JPH0199099A - パターン比較装置 - 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、音声等のパターンを比較するパターン比較装
置に関する。

従来の技術 以下、単語音声の認識を行う場合について説明する。ま
た、ベクトル間あるいはパターン間の相違は、類似度、
距離、誤差等の言葉が用いられ、それぞれの尺度も種々
存在するものであるが、本発明にとっては本質的なもの
ではないので、ここでは距離と言う言葉をそれ等を代表
させて用いることにする。即ち、例えば、距離が近い、
距離が小さいと言うことは、類似度が高い、類似度が大
きいと言うことに対応し、距離が遠い、距離が太きいと
言うことは類似度が低い、類似度が小さい３　ヘー。

と言うことに対応する等である。

音声認識等の特徴ベクトルの系列からなるパターンを認
識する方法として、所謂ＤＰマツチング法がよく用いら
れる。これは認識すべき単語音声を代表する、特徴ベク
トルの系列からなるパターンを標準パターンとして、そ
れぞれの前記単語音声について予め登録しておき、認識
時には、同じく特徴ベクトルの系列からなる認識さるべ
き入カバターンと前記標準パターンのそれぞれと照合を
取り、最も距離的に近い標準パターンを探索し、その標
準パターンに対応する単語を入カバターンの認識結果と
するものである。このとき、時間長の異なるパターン同
志を時間軸を非線形に伸縮させる必要があるが、これを
効率よく行うために動的計画法を用いるがＤＰマツチン
グと呼ばれる方法であり、今のところ最もよい結果の得
られる方法の一つである。

ところがこの方法は、時間軸の伸縮は比較すべき両パタ
ーンが最も距離的に近くなるように時間軸の伸縮が行な
われるものであって、時間軸に対する傾斜等の特徴ベク
トルの時間的変化に関する特徴（以後、動的特徴と呼ぶ
ことにする）が適切に反映されないきらいがある。従っ
て、スペクトルの変化の仕方に特徴のある音韻に対して
は、この方法のみでは認識精度の点で不十分である。

丑だ、単語辞書を音韻や音節（以後、音声素片と呼ぶこ
とにする）を表わす記号系列の形でもち、予めそれぞれ
の音声素片に対応する標準パターンを準備しておき、認
識すべき入カバターンを前記標準パターンを基にして音
声素片列、即ち、各音声素片を表わす記号の系列に変換
し、前記単語辞書のそれぞれの単語と記号レベルのマツ
チングを行ない、最も距離的に近い単語を認識結果とす
るものがある。このとき、前記入カバターンから変換さ
れた音声素片系列は、音声素片の認識を完全にすること
は不可能であるから、挿入、脱落、置換等の多少の間違
いを含んでいる。従って、前記記号レベルのマツチング
においては、予め計算し、準備された音声素片間距離を
基に、ＤＰマツチングによシ音声素片系列間の距離を求
めることにな５　ヘーノ る。この場合も、前記入カバターンに対して音声素片認
識を行う場合や音声素片間距離を求めるに際して、前記
動的特徴を反映させることが認識精度を上げる上で重要
な問題となる。

発明が解決しようとする問題点 本発明は、上記従来例の欠点に鑑み、時間的動的特徴を
加味した音声等のパターンの認識に適用可能なパターン
比較装置の実現にある。

問題点を解決するための手段 特徴ペク）／しの系列から々る第１のパターンを１＝−
１〜Ｉの区間に分割し、それぞれの区間のパターンを近
似したベク）／し値をとる時間関数のパラメータを計算
する標準パターン作成手段と、そのパラメータを前記ｉ
に関連して記憶する標準パターン記憶手段と、特徴ベク
トルの系列から々る第２のパターンの第ｉ区間の候補区
間を設定する部分区間設定手段と、この設定された第２
のパターンの第ｉ区間の候補区間の特徴ベクトル系列と
、ニ・前記標準パターンの第ｉ区間のパラメータに対応
＼ “する前記時間関数との部分距離（部分類似度）を６　
ヘー。

求める部分距離（部分類似度）計算手段と、それら部分
距離（部分類似度）のｉ＝１〜Ｉについての合計を求め
る最小累積距離（最大累積類似度）計算手段とを備え、
この最小累積用＃（最大累積類似度）計算手段は、前記
パラメータの一部を可変とし、このパラメータの値と前
記分割における分割点を最適に定めることにより、前記
部分距離（部分類似度）のｉ＝１〜Ｉについての合計の
最小（最大）値として最小累積距離（最大累積類似度）
を求めるものである。

作　　用 特徴ベクトルの系列からなる第１のパターンを１−１〜
Ｉの区間に分割し、標準パターン作成手段により、それ
ぞれの区間のパターンを近似したベクトル値をとる時間
関数のパラメータを計算し、標準パターン記憶手段によ
り、そのパラメータを前記ｉに関連して記憶し、部分区
間設定手段によシ、特徴ベクトルの系列からなる第２の
パターンの第ｉ区間の候補区間を設定し、部分距離（部
分類似度）計算手段によシ、この設定された第２の７　
ヘーノ パターンの第ｉ区間の候補区間の特徴ベク）　／Ｌ／系
列と、前記標準パターンの第ｉ区間のパラメータに対応
する前記時間関数との部分距離（部分類似度）を求め、
最小累積距離（最大累積類似度）計算手段により、それ
ら部分距離（部分類似度）のｉ＝１〜Ｉについての合計
を求めるものであって、この最小累積距離（最大累積類
似度）計算手段は、前記パラメータの一部を可変とし、
このパラメータの値と前記分割における分割点を最適に
定めることによシ、前記部分距離（部分類似度）のｉ＝
１〜Ｉについての合計の最小（最大）値として最小累積
距離（最大累積類似度）を求めるものである。

実施例 前記時間関数としては、ｎ次（ｎ＝１．２．・・・・・
・）多項式やスプライン関数等が用いられ得る。

ここでは簡単のためと十分実用に耐え得るという理由か
ら、１次関数を用いる場合について本発明の一実施例を
説明する。また、前記曲線とそれに対応する実際の特徴
ベク）／しとの相違を表す量として、前記特徴ベク）／
しとそれに対応する前記曲線上のベクトルのユークリッ
ド距離の２乗和を用いることにする。この場合は前記曲
線は所謂最小２乗近似直線となり、前記距離に対応する
量は残差平方和と呼ばれるものになる。

第１図は本発明の１実施例である。

まず、第１のパターンを標準パターンとして登録する。

標準パターンの作成方法の概略は次の通りである。

１は特徴抽出部であって、入力音声信号をフィルタバン
ク、フーリエ変換、ＬＰＣ分析等の周知の方法によって
、数ｍ５ｅＣ〜十数ｍ５ｅｃ毎（フレームと称する）に
数次元〜士数次元の特徴ベクトルの系列に変換するもの
である。

６は標準パターン作成部であって、特徴ベクトルの系列
からなる第１のパターンをｉ＝１〜Ｉの部分区間に分割
し、それぞれの部分区間のパターンを、ベク）　ｙＶ値
をとる時間関係で近似し、その時間関数を決定するパラ
メータを算出するものである。本実施例では最小２乗近
似直線を用いてい９　べ−／ るから、このパラメータは各区間の特徴ベクトルの平均
ベクトルとそこを通る最小２乗近似直線の傾き（方向）
ベク）　７Ｌ／とすることが出来る。

次にその作成方法について述べる。ここで、前記第１の
パターンを（Ｘ（ｔ））　−（Ｘ（１）、　Ｘ（２）、
　・、　ｘ（ｔ）。

・・・、Ｘ（Ｔ１））とする。ｘ　（ｔ）は時刻ｔにお
ける特徴ベク）／しである。この第１のパターンを、例
えばランニングスペクトルやサウンドヌベクトロダラム
等によシ、最も適切であると思われる区間に分割する。

この時、区間の総数を■、区間の番号をｉ−１〜Ｉとす
る。第ｉ−１区問および第ｉ区間の最終フレームをそれ
ぞれｒ、　　ｔとすれば第ｉ区間における最小２乗近似
直線は次のように求められる。

前記第ｉ区間として設定されたて−ｔ−ｒフレームの区
間に含まれる特徴ベク）／しの平均値をｍ（ｉ）とすれ
ば、 となり、ｕ（ｉ）をその方向ベク）／しとすれば、前記
部分区間ｉに対して求めるべき最小２乗近似直線１０　
／＼−２ Ｑ（ｋ、　１）（ｋ＝１〜τ）は とおける。このとき、ｘ（ｔ−ｒ＋ｋ）とＱ（ｋ、ｉ）
とのに＝１〜τの残差平方和（部分距離）ｖ（ｔ−τ＋
１：ｔ）は ｖ（を−τ＋１：ｔ） −Σ　（ｘ（ｔ−ｒ＋ｋ）　−Ｑ（ｋ、す）９に−１ （ｘ（ｔ−ｒ＋ｋ）−Ｑ（ｋ、ｉ）） で表される。従って、求めるべき最小２乗近似直線は、
式（２）におけるｕ　（ｉ）を部分距離ｖ（ｒ−ｒ＋１
：ｔ）が最小になるように定めることによって得られる
。

即ち、ｖ（ｔ−τ＋１：ｔ）をｕ　（ｉ）で偏微分した
ものが０に等しいとおいて、ｕ（ｉ）に関する方程式を
解くことによって得られるものであって、（ｘ（ｔ−ｒ
＋ｋ）−Ｑ（ｋ、１））＝０　　　、、、、、、、、、
（３）よシ、 １１　　・＼−７ となる。ここで、ｍ（ｉ）ｌ　ｕ（ｉ）、　Ｑ（ｋｌ　
　ｉ　）ｌ　ｘ（を−τ＋１）等は縦ベクレレであって
、°は転置を意味する。また、ベクトルによる微分はそ
の要素毎に別々に微分することを意味している。

以上のようにして、第１のパターンは、区間ｉ−１〜Ｉ
のそれぞれに対するｍ　（ｉ）、　　ｕ　（ｉ）なる一
対のベクトルによって表現出来ることになる。

７は標準パターン記憶部であって、以上のようにして求
められた平均ベク）／しｍ（ｉ）、方向ペクト）ｖ　ｕ
　（ｉ）を標準パターンとして記憶するものである。

次に、以上のようにして登録された第１のパターンと第
２のパターンとの本発明による比較方法について説明す
る。第２のパターンも特徴抽出部１で前記標準パターン
と同様に特徴ベク）／しの系列に変換される。これを（
ｙ（ｉ））　＝　（ｙ（１）、　ｙ（２）、・・・。

ｙ（Ｔ２））　とする。ｙ　（ｔ）は第２のパターンの
時刻ｔにおける特徴ベク）／しである。

２は入カバソファメモリであって、特徴抽出部１で前記
第２のパターンたる特徴ベク）／しの系列に変換された
入力音声を一時的に記憶するものである。

５は音声区間検出部であって、入力信号のレベル等から
周知の方法によって入力音声信号の開始・終了フレーム
の検出を行うものである。

４はフレームカウンタであって、前記開始フレームから
終了フレームまでをフレーム毎に計数するものである。

従って、フレームカウンタ４は現在処理中のフレーム番
号を指示している。

３は部分設定部であって、前記入カバターンに対して部
分区間を設定するものである。いま、フレームカウンタ
の内容をｔとするとき、部分区間設定部３は、ｒ＝ｔ−
ｓｘｔ−ｅなるフレームを第ｉ部分区間の始端候補フレ
ームとして順次設定するものである。ここで、ｓ、ｅは
部分区間とじて１３　、−。

許される範囲を制限するために、予め与えられる定数で
ある。

８．９はそれぞれ部分距離計算部、最小累積距離計算部
であって、前記第２のパターンの１〜Ｔ２フレームを工
区間に分割し、前記第２のパターンの第ｉ区間と、第１
のパターンの第ｉ区間との部分距離Ｖ′の （ｆ（ｉ−１）＋１：ｆ（ｉ））の１＝１−Ｉについて
総和ｖ’（１：ｆ（ｉ））＋ｖ　’　（ｆ（１）＋１　
：　ｆ（２））＋−＋ｖ’　（ｆ　（Ｉ　−１）＋１　
：　ｆ（Ｉ））が最小になるように工分割し　（以後、
最適に工分割すると言うことにする）、その総和（以後
、最小累積距離と呼ぶことにする）Ｖ／（Ｔ２．Ｉ）を
求めるものである。ここで、ｆ（ｉ）（ｉ＝１〜Ｉ）は
分割された第ｉ区間の最終フレームである。前記第２の
パターンの第ｉ区間と、第１のパターンの第ｉ区間との
部分距離は、前記第２のパターンの第ｉ区間の特徴ベク
トルのそれぞれと、前記第１のパターンの第ｉ区間に対
して標準パターンとして登録されている最小２乗近似直
線との誤差の２乗和である。

最小累積距離Ｖ／（Ｔ２．Ｉ）は動的計画法によって効
率的に計算出来る。即ち、漸化式 １式％ ■について順次計算すればよい。この式の意味するとこ
ろは、１〜ｔフレームをｉ分割したときの前記最小累積
距離Ｖ’（ｔ、ｉ）は、１〜ｒ（ｔ−ｓ≦ｒ＜ｔ−ｅ）
フレームをｉ−１分割したときの最小累積距離Ｖ’　（
ｒ−１、ｉ　−１）と、第ｉ区間の部分距離−ｖ’（ｒ
：ｔ）との和のｒに関する最小値として求まるというこ
とである。これは、第（６）式を満足するｒをｒ。ｐ。

とすれば、１〜ｔフレームを最適にｉ分割したとき、１
〜ｒｏｐｔフレームにおける各区間の分割点は、１〜ｒ
ｏｐｔ　フレームを最適にｉ−１分割したときの各区間
の分割点に一致する、最適過程の部分過程はその部分で
もまた最適過程になっていると軸う、所謂最適性の原理
に基づくものである。式（５）において、前記第１のパ
ターンの区間ｉに対する最小２乗近似直線Ｑ（ｋ、１）
（ｋ＝１−ｒ、ｒ−ｔ−ｒ）は１５　・＼−。

であるから、前記第２のパターンの第１区間に含まれる
特徴ベクトルｙ（ｔ−τ十ｋ）とＱ（ｋ、ｉ）とのに＝
１−ｒの部分距離ｖ’（ｔ−ｒ＋１：ｔ）−ｖ’（ｒ＋
１　：ｔ）は基本的には ｖ　／／　（を−τ＋１：ｔ） ・・・・・・・・・・・・（７） で表されるが、本発明は、式（６）においてＱ（ｋ、ｉ
）を決定づけるパラメータｍ（ｉ）、　　ｕ（ｉ）ｆ７
）中、一方ハ標準パターンのものを用い、他方は入カバ
ターンについて最適化することを特徴とする。即ち、最
小２乗近似直線の場合はｍ（ｉ）は標準パターンのもの
を用い、ｕ（ｉ）を入カバターンについて最適化する第
１の方法と、ｕ（ｉ）は標準パターンのものを用い、ｍ
（ｉ）を入カバターンについて最適化する第２の方法が
考えられる。

先ず、第１の方法について説明する。

この場合は、漸化式（５）の最小化は、分割点のみでな
く、区間ｉにおける直線Ｑ（ｋ、ｉ）の傾き（方向ベク
トル）についても行うことになる。このことを陽に表現
すれば式（５）は次のように変更される。

即ち、この式を満足するｕ　（ｉ）は、標準パターンの
第」区間の平均ベク）７Ｉ／ｍ（ｉ）を通る直線を、第
２のパターンのフレームｒ＋１〜ｔの第ｉ区間に含まれ
る特徴ベクトル系列ｙ（ｔ−τ＋１）〜ｙ　（ｔ）に対
して誤差が最小になるように回転させたとき、その直線
の傾き（方向ベク）　）Ｖ　）である。従って、このと
きのｕ（１）をｕ′（ｉ）とすれば、明らかにとなる。

従って、この時の近似直線をｏ’（ｋ、ｔ）とすれば、 Ｑ’（ｋ、ｉ）−ｍ（ｉ）＋（ｋ　−）ｕ’（ｉ）　　
　＝・・・・・−（９）１７　へ−／ となり、部分距離ｖ’（ｒ＋１：ｔ）はｖ’（ｔ−τ＋
１：ｔ） ・・・・・・・・・（１ｏ） となる。

この第１の方法は、明らかに標準パターンの作成におい
て最小２乗近似直線を求める必要はなく、単にそれぞれ
の区間の特徴ベク）／しの平均ベクトルを求めるだけで
よい。従って、この場合は標準パターン作成部は第２図
（ａ）に示すように々る。同図において、６１はバッフ
ァメモリであって、第１のパターンを一時記憶するため
のものである。

６ｏは分割区間指定部であって、ランニングヌベクトル
、サウンドヌベクトログラム等別途ｉ　測ｆることによ
り（図示せず）、前記バッファメモリに対して、分割す
べき区間を指定するものである。

６２は平均値計算部であって、前記指定された区間内の
特徴ベク）／Ｖの平均ベク）／しを算出するものである
。従って、第１図７の標準パターン記憶１８　・　。

部は前記各区間の平均ベクトルをそれぞれの区間番号に
関連して記憶することになる。

第３図（ａ）、［有］）は以上筒１の実施例の概念を具
体的に説明するために、１次元で表わされたパターンを
想定して、前記マツチングの様子を図示するものである
。

横軸はフレーム、縦軸は前記ベクトルを構成する特徴量
。

・は各時点における特徴ベクトルの座標位置を表す。（
ａ）は標準パターンたる第１のパターンとそれから求め
られる最小２乗近似直線Ｑ（ｋ、１）（ｉ＝１．２．３
に対応する線部は１００，１０１．１０２）を示し、本
例では３分割の場合を示す。（ｂ）は前記最小２乗近似
直線Ｑ（ｋ。

りに対する前記第２のパターンの誤差が最も小さくなる
ように分割した場合の前記近似直線Ｑ／（ｋ。

ｉ　）（ｉ＝１．２．３に対応する線分は１００’　、
１０１　’　。

１０２’）を示している。Ｑ’（ｌｃ、ｉ）の平均値は
Ｑ（ｋ、ｉ）に等しく、傾きは、入カバターンに最適化
されている。

次に、第２の実施例を説明する。

この場合は、漸化式（６）の最小化は、分割点と区間ｉ
における平均値について行うことになる。このことを陽
に表現すれば式（６）は次のように変更される。

１９　ヘーノ 即ち、この式を満足するｍ　（ｉ）は、標準パターンの
第ｉ区間の最小２乗近似直線の傾き（方向ベクトル）ｕ
（ｉ）の直線ヲ、第２のパターンのフレームｒ＋１〜ｔ
の第ｉ区間に含まれる特徴ベク）／し系列ｙ（ｔ−τ＋
１）〜ｙ（ｔ）に対して、誤差が最小になるように平行
移動することになる。従って、このときのｍ（１）をｍ
′（ｉ）とすれば、 ｍ’（ｉ）−一　Σｙ（ｔ−ｒ＋ｋ）　　　　　−−−
−・・・・・（１１）τ　ｋ＝１ となる。

従って、この時の近似直線をＱ’（ｋ、ｉ）とすれとな
シ、部分距離ｖ’（ｒ＋１：ｔ）はｖ’（を−τ＋１：
ｔ） ・・・・・・・・・・・・（１３） となる。

この場合は第１図標準パターン作成部６は第２図（ｂ）
のように々る。分割区間指定部６０．バッファメモリ６
１は第２図（、）と全く同様のものである。

６２は最小２乗近似直線算出部であって、前記各区間の
最小２乗近似直線を算出するものである。

この場合は第１図標準パターン記憶部７は前記各区間の
最小２乗近似直線の方向ベクトルをそれぞれの区間番号
に関連して記憶することになる。

第４図（、）、　（ｂ）は以上筒２の実施例の概念を具
体的に説明するために１次元で表わされたパターンを想
定して、前記マツチングの様子を図示するものである。

横軸はフレームを表し、縦軸は前記ベクトルを構成する
特徴量を表す。（ａ）は第３図（ａ）と同様である。（
ｂ）は前記最小２乗近似直線Ｑ（ｋ、ｉ）に対する前記
第２のパターンの誤差が最も小さくなるように分割した
場合の前記近似直線ｏ　／　（ｋ。

ｉ　）（ｉ＝１．２．３に対応する線分は１００“、１
０１”。

１０２“）を示している。Ｑ’（ｋ、ｉ）の傾きはＱ（
ｋ、ｉ）に等しく、平均値は入カバターンに最適２１　
ヘ−ノ 化されている。

１ｏは最小累積距離記憶部であって、最小累積距離計算
部９の結果、即ち、１〜ｔフレームを最適にｉ分割した
ときの最小累積距離Ｖ’（ｔ、ｉ）をｉ＝１〜Ｉについ
て記憶する。Ｖ’（ｔ、ｉ）は最小累積距離計算部９に
おける以後の漸化式の計算に用いられる。

１１は分割数指定部であって、第ｔフレームまでの分割
数１〜ｌを最小累積距離計算部９に順次与えるものであ
って、最小累積距離計算部７はこの指令に従って前記漸
化式を毎を毎にｉ＝１〜Ｉについて計算するととになる
。Ｉは標準パターン記憶部から与えられる。

以上の計算をｔ＝１〜Ｔ２．ｉ＝１〜Ｉについて計算し
、音声区間検出部５が音声区間の終了を検知すると、そ
の時点のフレームカウンタ４の値■と音声区間終了の信
号が最小累積距離記憶部１０に入力され、Ｖ／（Ｔ２．
Ｉ）が読み出される。この鎖が求めるべき前記第１．第
２のパターンの間の距離を与えることに々る。

２２　・・−／ 以上のようにして求められた前記第１．第２のパターン
の間の距離は、第１のパターンを工分割し、それぞれの
区間に対して求められた最小２乗近似直線に第２のパタ
ーンを最適に適合させるべく同じくＩ分割したときの第
２のパターンのそれら直線に対する非適合度と解釈され
る。

発明の効果 本発明によれば、前記部分区間の直線の傾きがその部分
区間の動的特徴を、平均ベク）　ｚｌｚが静的特徴を表
現することになる。本発明はこれらを標準パターンとし
て持つことによりその動的特徴が反映されることになシ
、前述の従来例の持つ欠点を除去することが出来たもの
である。

また、本発明は、標準パターンとして記憶すべきパラメ
ータは、それぞれの部分区間に対するその平均値を表す
ベクトルと、そこを通る最小２乗近似直線の傾き（方向
）を表すベク）　ｙＶのみでよいから、特徴抽出部の出
力の特徴ベクトルの系列そのものを標準パターンとして
持つ場合の必要記憶容量を多く必要とするという欠点も
除去される２３　ヘ−ン こととなる。

さらに、本発明は、不特定話者を対象とする場合は、前
記最小２乗近似直線上の点をそれに対応する時点の特徴
ベクトルの平均値として分布形（具体的には正規分布等
の分布の種類と分散）を与えることによって実現できる
等、前記従来例にはない特徴を有するものである。

なお、本実施例では前記近似曲線は直線の場合について
説明しだが、本実施例の説明の冒頭でも述べたように、
同様な方法により、種々の曲線で近似することもでき、
より精密に認識単位の動的特徴を表現することが可能で
あるばかりでなく、パターンも音声パターンに限るもの
ではないことは言うまでもない。

さらに、ベク）　７Ｌ／間の差の尺度として、各成分の
差の絶対値和、即ち、市街地距離の他、種々の距離また
は類似度を用いることができる。

本発明を用いれば、前記処理にしたがって標準パターン
記憶部７に認識語たる単語に対応する標準パターンを記
憶しておき、それぞれの標準パタＴンと入カバターンと
の間の距離を算出することにより、その最小値を与える
前記標準パターンに対応する単語を認識結果とすること
等が可能となる。

また、同様に、前記標準パターンを音声素片に対して持
っておけば、前記従来例の後半で述べた音声素片を認識
する方法に適用することが出来る。

【図面の簡単な説明】

第１図は本発明の１実施例を示すブロック図、第２図は
その一部の詳細図、第３図、第４図は本発明の詳細な説
明する概念図である。 １・・・・・・特徴抽出部、２・・・・・・入力バッフ
ァメモリ、３・・・・・・部分区間設定部、４・・・・
・・フレームカウンタ、６・・・・・・音声区間検出部
、６・・・・・・標準パターン作成部、７・・・・・・
標準パターン記憶部、８・・・・・・部分距離計算部、
９・・・・・・最小累積距離計算部、１ｏ・・・・・・
最小累積距離記憶部、１１・・・・・・分割数指定部。 代理人の氏名　弁理士　中　尾　敏　男　ほか１名Ｉ凛
り枇

Claims (1)

【特許請求の範囲】
1. 特徴ベクトルの系列からなる第１のパターンをｉ＝１〜
   Ｉの区間に分割し、それぞれの区間のパターンを近似し
   たベクトル値をとる時間関数のパラメータを計算する標
   準パターン作成手段と、そのパラメータを前記ｉに関連
   して記憶する標準パターン記憶手段と、特徴ベクトルの
   系列からなる第２のパターンの第ｉ区間の候補区間を設
   定する部分区間設定手段と、この設定された第２のパタ
   ーンの第ｉ区間の候補区間の特徴ベクトル系列と、前記
   標準パターンの第ｉ区間のパラメータに対応する前記時
   間関数との部分距離（部分類似度）を求める部分距離（
   部分類似度）計算手段と、それら部分距離（部分類似度
   ）のｉ＝１〜Ｉについての合計を求める最小累積距離（
   最大累積類似度）計算手段とを備え、この最小累積距離
   （最大累積類似度）計算手段は、前記パラメータの一部
   を可変とし、このパラメータの値と前記分割における分
   割点を最適に定めることにより、前記部分距離（部分類
   似度）のｉ＝１〜Ｉについての合計の最小（最大）値と
   して最小累積距離（最大累積類似度）を求めることを特
   徴とするパターン比較装置。