JPH01243098A - 音声認識方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は標準パターンを用いる音声認識方法に関する。

〔従来の技術〕

従来の標準パターンを用いる音声認識方法は第２図のよ
うに、周波数分析部９において音声波の周波数分析をお
こない、その結果をもとに特徴抽出部１０においてホル
マントのピーク値、ピーク周波数、隣接するホルマント
間の距離、周波数帯域ごとの強度の平均値等の音声の言
語的特徴を抽出し、類似度計算部１２に云いて、特徴メ
モリ１１に予め記憶されている標準パターンとの類似度
の計算をおこない、判定部１３において類似度が最大の
ものを選択し、認識結果を出力する。

〔発明が解決しようとする課題〕

上記従来技術は標準パターンとして、音道における、音
素等の発生パターンに相当する、音声波を周波数分析し
て得られたスペクトルパターンを用いており、その音声
認識方法を用いて認識されたパターンが人間の聴覚野に
おける認識パターンと同じであるか否かという点につい
ては全く配慮されていない。

一方、今日音声認識は多くの分野で実用化されている。

しかし、特定の話者の音声を分析して得られる標準パタ
ーンを用いた音声認識方式は他の話者では認識率が低下
するという問題点をもつ。

上記問題点は、音声認識をおこなう際に用いられる標準
パターンは１人間が音声をどのように認識するかではな
く、どのように発声するかを示す声道におけるパターン
であるため１話者によって個体差が大きい点に起因する
。

そこで、本発明の目的は、不特定話者に対する音声認識
の認識率向上のために１機械に人間の脳と同じ音声認識
方法、すなわち、人間の聴覚器から側頭葉に位置する聴
覚器までの聴覚系の伝達特性を考慮した聴覚器での認識
パターンを用いた音声認識方法を提供することにある。

〔課題を解決するための手段〕

上記目的を達成するために、本発明は、標準パターンと
して、音声のマスキング効果の実験結果として得られる
人間の聴覚器での認識パターン、すなわち、マスキング
パターンを分析して得られた特徴量を用いる点、および
、マスキング効果実験に用いた音声のスペクトルパター
ンを入力、上記マスキングパターンを出力とする聴覚系
の伝達特性部を構成し、音声認識時は入力音声のスペク
トルパターンを上記聴覚系の伝達特性部に入力し、その
出力に対して特徴抽出をおこない、標準パターンとの間
で類似性を判定し、認識をおこなう点を特徴としている
。

〔作用〕

音声波スペクトルパターンは上記聴覚系の伝達特性によ
って、個体差の大きい声道パターンから、人間の聴覚器
での認識パターンに変換される。これによって、機械に
人間の聴覚系と同じ認識機構を与えられたこととなる。

〔実施例〕

以下、本発明の実施例を図面により詳細に説明する。

第１図は本発明の一実施例構成を示す。

同図において、１は周波数分析部であって、複数の帯域
フィルタを備え、入力音声を周波数分析するもの、２は
聴覚系伝達特性部であって、本発明にいう、音声波スペ
クトルパターンを聴覚器における認識パターンに変換す
るもので、通常プロセッサ３とメモリ４によって構成さ
れる。５は特徴抽出部であって、第１ホルマントのピー
ク周波数を求めるもの、６は特徴メモリであって、標準
パターンを格納するもの、７は類似度計算部であって、
距離計算をするもの、８は判定部であって認識結果を出
力するものである。なお、聴覚系伝達特性部２．特徴抽
出部５．類似度計算部７２判定部８を共通のプロセッサ
を用いて実現できる。

本発明の大きな特徴は第１図聴覚系伝達特性部２、およ
び、特徴メモリ６に記憶される標準パターンにある。

最近の聴覚系の情報処理に関する研究では、聴覚器で認
識される音声パターンは音声波スペクトルパターンとは
異なるものであることが分かつてきた。これは、音声の
マスキング効果の実験（伊福部達著、「九官鳥の声帯模
写に教えられる」科学朝日、４６．９／３３　［１９８
６］　）からの知見であるが、第３図スペクトルパター
ン１４に示される周波数パターンをもつ九官鳥の発する
母音「イ」を妨害音とした場合、人間が純音を聞き分け
る周波数パターンは同図１５のようになる。上記周波数
パターンをマスキングパターンと呼ぶ。

このように、マスキングパターンと九官鳥の発する母音
のスペクトルパターンは異なり、九官鳥の発する母音「
イ」の周波数パターンでは存在しない第１ホルマントが
同図１６に示されるようにマスキングパターンでは出現
している。従って、人間の聴覚系の情報処理過程におい
ては、第２．第３の高周波数ホルマントに類似性がある
場合は、第１ホルマントを自分自身で補って五２識して
いることが分かる。

人間の場合、内耳においてカギュウによって周波数分析
された音声波は、聴覚系のはたらきによって、音声波ス
ペクトルパターンとは異なるマスキングパターンとして
聴覚器において認識される。

上記知見は聴覚系は音声波スペクトルパターンをマスキ
ングパターンに変換するはたらきをもっことを示す。

先に述べたように、本発明では、先ず、標情パターン、
および、聴覚系の伝達特性を求めることが必要である。

これらは上記マスキング効果の実験結果をもとに作成さ
れる。第４図に標準パターン、および、聴覚系の伝達特
性を求める手順を示す。手順１７において認識すべき音
素ａに対して、音素ａの標準的な音声波の周波数分析を
おこない、その結果得られるスペクトルパターンをＰａ
とする。手順１８においては手順１７で用いた音声波を
妨害音とし、上記知見に基づくマスキング効果実験を行
なって周波数分析をし、マスキングパターンＱａを作成
する。手順１９においてはマスキングパターンＱａの第
１ホルマントのピーク周波数Ｒａを求め、標準パターン
として第１図に示す特性メモリ６に記憶する。聴覚系の
伝達特性Ｆは、手順ＩＴで求めたスペクトルパターンＰ
ａ、および、手順１８で求めたマスキングパターンＱａ
をもとに、 Ｆ　＝　Ｑ　ａ　／　Ｐ　ａ　　　　　　　　　　　　
　　・＝（１）から求めることができる６手順２０にお
いては。

（１）式の関係をメモリ４に記憶する。なお、Ｆが非線
形特性を持つ場合は複数の音声波に関して繰り返して（
１）式を用いる必要がある。

音声認識時には、未知入力音声波Ｘを第１図の周波数分
析部１において分析し、その結果得られるスペクトルパ
ターンをＰｘとし、同図聴覚系伝達特性部２において、
メモリ４に記憶されたプログラムをプロセッサ３で実行
し、マスキングパターンＱｘを求め、同図特徴抽出部５
において、その第１ホルマントのピーク周波数Ｒｘを求
め、同図特徴メモリ６に記憶されたＳ＄パターンＲａと
の類似性を、同図類似度計算部７において１次元ユーク
リッド距離 ／）（Ｘ）＝　ｌ　Ｒｘ−Ｒａ　ｌ　　　　　　　　＝
４２）で求め、同図判定部８において、定数εに対して
。

ρ（ｘ）≦Ｅ　　　　　　　　　　　　　・・・（３）
であれば認識出力１、すなわち、入力音声波がａである
ことを、 ρ（Ｘ）〉ε　　　　　　　　　　　　　　・・・（４
）であれば認識出力０、すなわち、入力音声波がａでな
いことを出力する。

本実施例によれば第１図聴覚系伝達特性部２によって、
音声波の第１ホルマントのピーク周波数の発声者に関す
る個体差が解消する。

〔発明の効果〕

本発明によれば声道パターンといった話者の個別性に強
く依存した認識パターンでなく、人間と同じ認識パター
ンを用いた音声認識を機械が行なうこととなり、不特定
話者に関する認識率の向上の効果がある。

【図面の簡単な説明】

第１図は、本発明による音声認識方式の説明図、第２図
は従来の音声認識方式の説明図、第３図は九官鳥の母音
発声におけるマスキング効果を示す特性図、第４図は本
発明における標準パターン、および、聴覚系の伝達特性
を求める手順を示す図第　１　口 す 第２１２］

Claims (1)

1. 【特許請求の範囲】 １、入力音声を分析してスペクトルパターンを発生させ
   、該スペクトルパターンをマスキングパターンに変換し
   、該変換結果のパターンに対して、予じめ登録されてい
   るマスキングパターンからなる標準パターンとの間で類
   似性を判定し、その判定結果で入力音声の認識を行なう
   ことを特徴とする音声認識方法。 ２、スペクトル分析された音声波を発生させ、該音声波
   を妨害音とし、マスキング効果実験による周波数分析を
   行ないマスキングパターンを作成し、該パターンを標準
   パターンとして用いることを特徴とする標準パターンの
   作成方法。