JP3400474B2 - 音声認識装置および音声認識方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声の入力パターンと
標準パターンとの類似度を求めて、音声認識処理を行な
う音声認識装置および音声認識方法に関する。

【０００２】

【従来の技術】一般に、音声認識装置では、音声の入力
パターンと標準パターンとを照合し、その類似度に基づ
いて音声認識結果を出力するようになっている。入力パ
ターンと標準パターンとの類似度を求めるのに、従来で
は、ＤＰマッチング法が良く知られている。このＤＰマ
ッチング法は、標準パターンと入力パターンの局所距離
（ｉ番目の入力ベクトルとｊ番目の標準ベクトルとの距
離）から、標準パターンと入力パターンの累積距離が最
小となる最適累積距離を見つけ、この最適累積距離が最
小となる標準パターンを照合結果として出力するもので
あり、局所距離としては、例えば、ユークリッド距離，
マハラノビスの距離などを用いることができる。例え
ば、ｉ番目の入力パターンのｆチャンネル目のデータを
Ｘ（ｉ，ｆ）、ｉ番目の標準パターンのｆチャンネル目
の特徴量をＹ（ｊ，ｆ）とした場合に、ユークリッド距
離ｄｅ（ｉ，ｊ）は、次式によって求められる。

【０００３】

【数１】

【０００４】

【発明が解決しようとする課題】このようにして求めた
局所距離は、話者の発声変動が小さい場合、あるいは周
囲の騒音が小さい場合には、非常に有効であるが、話者
が大きな声で発声したり周囲の騒音が大きい場合などに
は、良好な認識結果を得ることができないという問題が
あった。

【０００５】本発明は、上述のような従来の欠点を解決
するためのものであり、特に、発声変動や周囲環境変動
に対しての認識精度を高めることの可能な音声認識装置
および音声認識方法を提供することを目的としている。

【０００６】

【課題を解決するための手段および作用】上記目的を達
成するために、請求項１乃至請求項３，請求項８記載の
発明は、音声を入力する音声入力手段と、前記音声入力
手段より入力された入力信号を特徴ベクトルの時系列に
変換し、入力パタ−ンとする入力パターン生成手段と、
予め登録された音声を１つ以上の状態に分け、各状態毎
の特徴ベクトルで構成される標準パターンを記憶する標
準パターン記憶手段と、前記入力パターン生成手段で生
成された入力パタ−ンと前記標準パターン記憶部に記憶
されている標準パターンとの類似度を求める類似度計算
手段と、前記類似度計算手段で求めた類似度結果を用い
て認識処理を行なう認識処理手段と、前記類似度計算手
段により類似度を求める際に、標準パターンと入力パタ
−ンとから入力パターン補正値を求め、該入力パターン
補正値により入力パタ−ンを補正し、標準パターンと補
正された入力パタ−ンとの類似度を再度、前記類似度計
算手段により求めさせる入力パターン補正手段とを備え
ていることを特徴としている。このように、第１の類似
度計算処理を行ない、その際の標準パターンと入力パタ
−ンとから入力パターン補正値を求め、該入力パターン
補正値により入力パタ−ンを補正した後、再度、類似度
計算を行なうことにより、発声変動，周囲環境変動に対
しての認識精度を高めることができる。

【０００７】また、請求項４記載の発明は、第１の類似
度計算処理を行なった際に、類似度が高かった所定個数
の標準パターンを選択し、該選択した標準パターンのみ
を再度、類似度計算処理の対象とすることを特徴として
いる。これにより、計算時間を短縮することができると
ともに、認識精度をより高めることができる。

【０００８】また、請求項５，請求項６記載の発明は、
入力パタ−ンを母音部とそれ以外の部分とに分け、母音
部と子音部の２種類の補正値を求めて、入力パターンの
補正を行なうことを特徴としている。これにより、より
効果的な補正を行なうことができ、認識精度をより高め
ることができる。

【０００９】また、請求項７記載の発明は、入力パター
ンに対する補正値を求める際に、それ以前に認識させた
時の補正値も利用することを特徴としている。これによ
り、より安定した補正を行なうことができ、認識精度を
より一層高めることができる。

【００１０】

【実施例】以下、本発明の実施例を図面に基づいて説明
する。図１は本発明に係る音声認識装置の一実施例のブ
ロック図である。図１を参照すると、この音声認識装置
は、音声を入力する音声入力部１と、音声入力部１より
入力された入力信号を特徴ベクトルの時系列に変換し、
入力パターンとする入力パターン生成部２と、予め登録
された音声を１つ以上の状態に分割し、各状態毎の特徴
ベクトルで構成される標準パターンを記憶する標準パタ
ーン記憶部３と、入力パターン生成部２で生成された入
力パターンと標準パターン記憶部３に記憶されている標
準パターンとの類似度を求める類似度計算部４と、類似
度計算部４において類似度計算処理がなされるときに、
入力パターンと標準パターンとの違いにより入力パター
ンを補正し、再度、類似度計算処理を行なわせる入力パ
ターン補正部５と、類似度計算部４で求めた類似度結果
を用いて認識処理を行なう認識処理部６とを有してい
る。

【００１１】次に、このような構成の音声認識装置のよ
り具体的な処理例について説明する。図２は第１の処理
例を示すフローチャートである。この第１の処理例で
は、実際の音声認識処理を行なうに先立って、認識対象
語を１つ以上の状態に分け、各状態毎に求めた標準パタ
ーンの特徴ベクトルＹ（ｊ，ｆ）（ｊ：状態番号、ｆ：
分析チャンネル）を標準パターン記憶部３に記憶してお
く。なお、この特徴ベクトルＹ（ｊ，ｆ）には、入力パ
ターン生成部２で使用される特徴ベクトルと同じ種類の
特徴ベクトルを用いる。

【００１２】標準パターンの生成方法としては、認識対
象語を一定の状態数Ｊ個に分け、各状態毎に、状態内の
全フレームの特徴ベクトルの平均ベクトルを求める方法
や、全音素の特徴ベクトルを記憶しておき、認識対象語
の音素記号列に応じて、標準パターンを生成する方法な
どがある。例えば、“さっぽろ”の場合、／ｓａｑｐｏ
ｒｏ／という音素記号列で表わすことができるので、／
ｓ／，／ａ／，／ｑ／，／ｐ／，／ｏ／，／ｒ／，／ｏ
／の各音素の特徴ベクトルから標準パターンを生成する
ことができる。

【００１３】このようにして、標準パターン記憶部３に
標準パターンを予め記憶した後、先づ、音声入力部１で
は、マイクロホンのような音響／電気信号変換器を用い
て、入力音を電気信号ｘ（ｔ）に変換する（ステップＳ
１）。次いで、入力パターン生成部２では、音声入力部
１で得られた入力信号ｘ（ｔ）を１０ｍ秒程度のフレー
ム単位に分析を行ない、特徴ベクトルの時系列Ｘ（ｉ，
ｆ）（ｉ：フレーム番号、ｆ：分析チャンネル）を求
め、これを入力パターンとして生成する（ステップＳ
２）。なお、フレーム単位の分析方法としては、バンド
パスフィルタ群を用いて、入力信号ｘ（ｔ）のスペクト
ラムを得る方法や、入力信号ｘ（ｔ）をデジタル信号に
変換した後、ＬＰＣ分析を行ない、線形予測係数，ＬＰ
Ｃケプストラムを求める方法などがある。

【００１４】次いで、類似度計算部４では、入力パター
ン生成部２で生成された入力パターンの特徴ベクトルＸ
（ｉ，ｆ）と、標準パターン記憶部３に記憶されている
標準パターンの特徴ベクトルＹ（ｊ，ｆ）との距離，例
えばユ−クリッド距離を入力パタ−ンと標準パタ−ンと
の局所距離ｄ₁（ｉ，ｊ）として次式により求める。

【００１５】

【数２】

【００１６】しかる後、類似度計算部４は、この局所距
離ｄ₁（ｉ，ｊ）に基づき第１類似度Ｄ₁を求める。

【００１７】なお、この第１類似度Ｄ₁は、例えば、特
開昭６４−２３２９９号に開示されているような動的計
画法や山登り法等を用いたパターンマッチングにより局
所距離ｄ₁（ｉ，ｊ）から求めることができる。但し、
この場合に、標準パターン記憶部３に記憶する特徴ベク
トルに、各状態の継続時間も加えておく必要がある。

【００１８】ところで、この第１の処理例では、入力パ
ターン補正部５は、類似度計算部４で上記第１の類似度
計算処理を行なった際に、最適な類似度Ｄ₁が得られた
経路における入力パターンと標準パターンとの差の発声
語内の平均的な値ｂ（ｆ）を特徴量毎に次式により求め
る（ステップＳ３）。

【００１９】

【数３】

【００２０】ここで、Ｉは発声語フレーム数である。入
力パターン補正部５は、次いで、入力パターンと標準パ
ターンとの差の発声語内平均値ｂ（ｆ）を補正値とし
て、入力パターンＸ（ｉ，ｆ）を次式のように補正し、
Ｘ’（ｉ，ｆ）とする（ステップＳ４）。

【００２１】

【数４】Ｘ’（ｉ，ｆ）＝Ｘ（ｉ，ｆ）−ｂ（ｆ）

【００２２】このようにして入力パターンＸ（ｉ，ｆ）
がＸ’（ｉ，ｆ）に補正されると、類似度計算部４で
は、再び、当初の入力パターンＸ（ｉ，ｆ）のかわり
に、この補正された入力パターンＸ’（ｉ，ｆ）を用い
て、次式により局所距離ｄ₂（ｉ，ｊ）を求める。

【００２３】

【数５】

【００２４】次いで、前述と同様の仕方で、この局所距
離ｄ₂（ｉ，ｊ）に基づき、第１類似度Ｄ₁と同様の仕方
で第２類似度Ｄ₂を求める（ステップＳ５）。

【００２５】このようにして、類似度計算部４におい
て、第２の類似度計算処理で、補正された入力パターン
Ｘ’（ｉ，ｆ）を用いて局所距離ｄ₂（ｉ，ｊ）を求
め、これに基づき第２類似度Ｄ₂を求めた後、認識処理
部６では、類似度計算部４で求めた第２類似度Ｄ₂が最
小となる認識対象語を認識結果として出力する（ステッ
プＳ６）。

【００２６】このように、第１の処理例では、入力パタ
ーンと標準パターンとの差の発声語内の平均値により入
力パターンを補正し、再度類似度計算を行なっているの
で、発声変動，周囲環境変動がある場合にも、この変動
による影響を小さくすることができ、その結果、認識精
度を高めることができる。

【００２７】なお、上記第１の処理例では、入力パター
ン補正部５は、入力パターンと標準パターンとの差の発
声語内の平均値により入力パターンを補正したが、これ
のかわりに種々の変形が可能である。

【００２８】図３は他の音声認識処理例，すなわち第２
の処理例を示すフローチャートであり、この第２の処理
例では、入力パターンを標準パターンとの比の発声語内
の平均的な値を特徴量毎に求め、この平均的な値を補正
値として入力パターンを補正し、再度類似度計算を行な
うようになっている。すなわち、図３では、図２のステ
ップＳ１，Ｓ２，Ｓ５，Ｓ６の処理と同様の処理をステ
ップＳ１１，Ｓ１２，Ｓ１５，Ｓ１６で行ない、ステッ
プＳ１３，Ｓ１４の入力パタ−ン補正部５の処理だけが
図２の処理と異なっている。

【００２９】ステップＳ１３，Ｓ１４の処理では、入力
パターン補正部５は、類似度計算部４で第１の類似度計
算処理を行なった際に、入力パターンと標準パターンと
の差の発声語内平均値ｂ（ｆ）ではなく、最適な類似度
Ｄ₁が得られた経路における各パラメータ毎の入力パタ
ーンと標準パターンとの比の発声語内平均値ａ（ｆ）を
次式により求める。

【００３０】

【数６】

【００３１】入力パターン補正部５は、次いで、入力パ
ターンと標準パターンとの比の発声語内平均値ａ（ｆ）
を補正値として、入力パターンＸ（ｉ，ｆ）を次式のよ
うに補正し、Ｘ’（ｉ，ｆ）とする。

【００３２】

【数７】Ｘ’（ｉ，ｆ）＝Ｘ（ｉ，ｆ）・ａ（ｆ）

【００３３】このようにして入力パターンＸ（ｉ，ｆ）
がＸ’（ｉ，ｆ）に補正されると、第１の処理例と同様
に、類似度計算部４では、再び、当初の入力パターンＸ
（ｉ，ｆ）のかわりに、この補正された入力パターン
Ｘ’（ｉ，ｆ）を用いて、数５により局所距離ｄ
₂（ｉ，ｊ）を求め、この局所距離ｄ₂（ｉ，ｊ）に基づ
き、第２類似度Ｄ₂を求める。しかる後、認識処理部６
では、類似度計算部４で求めた類似度Ｄ₂が最小となる
認識対象語を認識結果として出力する。

【００３４】このように、第２の処理例では、入力パタ
ーンと標準パターンとの比の発声語内の平均値により入
力パターンを補正し、再度類似度計算を行なっているの
で、第１の処理例と同様に、発声変動，周囲環境変動が
ある場合にも、この変動による影響を小さくすることが
でき、その結果、認識精度を高めることができる。

【００３５】また、図４はさらに他の音声認識処理例，
すなわち第３の処理例を示す図であり、この第３の処理
例では、入力パターンの特徴ベクトルの大きさと標準パ
ターンの特徴ベクトルの大きさとの比の発声語内の平均
的な値を補正値として、入力パターンを補正し、再度類
似度計算を行なうようになっている。すなわち、図４で
は、図２のステップＳ１，Ｓ２，Ｓ５，Ｓ６の処理と同
様の処理をステップＳ２１，Ｓ２２，Ｓ２５，Ｓ２６で
行ない、ステップＳ２３，Ｓ２４の入力パターン補正部
５の処理だけが図２の処理と異なっている。

【００３６】ステップＳ２３，Ｓ２４の処理では、入力
パターン補正部５は、類似度計算部４で類似度計算を行
なった際に、最適な類似度Ｄ₁が得られた経路における
入力パターンの特徴ベクトルの大きさと標準パターンの
特徴ベクトルの大きさとの比の発声語内平均値Ａを次式
により求める。

【００３７】

【数８】

【００３８】入力パターン補正部５は、次いで、入力パ
ターンの特徴ベクトルの大きさと標準パターンの特徴ベ
クトルの大きさとの比の発声語内平均値Ａを補正値とし
て、入力パターンＸ（ｉ，ｆ）を次式のように補正し、
Ｘ’（ｉ，ｆ）とする。

【００３９】

【数９】Ｘ’（ｉ，ｆ）＝Ｘ（ｉ，ｆ）・Ａ

【００４０】このようにして入力パターンＸ（ｉ，ｆ）
がＸ’（ｉ，ｆ）に補正されると、類似度計算部４で
は、再び、当初の入力パターンＸ（ｉ，ｆ）のかわり
に、この補正された入力パターンＸ’（ｉ，ｆ）を用い
て、数５により局所距離ｄ₂（ｉ，ｊ）を求め、この局
所距離ｄ₂（ｉ，ｊ）に基づき、第２類似度Ｄ₂を求め
る。しかる後、認識処理部６では、類似度計算部４で求
めた第２類似度Ｄ₂が最小となる認識対象語を認識結果
として出力する。

【００４１】このように、第３の処理例では、入力パタ
ーンの特徴ベクトルの大きさと標準パターンの特徴ベク
トルの大きさとの比の発声語内の平均値により入力パタ
ーンを補正し、再度類似度計算を行なっているので、第
１，第２の処理例と同様に、発声変動，周囲環境変動が
ある場合にも、この変動による影響を小さくすることが
でき、その結果、認識精度を高めることができる。

【００４２】また、図５はさらに他の音声認識処理例，
すなわち第４の処理例を示す図であり、この第４の処理
例では、入力パターンと標準パターンとの比の発声語内
の平均的な値を特徴量毎に求め、これを補正値として入
力パターンを補正した後、補正された入力パターンと標
準パターンとの差の発声語内の平均的な値を特徴量毎に
求め、これを補正値として、上記補正のなされた入力パ
ターンを補正し、再度類似度計算を行なうようになって
いる。すなわち、図５では、図２のステップＳ１，Ｓ
２，Ｓ５，Ｓ６の処理と同様の処理をステップＳ３１，
Ｓ３２，Ｓ３５，Ｓ３６で行ない、ステップＳ３３，Ｓ
３４の入力パターン補正部５の処理だけが図２の処理と
異なっている。

【００４３】ステップＳ３３，Ｓ３４の処理では、入力
パターン補正部５は、類似度計算部４で類似度計算を行
なった際に、最適な類似度Ｄ₁が得られた経路における
各パラメータ毎の入力パターンと標準パターンとの比の
発声語内平均値ａ（ｆ）を先づ、数６により求める。こ
れを補正値として、数７により入力パターンＸ（ｉ，
ｆ）にａ（ｆ）を乗算し、入力パターンをＸ’（ｉ，
ｆ）に補正した後、各パラメータ毎の入力パターンと標
準パターンとの差の発声語内平均値ｂ（ｆ）を次式によ
り求める。

【００４４】

【数１０】

【００４５】次いで、ｂ（ｆ）を補正値として、入力パ
ターンＸ’（ｉ，ｆ）を次式により補正する。

【００４６】

【数１１】Ｘ”（ｉ，ｆ）＝Ｘ’（ｉ，ｆ）−ｂ（ｆ）

【００４７】このようにして入力パターンＸ（ｉ，ｆ）
がＸ”（ｉ，ｆ）に補正されると、類似度計算部４で
は、再び、当初の入力パターンＸ（ｉ，ｆ）のかわり
に、この補正された入力パターンＸ”（ｉ，ｆ）を用い
て、数５（但し、Ｘ’（ｉ，ｆ）をＸ”（ｉ，ｆ）とす
る）により局所距離ｄ₂（ｉ，ｊ）を求め、この局所距
離ｄ₂（ｉ，ｊ）に基づき、第２類似度Ｄ₂を求め、しか
る後、認識処理部６では、類似度計算部４で求めた第２
類似度Ｄ₂が最小となる認識対象語を認識結果として出
力する。

【００４８】このように、第４の処理例では、入力パタ
ーンと標準パターンとの比の発声語内の平均値により入
力パターンを補正し、さらに、補正された入力パターン
と標準パターンとの差の発声語内の平均値により上記補
正のなされた入力パターンを補正し、その補正値により
再度類似度計算を行なっているので、第１乃至第３の処
理例と同様に、発声変動，周囲環境変動がある場合に
も、この変動による影響を小さくすることができ、その
結果、認識精度を高めることができる。

【００４９】また、図６はさらに他の音声認識処理例，
すなわち第５の処理例を示す図であり、この第５の処理
例では、入力パターンの特徴ベクトルの大きさと標準パ
ターンの特徴ベクトルの大きさとの比の発声語内の平均
的な値により入力パターンを補正し、さらに補正された
入力パターンと標準パターンとの差の発声語内の平均的
な値を特徴量毎に求め、これにより、上記補正のなされ
た入力パターンを補正し、再度類似度計算を行なうよう
になっている。すなわち、図６では、図２のステップＳ
１，Ｓ２，Ｓ５，Ｓ６の処理と同様の処理をステップＳ
４１，Ｓ４２，Ｓ４５，Ｓ４６で行ない、ステップＳ４
３，Ｓ４４の入力パターン補正部５の処理だけが図２の
処理と異なっている。

【００５０】ステップＳ４３，Ｓ４４の処理では、入力
パターン補正部５は、類似度計算部４で類似度計算を行
なった際に、最適な類似度Ｄ₁が得られた経路における
入力パターンの特徴ベクトルの大きさと標準パターンの
特徴ベクトルの大きさとの比の発声語内平均値Ａを先づ
数８により求める。これを補正値として、数９により入
力パターンＸ（ｉ，ｆ）にＡを乗算し、入力パターンを
Ｘ’（ｉ，ｆ）に補正した後、各パラメータ毎の入力パ
ターンと標準パターンとの差の発声語内平均値ｂ（ｆ）
を数１０により求め、これを補正値として、入力パター
ンＸ’（ｉ，ｆ）を数１１により補正し、Ｘ”（ｉ，
ｆ）とする。

【００５１】このようにして入力パターンＸ（ｉ，ｆ）
がＸ”（ｉ，ｆ）に補正されると、類似度計算部４で
は、再び、当初の入力パターンＸ（ｉ，ｆ）のかわり
に、この補正された入力パターンＸ”（ｉ，ｆ）を用い
て、数５（但し、Ｘ’（ｉ，ｆ）をＸ”（ｉ，ｆ）とす
る）により局所距離ｄ₂（ｉ，ｊ）を求め、この局所距
離ｄ₂（ｉ，ｊ）に基づき、第２類似度Ｄ₂を求め、しか
る後、認識処理部６では、類似度計算部４で求めた第２
類似度Ｄ₂が最小となる認識対象語を認識結果として出
力する。

【００５２】このように、第５の処理例では、入力パタ
ーンの特徴ベクトルの大きさと標準パターンの特徴ベク
トルの大きさとの比の発声語内の平均的な値により入力
パターンを補正し、さらに補正された入力パターンと標
準パターンとの差の発声語内の平均的な値を特徴量毎に
求め、これにより上記補正のなされた入力パターンを補
正し、再度類似度計算を行なうようになっているので、
第１乃至第４の処理例と同様に、発声変動，周囲環境変
動がある場合にも、この変動による影響を小さくするこ
とができ、その結果、認識精度を高めることができる。

【００５３】また、図７はさらに他の音声認識処理例，
すなわち第６の処理例を示す図であり、この第６の処理
例では、第１の類似度計算処理において、入力パターン
と標準パターンとの類似度Ｄ₁を求め、このとき、認識
対象語（標準パターン）のうち、高い類似度Ｄ₁を与え
た上位Ｎ候補についてのみ、第２の類似度計算処理の対
象とするようになっている。すなわち、図７では、図２
のステップＳ１，Ｓ２，Ｓ６の処理と同様の処理をステ
ップＳ５１，Ｓ５２，Ｓ５７で行ない、ステップＳ５３
乃至Ｓ５６の処理が図２の処理と異なっている。

【００５４】ステップＳ５３乃至Ｓ５６の処理では、類
似度計算部４は、入力パターン生成部２で生成された入
力パターンＸ（ｉ，ｆ）と標準パターン記憶部３に記憶
されている標準パターンＹ（ｊ，ｆ）とのユークリッド
距離ｄ₁（ｉ，ｊ）に基づき、前述したと同様に入力パ
ターンＸ（ｉ，ｆ）と各標準パターンＹ（ｊ，ｆ）との
類似度Ｄ₁を求めることができる。

【００５５】このとき、認識対象語，すなわち各標準パ
ターンＹ（ｊ，ｆ）のうち、類似度Ｄ₁が高かった上位
Ｎ候補についてのみ、第２の類似度計算処理の対象と
し、その他は以後の処理において認識対象語から外す。

【００５６】入力パターン補正部５では、例えば、最適
な類似度Ｄ₁が得られた経路における入力パターンと標
準パターンとの差の発声語内平均値ｂ（ｆ）を数３によ
り特徴量毎に求め、ｂ（ｆ）を補正値として、入力パタ
ーンＸ（ｉ，ｆ）を数４により補正し、Ｘ’（ｉ，ｆ）
とする。

【００５７】このようにして入力パターンＸ（ｉ，ｆ）
がＸ’（ｉ，ｆ）に補正されると、類似度計算部４で
は、再び、当初の入力パターンＸ（ｉ，ｆ）のかわり
に、この補正された入力パターンＸ’（ｉ，ｆ）を用い
て、数５により各標準パターンＹ（ｊ，ｆ）との局所距
離ｄ₂（ｉ，ｊ）を求め、これに基づき類似度Ｄ₂を求め
る。ところで、この第２の類似度計算処理においては、
入力パターンＸ’（ｉ，ｆ）との照合対象となる標準パ
ターンは、ステップＳ５４において得られた上位Ｎ候補
に限られる。

【００５８】すなわち、第２の類似度計算処理では、標
準パターンを絞った上で、補正された入力パターンとの
類似度Ｄ₂を求める。これにより、計算時間を短縮でき
るとともに、認識精度をより高めることができる。例え
ば、パターンの類似度は低いが、パターンの時間変化分
の類似度が高い語の場合、補正による悪影響により誤認
識する可能性があったが、この第６の処理例によれば、
第１の類似度計算処理の結果に基づき認識対象を類似度
の高い標準パターンのみに限定するので、上記のような
事態を防止することができる。

【００５９】また、図８はさらに他の音声認識処理例，
すなわち第７の処理例を示す図であり、この第７の処理
例では、入力パターンを母音部とそれ以外の部分とに分
け、母音部のみを補正するようになっている。すなわ
ち、図８では、図２のステップＳ１，Ｓ２，Ｓ５，Ｓ６
の処理と同様の処理をステップＳ６１，Ｓ６２，Ｓ６
６，Ｓ６７で行ない、ステップＳ６３乃至Ｓ６５の処理
が図２の処理と異なっている。

【００６０】ステップＳ６３乃至Ｓ６５の処理では、入
力パターン補正部５は、類似度計算部４で類似度計算を
行なった際に、最適な類似度Ｄ₁が得られた経路におけ
る各パラメータ毎の入力パターンと標準パターンとの差
の発声語内の母音部平均値ｂｖ（ｆ）を次式により求め
る。

【００６１】

【数１２】

【００６２】ここで、Ｉｖは発声語内の母音部フレーム
数である。入力パターン補正部５は、次いで、発声語内
の母音部平均値ｂｖ（ｆ）を補正値として、入力パター
ンＸ（ｉ，ｆ）を次式のように補正し、Ｘ’（ｉ，ｆ）
とする。

【００６３】

【数１３】Ｘ’（ｉ，ｆ）＝Ｘ（ｉ，ｆ）−ｂｖ（ｆ）

【００６４】このようにして入力パターンＸ（ｉ，ｆ）
（より正確には入力パターンＸ（ｉ，ｆ）の母音部）が
補正されてＸ’（ｉ，ｆ）になると、類似度計算部４で
は、再び、当初の入力パターンＸ（ｉ，ｆ）のかわり
に、この補正された入力パターンＸ’（ｉ，ｆ）を用い
て、数５により局所距離ｄ₂（ｉ，ｊ）を求め、この局
所距離ｄ₂（ｉ，ｊ）に基づき、類似度Ｄ₂を求める。し
かる後、認識処理部６では、類似度計算部４で求めた類
似度Ｄ₂が最小となる認識対象語を認識結果として出力
する。

【００６５】また、図９はさらに他の音声認識処理例，
すなわち第８の処理例を示す図であり、この第８の処理
例では、入力パターンを母音部と母音部以外とに分けて
補正するようになっている。すなわち、図９では、図２
のステップＳ１，Ｓ２，Ｓ５，Ｓ６の処理と同様の処理
をステップＳ７１，Ｓ７２，Ｓ７７，Ｓ７８で行ない、
ステップＳ７３乃至Ｓ７６の処理が図２の処理と異なっ
ている。

【００６６】ステップＳ７３乃至Ｓ７６の処理では、入
力パターン補正部５は、類似度計算部４で類似度計算を
行なった際に、最適な類似度Ｄ₁が得られた経路におけ
る入力パターンと標準パターンとの差の発声語内の母音
部平均値ｂｖ（ｆ）と母音部外平均値ｂｃ（ｆ）とを次
式により特徴量毎に求める。

【００６７】

【数１４】

【００６８】ここで、Ｉｖは発声語内の母音部フレーム
数であり、Ｉｃは発声語内の母音部外のフレーム数であ
る。入力パターン補正部５は、次いで、上記母音部平均
値ｂｖ（ｆ）と母音部外平均値ｂｃ（ｆ）を補正値とし
て、入力パターンＸ（ｉ，ｆ）を次式のように補正し、
Ｘ’（ｉ，ｆ）とする。

【００６９】

【数１５】

【００７０】このようにして入力パターンＸ（ｉ，ｆ）
がＸ’（ｉ，ｆ）に補正されると、類似度計算部４で
は、再び、当初の入力パターンＸ（ｉ，ｆ）のかわり
に、この補正された入力パターンＸ’（ｉ，ｆ）を用い
て、数５により局所距離ｄ₂（ｉ，ｊ）を求め、これに
基づき、類似度Ｄ₂を求める。しかる後、認識処理部６
では、類似度計算部４で求めた類似度Ｄ₂が最小となる
認識対象語を認識結果として出力する。

【００７１】このように、上述の第７，第８の処理例で
は、入力パターンを母音部と母音部以外とに分けて補正
するようになっているので、より効果的に補正を行なう
ことができ、その結果、認識精度をより一層高めること
ができる。

【００７２】また、図１０はさらに他の音声認識処理
例，すなわち第９の処理例を示す図であり、この第９の
処理例では、入力パターンに対する補正値を求める際、
それ以前に認識させたときの補正値も利用するようにな
っている。すなわち、図１０では、図２のステップＳ
１，Ｓ２，Ｓ５，Ｓ６の処理と同様の処理をステップＳ
８１，Ｓ８２，Ｓ８５，Ｓ８６で行ない、ステップＳ８
３，Ｓ８４の処理が図２の処理と異なっている。

【００７３】ステップＳ８３，Ｓ８４の処理では、入力
パターン補正部５は、類似度計算部４で類似度計算を行
なった際に、例えば、最適な類似度Ｄ₁が得られた経路
における入力パターンと標準パターンとの差の発声語内
平均値ｂ（ｆ）を数３によって特徴量毎に求めることの
他に、現在、類似度計算処理を行なっている発声以前の
発声時に用いた補正値ｂｐ（ｆ）も記憶しておき、例え
ば、次式で求まる値ｂ’（ｆ）を入力パターンの補正値
とする。

【００７４】

【数１６】ｂ’（ｆ）＝｛ｂ（ｆ）＋ｂｐ（ｆ）｝／２

【００７５】そして、この値ｂ’（ｆ）により入力パタ
ーンＸ（ｉ，ｆ）を次式のように補正する。

【００７６】

【数１７】Ｘ’（ｉ，ｆ）＝Ｘ（ｉ，ｆ）−ｂ’（ｆ）

【００７７】このようにして入力パターンＸ（ｉ，ｆ）
がＸ’（ｉ，ｆ）に補正されると、類似度計算部４で
は、再び、当初の入力パターンＸ（ｉ，ｆ）のかわり
に、この補正された入力パターンＸ’（ｉ，ｆ）を用い
て、数５により局所距離ｄ₂（ｉ，ｊ）を求め、これに
基づき、類似度Ｄ₂を求める。しかる後、認識処理部６
では、類似度計算部４で求めた類似度Ｄ₂が最小となる
認識対象語を認識結果として出力する。

【００７８】このように、第９の処理例では、補正値を
求める際、それ以前に認識させたときの補正値も利用す
るので、より安定した補正を行なうことができ、その結
果、認識精度をより高めることができる。

【００７９】なお、上述の各例において、補正演算の仕
方については上述した方法のみならず、種々の方法を用
いることができる。

【００８０】

【発明の効果】以上に説明したように、請求項１乃至請
求項８記載の発明によれば、類似度計算で類似度を求め
る際に、標準パターンと入力パターンから入力パターン
補正値を求め、該入力パタ−ン補正値により入力パター
ンを補正して再度類似度を計算するので、発声変動，周
囲環境変動に対しての認識精度を高めることができる。

【００８１】特に、請求項４記載の発明によれば、第１
の類似度計算処理を行なった際に、類似度が高かった所
定個数の標準パターンを選択し、該選択した標準パター
ンのみを再度、類似度計算処理の対象とするので、計算
時間を短縮することができるとともに、認識精度をより
高めることができる。

【００８２】また、請求項５，６記載の発明によれば、
入力パターンを母音部と母音部以外とに分けて補正する
ようになっているので、より効果的な補正を行なうこと
ができ、認識精度をより高めることができる。

【００８３】また、請求項７記載の発明によれば、入力
パターンの補正を行なう際、以前に発声された際の補正
値も利用するようになっているので、より安定した補正
を行なうことができ、認識精度をより一層高めることが
できる。

【図面の簡単な説明】

【図１】本発明に係る音声認識装置の一実施例のブロッ
ク図である。

【図２】図１の音声認識装置の処理動作の一例を示すフ
ローチャートである。

【図３】図１の音声認識装置の処理動作の一例を示すフ
ローチャートである。

【図４】図１の音声認識装置の処理動作の一例を示すフ
ローチャートである。

【図５】図１の音声認識装置の処理動作の一例を示すフ
ローチャートである。

【図６】図１の音声認識装置の処理動作の一例を示すフ
ローチャートである。

【図７】図１の音声認識装置の処理動作の一例を示すフ
ローチャートである。

【図８】図１の音声認識装置の処理動作の一例を示すフ
ローチャートである。

【図９】図１の音声認識装置の処理動作の一例を示すフ
ローチャートである。

【図１０】図１の音声認識装置の処理動作の一例を示す
フローチャートである。

【符号の説明】

１ 音声入力部 ２ 入力パタ−ン生成部 ３ 標準パターン記憶部 ４ 類似度計算部 ５ 入力パターン補正部 ６ 認識処理部

Claims (8)

(57)【特許請求の範囲】
1. 【請求項１】 音声を入力する音声入力手段と、前記音
   声入力手段より入力された入力信号を特徴ベクトルの時
   系列に変換し、入力パタ−ンとする入力パターン生成手
   段と、予め登録された音声を１つ以上の状態に分け、各
   状態毎の特徴ベクトルで構成される標準パターンを記憶
   する標準パターン記憶手段と、前記入力パターン生成手
   段で生成された入力パタ−ンと前記標準パターン記憶部
   に記憶されている標準パターンとの類似度を求める類似
   度計算手段と、前記類似度計算手段で求めた類似度結果
   を用いて認識処理を行なう認識処理手段と、前記類似度
   計算手段により類似度を求める際に、標準パターンと入
   力パタ−ンとから入力パターン補正値を求め、該入力パ
   ターン補正値により入力パタ−ンを補正し、標準パター
   ンと補正された入力パタ−ンとの類似度を再度、前記類
   似度計算手段により求めさせる入力パターン補正手段と
   を備えていることを特徴とする音声認識装置。
2. 【請求項２】 請求項１記載の音声認識装置において、
   前記入力パタ−ン補正手段は、前記類似度計算手段が類
   似度を求める際に、入力パタ−ンと標準パターンとの比
   の発声語内の平均的な値を特徴量毎に求め、これを入力
   パターン補正値として入力パタ−ンを補正した後、補正
   された入力パタ−ンと標準パターンとの差の発声語内の
   平均的な値を特徴量毎に求め、これを入力パターン補正
   値として入力パタ−ンを再度補正して、再度、類似度計
   算処理を行わせるようになっていることを特徴とする音
   声認識装置。
3. 【請求項３】 請求項１記載の音声認識装置において、
   前記入力パタ−ン補正手段は、前記類似度計算手段が類
   似度を求める際に、入力パタ−ンの特徴ベクトルの大き
   さと標準パターンの特徴ベクトルの大きさとの比の発声
   語内の平均的な値を求め、これを入力パタ−ン補正値と
   して入力パタ−ンを補正した後、補正された入力パタ−
   ンと標準パターンとの差の発声語内の平均的な値を特徴
   量毎に求め、これを入力パタ−ン補正値として入力パタ
   −ンを再度補正して、再度、類似度計算処理を行なわせ
   ることを特徴とする音声認識装置。
4. 【請求項４】 請求項３記載の音声認識装置において、
   前記類似度計算手段は、類似度計算処理を行なった際
   に、類似度が高かった所定個数の標準パターンを選択
   し、該選択した標準パターンのみを再度の類似度計算処
   理の対象とすることを特徴とする音声認識装置。
5. 【請求項５】 請求項１記載の音声認識装置において、
   前記入力パターン補正手段は、入力パタ−ンを母音部と
   それ以外の部分とに分け、母音部のみ補正を行なうこと
   を特徴とする音声認識装置。
6. 【請求項６】 請求項１記載の音声認識装置において、
   前記入力パターン補正手段は、入力パタ−ンを母音部と
   それ以外の部分とに分け、母音部と子音部の２種類の補
   正値を求めて、入力パターンの補正を行なうことを特徴
   とする音声認識装置。
7. 【請求項７】 請求項１記載の音声認識装置において、
   前記入力パターン補正手段は、入力パタ−ン補正値を求
   める際に、それ以前に認識させた時の補正値も利用する
   ことを特徴とする音声認識装置。
8. 【請求項８】 入力された音声入力信号を特徴ベクトル
   の時系列に変換して入力パタ−ンを作成し、予め登録さ
   れた音声を１つ以上の状態に分けて各状態毎の特徴ベク
   トルで構成される標準パターンを作成し、前記入力パタ
   −ンと前記標準パターンとの類似度を計算し、該類似度
   計算による類似度結果を用いて認識処理を行なう音声認
   識方法において、前記類似度計算で類似度を求める際
   に、標準パターンと入力パターンから入力パターン補正
   値を求め、該入力パタ−ン補正値により入力パターンを
   補正して再度類似度を計算することを特徴とする音声認
   識方法。