JP2983364B2 - 隠れマルコフモデルと音声信号との類似度計算方法 - Google Patents
隠れマルコフモデルと音声信号との類似度計算方法Info
- Publication number
- JP2983364B2 JP2983364B2 JP4010077A JP1007792A JP2983364B2 JP 2983364 B2 JP2983364 B2 JP 2983364B2 JP 4010077 A JP4010077 A JP 4010077A JP 1007792 A JP1007792 A JP 1007792A JP 2983364 B2 JP2983364 B2 JP 2983364B2
- Authority
- JP
- Japan
- Prior art keywords
- ijm
- hmm
- state
- probability
- speech
- 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 - Fee Related
Links
Description
【０００１】
【産業上の利用分野】この発明は隠れマルコフモデルを
用いる音声認識方法において、隠れマルコフモデルと音
声信号との類似度を計算する方法に関する。
用いる音声認識方法において、隠れマルコフモデルと音
声信号との類似度を計算する方法に関する。
【０００２】
【従来の技術】隠れマルコフモデル（Ｈｉｄｄｅｎ Ｍ
ａｒｋｏｖ Ｍｏｄｅｌ、以下ＨＭＭと呼ぶ）は、その
統計的性質から音声パタンのような発声速度の変化に伴
う時間変動、或いは発声の個人差や調音結合などの揺ら
ぎを含むパタンを適切に表現出来ることから、音声認識
の分野において近年広く用いられている。このＨＭＭを
用いて音声を認識する方法、即ちＨＭＭ音声認識方法と
は、音声を確率的な遷移ネットワ−クと見做して認識処
理を行うものである。
ａｒｋｏｖ Ｍｏｄｅｌ、以下ＨＭＭと呼ぶ）は、その
統計的性質から音声パタンのような発声速度の変化に伴
う時間変動、或いは発声の個人差や調音結合などの揺ら
ぎを含むパタンを適切に表現出来ることから、音声認識
の分野において近年広く用いられている。このＨＭＭを
用いて音声を認識する方法、即ちＨＭＭ音声認識方法と
は、音声を確率的な遷移ネットワ−クと見做して認識処
理を行うものである。
【０００３】ＨＭＭは図２に示すように幾つかの状態Ｓ
i ( 図ではＳ0 、Ｓ1 、Ｓ2 、Ｓ3）とそれらの状態間
の遷移を表す弧で表現される。各弧には状態Ｓi からＳ
j に遷移する際の遷移確率ＡijとシンボルＶk を出力す
る確率Ｂij(k) がパラメ−タとして与えられている。
i ( 図ではＳ0 、Ｓ1 、Ｓ2 、Ｓ3）とそれらの状態間
の遷移を表す弧で表現される。各弧には状態Ｓi からＳ
j に遷移する際の遷移確率ＡijとシンボルＶk を出力す
る確率Ｂij(k) がパラメ−タとして与えられている。
【０００４】ＨＭＭは初期状態と呼ばれる状態（図２の
Ｓ0 ）から遷移を開始して、最終状態と呼ばれる状態
（図２のＳ3 ）に到達するまで弧を通って遷移を繰り返
し、様々なシンボル系列及びそのシンボル系列を出力す
る確率が得られる。
Ｓ0 ）から遷移を開始して、最終状態と呼ばれる状態
（図２のＳ3 ）に到達するまで弧を通って遷移を繰り返
し、様々なシンボル系列及びそのシンボル系列を出力す
る確率が得られる。
【０００５】ＨＭＭが出力するシンボルは、例えば下記
の文献１に見られるような音声スペクトルをベクトル量
子化したコ−ド番号の場合もあれば、下記の文献２のよ
うに音声スペクトルそのものをシンボルと見立てる場合
もある。
の文献１に見られるような音声スペクトルをベクトル量
子化したコ−ド番号の場合もあれば、下記の文献２のよ
うに音声スペクトルそのものをシンボルと見立てる場合
もある。
【０００６】文献１：“アン イントロダクション ツ
ウ ジ アプリケイション オブザ セオリイ オブ
プロバビリスティック ファンクション オブ ア マ
ルコフ プロセス ツウ オウトマティック スピイチ
レコグニション ”（“Ａｎ Ｉｎｔｒｏｄｕｃｔｉ
ｏｎ ｔｏ ｔｈｅ Ａｐｐｌｉｃａｔｉｏｎｏｆ ｔ
ｈｅ ｔｈｅｏｒｙ ｏｆ Ｐｒｏｂａｂｉｌｉｓｔｉ
ｃＦｕｎｃｔｉｏｎ ｏｆ ａ Ｍａｒｋｏｖ Ｐｒｏ
ｃｅｓｓ ｔｏＡｕｔｏｍａｔｉｃ Ｓｐｅｅｃｈ Ｒ
ｅｃｏｇｎｉｔｉｏｎ ”，Ｔｈｅ Ｂｅｌｌ Ｓｙｓ
ｔｅｍ Ｔｅｃｈｎｉｃａｌ Ｊｏｕｒｎａｌ，Ｖｏ
ｌ．６２，Ｎｏ．４，Ａｐｌｉｌ １９８３ ｐｐ．１
０３５〜１０７４Ｓ．Ｅ．Ｌｅｖｉｎｓｏｎ，Ｌ．Ｒ．
Ｒａｂｉｎｅｒ，Ｍ．Ｍ．Ｓｏｎｄｈｉ）
ウ ジ アプリケイション オブザ セオリイ オブ
プロバビリスティック ファンクション オブ ア マ
ルコフ プロセス ツウ オウトマティック スピイチ
レコグニション ”（“Ａｎ Ｉｎｔｒｏｄｕｃｔｉ
ｏｎ ｔｏ ｔｈｅ Ａｐｐｌｉｃａｔｉｏｎｏｆ ｔ
ｈｅ ｔｈｅｏｒｙ ｏｆ Ｐｒｏｂａｂｉｌｉｓｔｉ
ｃＦｕｎｃｔｉｏｎ ｏｆ ａ Ｍａｒｋｏｖ Ｐｒｏ
ｃｅｓｓ ｔｏＡｕｔｏｍａｔｉｃ Ｓｐｅｅｃｈ Ｒ
ｅｃｏｇｎｉｔｉｏｎ ”，Ｔｈｅ Ｂｅｌｌ Ｓｙｓ
ｔｅｍ Ｔｅｃｈｎｉｃａｌ Ｊｏｕｒｎａｌ，Ｖｏ
ｌ．６２，Ｎｏ．４，Ａｐｌｉｌ １９８３ ｐｐ．１
０３５〜１０７４Ｓ．Ｅ．Ｌｅｖｉｎｓｏｎ，Ｌ．Ｒ．
Ｒａｂｉｎｅｒ，Ｍ．Ｍ．Ｓｏｎｄｈｉ）
【０００７】文献２：“レコグニション オブ アイソ
レイテッド ディジッツ ユウジング ヒドゥン マル
コフ モデルズ ウィズ コンティニュアス ミクスチ
ュアデンシテイズ ”（“Ｒｅｃｏｇｎｉｔｉｏｎ ｏ
ｆ ｉｓｏｌａｔｅｄＤｉｇｉｔｓ Ｕｓｉｎｇ Ｈｉ
ｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌｓｗｉｔｈ Ｃｏ
ｎｔｉｎｕｏｕｓ Ｍｉｘｔｕｒｅ Ｄｅｎｓｉｔｉｅ
ｓ”，Ｖｏｌ．６４，Ｎｏ．６，Ｊｕｌｙ−Ａｕｇｕｓ
ｔ １９８５ ｐｐ．１２１１〜１２３４， Ｌ．Ｒ．
Ｌａｂｉｎｅｒ， Ｂ．−Ｈ．ｊｕａｎｇ，Ｓ．Ｅ．Ｌ
ｅｖｉｎｓｏｎ，ａｎｄ Ｍ．Ｍ．Ｓｏｎｄｈｉ”）
レイテッド ディジッツ ユウジング ヒドゥン マル
コフ モデルズ ウィズ コンティニュアス ミクスチ
ュアデンシテイズ ”（“Ｒｅｃｏｇｎｉｔｉｏｎ ｏ
ｆ ｉｓｏｌａｔｅｄＤｉｇｉｔｓ Ｕｓｉｎｇ Ｈｉ
ｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌｓｗｉｔｈ Ｃｏ
ｎｔｉｎｕｏｕｓ Ｍｉｘｔｕｒｅ Ｄｅｎｓｉｔｉｅ
ｓ”，Ｖｏｌ．６４，Ｎｏ．６，Ｊｕｌｙ−Ａｕｇｕｓ
ｔ １９８５ ｐｐ．１２１１〜１２３４， Ｌ．Ｒ．
Ｌａｂｉｎｅｒ， Ｂ．−Ｈ．ｊｕａｎｇ，Ｓ．Ｅ．Ｌ
ｅｖｉｎｓｏｎ，ａｎｄ Ｍ．Ｍ．Ｓｏｎｄｈｉ”）
【０００８】文献１に記載される方法では、入力された
音声信号はスペクトル特徴系列に変換され、更に、ベク
トル量子化の手法によりコ−ド番号系列に変換された
後、予め設定された認識対象の音声を表現したＨＭＭと
の尤度が計算される。
音声信号はスペクトル特徴系列に変換され、更に、ベク
トル量子化の手法によりコ−ド番号系列に変換された
後、予め設定された認識対象の音声を表現したＨＭＭと
の尤度が計算される。
【０００９】通常この場合のＨＭＭは離散確率分布ＨＭ
Ｍと呼ばれており、その主要なパラメ−タは状態遷移確
率と各状態に対するコ−ドの出現確率の２つである。こ
の離散確率分布ＨＭＭでは、ある状態でのコ−ドの出現
確率密度関数をＢ（ｘ）とするとｘは離散化されたコ−
ド番号となるので、Ｂ（ｘ）を記述するにはｘの各番号
に対する出現確率の値が設定されたテ−ブルを用意すれ
ばよいことになる。従って、コ−ドの出現確率密度関数
の記述は正確に行える。
Ｍと呼ばれており、その主要なパラメ−タは状態遷移確
率と各状態に対するコ−ドの出現確率の２つである。こ
の離散確率分布ＨＭＭでは、ある状態でのコ−ドの出現
確率密度関数をＢ（ｘ）とするとｘは離散化されたコ−
ド番号となるので、Ｂ（ｘ）を記述するにはｘの各番号
に対する出現確率の値が設定されたテ−ブルを用意すれ
ばよいことになる。従って、コ−ドの出現確率密度関数
の記述は正確に行える。
【００１０】しかしながら、ｘを離散化する際の誤差、
即ち入力された音声信号の生のスペクトルとコ−ドの表
しているスペクトルとの差（量子化誤差）が生じ、認識
率が低下する原因となっていた。
即ち入力された音声信号の生のスペクトルとコ−ドの表
しているスペクトルとの差（量子化誤差）が生じ、認識
率が低下する原因となっていた。
【００１１】また、文献２に示される方法では、このよ
うな問題点を解決するために、スペクトルの量子化を行
わず、ある状態でのシンボルｘの出現確率密度関数Ｂ
（ｘ）のｘをコード番号では無く直接スペクトルを扱う
ようにしたものである。従って、Ｂ（ｘ）は連続確率密
度分布になる。Ｂ（ｘ）の真の関数型を求めるのは実際
上不可能なので、通常Ｂ（ｘ）として数学的取扱が簡単
でかつ表現能力が高い多次元正規分布がよく用いられ
る。
うな問題点を解決するために、スペクトルの量子化を行
わず、ある状態でのシンボルｘの出現確率密度関数Ｂ
（ｘ）のｘをコード番号では無く直接スペクトルを扱う
ようにしたものである。従って、Ｂ（ｘ）は連続確率密
度分布になる。Ｂ（ｘ）の真の関数型を求めるのは実際
上不可能なので、通常Ｂ（ｘ）として数学的取扱が簡単
でかつ表現能力が高い多次元正規分布がよく用いられ
る。
【００１２】しかしながら、一般に、ある状態遷移にお
けるシンボルの出現分布は一つの正規分布で近似できな
い場合があり、複数個の連続分布の和（混合分布）で近
似することがよく行われる。即ち、スペクトルを直接取
り扱うような場合には、混合連続確率密度分布をもつＨ
ＭＭが用いられる。
けるシンボルの出現分布は一つの正規分布で近似できな
い場合があり、複数個の連続分布の和（混合分布）で近
似することがよく行われる。即ち、スペクトルを直接取
り扱うような場合には、混合連続確率密度分布をもつＨ
ＭＭが用いられる。
【００１３】
【発明が解決しようとする課題】しかしながら、音声信
号から求めたスペクトル特徴系列と、前述の混合連続確
率分布密度を持つＨＭＭとの尤度を求めるのは膨大な計
算量を必要とし、実用的な方法とはいえない。
号から求めたスペクトル特徴系列と、前述の混合連続確
率分布密度を持つＨＭＭとの尤度を求めるのは膨大な計
算量を必要とし、実用的な方法とはいえない。
【００１４】この発明の目的は、混合多次元正規分布に
よる連続確率密度分布をもつＨＭＭと音声信号から抽出
されたスペクトル特徴系列との尤度算出時の演算量を、
認識精度を低下させることなく大幅に低減することがで
きる、隠れマルコフモデルと音声信号との類似度計算方
法を提供することにある。
よる連続確率密度分布をもつＨＭＭと音声信号から抽出
されたスペクトル特徴系列との尤度算出時の演算量を、
認識精度を低下させることなく大幅に低減することがで
きる、隠れマルコフモデルと音声信号との類似度計算方
法を提供することにある。
【００１５】
【課題を解決するための手段】この発明は前記課題を解
決するために、混合多次元正規分布による連続確率密度
分布ｂij(x) を状態Ｓi から状態Ｓj に遷移する際の音
声の特徴ベクトルｘの出現確率とするＨＭＭを用いる音
声認識方法に於いて、(a) 入力音声から特徴ベクトル系
列ｘ1 ，ｘ2 ，・・・，ｘt ，・・・，ｘTを求める処
理と、(b) 前記連続確率密度分布ｂij(xt) のｍ番目の
正規分布Ｎ(μijm ，ρijm )の確率密度関数であるｂ
ijm(xt) を、ベクトルｘt の次元ｐと共分散行列ρijm
と、平均ベクトルμijm 及びρijm の逆行列（ρijm )
-1に基づいて計算されるマハラノビスの汎距離Ｄijm と
を用いて ｂijm(xt) ＝ (2π)-p/2・｜ρijm ｜-1/2・ｅｘｐ（−Ｄ2 ijm ／２） と定義し、更に前記連続確率密度分布ｂij(xt) を、分
岐確率λijm と状態Ｓiから状態Ｓj に遷移する際の連
続確率密度分布ｂij(x) の混合数Ｍ(i,j) とを用いて、 と定式化し、ｂij(xt) の自然対数値Ｂij(xt) （＝ln
(ｂij(xt))）を、 Ｃijm ＝ln［(2π)-p/2・｜ρijm ｜-1/2］＋ ln（λijm ) として求める処理と、(c) 当該ＨＭＭにおける状態Ｓi
から状態Ｓj に遷移する際の遷移確率ａijの自然対数値
Ａij（＝ln( ａij) ）と前記Ｂij(xt) とを用いてビタ
ビアルゴリズムにより、当該ＨＭＭにおける特徴ベクト
ル系列ｘ1 ，ｘ2 ，・・・，ｘt ，・・・，ｘT の対数
出現確率lnＰ（ｘ1 ，ｘ2 ，・・・，ｘt ，・・・，ｘ
T ）を求めることにより、当該ＨＭＭと音声信号の特徴
ベクトル系列ｘ1 ，ｘ2 ，・・・，ｘt ，・・・，ｘT
との尤度を算出することを特徴とする。
決するために、混合多次元正規分布による連続確率密度
分布ｂij(x) を状態Ｓi から状態Ｓj に遷移する際の音
声の特徴ベクトルｘの出現確率とするＨＭＭを用いる音
声認識方法に於いて、(a) 入力音声から特徴ベクトル系
列ｘ1 ，ｘ2 ，・・・，ｘt ，・・・，ｘTを求める処
理と、(b) 前記連続確率密度分布ｂij(xt) のｍ番目の
正規分布Ｎ(μijm ，ρijm )の確率密度関数であるｂ
ijm(xt) を、ベクトルｘt の次元ｐと共分散行列ρijm
と、平均ベクトルμijm 及びρijm の逆行列（ρijm )
-1に基づいて計算されるマハラノビスの汎距離Ｄijm と
を用いて ｂijm(xt) ＝ (2π)-p/2・｜ρijm ｜-1/2・ｅｘｐ（−Ｄ2 ijm ／２） と定義し、更に前記連続確率密度分布ｂij(xt) を、分
岐確率λijm と状態Ｓiから状態Ｓj に遷移する際の連
続確率密度分布ｂij(x) の混合数Ｍ(i,j) とを用いて、 と定式化し、ｂij(xt) の自然対数値Ｂij(xt) （＝ln
(ｂij(xt))）を、 Ｃijm ＝ln［(2π)-p/2・｜ρijm ｜-1/2］＋ ln（λijm ) として求める処理と、(c) 当該ＨＭＭにおける状態Ｓi
から状態Ｓj に遷移する際の遷移確率ａijの自然対数値
Ａij（＝ln( ａij) ）と前記Ｂij(xt) とを用いてビタ
ビアルゴリズムにより、当該ＨＭＭにおける特徴ベクト
ル系列ｘ1 ，ｘ2 ，・・・，ｘt ，・・・，ｘT の対数
出現確率lnＰ（ｘ1 ，ｘ2 ，・・・，ｘt ，・・・，ｘ
T ）を求めることにより、当該ＨＭＭと音声信号の特徴
ベクトル系列ｘ1 ，ｘ2 ，・・・，ｘt ，・・・，ｘT
との尤度を算出することを特徴とする。
【００１６】
【作用】混合多次元正規分布による連続確率密度分布を
持つＨＭＭと音声信号のスペクトル特徴系列との尤度算
出時の演算量低減の原理を以下で説明する。
持つＨＭＭと音声信号のスペクトル特徴系列との尤度算
出時の演算量低減の原理を以下で説明する。
【００１７】ＨＭＭは次の６つのパラメ−タ群で定義さ
れる。 Ｓi ： 状態の集合 (i=1,2,3,・・・,I) ｘ ： 出力シンボルの集合 ａij ： 状態Ｓi から状態Ｓj への遷移確率 (i,j=1,2,3,・・・,I) ｂij(ｘ） ： 状態Ｓi から状態Ｓj への遷移時にシンボルｘを出力する確率 (i,j=1,2,3,・・・,I) φi ： 初期状態がＳi である確率 (i=1,2,3,・・・,I) Ｆ ： 最終状態の集合
れる。 Ｓi ： 状態の集合 (i=1,2,3,・・・,I) ｘ ： 出力シンボルの集合 ａij ： 状態Ｓi から状態Ｓj への遷移確率 (i,j=1,2,3,・・・,I) ｂij(ｘ） ： 状態Ｓi から状態Ｓj への遷移時にシンボルｘを出力する確率 (i,j=1,2,3,・・・,I) φi ： 初期状態がＳi である確率 (i=1,2,3,・・・,I) Ｆ ： 最終状態の集合
【００１８】連続出力分布型のＨＭＭでは出力シンボル
は音声の特徴ベクトルｘそのものであり、シンボルｘ
（即ち特徴ベクトルｘ）を出力する確率ｂij(ｘ)として
は混合多次元正規分布による連続確率密度分布を用い
る。
は音声の特徴ベクトルｘそのものであり、シンボルｘ
（即ち特徴ベクトルｘ）を出力する確率ｂij(ｘ)として
は混合多次元正規分布による連続確率密度分布を用い
る。
【００１９】混合多次元正規分布による連続確率密度分
布ｂij(ｘ)のｍ番目の正規分布Ｎ(μijm ，ρijm )の確
率密度関数ｂijm(ｘ)は、次のように表される。
布ｂij(ｘ)のｍ番目の正規分布Ｎ(μijm ，ρijm )の確
率密度関数ｂijm(ｘ)は、次のように表される。
【００２０】 ｂijm(ｘ) ＝ (2π)-p/2 ・｜ρijm ｜-1/2 ・exp(−Ｄ2 ijm ／２) (1) Ｄ2 ijm ＝ (ｘ−μijm )’・ ρijm -1 ・(ｘ−μijm ) (2)
【００２１】但しｐはベクトルｘの次元を表し、（ｘ−
μijm ）’はベクトル（ｘ−μijm）の転置を意味す
る。また、ｂijm(ｘ)は分岐密度と呼ばれ、Ｄはマハラ
ノビスの汎距離と呼ばれるものである。
μijm ）’はベクトル（ｘ−μijm）の転置を意味す
る。また、ｂijm(ｘ)は分岐密度と呼ばれ、Ｄはマハラ
ノビスの汎距離と呼ばれるものである。
【００２２】更に、連続確率密度分布ｂij(ｘ)は分岐密
度ｂijm(ｘ)とｍ番目の分布の出現確率を表す分岐確率
λijm とを用いて、次式（３）のように表される。
度ｂijm(ｘ)とｍ番目の分布の出現確率を表す分岐確率
λijm とを用いて、次式（３）のように表される。
【００２３】尚、Ｍ(i,j) は混合数であり、λijm につ
いては以下の条件が成り立つ。
いては以下の条件が成り立つ。
【００２４】シンボル系列、即ち特徴ベクトルｘ1 ，ｘ
2 ，・・・ ，ｘT が与えられた場合、ＨＭＭからの出現確
率Ｐ（ｘ1 ，ｘ2 ，・・・ ，ｘT ）（単に出現確率Ｐと記
述する場合もある）を近似的に算出する方法としてビタ
ビ（Ｖｉｔｅｒｂｉ）アルゴリズムと呼ばれる方法が適
用できる。以下ビタビアルゴリズムによる出現確率Ｐの
計算手順を述べる。
2 ，・・・ ，ｘT が与えられた場合、ＨＭＭからの出現確
率Ｐ（ｘ1 ，ｘ2 ，・・・ ，ｘT ）（単に出現確率Ｐと記
述する場合もある）を近似的に算出する方法としてビタ
ビ（Ｖｉｔｅｒｂｉ）アルゴリズムと呼ばれる方法が適
用できる。以下ビタビアルゴリズムによる出現確率Ｐの
計算手順を述べる。
【００２５】＜記号の定義＞ ｘt ： 特徴ベクトル系列 (t=1,2,3,・・・,T) αit ： 前向き確率（初期状態から遷移を開始し、特
徴ベクトル系列ｘ1 ，ｘ2 ，・・・ ，ｘt を生成して状態
Ｓi に至る確率）
徴ベクトル系列ｘ1 ，ｘ2 ，・・・ ，ｘt を生成して状態
Ｓi に至る確率）
【００２６】前向き確率αitを次に示す漸化式（５），
（６）により求める。 αi0 ＝ φi (5)
（６）により求める。 αi0 ＝ φi (5)
【００２７】このとき、ＨＭＭからの出現確率Ｐ（ｘ1 ，ｘ2 ，…，ｘT ）は次
式（７）で表される。 Ｐ（ｘ1 ，ｘ2 ，…，ｘT ）＝ｍａｘ（αiT) （７） ｉ 但しｉはＳi ∈Ｆの条件を満たすものとする。
式（７）で表される。 Ｐ（ｘ1 ，ｘ2 ，…，ｘT ）＝ｍａｘ（αiT) （７） ｉ 但しｉはＳi ∈Ｆの条件を満たすものとする。
【００２８】更に出現確率Ｐの自然対数値ｌｎ（Ｐ）を
直接求めることを考える。この値は、入力音声を表した
特徴ベクトルと認識対象カテゴリの音声を表現したＨＭ
Ｍとの類似度と見做すことが出来る。ln（Ｐ）を計算す
る場合、前式（５）、（６）、（７）は次のように変更
される。 α'i0 ＝ ln(φi) (8) 但し、Ａij及びＢij(ｘt)は其々ａij、ｂij(ｘt)の自然
対数値である。 Ａij ＝ ln(ａij) (11) Ｂij(ｘt) ＝ ln（ｂij(ｘt)） (12)
直接求めることを考える。この値は、入力音声を表した
特徴ベクトルと認識対象カテゴリの音声を表現したＨＭ
Ｍとの類似度と見做すことが出来る。ln（Ｐ）を計算す
る場合、前式（５）、（６）、（７）は次のように変更
される。 α'i0 ＝ ln(φi) (8) 但し、Ａij及びＢij(ｘt)は其々ａij、ｂij(ｘt)の自然
対数値である。 Ａij ＝ ln(ａij) (11) Ｂij(ｘt) ＝ ln（ｂij(ｘt)） (12)
【００２９】ここで、前式（３）で表される連続確率密
度分布ｂij(ｘ)の定式化を次のように変更する。
度分布ｂij(ｘ)の定式化を次のように変更する。
【００３０】このように定式化を変更することによりｂ
ij(ｘ)の自然対数値であるＢij(ｘ)は次式（１４）で表
せる。
ij(ｘ)の自然対数値であるＢij(ｘ)は次式（１４）で表
せる。
【００３１】ここで、Ｂijm(ｘ)＝ln（ｂijm(ｘ)）とす
ると、式（１）より Ｂijm(ｘ) ＝ ln｛(2π)-p/2・｜ρijm ｜-1/2｝−Ｄ2 ijm ／２ (15) と表され、式（１４）、（１５）の定数項をＣijm とし
てまとめるとＢij(ｘ)は結局次式（１６）で計算出来
る。 Ｃijm ＝ ln｛(2π)-p/2・｜ρijm ｜-1/2｝＋ ln（λijm ） (17)
ると、式（１）より Ｂijm(ｘ) ＝ ln｛(2π)-p/2・｜ρijm ｜-1/2｝−Ｄ2 ijm ／２ (15) と表され、式（１４）、（１５）の定数項をＣijm とし
てまとめるとＢij(ｘ)は結局次式（１６）で計算出来
る。 Ｃijm ＝ ln｛(2π)-p/2・｜ρijm ｜-1/2｝＋ ln（λijm ） (17)
【００３２】従って連続確率密度分布ｂij(ｘ)を式（１
３）に従って定式化することにより、式（１６）で示さ
れるようにｅｘｐの計算が不要になり、ＨＭＭからの出
現確率Ｐの自然対数値ln（Ｐ）を算出する場合の演算が
簡略化され、前記課題が解決されるのである。
３）に従って定式化することにより、式（１６）で示さ
れるようにｅｘｐの計算が不要になり、ＨＭＭからの出
現確率Ｐの自然対数値ln（Ｐ）を算出する場合の演算が
簡略化され、前記課題が解決されるのである。
【００３３】
【実施例】図１は本発明の実施例の構成を示す機能ブロ
ック図であり、音響処理部１００、ＨＭＭ照合部１０
１、辞書部１０２とから構成されている。
ック図であり、音響処理部１００、ＨＭＭ照合部１０
１、辞書部１０２とから構成されている。
【００３４】入力音声信号は音響処理部１００において
音声の特徴を表す特徴パラメ−タで構成される特徴ベク
トル系列ｘt （ｔ＝１，２，・・・，Ｔ）に変換され
る。
音声の特徴を表す特徴パラメ−タで構成される特徴ベク
トル系列ｘt （ｔ＝１，２，・・・，Ｔ）に変換され
る。
【００３５】この特徴パラメ−タとしては、中心周波数
が少しづつ異なる複数のバンドパスフィルタ群の出力や
フ−リエ解析のパワ−スペクトルを使用するもの、また
は、線形予測分析即ちＬＰＣ分析から求めたＬＰＣケプ
ストラム係数を用いるのが一般的である。本実施例では
バンドパスフィルタ群を使用する方法を用いる。
が少しづつ異なる複数のバンドパスフィルタ群の出力や
フ−リエ解析のパワ−スペクトルを使用するもの、また
は、線形予測分析即ちＬＰＣ分析から求めたＬＰＣケプ
ストラム係数を用いるのが一般的である。本実施例では
バンドパスフィルタ群を使用する方法を用いる。
【００３６】音声信号は音響処理部１００でアナログ・
デジタル変換された後、バンドパスフィルタによりその
中心周波数成分のみが抽出される。このようにして各バ
ンドパスフィルタによって振り分けられたデ−タの系列
をチャネルと称する。各チャネル毎のフィルタの出力を
整流して絶対値を取り、フレ−ム単位でその平均値を算
出する。この平均値がそのフレ−ムにおける各チャネル
の特徴ベクトルになる。ｔ番目のフレ−ムにおける特徴
ベクトルｘt はｐをチャネル数として、ｘt ＝（ｘt1，
ｘt2，・・・，ｘtp）と表される。音声の始端フレ−ム
をｔ＝１，終端フレ−ムをｔ＝Ｔとすると、特徴ベクト
ル系列ｘt は音声全体の特徴を表現したものとなる。
デジタル変換された後、バンドパスフィルタによりその
中心周波数成分のみが抽出される。このようにして各バ
ンドパスフィルタによって振り分けられたデ−タの系列
をチャネルと称する。各チャネル毎のフィルタの出力を
整流して絶対値を取り、フレ−ム単位でその平均値を算
出する。この平均値がそのフレ−ムにおける各チャネル
の特徴ベクトルになる。ｔ番目のフレ−ムにおける特徴
ベクトルｘt はｐをチャネル数として、ｘt ＝（ｘt1，
ｘt2，・・・，ｘtp）と表される。音声の始端フレ−ム
をｔ＝１，終端フレ−ムをｔ＝Ｔとすると、特徴ベクト
ル系列ｘt は音声全体の特徴を表現したものとなる。
【００３７】このようにして求められたシンボル系列、
即ち特徴ベクトル系列ｘt はＨＭＭ照合部１０１に送ら
れる。ＨＭＭ照合部１０１は、辞書部１０２に格納され
ている認識対象カテゴリｚを表現したＨＭＭとシンボル
系列ｘt とを照合し、出現確率の自然対数値ln（ｐz ）
を計算する。以上が認識動作の概要である。
即ち特徴ベクトル系列ｘt はＨＭＭ照合部１０１に送ら
れる。ＨＭＭ照合部１０１は、辞書部１０２に格納され
ている認識対象カテゴリｚを表現したＨＭＭとシンボル
系列ｘt とを照合し、出現確率の自然対数値ln（ｐz ）
を計算する。以上が認識動作の概要である。
【００３８】以下、辞書部１０２に格納するＨＭＭパラ
メ−タの設定方法とＨＭＭ照合部１０１の動作について
説明する。
メ−タの設定方法とＨＭＭ照合部１０１の動作について
説明する。
【００３９】認識対象カテゴリｚのＨＭＭパラメ−タを
以下で定義する。 ＩZ ： ＨＭＭの状態数 ａz ij ： 状態Ｓi から状態Ｓj への状態遷移確率 (i,j=1,2,・・・, IZ ) ｂz ij(x) ： 状態Ｓi から状態Ｓj への遷移時のシンボルｘの出力確率 φz i ： 初期状態がＳi である確率 (i=1,2,・・・,IZ ) Ｆz ： 最終状態の集合
以下で定義する。 ＩZ ： ＨＭＭの状態数 ａz ij ： 状態Ｓi から状態Ｓj への状態遷移確率 (i,j=1,2,・・・, IZ ) ｂz ij(x) ： 状態Ｓi から状態Ｓj への遷移時のシンボルｘの出力確率 φz i ： 初期状態がＳi である確率 (i=1,2,・・・,IZ ) Ｆz ： 最終状態の集合
【００４０】前記ＨＭＭパラメ−タの設定方法を下記の
（ａ）〜（ｄ）に示す。 （ａ） 予め認識対象となる学習用音声デ−タを収集す
る。
（ａ）〜（ｄ）に示す。 （ａ） 予め認識対象となる学習用音声デ−タを収集す
る。
【００４１】（ｂ） 学習用音声デ−タを音響処理部１
００で分析し、学習用音声デ−タについての前記特徴ベ
クトルの系列を表した学習特徴ベクトル系列デ−タを作
成する。
００で分析し、学習用音声デ−タについての前記特徴ベ
クトルの系列を表した学習特徴ベクトル系列デ−タを作
成する。
【００４２】（ｃ） ＨＭＭパラメ−タの初期値を下記
の手順で設定する。 (c-1) ＨＭＭのステ−ト数ＩZ を学習特徴ベクトル系
列長の平均値に基づいて設定する（通常、平均値の数分
の１程度に設定する）。 (c-2) 混合分布数ＭZ(i,j) を学習用音声デ−タ数に基
づき設定する（通常、音声デ−タ数の数分の１程度に設
定する）。 する。 ａz ij ＝ １／ＩZ ＋ε (18) (c-4) ｂz ij(x) 及び第ｍ番目の正規分布Ｎ（μ
z ijm ，ρz ijm ）を表現するためのパラメ−タであるμ
z ijm 、ρz ijm 及び分岐確率をλz ijm を、次式（１
９）〜（２１）のように設定する。 μz ijm ＝ μz ＋ε (19) ρz ijm ＝ ρz (20) λz ijm ＝ １／ＭZ(i,j) (21) 但し、μz 、ρz は各々学習特徴ベクトルの平均ベクト
ル、分散である。また、式（１８）及び（１９）におけ
るεは平均値が０となるような小さな乱数値である。 (c-5) 初期状態φz i を次のように設定する。 φz i ＝ １ （ｉ＝０） ＝ ０ （ｉ≠０） (22)
の手順で設定する。 (c-1) ＨＭＭのステ−ト数ＩZ を学習特徴ベクトル系
列長の平均値に基づいて設定する（通常、平均値の数分
の１程度に設定する）。 (c-2) 混合分布数ＭZ(i,j) を学習用音声デ−タ数に基
づき設定する（通常、音声デ−タ数の数分の１程度に設
定する）。 する。 ａz ij ＝ １／ＩZ ＋ε (18) (c-4) ｂz ij(x) 及び第ｍ番目の正規分布Ｎ（μ
z ijm ，ρz ijm ）を表現するためのパラメ−タであるμ
z ijm 、ρz ijm 及び分岐確率をλz ijm を、次式（１
９）〜（２１）のように設定する。 μz ijm ＝ μz ＋ε (19) ρz ijm ＝ ρz (20) λz ijm ＝ １／ＭZ(i,j) (21) 但し、μz 、ρz は各々学習特徴ベクトルの平均ベクト
ル、分散である。また、式（１８）及び（１９）におけ
るεは平均値が０となるような小さな乱数値である。 (c-5) 初期状態φz i を次のように設定する。 φz i ＝ １ （ｉ＝０） ＝ ０ （ｉ≠０） (22)
【００４３】（ｄ） 学習特徴ベクトル系列の出力確率
が最大となるＨＭＭパラメ−タ、即ち認識対象カテゴリ
ｚを表現したＨＭＭパラメ−タを求める。この計算方法
は、下記文献３のセクション１．ＣのＨＭＭにおける３
つの基本的問題（２６１頁参照）の３番目に相当する。
この解法の詳細については文献３を参照のこと。
が最大となるＨＭＭパラメ−タ、即ち認識対象カテゴリ
ｚを表現したＨＭＭパラメ−タを求める。この計算方法
は、下記文献３のセクション１．ＣのＨＭＭにおける３
つの基本的問題（２６１頁参照）の３番目に相当する。
この解法の詳細については文献３を参照のこと。
【００４４】文献３：“ア チュウトリアル オン ヒ
ドゥン マルコフ モデルズ アンド セレクティッド
アプリケイションズ イン スピイチ レコグニショ
ン”（“Ａ Ｔｕｔｏｒｉａｌ ｏｎ Ｈｉｄｄｅｎ
Ｍａｒｋｏｖ Ｍｏｄｅｌｓａｎｄ Ｓｅｌｅｃｔｅｄ
Ａｐｐｌｉｃａｔｉｏｎｓ ｉｎ ＳｐｅｅｃｈＲｅ
ｃｏｇｎｉｔｉｏｎ ”，Ｐｒｏｄｅｅｄｉｎｇ ｏｆ
ｔｈｅ IEEE，Ｖｏｌ．７７，Ｎｏ．２，Ｆｅｂ．１
９８９，ｐｐ．２５７〜２８６，Ｌ．Ｒ．Ｒａｂｉｎｅ
ｒ）
ドゥン マルコフ モデルズ アンド セレクティッド
アプリケイションズ イン スピイチ レコグニショ
ン”（“Ａ Ｔｕｔｏｒｉａｌ ｏｎ Ｈｉｄｄｅｎ
Ｍａｒｋｏｖ Ｍｏｄｅｌｓａｎｄ Ｓｅｌｅｃｔｅｄ
Ａｐｐｌｉｃａｔｉｏｎｓ ｉｎ ＳｐｅｅｃｈＲｅ
ｃｏｇｎｉｔｉｏｎ ”，Ｐｒｏｄｅｅｄｉｎｇ ｏｆ
ｔｈｅ IEEE，Ｖｏｌ．７７，Ｎｏ．２，Ｆｅｂ．１
９８９，ｐｐ．２５７〜２８６，Ｌ．Ｒ．Ｒａｂｉｎｅ
ｒ）
【００４５】次にＨＭＭ照合部１０１の動作を説明す
る。ｂz ij(ｘ)の第ｍ番目の正規分布をＮ（μz ijm ，ρ
z ijm ）とし、その分岐確率をλz ijm とすると、ｂ
z ij(ｘ)は式(23)、(24)、(25)で計算出来る。但しＭz(i,
j)はカテゴリｚにおける混合数である。 Ｄz 2 ijm ＝（ｘ−μz ijm ）’・ρz ijm -1・（ｘ−μz ijm ） (24) Ｃz ijm ＝ ln｛(2π)-p/2・｜ρz ijm ｜-1/2｝＋ ln（λz ijm ） (25)
る。ｂz ij(ｘ)の第ｍ番目の正規分布をＮ（μz ijm ，ρ
z ijm ）とし、その分岐確率をλz ijm とすると、ｂ
z ij(ｘ)は式(23)、(24)、(25)で計算出来る。但しＭz(i,
j)はカテゴリｚにおける混合数である。 Ｄz 2 ijm ＝（ｘ−μz ijm ）’・ρz ijm -1・（ｘ−μz ijm ） (24) Ｃz ijm ＝ ln｛(2π)-p/2・｜ρz ijm ｜-1/2｝＋ ln（λz ijm ） (25)
【００４６】また、前式(11)、(12) におけるＡij、Ｂij
（ｘ）に対応してＡz ij、Ｂz ij（ｘ）は各々下記式(2
6)、(27) となる。 Ａz ij ＝ ln（ａz ij） (26) Ｂz ij(ｘ) ＝ ln（ｂz ij(ｘ)） (27)
（ｘ）に対応してＡz ij、Ｂz ij（ｘ）は各々下記式(2
6)、(27) となる。 Ａz ij ＝ ln（ａz ij） (26) Ｂz ij(ｘ) ＝ ln（ｂz ij(ｘ)） (27)
【００４７】ＨＭＭにおけるカテゴリｚのシンボル系列
の出現確率Ｐz に対する自然対数値ln（Ｐz）は式(8)、
(9)、(10)を用いて計算される。即ち、式(9) はｔの漸化
式であるからｔ＝１，２，・・・，Ｔの順にα'itが計
算出来る。具体的な計算の手順を下記に示す。
の出現確率Ｐz に対する自然対数値ln（Ｐz）は式(8)、
(9)、(10)を用いて計算される。即ち、式(9) はｔの漸化
式であるからｔ＝１，２，・・・，Ｔの順にα'itが計
算出来る。具体的な計算の手順を下記に示す。
【００４８】
【００４９】この結果と式(10)から出現確率の自然対数
値ln（ｐz）が計算される。この値は、入力音声を表し
た特徴ベクトル系列と認識対象カテゴリの音声を表した
ＨＭＭとの類似度と見做すことが出来る。一つのカテゴ
リに対する前述の計算を認識対象カテゴリの数だけ実行
し、その結果ln(ｐz)が最大となるカテゴリ、即ち類似
度が最大となるカテゴリが認識対象カテゴリとして出力
される（結果出力）。
値ln（ｐz）が計算される。この値は、入力音声を表し
た特徴ベクトル系列と認識対象カテゴリの音声を表した
ＨＭＭとの類似度と見做すことが出来る。一つのカテゴ
リに対する前述の計算を認識対象カテゴリの数だけ実行
し、その結果ln(ｐz)が最大となるカテゴリ、即ち類似
度が最大となるカテゴリが認識対象カテゴリとして出力
される（結果出力）。
【００５０】表１は、男女各５０名が発声した３２単語
のデ−タを評価デ−タとして不特定話者単語認識を行っ
た時の認識性能の評価結果を示したものである。本発明
の方法は従来の方法に比べて処理時間が６３％削減さ
れ、更に、そのような高速処理にもかかわらず認識率の
低下は全くみられず、本発明の方法の有効性はこの実験
結果からも明らかである。
のデ−タを評価デ−タとして不特定話者単語認識を行っ
た時の認識性能の評価結果を示したものである。本発明
の方法は従来の方法に比べて処理時間が６３％削減さ
れ、更に、そのような高速処理にもかかわらず認識率の
低下は全くみられず、本発明の方法の有効性はこの実験
結果からも明らかである。
【００５１】
【表１】
【００５２】
【発明の効果】以上説明したように、本発明によればス
ペクトルの量子化歪が無く、高い認識性能が得られる混
合多次元正規分布による連続確率密度分布を持つＨＭＭ
を用いた音声認識装置において、スペクトル特徴系列と
の尤度算出の演算量を、認識精度を低下させることなく
大幅に低減することができるという優れた効果を奏す
る。
ペクトルの量子化歪が無く、高い認識性能が得られる混
合多次元正規分布による連続確率密度分布を持つＨＭＭ
を用いた音声認識装置において、スペクトル特徴系列と
の尤度算出の演算量を、認識精度を低下させることなく
大幅に低減することができるという優れた効果を奏す
る。
【図１】実施例の構成を示す機能ブロック図である。
【図２】ＨＭＭの一例を示す図である。
１００ 音響処理部 １０１ ＨＭＭ照合部 １０２ 辞書部
フロントページの続き (56)参考文献 特開 平５−6194（ＪＰ，Ａ) 特開 平４−125599（ＪＰ，Ａ) 特開 平４−83296（ＪＰ，Ａ) Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ 1989 ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａ ｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃ ｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎ ｇ，Ｖｏｌ．１”Ｖｅｃｔｏｒ Ｑｕａ ｎｔｉｚａｔｉｏｎ ｏｆ ｔｈｅ Ｃ ｏｎｔｉｎｏｕｓ Ｄｉｓｔｒｉｂｕｔ ｉｏｎ ｏｆ ａｎ ＨＭＭ Ｓｐｅｅ ｃｈ Ｒｅｃｏｇｎｉｓｅｒ ｂａｓｅ ｄ ｏｎ Ｍｉｘｔｕｒｅｓ ｏｆ Ｃ ｏｎｔｉｎｕｏｕｓ Ｄｉｓｔｒｉｂｕ ｔｉｏｎｓ”ｐ．９−12 Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ 1989 ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａ ｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃ ｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎ ｇ，Ｖｏｌ．１”Ｐｈｏｎｅｍｅ Ｍｏ ｄｅｌｌｉｎｇ ｕｓｉｎｇ Ｃｏｎｔ ｉｎｕｏｕｓ Ｍｉｘｔｕｒｅ Ｄｅｎ ｓｉｔｉｅｓ”ｐ．437−440 Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ 1986 ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａ ｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃ ｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎ ｇ，Ｖｏｌ．１”Ｍｉｘｔｕｒｅ Ａｕ ｔｏｒｅｇｒｅｓｓｉｖｅ Ｈｉｄｄｅ ｎ Ｍａｒｋｏｖ Ｍｏｄｅｌｓ ｆｏ ｒ Ｓｐｅａｋｅｒ Ｉｎｄｅｐｅｎｄ ｅｎｔ Ｉｓｏｌａｔｅｄ Ｗｏｒｄ Ｒｅｃｏｇｎｉｔｉｏｎ”ｐ．41−44 ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅ ｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃ ｅｓｓｉｎｇ，Ｖｏｌ．ＡＳＳＰ−33, Ｎｏ．６，Ｄｅｃｅｍｂｅｒ 1985，" Ｍｉｘｔｕｒｅ Ａｕｔｏｒｅｇｒｅｓ ｓｉｖｅ Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌｓ ｆｏｒ Ｓｐｅｅｃｈ Ｓｉｇｎａｌｓ”，ｐ．1404−1413 Ｃｏｍｐｕｔｅｒ Ｓｐｅｅｃｈ ａ ｎｄ Ｌａｎｇｕａｇｅ，Ｖｏｌ．３, Ｎｏ．３，1989，”Ｓｅｍｉ−Ｃｏｎｔ ｉｎｕｏｕｓ Ｈｉｄｄｅｎ Ｍａｒｋ ｏｖ Ｍｏｄｅｌｓ ｆｏｒ Ｓｐｅｅ ｃｈ Ｓｉｇｎａｌｓ”，ｐ．239−251 ＡＴ＆Ｔ Ｔｅｃｈｎｉｃａｌ Ｊｏ ｕｒｎａｌ，Ｖｏｌ．64，Ｎｏ．６，Ｊ ｕｌｙ−Ａｕｇｕｓｔ 1985，”Ｒｅｃ ｏｇｎｉｔｉｏｎ ｏｆ Ｉｓｏｌａｔ ｅｄ Ｄｉｇｉｔｓ Ｕｓｉｎｇ Ｈｉ ｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌｓ ｗｉｔｈ Ｃｏｎｔｉｎｕｏｕｓ Ｍ ｉｘｔｕｒｅ Ｄｅｓｉｔｉｅｓ”, ｐ．1211−1234 電子情報通信学会技術研究報告［電気 音響］Ｖｏｌ．91，Ｎｏ．44，ＥＡ91− ５，「複数話者音声認識におけるＨＭＭ の設計法」ｐ．９−15（1991) (58)調査した分野(Int.Cl.6，ＤＢ名) G10L 3/00 535 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (1)
- 【請求項１】 混合多次元正規分布による連続確率密度
分布ｂij(x) を状態Ｓi から状態Ｓj に遷移する際の音
声の特徴ベクトルｘの出現確率とするＨＭＭを用いる音
声認識方法に於いて、 (a) 入力音声から特徴ベクトル系列ｘ1 ，ｘ2 ，・・
・，ｘt ，・・・，ｘTを求める処理と、 (b) 前記連続確率密度分布ｂij(xt) のｍ番目の正規分
布Ｎ(μijm ，ρijm )の確率密度関数であるｂijm(xt)
を、ベクトルｘt の次元ｐと、共分散行列ρijmと、平
均ベクトルμijm 及びρijm の逆行列（ρijm ）-1に基
づいて計算されるマハラノビスの汎距離Ｄijm とを用い
て ｂijm(xt) ＝ (2π)-p/2・｜ρijm ｜-1/2・ｅｘｐ（−Ｄ2 ijm ／２） と定義し、更に前記連続確率密度分布ｂij(xt) を、分
岐確率λijm と状態Ｓiから状態Ｓj に遷移する際の連
続確率密度分布ｂij(x) の混合数Ｍ(i,j) とを用いて、 と定式化し、ｂij(xt) の自然対数値Ｂij(xt) （＝ln(
ｂij(xt))）を、 Ｃijm ＝ ln［(2π)-p/2・｜ρijm ｜-1/2］＋ ln（λijm ) として求める処理と、 (c) 当該ＨＭＭにおける状態Ｓi から状態Ｓj に遷移す
る際の遷移確率ａijの自然対数値Ａij（＝ln( ａij) ）
と前記Ｂij(xt) とを用いてビタビアルゴリズムによ
り、当該ＨＭＭにおける特徴ベクトル系列ｘ1 ，ｘ2 ，
・・・，ｘt ，・・・，ｘT の対数出現確率lnＰ（ｘ
1 ，ｘ2 ，・・・，ｘt ，・・・，ｘT ）を求めること
により、当該ＨＭＭと音声信号の特徴ベクトル系列ｘ
1 ，ｘ2 ，・・・，ｘt ，・・・，ｘT との尤度を算出
することを特徴とする、隠れマルコフモデルと音声信号
の類似度計算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4010077A JP2983364B2 (ja) | 1992-01-23 | 1992-01-23 | 隠れマルコフモデルと音声信号との類似度計算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4010077A JP2983364B2 (ja) | 1992-01-23 | 1992-01-23 | 隠れマルコフモデルと音声信号との類似度計算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05197388A JPH05197388A (ja) | 1993-08-06 |
| JP2983364B2 true JP2983364B2 (ja) | 1999-11-29 |
Family
ID=11740296
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4010077A Expired - Fee Related JP2983364B2 (ja) | 1992-01-23 | 1992-01-23 | 隠れマルコフモデルと音声信号との類似度計算方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2983364B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002007146A1 (fr) * | 2000-07-13 | 2002-01-24 | Asahi Kasei Kabushiki Kaisha | Dispositif de reconnaissance vocale et procede de reconnaissance vocale |
| US7813925B2 (en) | 2005-04-11 | 2010-10-12 | Canon Kabushiki Kaisha | State output probability calculating method and apparatus for mixture distribution HMM |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5200712B2 (ja) | 2008-07-10 | 2013-06-05 | 富士通株式会社 | 音声認識装置、音声認識方法及びコンピュータプログラム |
| CN115273892A (zh) * | 2022-07-27 | 2022-11-01 | 腾讯科技（深圳）有限公司 | 音频处理方法、装置、设备、存储介质和计算机程序产品 |
-
1992
- 1992-01-23 JP JP4010077A patent/JP2983364B2/ja not_active Expired - Fee Related
Non-Patent Citations (7)
| Title |
|---|
| ＡＴ＆Ｔ Ｔｅｃｈｎｉｃａｌ Ｊｏｕｒｎａｌ，Ｖｏｌ．６４，Ｎｏ．６，Ｊｕｌｙ−Ａｕｇｕｓｔ １９８５，"Ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ Ｉｓｏｌａｔｅｄ Ｄｉｇｉｔｓ Ｕｓｉｎｇ Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌｓ ｗｉｔｈ Ｃｏｎｔｉｎｕｏｕｓ Ｍｉｘｔｕｒｅ Ｄｅｓｉｔｉｅｓ"，ｐ．１２１１−１２３４ |
| Ｃｏｍｐｕｔｅｒ Ｓｐｅｅｃｈ ａｎｄ Ｌａｎｇｕａｇｅ，Ｖｏｌ．３，Ｎｏ．３，１９８９，"Ｓｅｍｉ−Ｃｏｎｔｉｎｕｏｕｓ Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌｓ ｆｏｒ Ｓｐｅｅｃｈ Ｓｉｇｎａｌｓ"，ｐ．２３９−２５１ |
| ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｖｏｌ．ＡＳＳＰ−３３，Ｎｏ．６，Ｄｅｃｅｍｂｅｒ １９８５，"Ｍｉｘｔｕｒｅ Ａｕｔｏｒｅｇｒｅｓｓｉｖｅ Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌｓ ｆｏｒ Ｓｐｅｅｃｈ Ｓｉｇｎａｌｓ"，ｐ．１４０４−１４１３ |
| Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ １９８６ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｖｏｌ．１"Ｍｉｘｔｕｒｅ Ａｕｔｏｒｅｇｒｅｓｓｉｖｅ Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌｓ ｆｏｒ Ｓｐｅａｋｅｒ Ｉｎｄｅｐｅｎｄｅｎｔ Ｉｓｏｌａｔｅｄ Ｗｏｒｄ Ｒｅｃｏｇｎｉｔｉｏｎ"ｐ．４１−４４ |
| Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ １９８９ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｖｏｌ．１"Ｐｈｏｎｅｍｅ Ｍｏｄｅｌｌｉｎｇ ｕｓｉｎｇ Ｃｏｎｔｉｎｕｏｕｓ Ｍｉｘｔｕｒｅ Ｄｅｎｓｉｔｉｅｓ"ｐ．４３７−４４０ |
| Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ １９８９ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ａｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｖｏｌ．１"Ｖｅｃｔｏｒ Ｑｕａｎｔｉｚａｔｉｏｎ ｏｆ ｔｈｅ Ｃｏｎｔｉｎｏｕｓ Ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ａｎ ＨＭＭ Ｓｐｅｅｃｈ Ｒｅｃｏｇｎｉｓｅｒ ｂａｓｅｄ ｏｎ Ｍｉｘｔｕｒｅｓ ｏｆ Ｃｏｎｔｉｎｕｏｕｓ Ｄｉｓｔｒｉｂｕｔｉｏｎｓ"ｐ．９−１２ |
| 電子情報通信学会技術研究報告［電気音響］Ｖｏｌ．９１，Ｎｏ．４４，ＥＡ９１−５，「複数話者音声認識におけるＨＭＭの設計法」ｐ．９−１５（１９９１） |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002007146A1 (fr) * | 2000-07-13 | 2002-01-24 | Asahi Kasei Kabushiki Kaisha | Dispositif de reconnaissance vocale et procede de reconnaissance vocale |
| US7272561B2 (en) | 2000-07-13 | 2007-09-18 | Asahi Kasei Kabushiki Kaisha | Speech recognition device and speech recognition method |
| US7813925B2 (en) | 2005-04-11 | 2010-10-12 | Canon Kabushiki Kaisha | State output probability calculating method and apparatus for mixture distribution HMM |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH05197388A (ja) | 1993-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5345536A (en) | Method of speech recognition | |
| JP3373305B2 (ja) | 音声認識用データ圧縮 | |
| EP0921519B1 (en) | Technique for adaptation of hidden Markov Models for speech recognition | |
| US6529866B1 (en) | Speech recognition system and associated methods | |
| Bahl et al. | Multonic Markov word models for large vocabulary continuous speech recognition | |
| JPH0555040B2 (ja) | ||
| US5459815A (en) | Speech recognition method using time-frequency masking mechanism | |
| US5594834A (en) | Method and system for recognizing a boundary between sounds in continuous speech | |
| JP2002366187A (ja) | 音声認識装置および音声認識方法、並びにプログラムおよび記録媒体 | |
| JP2002511609A (ja) | 音声認識システムのための動的にコンフィギュレーション可能な音響モデル | |
| US5734793A (en) | System for recognizing spoken sounds from continuous speech and method of using same | |
| US20010010039A1 (en) | Method and apparatus for mandarin chinese speech recognition by using initial/final phoneme similarity vector | |
| US4876720A (en) | Speech recognition system | |
| US5943647A (en) | Speech recognition based on HMMs | |
| Bahi et al. | Combination of vector quantization and hidden Markov models for Arabic speech recognition | |
| Nakamura et al. | Speaker adaptation applied to HMM and neural networks | |
| Fukuda et al. | Distinctive phonetic feature extraction for robust speech recognition | |
| Manasa et al. | Comparison of acoustical models of GMM-HMM based for speech recognition in Hindi using PocketSphinx | |
| JP2983364B2 (ja) | 隠れマルコフモデルと音声信号との類似度計算方法 | |
| Syfullah et al. | Efficient vector code-book generation using K-means and Linde-Buzo-Gray (LBG) algorithm for Bengali voice recognition | |
| Wu et al. | Speaker identification based on the frame linear predictive coding spectrum technique | |
| JP3029803B2 (ja) | 音声認識のための単語モデル生成装置及び音声認識装置 | |
| Ranjan et al. | Acoustic Feature Extraction and Isolated Word Recognition of Speech Signal Using HMM for Different Dialects | |
| Li | Speech recognition of mandarin monosyllables | |
| Guerid et al. | Recognition of isolated digits using HMM and harmonic noise model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19990831 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070924 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080924 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080924 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090924 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |