JP3097134B2 - Ｄｐマッチング法 - Google Patents
Ｄｐマッチング法Info
- Publication number
- JP3097134B2 JP3097134B2 JP03013267A JP1326791A JP3097134B2 JP 3097134 B2 JP3097134 B2 JP 3097134B2 JP 03013267 A JP03013267 A JP 03013267A JP 1326791 A JP1326791 A JP 1326791A JP 3097134 B2 JP3097134 B2 JP 3097134B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- frame
- word
- input pattern
- grid point
- 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】本発明はパターンマッチング方法
に関する。
に関する。
【０００２】
【従来の技術】従来、「情報基礎学詳説」（コロナ社出
版、坂井利之編）に記載されているように、ｕ（ｉ）を
入力パターンＡのｉフレームを標準パターンＢのｕ
（ｉ）フレームに対応づけるパターン伸縮関数とする
時、入力パターンＡと標準パターンＢの時系列間の距離
の定義式が、
版、坂井利之編）に記載されているように、ｕ（ｉ）を
入力パターンＡのｉフレームを標準パターンＢのｕ
（ｉ）フレームに対応づけるパターン伸縮関数とする
時、入力パターンＡと標準パターンＢの時系列間の距離
の定義式が、
【０００３】
【数３】
【０００４】で表され、境界条件を｛ｕ（１）＝１、ｕ
（Ｉ）＝Ｊ｝とするＤＰマッチング法や、「Two-level
DP-matching-a dynamic programming based pattern ma
ttingalgorithm for connected word recognitions」
（IEEE Trans. Acoust.,Speech& Signal Process.,ASSP
-27,6,pp588-595 by H. Sakoe)に記載されているよう
に、連続単語認識のための２段ＤＰマッチング法が知ら
れていた。
（Ｉ）＝Ｊ｝とするＤＰマッチング法や、「Two-level
DP-matching-a dynamic programming based pattern ma
ttingalgorithm for connected word recognitions」
（IEEE Trans. Acoust.,Speech& Signal Process.,ASSP
-27,6,pp588-595 by H. Sakoe)に記載されているよう
に、連続単語認識のための２段ＤＰマッチング法が知ら
れていた。
【０００５】ここで、Ｉは入力パターンのフレーム数、
Ｊは標準パターンのフレーム数を表す。
Ｊは標準パターンのフレーム数を表す。
【０００６】
【発明が解決しようとする課題】しかし、従来のＤＰマ
ッチング法では、入力パターン中に、本来照合すべきパ
ターンの前後に、標準パターンの特徴パラメータと特徴
量が異なる余分なパターンが付加された場合、入力パタ
ーン全体と、標準パターン全体を照合するため、正確な
パターンマッチングが不可能となるという問題点を有し
ていた。
ッチング法では、入力パターン中に、本来照合すべきパ
ターンの前後に、標準パターンの特徴パラメータと特徴
量が異なる余分なパターンが付加された場合、入力パタ
ーン全体と、標準パターン全体を照合するため、正確な
パターンマッチングが不可能となるという問題点を有し
ていた。
【０００７】従来のＤＰマッチング法を単語音声認識に
応用した場合、単語の前後に、話者が自然に発声してし
まう、「えー」「んー」「です」等の言葉を付けて発声
した時に、余分なパターンを含んだ入力パターン全体
と、単語の標準パターンとのパターンマッチングを行う
ため、誤認識を起こしてしまうという問題点を有してい
た。この問題を解決する方法として、２段ＤＰマッチン
グ法を用いて、入力パターンから、単語部分をスポッテ
ィングする方法があるが、この方法では、入力パターン
長がＩフレームであった場合、入力パターンの総てのフ
レームを始点とするＩ個の入力パターンと標準パターン
とのパターンマッチングを行うため、計算時間が長くな
り、音声認識の実時間処理が難しくなる、という問題点
を有している。
応用した場合、単語の前後に、話者が自然に発声してし
まう、「えー」「んー」「です」等の言葉を付けて発声
した時に、余分なパターンを含んだ入力パターン全体
と、単語の標準パターンとのパターンマッチングを行う
ため、誤認識を起こしてしまうという問題点を有してい
た。この問題を解決する方法として、２段ＤＰマッチン
グ法を用いて、入力パターンから、単語部分をスポッテ
ィングする方法があるが、この方法では、入力パターン
長がＩフレームであった場合、入力パターンの総てのフ
レームを始点とするＩ個の入力パターンと標準パターン
とのパターンマッチングを行うため、計算時間が長くな
り、音声認識の実時間処理が難しくなる、という問題点
を有している。
【０００８】
【課題を解決するための手段】本発明は、ＤＰマッチン
グ法において、入力パターンＡと標準パターンＢの特徴
パラメータの列を、Ａ＝ａ1、ａ2、・・、ａi、・・、
ａI、Ｂ＝ｂ1、ｂ2、・・、ｂj、・・、ｂJ（Ｉは入力
パターンのフレーム数、Ｊは標準パターンのフレーム
数）で表し、ｕ（ｉ）を、前記入力パターンＡのｉフレ
ームに対応づけられる前記標準パターンＢのフレーム番
号とするとき、前記入カパターンＡと前記標準パターン
Ｂの列間の距離の定義式を、
グ法において、入力パターンＡと標準パターンＢの特徴
パラメータの列を、Ａ＝ａ1、ａ2、・・、ａi、・・、
ａI、Ｂ＝ｂ1、ｂ2、・・、ｂj、・・、ｂJ（Ｉは入力
パターンのフレーム数、Ｊは標準パターンのフレーム
数）で表し、ｕ（ｉ）を、前記入力パターンＡのｉフレ
ームに対応づけられる前記標準パターンＢのフレーム番
号とするとき、前記入カパターンＡと前記標準パターン
Ｂの列間の距離の定義式を、
【数４】 とし、前記列間の距離の定義式中の部分式
【数５】 における境界条件を｛ｕ（ｉ1）＝１、ｕ（ｉ2）＝
Ｊ｝とし、前記列間の距離の定義式において、ｉ＞
ｉ1、の時、ｕ（ｉ）≠１とすることを特徴とする。
Ｊ｝とし、前記列間の距離の定義式において、ｉ＞
ｉ1、の時、ｕ（ｉ）≠１とすることを特徴とする。
【０００９】
【数４】
【００１０】とし、前記列間の距離の定義式中の部分式
【００１１】
【数５】
【００１２】における境界条件を｛ｕ（ｉ1）＝１、ｕ
（ｉ2）＝ Ｊ｝とし、前記列間の距離の定義式におい
て、ｉ＞ｉ1の時、ｕ（ｉ）≠１とすることを特徴とす
る。
（ｉ2）＝ Ｊ｝とし、前記列間の距離の定義式におい
て、ｉ＞ｉ1の時、ｕ（ｉ）≠１とすることを特徴とす
る。
【００１３】
【実施例】（実施例１）本発明のＤＰマッチング法を、
ワードスポッティングを行う単語認識の音声認識装置に
応用した実施例を図面に沿って説明する。
ワードスポッティングを行う単語認識の音声認識装置に
応用した実施例を図面に沿って説明する。
【００１４】図１は、本発明のＤＰマッチング法を用い
た音声認識装置のシステム構成図である。話者によって
発話された音声を、マイク１より入力し、Ａ／Ｄ変換部
２において、１６［ＫＨｚ］、１２ビットのディジタル
信号に変換し、特徴抽出部３において、２０［ｍｓ］を
１フレームとして、１フレーム毎に、ハミングウィンド
ウ処理、線形予測分析を行い、１４次ＬＰＣケプストラ
ム係数を特徴パラメータとして求める。この時、フレー
ムのシフト量は１０［ｍｓ］とする。このようにして得
た特徴パラメータ列を入力パターンとして、単語認識部
４において、あらかじめ学習させてあるＮ個の単語の標
準パターンと、本発明のＤＰマッチング法を用いてパタ
ーンマッチングを行うことにより、単語をスポッティン
グし、認識する。このときＮ個の単語の標準パターンは
単語辞書５に登録されている。
た音声認識装置のシステム構成図である。話者によって
発話された音声を、マイク１より入力し、Ａ／Ｄ変換部
２において、１６［ＫＨｚ］、１２ビットのディジタル
信号に変換し、特徴抽出部３において、２０［ｍｓ］を
１フレームとして、１フレーム毎に、ハミングウィンド
ウ処理、線形予測分析を行い、１４次ＬＰＣケプストラ
ム係数を特徴パラメータとして求める。この時、フレー
ムのシフト量は１０［ｍｓ］とする。このようにして得
た特徴パラメータ列を入力パターンとして、単語認識部
４において、あらかじめ学習させてあるＮ個の単語の標
準パターンと、本発明のＤＰマッチング法を用いてパタ
ーンマッチングを行うことにより、単語をスポッティン
グし、認識する。このときＮ個の単語の標準パターンは
単語辞書５に登録されている。
【００１５】まず、図２、図３の説明に必要な記号を定
義する。
義する。
【００１６】話者が発話した音声を入力パターンαと
し、入力パターン長をＩとし、単語名をｎとし、単語数
をＮとし、単語ｎの標準パターンをβnとし、単語ｎの
標準パターン長をＪnとし、入力パターンαの特徴パラ
メータの時系列を、ａ(1)、ａ(2)、・・・、ａ(I)、と
し、単語ｎの標準パターンβnの特徴パラメータの時
系列を、ｂn(1)、ｂn(2)、・・・、ｂn(Jn)、とする。
し、入力パターン長をＩとし、単語名をｎとし、単語数
をＮとし、単語ｎの標準パターンをβnとし、単語ｎの
標準パターン長をＪnとし、入力パターンαの特徴パラ
メータの時系列を、ａ(1)、ａ(2)、・・・、ａ(I)、と
し、単語ｎの標準パターンβnの特徴パラメータの時
系列を、ｂn(1)、ｂn(2)、・・・、ｂn(Jn)、とする。
【００１７】ｄn（ｉ、ｊ）を入力パターンαの第ｉフ
レーム（ａ(i)）と単語ｎの標準パターンβnの第ｊフレ
ーム（ｂn(j)）のフレーム間距離とする。
レーム（ａ(i)）と単語ｎの標準パターンβnの第ｊフレ
ーム（ｂn(j)）のフレーム間距離とする。
【００１８】ＢＰn（ｉ、ｊ）は、格子点（ｉ、ｊ）に
おいて、照合する入力パターンαの照合開始位置を示す
バックポインタとする。
おいて、照合する入力パターンαの照合開始位置を示す
バックポインタとする。
【００１９】ｇn（ｉ、ｊ）は、入力パターンαのＢＰn
（ｉ、ｊ）フレームからｉフレームと、単語ｎの標準パ
ターンβnの１フレームからｊフレームとの最小累積距
離とする。
（ｉ、ｊ）フレームからｉフレームと、単語ｎの標準パ
ターンβnの１フレームからｊフレームとの最小累積距
離とする。
【００２０】 ｕn（ｉ）を、入力パターンαのｉフレ
ームに対応づけられる標準パターンβnのフレーム番号
とするとし、本実施例においては、ｕn（ｉ）の条件
を、ｕn（ｉ−１）＝ｊ、または、ｕn（ｉ−１）＝ｊ−
１、または、ｕn（ｉ−１）＝ｊ−２、の時に限り、ｕn
（ｉ）＝ｊ、とする。この条件は、図４で示すＤＰパス
４１、４２、４３に対応する。
ームに対応づけられる標準パターンβnのフレーム番号
とするとし、本実施例においては、ｕn（ｉ）の条件
を、ｕn（ｉ−１）＝ｊ、または、ｕn（ｉ−１）＝ｊ−
１、または、ｕn（ｉ−１）＝ｊ−２、の時に限り、ｕn
（ｉ）＝ｊ、とする。この条件は、図４で示すＤＰパス
４１、４２、４３に対応する。
【００２１】入力パターンαと標準パターンβnの時系
列間の距離の定義式を、
列間の距離の定義式を、
【００２２】
【数６】 ・・・（１）式
【００２３】とする。
【００２４】ここで、ｉn(1)は｛１≦ｉn(1)＜Ｉ｝の範
囲の任意の入力パターンαのフレーム番号で、単語ｎの
標準パターンβと入力パターンαの照合開始位置を示
す。
囲の任意の入力パターンαのフレーム番号で、単語ｎの
標準パターンβと入力パターンαの照合開始位置を示
す。
【００２５】ｉn(2)は｛１＜ｉn(2)≦Ｉ｝の範囲の任意
の入力パターンαのフレーム番号で、単語ｎの標準パタ
ーンβと入力パターンαの照合終了位置を示す。
の入力パターンαのフレーム番号で、単語ｎの標準パタ
ーンβと入力パターンαの照合終了位置を示す。
【００２６】（１）式で表される時系列間の距離の定義
式中の部分式、
式中の部分式、
【００２７】
【数７】 ・・・（２）式
【００２８】における境界条件を、｛ｕn（ｉn(1)）＝
１、ｕn（ｉn(2)）＝Ｊn｝とする。これは、「入力パタ
ーンαの照合開始フレームが任意の第ｉn(1)フレームの
時、単語ｎの標準パターンβnの照合開始フレームは第
１フレームである」ということ と、「入力パターンα
の照合終了フレームが任意の第ｉn(2)フレームの時、単
語ｎの標準パターンβnの照合終了フレームは第Ｊnフレ
ームである」ということを示す。この境界条件により、
部分式（２）式は、単語ｎの標準パターンβnと、 入
力パターンα中の任意のｉn(1)フレームから任意のｉ
n(2)フレームまでのパターンとの最小累積距離を表す。
１、ｕn（ｉn(2)）＝Ｊn｝とする。これは、「入力パタ
ーンαの照合開始フレームが任意の第ｉn(1)フレームの
時、単語ｎの標準パターンβnの照合開始フレームは第
１フレームである」ということ と、「入力パターンα
の照合終了フレームが任意の第ｉn(2)フレームの時、単
語ｎの標準パターンβnの照合終了フレームは第Ｊnフレ
ームである」ということを示す。この境界条件により、
部分式（２）式は、単語ｎの標準パターンβnと、 入
力パターンα中の任意のｉn(1)フレームから任意のｉ
n(2)フレームまでのパターンとの最小累積距離を表す。
【００２９】よって、部分式（２）式を最小にする、ｉ
n(1)フレームとｉn(2)フレームを選択することにより、
単語ｎの標準パターンβnとの距離を最小にする、入力
パターンα中の最適範囲をスポッティングできる。この
ようにスポッティングされた入力パターンα中のｉn(1)
フレームからｉn(2)フレームまでのパターンと標準パタ
ーンβnとの最小累積距離が、入力パターンαと標準パ
ターンβnとの最小累積距離であり、この定義式は
（１）式となる。
n(1)フレームとｉn(2)フレームを選択することにより、
単語ｎの標準パターンβnとの距離を最小にする、入力
パターンα中の最適範囲をスポッティングできる。この
ようにスポッティングされた入力パターンα中のｉn(1)
フレームからｉn(2)フレームまでのパターンと標準パタ
ーンβnとの最小累積距離が、入力パターンαと標準パ
ターンβnとの最小累積距離であり、この定義式は
（１）式となる。
【００３０】本発明においては、部分式（２）式を計算
するアルゴリズムを高速化するために、ｉ＞ｉn（１）
の時、ｕn（ｉ）≠１とする。これは図４において、ｊ
＝１の時、ＤＰパス４１を許可しない、ということであ
る。この条件により、入力パターンαの任意の第ｉフレ
ームと単語ｎの標準パターンβnの第１フレームとのフ
レーム格子点（ｉ、１）における最小累積距離ｇ
n（ｉ、１）は、常にその格子点でのフレーム間距離と
なり、他のフレーム間距離とは無関係となる。すなわ
ち、どのフレーム格子点（ｉ、１）もパターン照合開始
点となり得ることになる。
するアルゴリズムを高速化するために、ｉ＞ｉn（１）
の時、ｕn（ｉ）≠１とする。これは図４において、ｊ
＝１の時、ＤＰパス４１を許可しない、ということであ
る。この条件により、入力パターンαの任意の第ｉフレ
ームと単語ｎの標準パターンβnの第１フレームとのフ
レーム格子点（ｉ、１）における最小累積距離ｇ
n（ｉ、１）は、常にその格子点でのフレーム間距離と
なり、他のフレーム間距離とは無関係となる。すなわ
ち、どのフレーム格子点（ｉ、１）もパターン照合開始
点となり得ることになる。
【００３１】この条件を用いることにより計算が高速に
なることを、図２を用いて説明する。
なることを、図２を用いて説明する。
【００３２】格子点１４における最小累積距離のＤＰパ
スが、ＤＰパス１６、１７であった場合、格子点１４に
おける最小累積距離は、格子点１０、１３、１４のフレ
ーム間距離の和であり、この照合開始格子点は、格子点
１０である。格子点１２における最小累積距離は、ｊ＝
１の時は、上記の条件により格子点１１から格子点１２
へのＤＰパスは許可しないため、格子点１２におけるフ
レーム間距離であり、照合開始格子点は格子点１２であ
る。格子点１５における最小累積距離を求めるためのＤ
Ｐパスは、格子点１４における最小累積距離と格子点１
２における最小累積距離のうち、最小累積距離の値の小
さい方の格子点と格子点１５を結ぶパスとして求められ
る。ここで、ＤＰパス１９が選択された場合、本発明の
ＤＰマッチング法では、上記で述ベたように、照合開始
格子点は格子点１２となる。このように、最初の照合開
始格子点を、格子点（１、１）として、最小累積距離の
計算を始めた場合、任意の格子点（ｉ、ｊ）の最小累積
距離は、格子点（１、１）から格子点（ｉ−１、１）の
うちの最適な格子点から格子点（ｉ、ｊ）までの累積距
離として計算され、格子点（１、１）から格子点（ｉ−
１、１）のうちの最適な格子点が、新たに照合開始格子
点として選択される。このようにして、ｉ＝１からＩま
で、順にｉの値を増やしながら、ｊ（１からＪnまで）
との格子点における最小累積距離を、１回だけ求めてい
くことにより、任意のｉを入力パターンαの終了フレー
ムとする、単語ｎの標準パターンβn＝との最小累積距
離と、その照合開始格子点を１点だけ求めることができ
る。
スが、ＤＰパス１６、１７であった場合、格子点１４に
おける最小累積距離は、格子点１０、１３、１４のフレ
ーム間距離の和であり、この照合開始格子点は、格子点
１０である。格子点１２における最小累積距離は、ｊ＝
１の時は、上記の条件により格子点１１から格子点１２
へのＤＰパスは許可しないため、格子点１２におけるフ
レーム間距離であり、照合開始格子点は格子点１２であ
る。格子点１５における最小累積距離を求めるためのＤ
Ｐパスは、格子点１４における最小累積距離と格子点１
２における最小累積距離のうち、最小累積距離の値の小
さい方の格子点と格子点１５を結ぶパスとして求められ
る。ここで、ＤＰパス１９が選択された場合、本発明の
ＤＰマッチング法では、上記で述ベたように、照合開始
格子点は格子点１２となる。このように、最初の照合開
始格子点を、格子点（１、１）として、最小累積距離の
計算を始めた場合、任意の格子点（ｉ、ｊ）の最小累積
距離は、格子点（１、１）から格子点（ｉ−１、１）の
うちの最適な格子点から格子点（ｉ、ｊ）までの累積距
離として計算され、格子点（１、１）から格子点（ｉ−
１、１）のうちの最適な格子点が、新たに照合開始格子
点として選択される。このようにして、ｉ＝１からＩま
で、順にｉの値を増やしながら、ｊ（１からＪnまで）
との格子点における最小累積距離を、１回だけ求めてい
くことにより、任意のｉを入力パターンαの終了フレー
ムとする、単語ｎの標準パターンβn＝との最小累積距
離と、その照合開始格子点を１点だけ求めることができ
る。
【００３３】従来方法では、格子点１５へのＤＰパス
が、ＤＰパス１９となった時、格子点１２における最小
累積距離は、格子点１０、１１、１２におけるフレーム
間距離の和で、照合開始格子点は格子点１０である。す
なわち、格子点１０から照合を開始した場合、どの格子
点においても、照合開始格子点は格子点１０となる。よ
って、任意のｉを入力パターンαの終了フレームとす
る、単語ｎの標準パターンβnとの最小累積距離を求め
るためには、照合開始格子点を格子点（１、１）から格
子点（ｉ−１、１）までのそれぞれの格子点とする、ｉ
−１回の計算を行い、どの格子点を照合開始格子点とし
て計算した時が、最も累積距離が小さいかを計算する必
要がある。よって、入力パターン数をＩフレームとした
場合、最小累積距離の計算ループは本発明の（Ｉ−１）
／２倍となる。仮に、入力フレーム数Ｉが１００フレー
ムの場合、最小累積距離の計算ループは、本発明の約５
０倍となる。
が、ＤＰパス１９となった時、格子点１２における最小
累積距離は、格子点１０、１１、１２におけるフレーム
間距離の和で、照合開始格子点は格子点１０である。す
なわち、格子点１０から照合を開始した場合、どの格子
点においても、照合開始格子点は格子点１０となる。よ
って、任意のｉを入力パターンαの終了フレームとす
る、単語ｎの標準パターンβnとの最小累積距離を求め
るためには、照合開始格子点を格子点（１、１）から格
子点（ｉ−１、１）までのそれぞれの格子点とする、ｉ
−１回の計算を行い、どの格子点を照合開始格子点とし
て計算した時が、最も累積距離が小さいかを計算する必
要がある。よって、入力パターン数をＩフレームとした
場合、最小累積距離の計算ループは本発明の（Ｉ−１）
／２倍となる。仮に、入力フレーム数Ｉが１００フレー
ムの場合、最小累積距離の計算ループは、本発明の約５
０倍となる。
【００３４】次に、図３を用いて、本発明のＤＰマッチ
ング法を実際に行うアルゴリズムを説明する。
ング法を実際に行うアルゴリズムを説明する。
【００３５】ループ２１では、単語辞書５に登録してあ
るＮ個の単語の標準パターンと入力パターンとのパター
ンマッチングを行うために、ｎ＝１、２、・・・、Ｎに
ついて、ループ２２、演算２３、演算２４、ループ２
５、演算２６、演算２７、ループ２８、ループ２９、演
算３０、演算３１、演算３２を実行する。
るＮ個の単語の標準パターンと入力パターンとのパター
ンマッチングを行うために、ｎ＝１、２、・・・、Ｎに
ついて、ループ２２、演算２３、演算２４、ループ２
５、演算２６、演算２７、ループ２８、ループ２９、演
算３０、演算３１、演算３２を実行する。
【００３６】ループ２２では、入力パターンの各フレー
ム、ｉ＝１、２、・・・、Ｉについて、演算２３、演算
２４を実行し、累積距離ｇn（ｉ、１）、バックポイン
タＢＰn（ｉ、１）を初期化する。
ム、ｉ＝１、２、・・・、Ｉについて、演算２３、演算
２４を実行し、累積距離ｇn（ｉ、１）、バックポイン
タＢＰn（ｉ、１）を初期化する。
【００３７】累積距離ｇn（ｉ、１）の初期値は、入力
フレームαの第ｉフレームと単語ｎの標準パターンβn
の第１フレームとのフレーム間距離ｄn（ｉ、１）とす
る。格子点（ｉ、１）におけるバックポインタＢＰ
n（ｉ、１）の初期値はｉとする。 この初期化は、単
語ｎの標準パターンβnと入力パターンαの照合開始位
置にお ける境界条件を示す。
フレームαの第ｉフレームと単語ｎの標準パターンβn
の第１フレームとのフレーム間距離ｄn（ｉ、１）とす
る。格子点（ｉ、１）におけるバックポインタＢＰ
n（ｉ、１）の初期値はｉとする。 この初期化は、単
語ｎの標準パターンβnと入力パターンαの照合開始位
置にお ける境界条件を示す。
【００３８】ループ２５では、単語ｎの標準パターンの
各フレーム、ｊ＝２、３、・・・、Ｊnについて、演算
２６、演算２７を実行し、累積距離ｇn（１、ｊ）、バ
ックポインタＢＰn（１、ｊ）を初期化する。ここで、
累積距離ｇn（１、ｊ）の初期値は無限大とする。この
初期化も、単語ｎの標準パターンβnと入力パターンα
の照合開始位置における境界条件を満たすための初期化
である。
各フレーム、ｊ＝２、３、・・・、Ｊnについて、演算
２６、演算２７を実行し、累積距離ｇn（１、ｊ）、バ
ックポインタＢＰn（１、ｊ）を初期化する。ここで、
累積距離ｇn（１、ｊ）の初期値は無限大とする。この
初期化も、単語ｎの標準パターンβnと入力パターンα
の照合開始位置における境界条件を満たすための初期化
である。
【００３９】ループ２８では、入力パターンの各フレー
ム、ｉ＝２、３、・・・、Ｉについて、ループ２９、演
算３０、演算３１、演算３２を実行する。
ム、ｉ＝２、３、・・・、Ｉについて、ループ２９、演
算３０、演算３１、演算３２を実行する。
【００４０】ループ２９では、単語ｎの標準パターン、
ｊ＝２、３、・・・、Ｊnについて、演算３０、演算３
１、演算３２を実行する。
ｊ＝２、３、・・・、Ｊnについて、演算３０、演算３
１、演算３２を実行する。
【００４１】演算３０では、格子点（ｉ、ｊ）におい
て、本実施例で許可する３つのＤＰパス、（図４で示さ
れる、ＤＰパス４１、ＤＰパス４２、ＤＰパス４３）の
うち、最適なＤＰパスを選択する演算を行う。すなわ
ち、格子点（ｉ−１、ｊ）、（ｉ−１、ｊ−１）、（ｉ
−１、ｊ−２）までの累積距離が最小である格子点を選
択する値である。演算３０の中で用いられている関数、
て、本実施例で許可する３つのＤＰパス、（図４で示さ
れる、ＤＰパス４１、ＤＰパス４２、ＤＰパス４３）の
うち、最適なＤＰパスを選択する演算を行う。すなわ
ち、格子点（ｉ−１、ｊ）、（ｉ−１、ｊ−１）、（ｉ
−１、ｊ−２）までの累積距離が最小である格子点を選
択する値である。演算３０の中で用いられている関数、
【００４２】
【数８】
【００４３】は、｛｝中の関数ｇn（ｉ−１，ｋ）の値
を最小にするｋを求める関数と定義する。この演算によ
って求められるｋ′の値は、上記に示したパターン伸縮
関数ｕn（ｉー１）の値である。よって、ｊまたは、ｊ
−１、または、ｊー２、のい づれかの値である。
を最小にするｋを求める関数と定義する。この演算によ
って求められるｋ′の値は、上記に示したパターン伸縮
関数ｕn（ｉー１）の値である。よって、ｊまたは、ｊ
−１、または、ｊー２、のい づれかの値である。
【００４４】演算３１では、格子点（ｉ、ｊ）における
累積距離ｇn（ｉ、ｊ）を求める。この時、照合してい
るパターンは、入力パターンαのＢＰn（ｉ−１、
ｋ′）フ レームからｉフレームと、単語ｎの標準パタ
ーンβnの１フレームからｊフレー ムである。ここ
で、バックポインタＢＰn（ｉ−１、ｋ′）には、格子
点（ｉ− １、ｋ′）における、入力パターンαの照合
開始位置が保存されている。また、累積距離ｇn（ｉ、
ｋ′）は、入力パターンαのＢＰn（ｉ−１、ｋ′）フ
レームからｉフレームと、単語ｎの標準パターンβnの
１フレームからｋ′フレームと の最小累積距離であ
る。更に、格子点（ｉ、ｋ′）は、演算３０で演算され
たように、格子点（ｉ、ｊ）にとって、最適なＤＰパス
をとる格子点ある。よって、ｇn（ｉ、ｋ′）の値に、
格子点（ｉ、ｊ）におけるフレーム間距離ｄn（ｉ、
ｊ）を加えることにより、入力パターンαのＢＰn（ｉ
−１、ｋ′）フレームからｉ フレームと、単語ｎの標
準パターンβnの１フレームからｊフレームとの最小累
積距離ｇn（ｉ、ｊ）を求めることができる。
累積距離ｇn（ｉ、ｊ）を求める。この時、照合してい
るパターンは、入力パターンαのＢＰn（ｉ−１、
ｋ′）フ レームからｉフレームと、単語ｎの標準パタ
ーンβnの１フレームからｊフレー ムである。ここ
で、バックポインタＢＰn（ｉ−１、ｋ′）には、格子
点（ｉ− １、ｋ′）における、入力パターンαの照合
開始位置が保存されている。また、累積距離ｇn（ｉ、
ｋ′）は、入力パターンαのＢＰn（ｉ−１、ｋ′）フ
レームからｉフレームと、単語ｎの標準パターンβnの
１フレームからｋ′フレームと の最小累積距離であ
る。更に、格子点（ｉ、ｋ′）は、演算３０で演算され
たように、格子点（ｉ、ｊ）にとって、最適なＤＰパス
をとる格子点ある。よって、ｇn（ｉ、ｋ′）の値に、
格子点（ｉ、ｊ）におけるフレーム間距離ｄn（ｉ、
ｊ）を加えることにより、入力パターンαのＢＰn（ｉ
−１、ｋ′）フレームからｉ フレームと、単語ｎの標
準パターンβnの１フレームからｊフレームとの最小累
積距離ｇn（ｉ、ｊ）を求めることができる。
【００４５】
【００４６】演算３２では格子点（ｉ、ｊ）におけるバ
ックポインタを演算している。この演算により、格子点
（ｉ、ｊ）における累積距離ｇn（ｉ、ｊ）の入力パタ
ーンの照合開始位置を、バックポインタＢＰn（ｉ、
ｊ）に保存する。
ックポインタを演算している。この演算により、格子点
（ｉ、ｊ）における累積距離ｇn（ｉ、ｊ）の入力パタ
ーンの照合開始位置を、バックポインタＢＰn（ｉ、
ｊ）に保存する。
【００４７】以上のように演算された累積距離ｇ
n（ｉ、ｊ）の中から、入力パターンαの照合終了位置
に関する境界条件｛ｕn（ｉn(2)）＝Ｊn｝を満たす累積
距離ｇn（ ｉ、Ｊn）を用いて、（ここで、ｉn(2)は入
力パターンαの任意のフレーム番号 なので、入力パタ
ーンαの任意のフレーム番号ｉと同義である。）演算３
３を実行することにより、累積距離ｇn（ｉ、Ｊn）を最
小にする、単語ｎ′と入力パターンαの照合終了位置
ｉ′フレームを選択する。
n（ｉ、ｊ）の中から、入力パターンαの照合終了位置
に関する境界条件｛ｕn（ｉn(2)）＝Ｊn｝を満たす累積
距離ｇn（ ｉ、Ｊn）を用いて、（ここで、ｉn(2)は入
力パターンαの任意のフレーム番号 なので、入力パタ
ーンαの任意のフレーム番号ｉと同義である。）演算３
３を実行することにより、累積距離ｇn（ｉ、Ｊn）を最
小にする、単語ｎ′と入力パターンαの照合終了位置
ｉ′フレームを選択する。
【００４８】このｎ′とｉ′をバックポインタＢＰ
n（ｉ、ｊ）に代入して、演算３４を実行することによ
り、単語名がｎ′で、入力パターンαの照合終了位置が
ｉ′の時の、入力パターンαの照合開始位置Ｂフレーム
が得られる。
n（ｉ、ｊ）に代入して、演算３４を実行することによ
り、単語名がｎ′で、入力パターンαの照合終了位置が
ｉ′の時の、入力パターンαの照合開始位置Ｂフレーム
が得られる。
【００４９】以上の全ての演算によって、話者が発話し
た余分な音声を含む入力パターンαの中から、最適な単
語ｎ′を認識し、その単語が存在する最適区間（Ｂフレ
ーム〜ｉ′フレーム）をスポッティングする、「ワード
スポッティング」を行うことができる。
た余分な音声を含む入力パターンαの中から、最適な単
語ｎ′を認識し、その単語が存在する最適区間（Ｂフレ
ーム〜ｉ′フレーム）をスポッティングする、「ワード
スポッティング」を行うことができる。
【００５０】
【発明の効果】本発明のＤＰマッチング法を用いること
により、話者が自然に発話した音声中から、単語部分だ
けをスポッティングし認識する「ワードスポッティン
グ」を、従来方法に比べ短時間で実行することが可能と
なる効果がある。この効果を以下に、具体的な数字で示
す。
により、話者が自然に発話した音声中から、単語部分だ
けをスポッティングし認識する「ワードスポッティン
グ」を、従来方法に比べ短時間で実行することが可能と
なる効果がある。この効果を以下に、具体的な数字で示
す。
【００５１】従来方法の２段ＤＰマッチングを用いて計
算を行った場合、入力パターン長がＩフレーム、標準パ
ターン長がＪフレームの場合、累積距離を計算するルー
プの回数が、（Ｉ−１）／２＊Ｉ＊Ｊ回であるのに対
し、本発明のＤＰマッチング法を用いた場合、累積距離
を計算するループの回数は、Ｉ＊Ｊ回となる。すなわ
ち、累積距離を計算するループの回数は、従来方法の、
２／（Ｉ−１）となる。
算を行った場合、入力パターン長がＩフレーム、標準パ
ターン長がＪフレームの場合、累積距離を計算するルー
プの回数が、（Ｉ−１）／２＊Ｉ＊Ｊ回であるのに対
し、本発明のＤＰマッチング法を用いた場合、累積距離
を計算するループの回数は、Ｉ＊Ｊ回となる。すなわ
ち、累積距離を計算するループの回数は、従来方法の、
２／（Ｉ−１）となる。
【００５２】本実施例の様に、音声を１６［ＫＨｚ］で
サンプリングし、１フレームを２０［ｍｓ］とし、シフ
ト量を１０［ｍｓ］とした場合、１秒間の入力音声のパ
ターン長Ｉは、９９フレームとなるので、累積距離を計
算するループの回数は、従来方法の１／４８となる。
サンプリングし、１フレームを２０［ｍｓ］とし、シフ
ト量を１０［ｍｓ］とした場合、１秒間の入力音声のパ
ターン長Ｉは、９９フレームとなるので、累積距離を計
算するループの回数は、従来方法の１／４８となる。
【図１】本発明に関する音声認識装置のシステム構成
図。
図。
【図２】本発明に関するＤＰパスと、入力フレームと標
準フレームとの格子点を示す図。
準フレームとの格子点を示す図。
【図３】本発明に関する音声認識方法のアルゴリズムを
示す流れ図。
示す流れ図。
【図４】本発明に関するＤＰパスを示す図。
１ マイク ２ Ａ／Ｄ変換部 ３ 特徴抽出部 ４ 単語認識部 ５ 単語辞書 １０ 格子点 １１ 格子点 １２ 格子点 １３ 格子点 １４ 格子点 １５ 格子点 １６ ＤＰパス １７ ＤＰパス １８ ＤＰパス １９ ＤＰパス ２１ ループ ２２ ループ ２３ 演算 ２４ 演算 ２５ ループ ２６ 演算 ２７ 演算 ２８ ループ ２９ ループ ３０ 演算 ３１ 演算 ３２ 演算 ３３ 演算 ３４ 演算 ４１ ＤＰパス ４２ ＤＰパス ４３ ＤＰパス
Claims (1)
- 【請求項１】 ＤＰマッチング法において、 入力パターンＡと標準パターンＢの特徴パラメータの列
を、 Ａ＝ａ1、ａ2、・・、ａi、・・、ａI、Ｂ＝ｂ1、ｂ2、
・・、ｂj、・・、ｂJ（Ｉは入力パターンのフレーム
数、Ｊは標準パターンのフレーム数）で表し、 ｕ（ｉ）を、前記入力パターンＡのｉフレームに対応づ
けられる前記標準パターンＢのフレーム番号とすると
き、 前記入カパターンＡと前記標準パターンＢの列間の距離
の定義式を、 【数１】 とし、 前記列間の距離の定義式中の部分式 【数２】 における境界条件を｛ｕ（ｉ1）＝１、ｕ（ｉ2）＝Ｊ｝
とし、 前記列間の距離の定義式において、ｉ＞ｉ1、の時、ｕ
（ｉ）≠１とすることを特徴とする、ＤＰマッチング
法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03013267A JP3097134B2 (ja) | 1991-02-04 | 1991-02-04 | Ｄｐマッチング法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03013267A JP3097134B2 (ja) | 1991-02-04 | 1991-02-04 | Ｄｐマッチング法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04248595A JPH04248595A (ja) | 1992-09-04 |
| JP3097134B2 true JP3097134B2 (ja) | 2000-10-10 |
Family
ID=11828448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP03013267A Expired - Fee Related JP3097134B2 (ja) | 1991-02-04 | 1991-02-04 | Ｄｐマッチング法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3097134B2 (ja) |
-
1991
- 1991-02-04 JP JP03013267A patent/JP3097134B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH04248595A (ja) | 1992-09-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3762327B2 (ja) | 音声認識方法および音声認識装置および音声認識プログラム | |
| JP5282737B2 (ja) | 音声認識装置および音声認識方法 | |
| US7783484B2 (en) | Apparatus for reducing spurious insertions in speech recognition | |
| JP4340685B2 (ja) | 音声認識装置及び音声認識方法 | |
| JP2002149186A (ja) | 識別可能な適合に関する代替の単語列の選択 | |
| JPH0247760B2 (ja) | ||
| JP3097134B2 (ja) | Ｄｐマッチング法 | |
| JP3403838B2 (ja) | 句境界確率計算装置および句境界確率利用連続音声認識装置 | |
| JP3633254B2 (ja) | 音声認識システムおよびそのプログラムを記録した記録媒体 | |
| JP2853418B2 (ja) | 音声認識方法 | |
| JP3477751B2 (ja) | 連続単語音声認識装置 | |
| JP3440840B2 (ja) | 音声認識方法及びその装置 | |
| JPH0823758B2 (ja) | 話者適応形音声認識装置 | |
| JP2543584B2 (ja) | 音声標準パタン登録方式 | |
| JP3818154B2 (ja) | 音声認識方法 | |
| JPH0632006B2 (ja) | 音声認識装置 | |
| JP3291073B2 (ja) | 音声認識方式 | |
| JP2995941B2 (ja) | 不特定話者用音声認識装置 | |
| JPH06175684A (ja) | 連続音声認識方法および装置 | |
| JPH09305195A (ja) | 音声認識装置および音声認識方法 | |
| JPH0451037B2 (ja) | ||
| JPH0247758B2 (ja) | ||
| JP2882088B2 (ja) | 音声認識方法 | |
| JP2005091709A (ja) | 音声認識装置 | |
| JPH05158493A (ja) | 音声認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070811 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080811 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080811 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090811 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |