尚、何れの場合においても、
上記プログラムメディアから尤度演算処理プログラムを
読み出すプログラム読み出し手段は、上記プログラムメ
ディアに直接アクセスして読み出す構成を有していても
よいし、ＲＡＭに設けられたプログラム記録エリア(図
示せず)にダウンロードし、上記プログラム記録エリア
にアクセスして読み出す構成を有していてもよい。尚、
上記プログラムメディアからＲＡＭの上記プログラム記
録エリアにダウンロードするためのダウンロードプログ
ラムは、予め本体装置に格納されているものとする。

【００６９】ここで、上記プログラムメディアとは、本
体側と分離可能に構成され、磁気テープやカセットテー
プ等のテープ系、フロッピー（登録商標）ディスク,ハ
ードディスク等の磁気ディスクやＣＤ(コンパクトディ
スク)−ＲＯＭ,ＭＯ(光磁気)ディスク,ＭＤ(ミニディス
ク),ＤＶＤ(ディジタルビデオディスク)等の光ディスク
のディスク系、ＩＣ(集積回路)カードや光カード等のカ
ード系、マスクＲＯＭ,ＥＰＲＯＭ（紫外線消去型ＲＯ
Ｍ),ＥＥＰＲＯＭ(電気的消去型ＲＯＭ),フラッシュＲ
ＯＭ等の半導体メモリ系を含めた、固定的にプログラム
を坦持する媒体である。

【００７０】また、上記各実施の形態における音声認識
装置は、インターネットを含む通信ネットワークと接続
可能な構成を有している場合には、上記プログラムメデ
ィアは、通信ネットワークからのダウンロード等によっ
て流動的にプログラムを坦持する媒体であっても差し支
えない。尚、その場合における上記通信ネットワークか
らダウンロードするためのダウンロードプログラムは、
予め本体装置に格納されているものとする。あるいは、
別の記録媒体からインストールされるものとする。

【００７１】尚、上記記録媒体に記録されるものはプロ
グラムのみに限定されるものではなく、データも記録す
ることが可能である。

【００７２】

【発明の効果】以上より明らかなように、請求項１に係
る発明の音声認識における尤度演算装置は、量子化手段
によって入力音響パラメータベクトルを各次元毎に量子
化し、コピー手段によって２乗関数テーブルの記録手段
へのコピーおよび座標移動を行って自乗距離テーブルを
作成し、尤度演算手段によって、量子化音響パラメータ
に基づいて、量子化平均値テーブル,自乗距離テーブル
および分散値テーブルを用いて、音響モデルを構成する
各確率密度分布に関する入力音響パラメータの対数尤度
を演算するので、上記座標移動を−ｘ方向へ上記量子化
音響パラメータ値分だけ行うことによって、上記量子化
平均値テーブルの要素値である量子化平均値と上記量子
化音響パラメータとが同じスケールで量子化されている
ことと併せて、上記量子化音響パラメータと量子化平均
値との自乗距離演算を、上記量子化平均値テーブルから
得られた量子化平均値をインデックスとした上記自乗距
離テーブル引きに置き換えることができる。

【００７３】すなわち、この発明によれば、上記分散値
テーブルの要素値である“分散値に関する演算値”を
「σi(m)×Ｒm/Ｑm」とするならば、上記対数尤度演算の
大部分を占める上記自乗距離の演算値と上記分散値に関
する演算値とを、テーブル引きによって得ることができ
る。したがって、上記対数尤度の演算を、小型機器用の
マイクロプロセッサでも高速に行うことができる。

【００７４】また、請求項２に係る発明の音声認識にお
ける尤度演算装置は、量子化手段によって入力音響パラ
メータベクトルを各次元毎に量子化し、尤度演算手段に
よって、量子化音響パラメータに基づいて、量子化平均
値テーブル,２乗関数テーブルおよび分散値テーブルを
用いて、音響モデルを構成する各確率密度分布に関する
入力音響パラメータの対数尤度を演算するので、上記量
子化平均値テーブルの要素値である量子化平均値と上記
量子化音響パラメータとが同じスケールで量子化されて
いるために、上記量子化音響パラメータと量子化平均値
との自乗距離演算を、量子化平均値テーブルを引いて得
られた上記量子化平均値から量子化音響パラメータの値
を減じた値をインデックスとした上記２乗関数テーブル
引きに置き換えることができる。

【００７５】すなわち、この発明によれば、請求項１に
係る発明の場合と同様に、上記対数尤度演算の大部分を
占める上記自乗距離の演算値と上記分散値に関する演算
値とを、テーブル引きによって得ることができる。した
がって、上記対数尤度の演算を、小型機器用のマイクロ
プロセッサでも高速に行うことができる。さらに、上記
尤度演算手段による上記自乗距離の演算は、上記２乗関
数テーブルを引くことによって行うので、上記２乗関数
テーブルの値を自乗距離テーブルにコピーする必要がな
い。したがって、自乗距離テーブル分のメモリ容量の節
約と上記コピーに要する時間の省略とを図ることができ
る。

【００７６】また、請求項３に係る発明の音声認識にお
ける尤度演算装置の上記２乗関数テーブルには、上記
「分散値に関する演算値」の所定量子化点数での量子化値
を係数とする２乗関数を、上記量子化点数分のテーブル
にテーブル化して格納しているので、上記分散値に関す
る演算値Ｂi(m)を(σi(m)×Ｒm/Ｑm)²とし、上記２乗関
数テーブルには演算値Ｂi(m)の量子化値Ｂqi(m)を係数
とする２乗関数「ｙ＝ｘ²/Ｂqi(m)」を表すテーブルを格
納するならば、上記対数尤度演算における上記自乗距離
の演算値と分散値に関する演算値との除算を、テーブル
引きによって得ることができる。

【００７７】すなわち、この発明によれば、上記対数尤
度の演算を更に高速に行うことができる。さらには、上
記演算値Ｂi(m)の量子化値Ｂqi(m)を所定量子化点での
量子化によって得るので、線形量子化による量化に比べ
て少ない代表点で量子化できる。したがって、上記演算
値Ｂi(m)に対する量子化時の処理量を少なくし、上記２
乗関数テーブルおよび自乗距離テーブルのメモリ容量の
増大を極力押えることができる。

【００７８】また、請求項４に係る発明の音声認識にお
ける尤度演算方法は、入力音響パラメータベクトルを各
次元毎に量子化し、上記２乗関数テーブルをコピーする
と共に上記量子化音響パラメータに基づく座標移動を行
って自乗距離テーブルを作成し、上記分散値テーブルを
引いて上記各確率密度分布の分散値に関する演算値を
得、上記量子化平均値テーブルを引いて上記音響パラメ
ータと同じスケールで量子化された量子化平均値を得、
この量子化平均値に基づいて上記自乗距離テーブルを引
いて上記量子化音響パラメータと量子化平均値との自乗
距離を得、上記得られた分散値に関する演算値および自
乗距離を用いて上記対数尤度を演算するので、請求項１
に係る発明の場合と同様に、上記自乗距離演算をテーブ
ル引きに置き換えることができる。

【００７９】したがって、この発明によれば、上記対数
尤度演算の大部分を占める上記自乗距離の演算値と上記
分散値に関する演算値とをテーブル引きによって得るこ
とができ、上記対数尤度の演算を小型機器用のマイクロ
プロセッサでも高速に行うことができる。

【００８０】また、請求項５に係る発明の音声認識にお
ける尤度演算方法は、入力音響パラメータベクトルを各
次元毎に量子化し、上記分散値テーブルを引いて上記各
確率密度分布の分散値に関する演算値を得、上記量子化
平均値テーブルを引いて音響パラメータと同じスケール
で量子化された量子化平均値を得、この量子化平均値か
ら量子化音響パラメータの値を減じた値に基づいて上記
２乗関数テーブルを引いて上記量子化音響パラメータと
量子化平均値との自乗距離を得、上記得られた分散値に
関する演算値および自乗距離を用いて上記対数尤度を演
算するので、請求項２に係る発明の場合と同様に、上記
自乗距離演算をテーブル引きに置き換えることができ
る。

【００８１】したがって、この発明によれば、上記対数
尤度演算の大部分を占める上記自乗距離の演算値と上記
分散値に関する演算値とをテーブル引きによって得るこ
とができ、上記対数尤度の演算を小型機器用のマイクロ
プロセッサでも高速に行うことができる。さらに、上記
自乗距離の演算は上記２乗関数テーブルを引くことによ
って行うので、上記２乗関数テーブルの値を自乗距離テ
ーブルにコピーする必要がない。したがって、自乗距離
テーブル分のメモリ容量の節約と上記コピーに要する時
間の省略とを図ることができる。

【００８２】また、請求項６に係る発明の音声認識にお
ける尤度演算方法は、上記２乗関数テーブルに、上記分
散値に関する演算値における所定量子化点数での量子化
値を係数とする２乗関数を上記量子化点数分のテーブル
にテーブル化して格納し、上記量子化点数分のテーブル
総てに関して上記コピー及び座標移動を行って上記自乗
距離テーブルを作成し、上記演算値の量子化値に適合す
る自乗距離テーブルを選択して引いて上記自乗距離を得
るので、請求項３に係る発明の場合と同様に、上記対数
尤度演算における上記「自乗距離の演算値」の「分散値に
関する演算値」での除算をテーブル引きに置き換えて、
上記対数尤度の演算を更に高速に行うことができる。さ
らに、上記分散値に関する演算値の量子化値を所定量子
化点での量子化によって得るので、上記演算値に対する
量子化時の処理量を少なくし、上記２乗関数テーブルお
よび自乗距離テーブルのメモリ容量の増大を極力押える
ことができる。

【００８３】また、請求項７に係る発明の音声認識にお
ける尤度演算方法は、上記２乗関数テーブルに、上記分
散値に関する演算値における所定量子化点数での量子化
値を係数とする２乗関数を上記量子化点数分のテーブル
にテーブル化して格納し、上記分散値に関する演算値の
量子化値に適合する２乗関数テーブルを選択して引いて
上記自乗距離を得るので、請求項３に係る発明の場合と
同様に、上記対数尤度演算における上記「自乗距離の演
算値」の「分散値に関する演算値」での除算をテーブル引
きに置き換えて、上記対数尤度の演算を更に高速に行う
ことができる。さらに、上記分散値に関する演算値の量
子化値を所定量子化点での量子化によって得るので、上
記演算値に対する量子化時の処理量を少なくし、上記２
乗関数テーブルおよび自乗距離テーブルのメモリ容量の
増大を極力押えることができる。

【００８４】また、請求項８に係る発明の音声認識にお
ける尤度演算方法は、上記音響パラメータベクトルを各
次元毎に量子化点数を変えて量子化するので、上記２乗
関数テーブルのサイズを各次元における量子化点数の最
大値にすれば、上記２乗関数テーブルおよび自乗距離テ
ーブルの容量を必要最小限に押さえることができる。

【００８５】また、請求項９に係る発明のプログラム記
録媒体は、コンピュータを、入力された音響パラメータ
ベクトルを各次元毎に量子化する量子化手段と、上記２
乗関数テーブルの記録手段へのコピーおよび座標移動を
行って自乗距離テーブルを作成するコピー手段と、上記
各次元毎に量子化された音響パラメータに基づいて上記
量子化平均値テーブル,自乗距離テーブルおよび分散値
テーブルを用いて上記対数尤度を演算する尤度演算手段
として機能させる尤度演算処理プログラムが記録されて
いるので、請求項１あるいは請求項４に係る発明の場合
と同様に、上記対数尤度演算の大部分を占める上記自乗
距離の演算値と上記分散値に関する演算値とをテーブル
引きによって得ることができ、上記対数尤度の演算を小
型機器用のマイクロプロセッサでも高速に行うことがで
きる。

【００８６】また、請求項１０に係る発明のプログラム
記録媒体は、コンピュータを、入力された音響パラメー
タベクトルを各次元毎に量子化する量子化手段と、上記
各次元毎に量子化された音響パラメータに基づいて上記
量子化平均値テーブル,２乗関数テーブルおよび分散値
テーブルを用いて上記対数尤度を演算する尤度演算手段
として機能させる尤度演算処理プログラムが記録されて
いるので、請求項２あるいは請求項５に係る発明の場合
と同様に、上記対数尤度演算の大部分を占める上記自乗
距離の演算値と上記分散値に関する演算値とをテーブル
引きによって得ることができ、上記対数尤度の演算を小
型機器用のマイクロプロセッサでも高速に行うことがで
きる。さらに、上記２乗関数テーブルの値を自乗距離テ
ーブルにコピーする必要がなく、自乗距離テーブル分の
メモリ容量の節約と上記コピーに要する時間の省略とを
図ることができる。

【図面の簡単な説明】

【図１】 この発明の音声認識における尤度演算装置が
搭載された音声認識装置のブロック図である。

【図２】 図１における尤度演算部の詳細なブロック図
である。

【図３】 図１における２乗関数テーブルおよび自乗距
離テーブルの内容例を示す図である。

【図４】 ２乗関数テーブルをコピーすることなく自乗
距離を求める場合の説明図である。

【符号の説明】

１…音響分析部、 ２…尤度演算部、３…音響モデル、
４…単語照合部、５…言語辞書、
１２…量子化手段、１３…コピー
手段、 １４…２乗関数テーブル、１
５…自乗距離テーブル、 １６…尤度演算手
段、１７…量子化平均値テーブル、 １８…分散
値テーブル、１９…定数テーブル。

Claims (10)

【特許請求の範囲】
1. 【請求項１】 入力音声から抽出された音響パラメータ
   ベクトルが入力される音響パラメータ入力手段と、 上記音響パラメータベクトルを各次元毎に量子化する量
   子化手段と、 ２乗関数がテーブル化されて格納された２乗関数テーブ
   ルと、 音響モデルを構成する各確率密度分布の分散値に関する
   演算値がテーブル化されて格納された分散値テーブル
   と、 各次元毎に上記音響パラメータと同じスケールで量子化
   された上記各確率密度分布の平均値が、テーブル化され
   て格納された量子化平均値テーブルと、 記録手段と、 上記２乗関数テーブルのデータを上記記録手段にコピー
   すると共に、上記コピーしたデータに対して座標移動を
   行って自乗距離テーブルを作成するコピー手段と、 上記各次元毎に量子化された音響パラメータに基づい
   て、上記量子化平均値テーブル,自乗距離テーブルおよ
   び分散値テーブルを用いて入力音響パラメータの上記各
   確率密度分布に関する対数尤度を演算する尤度演算手段
   を備えたことを特徴とする音声認識における尤度演算装
   置。
2. 【請求項２】 入力音声から抽出された音響パラメータ
   ベクトルが入力される音響パラメータ入力手段と、 上記音響パラメータベクトルを各次元毎に量子化する量
   子化手段と、 ２乗関数がテーブル化されて格納された２乗関数テーブ
   ルと、 音響モデルを構成する各確率密度分布の分散値に関する
   演算値がテーブル化されて格納された分散値テーブル
   と、 各次元毎に上記音響パラメータと同じスケールで量子化
   された上記各確率密度分布の平均値が、テーブル化され
   て格納された量子化平均値テーブルと、 上記各次元毎に量子化された音響パラメータに基づい
   て、上記量子化平均値テーブル,２乗関数テーブルおよ
   び分散値テーブルを用いて入力音響パラメータの上記各
   確率密度分布に関する対数尤度を演算する尤度演算手段
   を備えたことを特徴とする音声認識における尤度演算装
   置。
3. 【請求項３】 請求項１あるいは請求項２に記載の音声
   認識における尤度演算装置において、 上記２乗関数テーブルには、上記分散値に関する演算値
   の所定量子化点数での量子化値を係数とする２乗関数
   を、上記量子化点数分のテーブルにテーブル化して格納
   されていることを特徴とする音声認識における尤度演算
   装置。
4. 【請求項４】 入力された音響パラメータベクトルを各
   次元毎に量子化するステップと、 ２乗関数がテーブル化された２乗関数テーブルのデータ
   をコピーすると共に、上記コピーしたデータに対して上
   記量子化音響パラメータに基づく座標移動を行って自乗
   距離テーブルを作成するステップと、 音響モデルを構成する各確率密度分布の分散値に関する
   演算値がテーブル化された分散値テーブルを引いて、上
   記分散値に関する演算値を得るステップと、 各次元毎に上記音響パラメータと同じスケールで量子化
   された上記各確率密度分布の平均値がテーブル化された
   量子化平均値テーブルを引いて、上記量子化平均値を得
   るステップと、 上記量子化平均値に基づいて上記自乗距離テーブルを引
   いて、上記量子化音響パラメータと量子化平均値との自
   乗距離を得るステップと、 上記得られた分散値に関する演算値および自乗距離を用
   いて、入力音響パラメータの上記各確率密度分布に関す
   る対数尤度を演算するステップを備えたことを特徴とす
   る音声認識における尤度演算方法。
5. 【請求項５】 入力された音響パラメータベクトルを各
   次元毎に量子化するステップと、 音響モデルを構成する各確率密度分布の分散値に関する
   演算値がテーブル化された分散値テーブルを引いて、上
   記分散値に関する演算値を得るステップと、 各次元毎に上記音響パラメータと同じスケールで量子化
   された上記各確率密度分布の平均値がテーブル化された
   量子化平均値テーブルを引いて、上記量子化平均値を得
   るステップと、 上記量子化平均値から量子化音響パラメータの値を減じ
   た値に基づいて、２乗関数がテーブル化された２乗関数
   テーブルを引いて、量子化音響パラメータと量子化平均
   値との自乗距離を得るステップと、 上記得られた分散値に関する演算値および自乗距離を用
   いて、入力音響パラメータの上記各確率密度分布に関す
   る対数尤度を演算するステップを備えたことを特徴とす
   る音声認識における尤度演算方法。
6. 【請求項６】 請求項４に記載の音声認識における尤度
   演算方法において、 上記２乗関数テーブルには、上記分散値に関する演算値
   における所定量子化点数での量子化値を係数とする２乗
   関数を、上記量子化点数分のテーブルにテーブル化して
   格納されており、 上記自乗距離テーブルを作成するステップでは、上記演
   算値の量子化点数分の各テーブル毎に上記コピーおよび
   座標移動を行い、 上記自乗距離を得るステップでは、上記自乗距離テーブ
   ルから上記演算値の量子化値に適合する自乗距離テーブ
   ルを選択して引き、 上記対数尤度を演算するステップでは、上記得られた自
   乗距離を用いて上記対数尤度を演算することを特徴とす
   る音声認識における尤度演算方法。
7. 【請求項７】 請求項５に記載の音声認識における尤度
   演算方法において、 上記２乗関数テーブルには、上記分散値に関する演算値
   における所定量子化点数での量子化値を係数とする２乗
   関数を、上記量子化点数分のテーブルにテーブル化して
   格納されており、 上記自乗距離を得るステップでは、上記２乗関数テーブ
   ルから上記分散値に関する演算値の量子化値に適合する
   ２乗関数テーブルを選択して引き、 上記対数尤度を演算するステップでは、上記得られた自
   乗距離を用いて上記対数尤度を演算することを特徴とす
   る音声認識における尤度演算方法。
8. 【請求項８】 請求項４乃至請求項７の何れか一つに記
   載の音声認識における尤度演算方法において、 上記音響パラメータベクトルを各次元毎に量子化するス
   テップでは、各次元毎に量子化点数を変えて量子化する
   ことを特徴とする音声認識における尤度演算方法。
9. 【請求項９】 コンピュータを、 入力された音響パラメータベクトルを各次元毎に量子化
   する量子化手段と、 上記２乗関数テーブルのデータを記録手段にコピーする
   と共に、上記コピーしたデータに対して座標移動を行っ
   て自乗距離テーブルを作成するコピー手段と、 上記各次元毎に量子化された音響パラメータに基づい
   て、上記量子化平均値テーブル,自乗距離テーブルおよ
   び分散値テーブルを用いて入力音響パラメータの上記各
   確率密度分布に関する対数尤度を演算する尤度演算手段
   として機能させる尤度演算処理プログラムが記録された
   ことを特徴とするコンピュータ読出し可能なプログラム
   記録媒体。
10. 【請求項１０】 コンピュータを、 入力された音響パラメータベクトルを各次元毎に量子化
    する量子化手段と、 上記各次元毎に量子化された音響パラメータに基づい
    て、上記量子化平均値テーブル,２乗関数テーブルおよ
    び分散値テーブルを用いて入力音響パラメータの上記各
    確率密度分布に関する対数尤度を演算する尤度演算手段
    として機能させる尤度演算処理プログラムが記録された
    ことを特徴とするコンピュータ読出し可能なプログラム
    記録媒体。