JP2559506B2 - 話者照合システム - Google Patents
話者照合システムInfo
- Publication number
- JP2559506B2 JP2559506B2 JP1316072A JP31607289A JP2559506B2 JP 2559506 B2 JP2559506 B2 JP 2559506B2 JP 1316072 A JP1316072 A JP 1316072A JP 31607289 A JP31607289 A JP 31607289A JP 2559506 B2 JP2559506 B2 JP 2559506B2
- Authority
- JP
- Japan
- Prior art keywords
- speaker
- neural network
- output
- voice
- registered
- 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.)
- Expired - Lifetime
Links
Description
【発明の詳細な説明】 ［産業上の利用分野］ 本発明は話者照合システムに関する。
［従来の技術］ 本出願人は、ニューラルネットワークを用いた話者照
合システムを提案している（音響講論２−６−４、PP.5
3−54、1989.3）。即ち、この話者照合システムにあっ
ては、話者の音声が入力される入力ユニットを備えると
ともに、各登録話者に対応する各出力ユニットを備えて
構成されるニューラルネットワークを用いることとして
いる。
合システムを提案している（音響講論２−６−４、PP.5
3−54、1989.3）。即ち、この話者照合システムにあっ
ては、話者の音声が入力される入力ユニットを備えると
ともに、各登録話者に対応する各出力ユニットを備えて
構成されるニューラルネットワークを用いることとして
いる。
この時、登録話者の音声に対しては対応する出力ユニ
ットの出力値が１、その他の出力ユニットの出力値が０
となり、非登録話者の音声に対してはすべての出力ユニ
ットの出力値が０となるように、ニューラルネットワー
クの重みと変換関数を学習する。
ットの出力値が１、その他の出力ユニットの出力値が０
となり、非登録話者の音声に対してはすべての出力ユニ
ットの出力値が０となるように、ニューラルネットワー
クの重みと変換関数を学習する。
そして、学習済みのニューラルネットワークに音声パ
ターンを入力し、その出力パターン（各出力ユニットの
出力値の組）をしきい値θと比較し、今回話者が登録話
者か否かを判定する。例えば、１つの出力ユニットの出
力値がθ以上であり、その他の出力ユニットの出力値が
（１−θ）以下であれば登録話者、それ以外の場合には
非登録話者と判定するものである。
ターンを入力し、その出力パターン（各出力ユニットの
出力値の組）をしきい値θと比較し、今回話者が登録話
者か否かを判定する。例えば、１つの出力ユニットの出
力値がθ以上であり、その他の出力ユニットの出力値が
（１−θ）以下であれば登録話者、それ以外の場合には
非登録話者と判定するものである。
［発明が解決しようとする課題］ 然しながら、従来技術にあっては、例えば話者Ａの発
声が不安定で、今回話者がＡであるにもかかわらず、Ａ
に対応する出力ユニットの出力値がしきい値θより小さ
く、誤照合する場合がある。
声が不安定で、今回話者がＡであるにもかかわらず、Ａ
に対応する出力ユニットの出力値がしきい値θより小さ
く、誤照合する場合がある。
これは、登録話者に共通のしきい値θが話者Ａに対し
ては大きすぎるためである。
ては大きすぎるためである。
本発明は、ニューラルネットワークを用いる話者照合
システムにおいて、照合率を向上することを目的とす
る。
システムにおいて、照合率を向上することを目的とす
る。
［課題を解決するための手段］ 請求項１に記載の本発明は、話者照合システムにおい
て、話者の音声が入力される入力ユニットを備えるとと
もに、各登録話者に対応する各出力ユニットを備えて構
成される照合ニューラルネットワークと、照合ニューラ
ルネットワークの出力が入力されるように該照合ニュー
ラルネットワークの各出力ユニットに対応する各入力ユ
ニットを備えるとともに、今回の話者が登録話者群と非
登録話者群のいずれに属するかの判定用出力値を出力す
る出力ユニットを備えて構成される判定ニューラルネッ
トワークとを有してなるようにしたものである。
て、話者の音声が入力される入力ユニットを備えるとと
もに、各登録話者に対応する各出力ユニットを備えて構
成される照合ニューラルネットワークと、照合ニューラ
ルネットワークの出力が入力されるように該照合ニュー
ラルネットワークの各出力ユニットに対応する各入力ユ
ニットを備えるとともに、今回の話者が登録話者群と非
登録話者群のいずれに属するかの判定用出力値を出力す
る出力ユニットを備えて構成される判定ニューラルネッ
トワークとを有してなるようにしたものである。
請求項２に記載の本発明は、前記判定ニューラルネッ
トワークが、登録話者群と非登録話者群のそれぞれに対
応する２つの出力ユニットを備え、それら両出力のいず
れの出力値がより大きいかにより、今回話者が登録話者
か非登録話者かを判定可能とするようにしたものであ
る。
トワークが、登録話者群と非登録話者群のそれぞれに対
応する２つの出力ユニットを備え、それら両出力のいず
れの出力値がより大きいかにより、今回話者が登録話者
か非登録話者かを判定可能とするようにしたものであ
る。
請求項３に記載の本発明は、前記ニューラルネットワ
ークへの入力として、 音声の周波数特性の時間的変化、 音声の平均的な線形予測係数、 音声の平均的なPARCOR係数、 音声の平均的な周波数特性、及びピッチ周波数、 高域強調を施された音声波形の平均的な周波数特性、
並びに 音声の平均的な周波数特性 のうちの１つ以上を使用するようにしたものである。
ークへの入力として、 音声の周波数特性の時間的変化、 音声の平均的な線形予測係数、 音声の平均的なPARCOR係数、 音声の平均的な周波数特性、及びピッチ周波数、 高域強調を施された音声波形の平均的な周波数特性、
並びに 音声の平均的な周波数特性 のうちの１つ以上を使用するようにしたものである。
［作用］ 請求項１、２に記載の本発明によれば、下記の作用
効果がある。
効果がある。
判定ニューラルネットワークが話者間の出力パターン
の差異（例えば話者Ａの出力パターンの変動が他の話者
に比して大きい等）を反映した構造になるため、照合率
が向上する。
の差異（例えば話者Ａの出力パターンの変動が他の話者
に比して大きい等）を反映した構造になるため、照合率
が向上する。
請求項３に記載の本発明によれば、下記の作用があ
る。
る。
照合ニューラルネットワークへの入力として、請求項
３に記載の〜の各要素のうちの１つ以上を用いるか
ら、入力を得るための前処理が単純となり、この前処理
に要する時間が短くて足りるため、話者照合システムを
複雑な処理装置によることなく容易に実時間処理でき
る。
３に記載の〜の各要素のうちの１つ以上を用いるか
ら、入力を得るための前処理が単純となり、この前処理
に要する時間が短くて足りるため、話者照合システムを
複雑な処理装置によることなく容易に実時間処理でき
る。
［実施例］ 第１図は本発明の話者照合システムの一例を示す模式
図、第２図は前処理部の一例を示す模式図、第３図は入
力音声を示す模式図、第４図はバンドパスフィルタの出
力を示す模式図、第５図はニューラルネットワークを示
す模式図、第６図は階層的なニューラルネットワークを
示す模式図、第７図はユニットの構造を示す模式図であ
る。
図、第２図は前処理部の一例を示す模式図、第３図は入
力音声を示す模式図、第４図はバンドパスフィルタの出
力を示す模式図、第５図はニューラルネットワークを示
す模式図、第６図は階層的なニューラルネットワークを
示す模式図、第７図はユニットの構造を示す模式図であ
る。
本発明の具体的実施例の説明に先立ち、ニューラルネ
ットワークの構成、学習アルゴリズムについて説明す
る。
ットワークの構成、学習アルゴリズムについて説明す
る。
（１）ニューラルネットワークは、その構造から、第５
図（Ａ）に示す階層的ネットワークと第５図（Ｂ）に示
す相互結合ネットワークの２種に大別できる。本発明
は、両ネットワークのいずれを用いて構成するものであ
っても良いが、階層的ネットワークは後述する如くの簡
単な学習アルゴリズムが確率されているためより有用で
ある。
図（Ａ）に示す階層的ネットワークと第５図（Ｂ）に示
す相互結合ネットワークの２種に大別できる。本発明
は、両ネットワークのいずれを用いて構成するものであ
っても良いが、階層的ネットワークは後述する如くの簡
単な学習アルゴリズムが確率されているためより有用で
ある。
（２）ネットワークの構造 階層的ネットワークは、第６図に示す如く、入力層、
中間層、出力層からなる階層構造をとる。各層は１以上
のユニットから構成される。結合は、入力層→中間層→
出力層という前向きの結合だけで、各層内での結合はな
い。
中間層、出力層からなる階層構造をとる。各層は１以上
のユニットから構成される。結合は、入力層→中間層→
出力層という前向きの結合だけで、各層内での結合はな
い。
（３）ユニットの構造 ユニットは第７図に示す如く脳のニューロンのモデル
化であり構造は簡単である。他のユニットから入力を受
け、その総和をとり一定の規則（変換関数）で変換し、
結果を出力する。他のユニットとの結合には、それぞれ
結合の強さを表わす可変の重みを付ける。
化であり構造は簡単である。他のユニットから入力を受
け、その総和をとり一定の規則（変換関数）で変換し、
結果を出力する。他のユニットとの結合には、それぞれ
結合の強さを表わす可変の重みを付ける。
（４）学習（バックプロパゲーション） ネットワークの学習とは、実際の出力を目標値（望ま
しい出力）に近づけることであり、一般的には第７図に
示した各ユニットの変換関数及び重みを変化させて学習
を行なう。
しい出力）に近づけることであり、一般的には第７図に
示した各ユニットの変換関数及び重みを変化させて学習
を行なう。
又、学習のアルゴリズムとしては、例えば、Rumelhar
t,D.E.,McClelland,J.L.and the PDP Research Group,P
ARALLEL DISTRIBUTED PROCESSING,the MIT Press,1986.
に記載されているバックプロパゲーションを用いること
ができる。
t,D.E.,McClelland,J.L.and the PDP Research Group,P
ARALLEL DISTRIBUTED PROCESSING,the MIT Press,1986.
に記載されているバックプロパゲーションを用いること
ができる。
以下、本発明の実施例について説明する。
本発明の話者照合システム１は、第１図に示す如く、
音声入力部10、前処理部20、照合ニュートラルネットワ
ーク30、判定ニューラルネットワーク40の結合からな
る。
音声入力部10、前処理部20、照合ニュートラルネットワ
ーク30、判定ニューラルネットワーク40の結合からな
る。
（１）前処理部 前処理部20は、入力音声に簡単な前処理を施し、照合
ニューラルネットワーク30の入力を得る。
ニューラルネットワーク30の入力を得る。
尚、本発明の実施においては、ニューラルネットワー
クへの入力として、 音声の周波数特性の時間的変化、 音声の平均的な線形予測係数、 音声の平均的なPARCOR係数、 音声の平均的な周波数特性、及びピッチ周波数、 高域強調を施された音声波形の平均的な周波数特性、
並びに 音声の平均的な周波数特性 のうちの１つ以上を使用できる。
クへの入力として、 音声の周波数特性の時間的変化、 音声の平均的な線形予測係数、 音声の平均的なPARCOR係数、 音声の平均的な周波数特性、及びピッチ周波数、 高域強調を施された音声波形の平均的な周波数特性、
並びに 音声の平均的な周波数特性 のうちの１つ以上を使用できる。
そして、上記の要素は「音声の一定時間内における
平均的な周波数特性の時間的変化」、上記の要素は
「音声の一定時間内における平均的な線形予測係数の時
間的変化」、上記の要素は「音声の一定時間内におけ
る平均的なPARCOR係数の時間的変化」、上記の要素は
「音声の一定時間内における平均的な周波数特性、及び
ピッチ周波数はの時間的変化」、上記の要素は、「高
域強調を施された音声波形の一定時間内における平均的
な周波数特性の時間的変化」として用いることができ
る。
平均的な周波数特性の時間的変化」、上記の要素は
「音声の一定時間内における平均的な線形予測係数の時
間的変化」、上記の要素は「音声の一定時間内におけ
る平均的なPARCOR係数の時間的変化」、上記の要素は
「音声の一定時間内における平均的な周波数特性、及び
ピッチ周波数はの時間的変化」、上記の要素は、「高
域強調を施された音声波形の一定時間内における平均的
な周波数特性の時間的変化」として用いることができ
る。
尚、上記の線形予測係数は、以下の如く定義され
る。
る。
即ち、音声波形のサンプル値｛χｎ｝の間には、一般
に高い近接相関があることが知られている。そこで次の
ような線形予測が可能であると仮定する。
に高い近接相関があることが知られている。そこで次の
ような線形予測が可能であると仮定する。
線形予測誤差 εｔ＝χｔ−ｔ… （２） ここで、χｔ：時刻ｔにおける音声波形のサンプル
値、｛ａｉ｝ｉ＝1,…,p）：（ｐ次の）線形予測係数 さて、本発明の実施においては、線形予測誤差εｔの
２乗平均値が最小となるように線形予測係数｛ａｉ｝を
求める。
値、｛ａｉ｝ｉ＝1,…,p）：（ｐ次の）線形予測係数 さて、本発明の実施においては、線形予測誤差εｔの
２乗平均値が最小となるように線形予測係数｛ａｉ｝を
求める。
具体的には（εｔ）２を求め、その時間平均を▲
▼２と表わして、∂▲▼２／∂αｉ＝0,i
＝1,2,…,pとおくことによって、次の式から｛αｉ｝が
求められる。
▼２と表わして、∂▲▼２／∂αｉ＝0,i
＝1,2,…,pとおくことによって、次の式から｛αｉ｝が
求められる。
又、上記のPARCOR係数は以下の如く定義される。
即ち、［Kn］（ｎ＝1,…,p）を（ｐ次の）PARCOR係数
（偏自己相関係数）とする時、PARCOR係数Kn+1は、線形
予測による前向き残差εｔ (f)と後向き残差εt-(n+1)
(b)間の正規化相関係数として、次の式によって定義さ
れる。
（偏自己相関係数）とする時、PARCOR係数Kn+1は、線形
予測による前向き残差εｔ (f)と後向き残差εt-(n+1)
(b)間の正規化相関係数として、次の式によって定義さ
れる。
｛αｉ｝：前向き予測係数、 ｛βｊ｝：後向き予測係数 又、上記の音声のピッチ周波数とは、声帯波の繰り
返し周期（ピッチ周期）の逆数である。尚、ニューラル
ネットワークへの入力として、個人差がある声帯の基本
的なパラメータであるピッチ周波数を付加したから、特
に大人／小人、男性／女性間の話者の認識率を向上する
ことができる。
返し周期（ピッチ周期）の逆数である。尚、ニューラル
ネットワークへの入力として、個人差がある声帯の基本
的なパラメータであるピッチ周波数を付加したから、特
に大人／小人、男性／女性間の話者の認識率を向上する
ことができる。
又、上記の高域強調とは、音声波形のスペクトルの
平均的な傾きを補償して、低域にエネルギが集中するこ
とを防止することである。然るに、音声波形のスペクト
ルの平均的な傾きは話者に共通のものであり、話者の認
識には無関係である。ところが、このスペクトルの平均
的な傾きが補償されていない音声波形をそのままニュー
ラルネットワークへ入力する場合には、ニューラルネッ
トワークが学習する時にスペトクルの平均的とな傾きの
特徴の方を抽出してしまい、話者の認識に必要なスペク
トルの山と谷を抽出するのに時間がかかる。これに対
し、ニューラルネットワークへの入力を高域強調する場
合には、話者に共通で、認識には無関係でありながら、
学習に影響を及ぼすスペクトルの平均的な傾きを補償で
きるため、学習速度が速くなるのである。
平均的な傾きを補償して、低域にエネルギが集中するこ
とを防止することである。然るに、音声波形のスペクト
ルの平均的な傾きは話者に共通のものであり、話者の認
識には無関係である。ところが、このスペクトルの平均
的な傾きが補償されていない音声波形をそのままニュー
ラルネットワークへ入力する場合には、ニューラルネッ
トワークが学習する時にスペトクルの平均的とな傾きの
特徴の方を抽出してしまい、話者の認識に必要なスペク
トルの山と谷を抽出するのに時間がかかる。これに対
し、ニューラルネットワークへの入力を高域強調する場
合には、話者に共通で、認識には無関係でありながら、
学習に影響を及ぼすスペクトルの平均的な傾きを補償で
きるため、学習速度が速くなるのである。
（２）照合ニューラルネットワーク 構造 階層的なニューラルネットワークからなる。
入力ユニットには音声入力部10から話者の音声が入力
される。
される。
出力ユニットは各登録話者に対応して設けられる。
学習 目標値は、登録話者については対応する出力ユニッ
トの出力値を１、その他の出力値を０とし、非登録話
者については、全出力ユニットの出力値を０とする。
トの出力値を１、その他の出力値を０とし、非登録話
者については、全出力ユニットの出力値を０とする。
（ａ）登録話者の音声に前処理部20による前記処理を施
し、照合ニューラルネットワーク30に入力する。目標値
に近づくように照合ニューラルネットワーク30の重みと
変換関数を修正する。
し、照合ニューラルネットワーク30に入力する。目標値
に近づくように照合ニューラルネットワーク30の重みと
変換関数を修正する。
（ｂ）非登録話者の音声に前処理部20による前処理を施
し、照合ニューラルネットワーク30に入力する。目標値
に近づくように照合ニューラルネットワーク30の重みと
変換関数を修正する。
し、照合ニューラルネットワーク30に入力する。目標値
に近づくように照合ニューラルネットワーク30の重みと
変換関数を修正する。
（ａ），（ｂ）を目標値と出力ユニットの出力値の誤
差が、十分に小さな値（例えば、１×10-4）になるまで
繰り返す。
差が、十分に小さな値（例えば、１×10-4）になるまで
繰り返す。
（３）判定ニューラルネットワーク 構造 階層的なニューラルネットワークからなり、入力ユニ
ットは、照合ニューラルネットワーク30の出力が入力さ
れ得るように、該照合ニューラルネットワーク30の各出
力ユニットに対応する数だけ設けられる。
ットは、照合ニューラルネットワーク30の出力が入力さ
れ得るように、該照合ニューラルネットワーク30の各出
力ユニットに対応する数だけ設けられる。
出力ユニットは、登録話者群と非登録話者群のそれぞ
れに対応するように２つ設けられ、それら両出力ユニッ
トのいずれの出力値がより大きいかにより、今回話者が
登録話者か非登録話者かを判定可能とする。
れに対応するように２つ設けられ、それら両出力ユニッ
トのいずれの出力値がより大きいかにより、今回話者が
登録話者か非登録話者かを判定可能とする。
学習 目標値は、登録話者については（1,0）、非登録
話者については（0,1）とする。
話者については（0,1）とする。
（ａ）登録話者の音声に対する照合ニューラルネット
ワーク30の出力パターンを判定ニューラルネットワーク
40に入力する。目標値に近づくように判定ニューラルネ
ットワーク40の重みと変換関数を修正する。
ワーク30の出力パターンを判定ニューラルネットワーク
40に入力する。目標値に近づくように判定ニューラルネ
ットワーク40の重みと変換関数を修正する。
（ｂ）非登録話者の音声に対する照合ニューラルネッ
トワーク30の出力パターンを判定ニューラルネットワー
ク40に入力する。目標値に近づくように判定ニューラル
ネットワーク40の重みと変換関数を修正する。
トワーク30の出力パターンを判定ニューラルネットワー
ク40に入力する。目標値に近づくように判定ニューラル
ネットワーク40の重みと変換関数を修正する。
（ａ）、（ｂ）を目標値と出力ユニットの出力値の誤
差が、十分に小さな値（例えば、１×10-4）になるまで
繰り返す。
差が、十分に小さな値（例えば、１×10-4）になるまで
繰り返す。
学習終了後の評価 登録話者及び非登録話者の学習に使ったものと同じ単
語を発声してもらい評価した。
語を発声してもらい評価した。
判定ニューラルネットワーク40の２つの出力ユニット
のどちらの値が大きいかにより、登録話者かどうかを判
定する。
のどちらの値が大きいかにより、登録話者かどうかを判
定する。
以下、上記話者照合システム１の具体的実施結果につ
いて説明する。
いて説明する。
A.音声試料 音声入力部10に入力する音声を「tadaima」とする。
照合ニューラルネットワーク学習用、判定ニューラル
ネットワーク学習用、評価用としてそれぞれ供した登録
話者数、非登録話者数、各話者のサンプル数（発声回
数）は表１の通りとした。
ネットワーク学習用、評価用としてそれぞれ供した登録
話者数、非登録話者数、各話者のサンプル数（発声回
数）は表１の通りとした。
B.前処理 前処理部20として、第２図に示す如くの、ローパスフ
ィルタ21、バンドパスフィルタ22、平均化回路23の結合
からなるものを用いた。
ィルタ21、バンドパスフィルタ22、平均化回路23の結合
からなるものを用いた。
入力音声の音声信号の高域の雑音成分を、ローパスフ
ィルタ21にカットする。そして、この入力音声を第３図
に示す如く、４つのブロックに時間的に等分割する。
ィルタ21にカットする。そして、この入力音声を第３図
に示す如く、４つのブロックに時間的に等分割する。
音声波形を、第２図に示す如く、複数（ｎ個）チャン
ネルのバンドパスフィルタ22に通し、各ブロック即ち各
一定時間毎に第４図（Ａ）〜（Ｄ）のそれぞれに示す如
くの周波数特性を得る。
ネルのバンドパスフィルタ22に通し、各ブロック即ち各
一定時間毎に第４図（Ａ）〜（Ｄ）のそれぞれに示す如
くの周波数特性を得る。
この時、バンドパスフィルタ22の出力信号は、平均化
回路23にて、各ブロック毎、即ち一定時間で平均化され
る。
回路23にて、各ブロック毎、即ち一定時間で平均化され
る。
以上の前処理により、「音声の一定時間内における平
均的な周波数特性の時間的変化」が得られる。
均的な周波数特性の時間的変化」が得られる。
尚、バンドパスフィルタ22の作動条件は表２の通りと
した。
した。
C.照合ニューラルネットワーク ３層パーセプトロン型とした。
入力ユニット数は前処理の４ブロック、16チャンネル
に対応する64とした。
に対応する64とした。
中間ユニット数は30とした。出力ユニット数は登録話
者５名に対応する５とした。
者５名に対応する５とした。
学習はバックプロパゲーションにより行なった。
D.判定ニューラルネットワーク ３層パーセプトロン型とした。
入力ユニット数は照合ニューラルネットワーク30の出
力ユニットに対応する５とした。
力ユニットに対応する５とした。
中間ユニット数は５とした。
出力ユニット数は登録話者群と、非登録話者群のそれ
ぞれに対応する２とした。
ぞれに対応する２とした。
学習はバックプロパゲーションにより行なった。
E.実験結果 照合ニューラルネットワークのみによる登録話者の照
合率は、93.1％であった。
合率は、93.1％であった。
これに対し、本発明の如く、照合ニューラルネットワ
ークと判定ニューラルネットワークとを用いた際の、登
録話者の照合率は96.6％であった。
ークと判定ニューラルネットワークとを用いた際の、登
録話者の照合率は96.6％であった。
［発明の効果］ 以上のように、本発明によれば、ニューラルネットワ
ークを用いる話者照合システムにおいて、照合率を向上
することができる。
ークを用いる話者照合システムにおいて、照合率を向上
することができる。
【図面の簡単な説明】 第１図は本発明の話者照合システムの一例を示す模式
図、第２図は前処理部の一例を示す模式図、第３図は入
力音声を示す模式図、第４図はバンドパスフィルタの出
力を示す模式図、第５図はニューラルネットワークを示
す模式図、第６図は階層的なニューラルネットワークを
示す模式図、第７図はユニットの構造を示す模式図であ
る。 10…音声入力部、20…前処理部、30…照合ニューラルネ
ットワーク、40…判定ニューラルネットワーク。
図、第２図は前処理部の一例を示す模式図、第３図は入
力音声を示す模式図、第４図はバンドパスフィルタの出
力を示す模式図、第５図はニューラルネットワークを示
す模式図、第６図は階層的なニューラルネットワークを
示す模式図、第７図はユニットの構造を示す模式図であ
る。 10…音声入力部、20…前処理部、30…照合ニューラルネ
ットワーク、40…判定ニューラルネットワーク。
Claims (3)
- 【請求項１】話者の音声が入力される入力ユニットを備
えるとともに、各登録話者に対応する各出力ユニットを
備えて構成される照合ニューラルネットワークと、照合
ニューラルネットワークの出力が入力されるように該照
合ニューラルネットワークの各出力ユニットに対応する
各入力ユニットを備えるとともに、今回の話者が登録話
者群と非登録話者群のいずれに属するかの判定用出力値
を出力する出力ユニットを備えて構成される判定ニュー
ラルネットワークとを有してなる話者照合システム。 - 【請求項２】前記判定ニューラルネットワークが、登録
話者群と非登録話者群のそれぞれに対応する２つの出力
ユニットを備え、それら両出力のいずれの出力値がより
大きいかにより、今回の話者が登録話者か非登録話者か
を判定可能とする請求項１記載の話者照合システム。 - 【請求項３】前記照合ニューラルネットワークへの入力
として、 音声の周波数特性の時間的変化、 音声の平均的な線形予測係数、 音声の平均的なPARCOR係数、 音声の平均的な周波数特性、及びピッチ周波数、 高域強調を施された音声波形の平均的な周波数特性、
並びに 音声の平均的な周波数特性 のうちの１つ以上を使用する請求項１又は２記載の話者
照合システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1316072A JP2559506B2 (ja) | 1989-12-04 | 1989-12-04 | 話者照合システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1316072A JP2559506B2 (ja) | 1989-12-04 | 1989-12-04 | 話者照合システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH03175498A JPH03175498A (ja) | 1991-07-30 |
| JP2559506B2 true JP2559506B2 (ja) | 1996-12-04 |
Family
ID=18072951
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1316072A Expired - Lifetime JP2559506B2 (ja) | 1989-12-04 | 1989-12-04 | 話者照合システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2559506B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9230550B2 (en) * | 2013-01-10 | 2016-01-05 | Sensory, Incorporated | Speaker verification and identification using artificial neural network-based sub-phonetic unit discrimination |
-
1989
- 1989-12-04 JP JP1316072A patent/JP2559506B2/ja not_active Expired - Lifetime
Non-Patent Citations (1)
| Title |
|---|
| テレビジョン学会技術報告（平成元年６月）Ｖｏｌ．１３，Ｎｏ．３３，Ｐ．１９〜２４ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH03175498A (ja) | 1991-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5461697A (en) | Speaker recognition system using neural network | |
| US5594834A (en) | Method and system for recognizing a boundary between sounds in continuous speech | |
| KR100306848B1 (ko) | 신경회로망을 이용한 선택적 주의집중 방법 | |
| CN113221673A (zh) | 基于多尺度特征聚集的说话人认证方法及系统 | |
| AU685626B2 (en) | Speech-recognition system utilizing neural networks and method of using same | |
| CN108538301B (zh) | 一种基于神经网络音频技术的智能数码乐器 | |
| JP2559506B2 (ja) | 話者照合システム | |
| JP2510301B2 (ja) | 話者認識システム | |
| JP2518940B2 (ja) | 話者照合システム | |
| JP2518939B2 (ja) | 話者照合システム | |
| Bharath et al. | Development of robust VAD schemes for Voice Operated Switch application in aircrafts: Comparison of real-time VAD schemes which are based on Linear Energy-based Detector, Fuzzy Logic and Artificial Neural Networks | |
| EP0369485B1 (en) | Speaker recognition system | |
| JP2543603B2 (ja) | 単語認識システム | |
| KR950013117B1 (ko) | 시간 지연 신경 회로망을 이용한 한국어 고립 단어 인식 시스템 | |
| JPH05143094A (ja) | 話者認識システム | |
| JPH03111898A (ja) | 音声検出方式 | |
| JPH04294445A (ja) | パターン認識方式 | |
| Hoya et al. | Speech extraction based upon a combined subband independent component analysis and neural memory | |
| Pei et al. | Speech recognition method based on DNN-LSTM combined with Wiener filtering algorithm | |
| JPH03276199A (ja) | 話者認識方法 | |
| Ashouri | Isolated word recognition using high-order statistics and time-delay neural networks | |
| JPH02289899A (ja) | 音声検出方式 | |
| JPH0415699A (ja) | 話者認識システム | |
| JPH0415695A (ja) | 単語認識システム | |
| JPH0415694A (ja) | 単語認識システム |