JP3357752B2 - パターンマッチング装置 - Google Patents
パターンマッチング装置Info
- Publication number
- JP3357752B2 JP3357752B2 JP24376594A JP24376594A JP3357752B2 JP 3357752 B2 JP3357752 B2 JP 3357752B2 JP 24376594 A JP24376594 A JP 24376594A JP 24376594 A JP24376594 A JP 24376594A JP 3357752 B2 JP3357752 B2 JP 3357752B2
- Authority
- JP
- Japan
- Prior art keywords
- similarity
- neutral point
- input
- pattern
- standard pattern
- 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、音声を認識するための
音声認識技術に関する。又、音声によるコマンド入力、
データ入力等を行うための音声認識装置に応用できる。
音声認識技術に関する。又、音声によるコマンド入力、
データ入力等を行うための音声認識装置に応用できる。
【０００２】
【従来の技術】発声された音声の音声区間全体を隙間な
く（１字１句）認識するのではなく、音声をワードスポ
ッティングによって認識する方法は不用語の付加やポー
ズなどの問題を避けることができ、音声対話システムや
音声理解システムに向いていることが知られている。
又、離散発声された単語音声を認識する場合でも、パワ
ーなどの情報によって音声区間を切り出してから認識す
るのではなく、無音部も含んだパターンからスポッティ
ングの手法を用いて認識するほうが受音の際の騒音や舌
打ち音などの影響を受けずにすむという利点がある。
く（１字１句）認識するのではなく、音声をワードスポ
ッティングによって認識する方法は不用語の付加やポー
ズなどの問題を避けることができ、音声対話システムや
音声理解システムに向いていることが知られている。
又、離散発声された単語音声を認識する場合でも、パワ
ーなどの情報によって音声区間を切り出してから認識す
るのではなく、無音部も含んだパターンからスポッティ
ングの手法を用いて認識するほうが受音の際の騒音や舌
打ち音などの影響を受けずにすむという利点がある。
【０００３】しかしながら、スポッティングには部分マ
ッチングという問題がある。例えば、認識対象となる言
葉に「新横浜」と「横浜」という言葉が含まれていた場
合、話者が「新横浜」と発声したとき、この音声中には
「横浜」という音声も含まれているために、「横浜」も
「新横浜」も高いスコア（小さな距離）で認識されてし
まい、この言葉のうちのどちらであるか識別できないと
いう問題点があった。この部分マッチングは数字を認識
する際には、特に大きな問題となる。例えば、「３１」
という言葉には、「３０」、「３」、「１０」、「１
１」、「１」という部分マッチングされる言葉が存在す
る。但し、この部分マッチングには非対称性がある。つ
まり、長い言葉（上記例では「新横浜」）を短い言葉
（「横浜」）に誤認識することはあるが、その逆はあま
り多くない。例えば、特開平４−２３０７９７号におけ
る方法ではこの非対称性を利用している。つまり、入力
「新横浜」に対しては「横浜」の類似度は高いが、入力
「横浜」に対して「新横浜」の類似度は高くないという
類似度表を予め統計的に作成しておき、最初に通常の照
合を行い、次にここで得た全単語への類似度と上記の類
似度表との比較を行って、最も類似傾向が似ている（距
離の小さい）単語を認識結果とするものである。
ッチングという問題がある。例えば、認識対象となる言
葉に「新横浜」と「横浜」という言葉が含まれていた場
合、話者が「新横浜」と発声したとき、この音声中には
「横浜」という音声も含まれているために、「横浜」も
「新横浜」も高いスコア（小さな距離）で認識されてし
まい、この言葉のうちのどちらであるか識別できないと
いう問題点があった。この部分マッチングは数字を認識
する際には、特に大きな問題となる。例えば、「３１」
という言葉には、「３０」、「３」、「１０」、「１
１」、「１」という部分マッチングされる言葉が存在す
る。但し、この部分マッチングには非対称性がある。つ
まり、長い言葉（上記例では「新横浜」）を短い言葉
（「横浜」）に誤認識することはあるが、その逆はあま
り多くない。例えば、特開平４−２３０７９７号におけ
る方法ではこの非対称性を利用している。つまり、入力
「新横浜」に対しては「横浜」の類似度は高いが、入力
「横浜」に対して「新横浜」の類似度は高くないという
類似度表を予め統計的に作成しておき、最初に通常の照
合を行い、次にここで得た全単語への類似度と上記の類
似度表との比較を行って、最も類似傾向が似ている（距
離の小さい）単語を認識結果とするものである。
【０００４】
【発明が解決しようとする課題】しかし、認識対象とな
る全単語同士の類似表を予め作成しておく必要があるこ
とから、認識対象語彙が固定しているアプリケーション
にのみ有効である。例えば、特定話者方式の認識装置の
ように認識対象の言葉を自由に変更できる認識装置では
部分マッチングの問題を解決できず、照合を２段階に行
っているために処理が複雑であるという欠点があった。
る全単語同士の類似表を予め作成しておく必要があるこ
とから、認識対象語彙が固定しているアプリケーション
にのみ有効である。例えば、特定話者方式の認識装置の
ように認識対象の言葉を自由に変更できる認識装置では
部分マッチングの問題を解決できず、照合を２段階に行
っているために処理が複雑であるという欠点があった。
【０００５】この問題点を解決するために、特願平０５
−１５７５７３号の発明は、１段階の照合のみで、しか
も認識対象語彙を変更しても部分マッチングの問題をも
回避できる照合方法を提案している。しかしながら、特
願平０５−１５７５７３号の発明によれば、入力された
未知パターンの特徴ベクトルｘｉと予め登録された標準
パターンの特徴ベクトルｙｊとの類似度ｒ（ｘｉ，ｙ
ｊ）を正の実数Ｓと距離ｄ（ｘｉ，ｙｊ）とを用いて ｒ（ｘｉ，ｙｊ）＝Ｓ−ｄ（ｘｉ，ｙｊ） と定義している。ここでｘｉ，ｙｊのｉ，ｊは時系列の
番号を表し、距離ｄ（ｘｉ，ｙｊ）は特徴ベクトルｘ
ｉ，ｙｊとの市街値距離あるいはユークリッド距離等で
ある。実数Ｓの決め方としては、標準パターンに関して
全ｙｊで共通なＳ、ｙｊごとのＳ、音素あるいは音素グ
ループごとのＳ等があげられている。しかし、適切なＳ
の値は本来、特徴ベクトルごとに異なるので、全ｙｊで
共通なＳでは場合によっては大きすぎたり、小さすぎた
りするという問題点がある。特に、無音区間あるいはそ
れに近い音韻では、音声入力の無い区間で高い類似度が
継続し、湧き出し誤りが起こる可能性がある。又、ｙｊ
ごとあるいは音素ごとのＳを決めるために十分な量の学
習データを用意することには多大の労力を要するという
問題点が有り、特に、特定話者の単語単位の音声を登録
する方式の場合では、学習すべきデータが少なく、適切
なＳの値を決められないという問題点がある。
−１５７５７３号の発明は、１段階の照合のみで、しか
も認識対象語彙を変更しても部分マッチングの問題をも
回避できる照合方法を提案している。しかしながら、特
願平０５−１５７５７３号の発明によれば、入力された
未知パターンの特徴ベクトルｘｉと予め登録された標準
パターンの特徴ベクトルｙｊとの類似度ｒ（ｘｉ，ｙ
ｊ）を正の実数Ｓと距離ｄ（ｘｉ，ｙｊ）とを用いて ｒ（ｘｉ，ｙｊ）＝Ｓ−ｄ（ｘｉ，ｙｊ） と定義している。ここでｘｉ，ｙｊのｉ，ｊは時系列の
番号を表し、距離ｄ（ｘｉ，ｙｊ）は特徴ベクトルｘ
ｉ，ｙｊとの市街値距離あるいはユークリッド距離等で
ある。実数Ｓの決め方としては、標準パターンに関して
全ｙｊで共通なＳ、ｙｊごとのＳ、音素あるいは音素グ
ループごとのＳ等があげられている。しかし、適切なＳ
の値は本来、特徴ベクトルごとに異なるので、全ｙｊで
共通なＳでは場合によっては大きすぎたり、小さすぎた
りするという問題点がある。特に、無音区間あるいはそ
れに近い音韻では、音声入力の無い区間で高い類似度が
継続し、湧き出し誤りが起こる可能性がある。又、ｙｊ
ごとあるいは音素ごとのＳを決めるために十分な量の学
習データを用意することには多大の労力を要するという
問題点が有り、特に、特定話者の単語単位の音声を登録
する方式の場合では、学習すべきデータが少なく、適切
なＳの値を決められないという問題点がある。
【０００６】本発明は、ワードスポッティング技術にお
いて、部分マッチングの問題を回避する類似度尺度を定
めることにある。特に、特定話者が任意の語彙で使用す
る音声認識方式において学習データ量が少ない場合でも
適切な類似度が得られるようなパターンマッチング装置
を提供することを目的とする。
いて、部分マッチングの問題を回避する類似度尺度を定
めることにある。特に、特定話者が任意の語彙で使用す
る音声認識方式において学習データ量が少ない場合でも
適切な類似度が得られるようなパターンマッチング装置
を提供することを目的とする。
【０００７】
【課題を解決するための手段】かかる課題を解決するた
めに請求項１の発明のパターンマッチング装置は、音声
を入力する音声入力手段と、該音声入力手段より入力さ
れた音声を特徴ベクトルの時系列である入力パターンに
変換する特徴部抽出手段と、標準パターンの特徴ベクト
ルを予め登録した標準パターン記憶手段と、特徴部抽出
手段によって取り出された入力パターンの特徴ベクトル
と標準パターン記憶手段から取り出された標準パターン
の特徴ベクトルとの局所距離と類似度中立点とから局所
類似度を求め、該局所類似度の累積値を入力パターンと
標準パターンとの類似度として求める類似度計算手段
と、類似度中立点を入力された信号に応じて決定する類
似度中立点計算手段を備えることを特徴としている。
又、請求項２の発明のパターンマッチング装置は、請求
項１の発明の類似度中立点計算手段を類似度中立点を入
力された信号に応じて時刻ごとに決定することを特徴と
している。又、請求項３の発明のパターンマッチング装
置は、請求項１または請求項２の発明の類似度中立点計
算手段を類似度中立点を入力された信号のパワーに応じ
て決定することを特徴としている。又、請求項４の発明
のパターンマッチング装置は、請求項１または請求項２
の発明の前記類似度中立点計算手段を類似度中立点を入
力ベクトルの大きさに応じて決定することを特徴として
いる。
めに請求項１の発明のパターンマッチング装置は、音声
を入力する音声入力手段と、該音声入力手段より入力さ
れた音声を特徴ベクトルの時系列である入力パターンに
変換する特徴部抽出手段と、標準パターンの特徴ベクト
ルを予め登録した標準パターン記憶手段と、特徴部抽出
手段によって取り出された入力パターンの特徴ベクトル
と標準パターン記憶手段から取り出された標準パターン
の特徴ベクトルとの局所距離と類似度中立点とから局所
類似度を求め、該局所類似度の累積値を入力パターンと
標準パターンとの類似度として求める類似度計算手段
と、類似度中立点を入力された信号に応じて決定する類
似度中立点計算手段を備えることを特徴としている。
又、請求項２の発明のパターンマッチング装置は、請求
項１の発明の類似度中立点計算手段を類似度中立点を入
力された信号に応じて時刻ごとに決定することを特徴と
している。又、請求項３の発明のパターンマッチング装
置は、請求項１または請求項２の発明の類似度中立点計
算手段を類似度中立点を入力された信号のパワーに応じ
て決定することを特徴としている。又、請求項４の発明
のパターンマッチング装置は、請求項１または請求項２
の発明の前記類似度中立点計算手段を類似度中立点を入
力ベクトルの大きさに応じて決定することを特徴として
いる。
【０００８】
【作用】本発明によれば、マイクロフォンや受話器など
の音声入力手段から入力された音声信号を特徴抽出手段
によって特徴ベクトルの時系列の入力パターンへ変換す
る。同時に、類似度中立点計算手段によって、類似度中
立点を入力された信号に応じて、例えば入力された信号
のパワーや入力ベクトルの大きさ等に応じて決定する。
即ち、標準パターンの特徴量に応じて類似度中立点を決
定するのではなく、入力パターンの特徴量に応じて決定
することが本発明の特徴である。次ぎに、類似度計算手
段は、特徴部抽出手段によって取り出された入力パター
ンの特徴ベクトルと標準パターン記憶手段から取り出さ
れた標準パターンの特徴ベクトルとの局所距離と類似度
中立点とから局所類似度を求め、この局所類似度の累積
値を入力パターンと標準パターンとの類似度として求め
る。結果出力判定手段は、求められた累積類似度から認
識対象となっている標準パターンがしきい値以上かどう
かを判定し、しきい値以上のときは認識結果出力手段が
その標準パターンを認識結果として出力する。このよう
に、様々な入力信号に対して入力信号の特徴とそれに適
した類似度中立点を決定しているので、特定話者が単語
登録して用いる学習データが少ない音声認識方式におい
ても、それぞれの入力信号に適切な局所類似度を得るこ
とができ、部分マッチングを起こしにくい良好なワード
スポッティングが実現できる。又、類似度中立点をパワ
ーを用いて制御するようにすると、類似度中立点を用い
た音声認識方式において、特に問題となる無音やパワー
の小さい子音に関して、適切な類似度中立点を与えるこ
とが容易となる。又、類似度中立点を特徴ベクトルノル
ムを用いて制御するようにすると、無音やパワーの小さ
い子音の特徴をベクトルノルムが小さいこととして捕ら
えることができるので、音量変動に左右されやすいパワ
ーを用いることなく、これら無音やパワーの小さい子音
に関して、適切な類似度中立点を与えることが容易とな
る。
の音声入力手段から入力された音声信号を特徴抽出手段
によって特徴ベクトルの時系列の入力パターンへ変換す
る。同時に、類似度中立点計算手段によって、類似度中
立点を入力された信号に応じて、例えば入力された信号
のパワーや入力ベクトルの大きさ等に応じて決定する。
即ち、標準パターンの特徴量に応じて類似度中立点を決
定するのではなく、入力パターンの特徴量に応じて決定
することが本発明の特徴である。次ぎに、類似度計算手
段は、特徴部抽出手段によって取り出された入力パター
ンの特徴ベクトルと標準パターン記憶手段から取り出さ
れた標準パターンの特徴ベクトルとの局所距離と類似度
中立点とから局所類似度を求め、この局所類似度の累積
値を入力パターンと標準パターンとの類似度として求め
る。結果出力判定手段は、求められた累積類似度から認
識対象となっている標準パターンがしきい値以上かどう
かを判定し、しきい値以上のときは認識結果出力手段が
その標準パターンを認識結果として出力する。このよう
に、様々な入力信号に対して入力信号の特徴とそれに適
した類似度中立点を決定しているので、特定話者が単語
登録して用いる学習データが少ない音声認識方式におい
ても、それぞれの入力信号に適切な局所類似度を得るこ
とができ、部分マッチングを起こしにくい良好なワード
スポッティングが実現できる。又、類似度中立点をパワ
ーを用いて制御するようにすると、類似度中立点を用い
た音声認識方式において、特に問題となる無音やパワー
の小さい子音に関して、適切な類似度中立点を与えるこ
とが容易となる。又、類似度中立点を特徴ベクトルノル
ムを用いて制御するようにすると、無音やパワーの小さ
い子音の特徴をベクトルノルムが小さいこととして捕ら
えることができるので、音量変動に左右されやすいパワ
ーを用いることなく、これら無音やパワーの小さい子音
に関して、適切な類似度中立点を与えることが容易とな
る。
【０００９】
【実施例】以下、本発明の一実施例を図面に基づいて説
明する。図１は本発明にかかるパターンマッチング装置
の構成を示す図である。図１を参照すると、このパター
ンマッチング装置は、音声を入力するマイクロフォンや
受話器など（図示せず）の音声入力手段１と、入力され
た音声信号を特徴ベクトルの時系列の入力パターンへ変
換する特徴抽出手段１０と、音声の標準パターンを格納
する標準パターン記憶手段３０と、特徴部抽出手段１０
によって取り出された入力パターンの特徴ベクトルと標
準パターン記憶手段３０から取り出された標準パターン
の特徴ベクトルとの局所距離と類似度中立点とから局所
類似度を求め、この局所類似度の累積値を入力パターン
と標準パターンとの類似度として求める類似度計算手段
２０と、類似度中立点を入力された信号に応じて決定す
る類似度中立点計算手段５０と、求められた累積類似度
から認識対象となっている標準パターンがしきい値以上
かどうかを判定する結果出力判定手段４０と、結果出力
判定手段４０から得たその標準パターンを認識結果とし
て出力する認識結果出力手段２とを有している。
明する。図１は本発明にかかるパターンマッチング装置
の構成を示す図である。図１を参照すると、このパター
ンマッチング装置は、音声を入力するマイクロフォンや
受話器など（図示せず）の音声入力手段１と、入力され
た音声信号を特徴ベクトルの時系列の入力パターンへ変
換する特徴抽出手段１０と、音声の標準パターンを格納
する標準パターン記憶手段３０と、特徴部抽出手段１０
によって取り出された入力パターンの特徴ベクトルと標
準パターン記憶手段３０から取り出された標準パターン
の特徴ベクトルとの局所距離と類似度中立点とから局所
類似度を求め、この局所類似度の累積値を入力パターン
と標準パターンとの類似度として求める類似度計算手段
２０と、類似度中立点を入力された信号に応じて決定す
る類似度中立点計算手段５０と、求められた累積類似度
から認識対象となっている標準パターンがしきい値以上
かどうかを判定する結果出力判定手段４０と、結果出力
判定手段４０から得たその標準パターンを認識結果とし
て出力する認識結果出力手段２とを有している。
【００１０】特徴抽出手段１０は、マイクロフォン等か
ら入力された音声信号を特徴ベクトルの時系列である未
知パターンｘ1ｘ2・・・ｘi・・・に変換する。ここ
で、iはフレームの番号（第 i 番目のフレームという意
味）を表すものとする。又、音声の特徴ベクトルとして
は、一般にケプストラムやスペクトル等が知られてお
り、本発明は基本的に特徴ベクトルの種類には依存しな
いが、例示のためスペクトルを用いることにする。分析
条件としては、次ぎのものを用いる。 Ａ／Ｄ変換 16kHz,16bit フレーム周期 10ms ＢＰＦ数 15 帯域 ＢＰＦ中心周波数 250 〜 6350 Hz(1/3 oct) これによって求められたスペクトルは更に対数変換され
た後、最小自乗近似直線で補正され、特徴ベクトルＸと
して用いられる。この方法は、例えば安田他、「２値の
ＴＳＰを用いた単語音声認識システムの開発」、電学論
Ｃ、vol.108,No.10,pp858〜865(1989)に詳述されてい
る。
ら入力された音声信号を特徴ベクトルの時系列である未
知パターンｘ1ｘ2・・・ｘi・・・に変換する。ここ
で、iはフレームの番号（第 i 番目のフレームという意
味）を表すものとする。又、音声の特徴ベクトルとして
は、一般にケプストラムやスペクトル等が知られてお
り、本発明は基本的に特徴ベクトルの種類には依存しな
いが、例示のためスペクトルを用いることにする。分析
条件としては、次ぎのものを用いる。 Ａ／Ｄ変換 16kHz,16bit フレーム周期 10ms ＢＰＦ数 15 帯域 ＢＰＦ中心周波数 250 〜 6350 Hz(1/3 oct) これによって求められたスペクトルは更に対数変換され
た後、最小自乗近似直線で補正され、特徴ベクトルＸと
して用いられる。この方法は、例えば安田他、「２値の
ＴＳＰを用いた単語音声認識システムの開発」、電学論
Ｃ、vol.108,No.10,pp858〜865(1989)に詳述されてい
る。
【００１１】標準パターン記憶手段２０には、予め学習
された複数の単語音声の標準パターンが記憶されてい
る。各単語音声の標準パターンは、状態Ｊの状態遷移モ
デルであるり、ｙ1ｙ2・・・ｙJなるＪ個の特徴ベクト
ル時系列からなっている。この標準パターンの作成方法
は、室井、「縦続時間制御型状態遷移モデルを用いた単
語音声認識」、信学論 D-II, vol.J72-D-II, NO.11, pp
1769〜1777(1989)に詳述されているものを使用すること
ができる。
された複数の単語音声の標準パターンが記憶されてい
る。各単語音声の標準パターンは、状態Ｊの状態遷移モ
デルであるり、ｙ1ｙ2・・・ｙJなるＪ個の特徴ベクト
ル時系列からなっている。この標準パターンの作成方法
は、室井、「縦続時間制御型状態遷移モデルを用いた単
語音声認識」、信学論 D-II, vol.J72-D-II, NO.11, pp
1769〜1777(1989)に詳述されているものを使用すること
ができる。
【００１２】類似度計算手段３０では、入力パターンと
標準パターンの類似度を計算する。まず、局所類似度計
算の方法を示す。未知パターンの特徴ベクトル xiと標
準パターンの特徴ベクトルｙjとのユークリッド距離
（距離の定義としては、市街地距離、ユークリッド距
離、マハラノビス距離等様々な方法が知られており、い
ずれを用いてもよい）を局所距離ｄ（ｘi，ｙj）とし、
局所類似度ｒ（ｘi，ｙj）は正なる類似度中立点Ｓ（＞
０）を用いて、次のように計算される。 ｒ（ｘi，ｙj） ＝ Ｓ − ｄ（ｘi，ｙj） この類似度中立点Ｓは、後述する類似度中立点計算手段
５０で計算された値が用いられる。次に、照合経路探索
の方法を示す。入力フレームがｉの時点で、標準パター
ンのｊ番目のベクトルまで照合を終えた場合の累積類似
度Ｒ（ｉ，ｊ）を次のように計算する。 Ｒ（i, j）＝ｒ（ｘi,ｙj）+ max { Ｒ（i-1, j）, Ｒ
（i-1, j-1）} 但し、Ｒ（i, 0）＝０とする。入力フレームｉごとに、
そこで終了する照合経路に対する累積類似度Ｒ（i, J）
を求める。この照合経路探索法によれば、未知パターン
は任意の始終端をとることができ、ワードスポッティン
グが実現できる。
標準パターンの類似度を計算する。まず、局所類似度計
算の方法を示す。未知パターンの特徴ベクトル xiと標
準パターンの特徴ベクトルｙjとのユークリッド距離
（距離の定義としては、市街地距離、ユークリッド距
離、マハラノビス距離等様々な方法が知られており、い
ずれを用いてもよい）を局所距離ｄ（ｘi，ｙj）とし、
局所類似度ｒ（ｘi，ｙj）は正なる類似度中立点Ｓ（＞
０）を用いて、次のように計算される。 ｒ（ｘi，ｙj） ＝ Ｓ − ｄ（ｘi，ｙj） この類似度中立点Ｓは、後述する類似度中立点計算手段
５０で計算された値が用いられる。次に、照合経路探索
の方法を示す。入力フレームがｉの時点で、標準パター
ンのｊ番目のベクトルまで照合を終えた場合の累積類似
度Ｒ（ｉ，ｊ）を次のように計算する。 Ｒ（i, j）＝ｒ（ｘi,ｙj）+ max { Ｒ（i-1, j）, Ｒ
（i-1, j-1）} 但し、Ｒ（i, 0）＝０とする。入力フレームｉごとに、
そこで終了する照合経路に対する累積類似度Ｒ（i, J）
を求める。この照合経路探索法によれば、未知パターン
は任意の始終端をとることができ、ワードスポッティン
グが実現できる。
【００１３】結果出力判定手段４０では、この累積類似
度が予め実験的に定めたしきい値以上（Ｒ（i, j）≧ T
h，Th ＝定数＞０）であり、しかも予め実験的に定めた
一定時間内（i〜i+N，N ＝定数＞０）にこれを超える別
の累積類似度が現れない限り、その標準パターンを認識
結果として認識結果出力手段２へ出力する。
度が予め実験的に定めたしきい値以上（Ｒ（i, j）≧ T
h，Th ＝定数＞０）であり、しかも予め実験的に定めた
一定時間内（i〜i+N，N ＝定数＞０）にこれを超える別
の累積類似度が現れない限り、その標準パターンを認識
結果として認識結果出力手段２へ出力する。
【００１４】類似度中立点計算手段５０では、入力フレ
ームごとに類似度中立点Ｓを計算する。Ｓは入力信号に
関するパラメータｐiの関数であり、実験的に定められ
る。その決め方は、ｐiを適当な範囲に分け、その範囲
ごとに発声内容と同じ内容の標準パターンの特徴ベクト
ルｙjに対する局所距離ｄtr（i, j）の値の分布と発声
内容と異なる内容の標準パターンの特徴ベクトルｙjに
対する局所距離ｄfl（i, j）の値の分布を調べて、極
力、 ｄtr（i, j）＜Ｓ＜ｄfl（i, j） となるように類似度中立点Ｓ（ｐi）を決める。単純に
は、 Ｓ＝（ｄtr（i, j）＋ｄfl（i, j））／２ でもよい。
ームごとに類似度中立点Ｓを計算する。Ｓは入力信号に
関するパラメータｐiの関数であり、実験的に定められ
る。その決め方は、ｐiを適当な範囲に分け、その範囲
ごとに発声内容と同じ内容の標準パターンの特徴ベクト
ルｙjに対する局所距離ｄtr（i, j）の値の分布と発声
内容と異なる内容の標準パターンの特徴ベクトルｙjに
対する局所距離ｄfl（i, j）の値の分布を調べて、極
力、 ｄtr（i, j）＜Ｓ＜ｄfl（i, j） となるように類似度中立点Ｓ（ｐi）を決める。単純に
は、 Ｓ＝（ｄtr（i, j）＋ｄfl（i, j））／２ でもよい。
【００１５】（１）類似度中立点関数Ｓ（ｐi）の具体
例１ 入力信号に関するパラメータｐiに関して、次のように
Ｓを計算する。 Ｓ（ｐi） ＝ Ｓth × ｍｉｎ｛ｐi／ｐth，１｝ ここでｐiとしては、フレームｉにおける入力信号のパ
ワーを用いる。このようにパワーを用いて類似度中立点
を制御すると、特に問題となる無音やパワーの小さい子
音に関して、適切な類似度中立点を与えることが容易と
なる。 （２）類似度中立点関数Ｓ（ｐi）の具体例２ 入力信号に関するパラメータｐiに関して、次のように
Ｓを計算する。 Ｓ（ｐi） ＝ Ｓth × ｍｉｎ｛ｐi／ｐth，１｝ ここでｐiとしては、フレームｉにおける特徴ベクトル
のノルムを用いる。ノルムとしては、
例１ 入力信号に関するパラメータｐiに関して、次のように
Ｓを計算する。 Ｓ（ｐi） ＝ Ｓth × ｍｉｎ｛ｐi／ｐth，１｝ ここでｐiとしては、フレームｉにおける入力信号のパ
ワーを用いる。このようにパワーを用いて類似度中立点
を制御すると、特に問題となる無音やパワーの小さい子
音に関して、適切な類似度中立点を与えることが容易と
なる。 （２）類似度中立点関数Ｓ（ｐi）の具体例２ 入力信号に関するパラメータｐiに関して、次のように
Ｓを計算する。 Ｓ（ｐi） ＝ Ｓth × ｍｉｎ｛ｐi／ｐth，１｝ ここでｐiとしては、フレームｉにおける特徴ベクトル
のノルムを用いる。ノルムとしては、
【数１】 などが使用できる。ここで t はベクトルの転置を、f
は周波数帯域番号を表わしている。このように特徴ベク
トルノルムを用いて類似度中立点を制御すると、無音や
パワーの小さい子音の特徴をベクトルノルムが小さいこ
ととして捕らえることにより、音量変動に左右されやす
いパワーを用いることなく、これら無音やパワーの小さ
い子音に関して、適切な類似度中立点を与えることが容
易となる。
は周波数帯域番号を表わしている。このように特徴ベク
トルノルムを用いて類似度中立点を制御すると、無音や
パワーの小さい子音の特徴をベクトルノルムが小さいこ
ととして捕らえることにより、音量変動に左右されやす
いパワーを用いることなく、これら無音やパワーの小さ
い子音に関して、適切な類似度中立点を与えることが容
易となる。
【００１６】上記の定数Ｓth，ｐthは、実験的に定めら
れる値であり、又類似度中立点Ｓの決め方は、上述のよ
うな考え方を満たすものであれば、これらに限らず、複
数の入力フレームの条件できめても良いし、別のパラメ
ータを用いても良いし、別の関数であっても良い。
れる値であり、又類似度中立点Ｓの決め方は、上述のよ
うな考え方を満たすものであれば、これらに限らず、複
数の入力フレームの条件できめても良いし、別のパラメ
ータを用いても良いし、別の関数であっても良い。
【００１７】
【発明の効果】上述のように請求項１並びに請求項２の
発明によれば、類似度中立点を中心に、類似性と非類似
性を表現する両極尺度を用いたワードスポッティング法
において、様々な入力信号に対して入力信号の特徴とそ
れに適した類似度中立点を決定しているので、特定話者
が単語登録して用いる学習データが少ない音声認識方式
においても、それぞれの入力信号に、特に無音など正解
と不正解との違いが少ない場合においても、適切な局所
類似度を得ることができ、部分マッチングを起こしにく
い良好なワードスポッティングが実現できる。又、請求
項３の発明によれば、パワーを用いて類似度中立点を制
御しているので、類似度中立点を用いた音声認識方式に
おいて、特に問題となる無音やパワーの小さい子音に関
して、適切な類似度中立点を与えることが容易である。
又、請求項４の発明によれば、特徴ベクトルノルムを用
いて類似度中立点を制御しているので、無音やパワーの
小さい子音の特徴をベクトルノルムが小さいこととして
捕らえることにより、音量変動に左右されやすいパワー
を用いることなく、これら無音やパワーの小さい子音に
関して、適切な類似度中立点を与えることが容易であ
る。
発明によれば、類似度中立点を中心に、類似性と非類似
性を表現する両極尺度を用いたワードスポッティング法
において、様々な入力信号に対して入力信号の特徴とそ
れに適した類似度中立点を決定しているので、特定話者
が単語登録して用いる学習データが少ない音声認識方式
においても、それぞれの入力信号に、特に無音など正解
と不正解との違いが少ない場合においても、適切な局所
類似度を得ることができ、部分マッチングを起こしにく
い良好なワードスポッティングが実現できる。又、請求
項３の発明によれば、パワーを用いて類似度中立点を制
御しているので、類似度中立点を用いた音声認識方式に
おいて、特に問題となる無音やパワーの小さい子音に関
して、適切な類似度中立点を与えることが容易である。
又、請求項４の発明によれば、特徴ベクトルノルムを用
いて類似度中立点を制御しているので、無音やパワーの
小さい子音の特徴をベクトルノルムが小さいこととして
捕らえることにより、音量変動に左右されやすいパワー
を用いることなく、これら無音やパワーの小さい子音に
関して、適切な類似度中立点を与えることが容易であ
る。
【図１】 本発明によるパターンマッチング装置の構成
を表す図である。
を表す図である。
１…音声入力手段、 ２…認識結果出力手段、 １０…特徴抽出手段、 ２０…類似度計算手段、 ３０…標準パターン記憶手段、 ４０…結果出力判定手段、 ５０…類似度中立点計算手段。
Claims (4)
- 【請求項１】 音声を入力する音声入力手段と、該音声
入力手段より入力された音声を特徴ベクトルの時系列で
ある入力パターンに変換する特徴部抽出手段と、標準パ
ターンの特徴ベクトルを予め登録した標準パターン記憶
手段と、前記特徴部抽出手段によって取り出された入力
パターンの特徴ベクトルと前記標準パターン記憶手段か
ら取り出された標準パターンの特徴ベクトルとの局所距
離と類似度中立点とから局所類似度を求め、該局所類似
度の累積値を入力パターンと標準パターンとの類似度と
して求める類似度計算手段と、類似度中立点を入力され
た信号に応じて決定する類似度中立点計算手段を備える
ことを特徴とするパターンマッチング装置。 - 【請求項２】 前記類似度中立点計算手段は、類似度中
立点を入力された信号に応じて時刻ごとに決定すること
を特徴とする請求項１記載のパターンマッチング装置。 - 【請求項３】 前記類似度中立点計算手段は、類似度中
立点を入力された信号のパワーに応じて決定することを
特徴とする請求項１または請求項２記載のパターンマッ
チング装置。 - 【請求項４】 前記類似度中立点計算手段は、類似度中
立点を入力ベクトルの大きさに応じて決定することを特
徴とする請求項１または請求項２記載のパターンマッチ
ング装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24376594A JP3357752B2 (ja) | 1994-10-07 | 1994-10-07 | パターンマッチング装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24376594A JP3357752B2 (ja) | 1994-10-07 | 1994-10-07 | パターンマッチング装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08110797A JPH08110797A (ja) | 1996-04-30 |
| JP3357752B2 true JP3357752B2 (ja) | 2002-12-16 |
Family
ID=17108652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP24376594A Expired - Fee Related JP3357752B2 (ja) | 1994-10-07 | 1994-10-07 | パターンマッチング装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3357752B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4760179B2 (ja) * | 2005-07-15 | 2011-08-31 | ヤマハ株式会社 | 音声特徴量算出装置およびプログラム |
-
1994
- 1994-10-07 JP JP24376594A patent/JP3357752B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH08110797A (ja) | 1996-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7013276B2 (en) | Method of assessing degree of acoustic confusability, and system therefor | |
| JP2963142B2 (ja) | 信号処理方法 | |
| EP2048655B1 (en) | Context sensitive multi-stage speech recognition | |
| EP1355295B1 (en) | Speech recognition apparatus, speech recognition method, and computer-readable recording medium in which speech recognition program is recorded | |
| US6553342B1 (en) | Tone based speech recognition | |
| JPH0422276B2 (ja) | ||
| Razak et al. | Quranic verse recitation recognition module for support in j-QAF learning: A review | |
| US6546369B1 (en) | Text-based speech synthesis method containing synthetic speech comparisons and updates | |
| US20030220792A1 (en) | Speech recognition apparatus, speech recognition method, and computer-readable recording medium in which speech recognition program is recorded | |
| Boite et al. | A new approach towards keyword spotting. | |
| JP2996019B2 (ja) | 音声認識装置 | |
| JP2000194392A (ja) | 騒音適応型音声認識装置及び騒音適応型音声認識プログラムを記録した記録媒体 | |
| JP2745562B2 (ja) | ノイズ適応形音声認識装置 | |
| JP3357752B2 (ja) | パターンマッチング装置 | |
| JP3493849B2 (ja) | 音声認識装置 | |
| JP2001255887A (ja) | 音声認識装置、音声認識方法及び音声認識方法を記録した媒体 | |
| JP2002372988A (ja) | 認識辞書作成装置及び棄却辞書及び棄却辞書の生成方法 | |
| JPH0774960B2 (ja) | テンプレ−ト連鎖モデルを使用するキ−ワ−ド認識方法およびシステム | |
| JP2980382B2 (ja) | 話者適応音声認識方法および装置 | |
| Lee | Automatic recognition of isolated cantonese syllables using neural networks | |
| JPH0997095A (ja) | 音声認識装置 | |
| Zacharie et al. | Keyword spotting on word lattices | |
| JP3231365B2 (ja) | 音声認識装置 | |
| Samouelian | Frame-level phoneme classification using inductive inference | |
| JP2001013988A (ja) | 音声認識方法及び装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081004 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081004 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091004 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101004 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111004 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |