JPH0199100A - 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、
距離が小さいということは、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、距離が大きいと
言うことは類似度が低い、類似度が小さいと言うととに
対応する等である。

３、−７ 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せる
べき久カパタ〜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のが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。

また、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
声素片系列、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マツチングにより音声素
片系列間の距離を求めることになる。この場合も、前記
入カバターンに対して６１＼− 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々パターン
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６７、 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。

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
シ、そのパラメータを前記ｉに関連して記憶し、部分区
間設定手段にょシ、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）計算手段により、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７　・＼−。

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）計算手段によシ
、それら部分距離（部分類似度）のｉ＝１〜Ｈ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。

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１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トルとの
相違を表す量として、前記特徴ベクトルとそれに対応す
る前記曲線上のベクトルのユークリッド阻離の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。

先ず、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〜士数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、ベクトル値をと
る時間関数で近似し、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）ベクトル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９　′＼
−ン 記憶１のパターンを（ｘ（ｔ）ｌ−（！（１）、ｘ（２
）、・・・、ｘ（ｔ）。

・・・、！（Ｔ１））とする。ｘ（１）は時刻ｔにおけ
る特徴ベクトルである。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スペクトログラム等に
より、最も適切であると思われる区間に分割する。この
時、区間の総数を工、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τ−ｔ−ｒフレームの区
間に含まれる特徴ベクトルの平均値をｍ（ｉ）とすれば
、 となり、ｕ（ｉ）をその方向ベクトルとすれば、前記部
分区間ｉに対して求めるべき最小２乗近似直線Ｑ（ｋ、
１）（ｋ＝１〜τ）は １ｏ　１、− 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） （ｘ（ｔ−ｒ＋ｋ）−Ｑ（ｋ、ｉ）１ 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（ｔ−計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）ｌ−０−・＝（３）
よシ、 １１　・＼−７ と々る。ここで、ｍ（ｉ）、ｕ（ｉ）、Ｑ（ｋ、　ｉ　
ＬＸ（ｔ−τ＋１）等は縦ベクトルであって、′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
められた平均ベクトルｍ（ｉ）、方向ベクトルｕ（ｉ）
を区間番号ｉに関連して標準ノく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のノくターンと
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トルの系列に変換される。これを（
ｙ（ｉ）　］　＝　（ｙ（１）　＋　ｙ（２）　＋・・
・。

ｙ　（Ｔ２）　ｌとする。ｙ　（ｔ）は第２のパターン
の時刻ｔにおける特徴ベクトルである。

２は入力バッ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トル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。

６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。

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は部分区間設定部であって、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４の内容をｔとするとき、部分区間設定部３は、ｒ
＝ｔ−ｓ−ｔ−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は部分区間として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。

１３、、　、。

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〜Ｔ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’（ｆ　（ｉ−１）
＋１　：　ｆ（ｉ））のｉ＝１−Ｉについての総和ｖ’
（１：　ｆ（１））　＋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く以後、最適
に１分割するということにする）、その総和（以後、最
小累積距離と呼ぶことにする）ｖ′（Ｔ２．■）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１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％ Ｉ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壕るということで
ある。これは、第（６）式を満足するｒをＴ。ｐｔとす
れば、１〜ｔフレームを最適にｉ分割したとき、１〜ｒ
　、フレームにおける各区間の分割点ｐ は、１〜ｒ　、フレームを最適にｉ　−１分割した。ｐ 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いう、所謂
最適性の原理に基づくものである。

式（６）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〜τ。

τ＝ｔ−ｒ）は １６１、−７ であるから、前記第２のパターンの第ｉ区間に含捷れる
特徴ベクトルｙ（ｔ−τ＋ｋ）とＱ（ｋ、ｉ）とのに＝
１−ｒの部分距離ｖ’（ｔ　−ｒ＋１　：　ｔ　）＝＝
ｖ’（ｒ＋１：１）は ｖ’（を−τ＋１：ｔ） ・・・・・・・・・・・・・（ア） で表される。

第２図（ａ）、■）は以上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
応する線分は１ｏｏ、１０１，１０２）を示し、本例で
は３分割の場合である。（ト））は前記最小２乗近似直
線Ｑ（ｋ。

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

１）（ｉ＝１．２．３に対応する線分は１００’。

１ｏ１１，１０２′）を示している。ｏ’（ｋ、ｉ）の
平均値と傾きはＱ（ｋ、ｉ）と等しい。

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〜Ｉ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について計算することになる
。■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６が音声区間の終了を検知１７１＼−
７ すると、その時点のフレームカウンタ４の値工と音声区
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。この値が求めるべき前
記第１．第２のパターンの間の距離を与えることになる
。

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、平均ベクトル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七して持つ
ことによシその動的特徴が反映されることになり、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１Ｂ、、。

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）を表すベクトルのみでよいから、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ことと彦る。

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
説明したが、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壕でもない。

さらに、ベクトル間の差の尺度として、各成分１９　・
・− 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ー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図は本発明の一実施例を示すブロック図、第２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、１０・・・・・・最小累積距離
記憶部、１１・・・・・分割数指定部。

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。