JPH0237399A - 音声認識装置 - 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】 目　　　　次 概　　　要　　・　・　・　・　・　・　・　・　・　
・　・　・　　２頁産業上の利用分野　・・・・・・・
・　３頁従来の技術　・・・・・・・・・・・　５頁発
明が解決しようとする課題　・・・　８頁課題を解決“
するための手段　・・・・　９頁作　　　用　　・　・
　・　・　・　・　・　・　・　・　・　・　１０真実
　　施　　例　　・　・　・　・　・　・　・　　・　
・　・　１３頁発明の効果　・・・・・・・・・　・２
０頁概要 入力された音声信号による入力パターンと予め登録され
た複数の標準パターンとの距離を求め、その入力パター
ンに対して最も距離が小さい標準パターンを認識結果と
して出力する音声認識装置に関し、 音声のゆらぎ等による誤認識を減少させることを目的と
し、 入力された音声信号から特徴パラメータを抽出し、その
特徴パラメータにより構成された入力パターンと予め登
録された複数の標準パターンとの距離を距離計算手段に
より求め、その複数の標準パターンに対してそれぞれ求
めた距離の内、最も小さい距離に対応する標準パターン
を、入力パターンと同等であると認識する音声認識装置
において、標準パターンのそれぞれの特徴パラメータに
対応させた重みデータを設け、距離計算手段により、入
力パターンの特徴パラメータと標準パターンの特徴パラ
メータの差に対して、又は入力パターンの特徴パラメー
タと標準パターンの特徴パラメータに対して重みデータ
を乗じて、入力パターンと標準パターンの距離を求める
ように構成する。

産業上の利用分野 本発明は入力された音声信号による入力パターンと予め
登録された複数の標準パターンとの距離を求め、その入
力パターンに対して最も距離が小さい標準パターンを認
識結果として出力する音声認識装置に関する。

近年の音声認識においては、音声Ｓ２識処理技術が確立
し、その実用性が色々な面で確かめられた結果、音声認
識処理に必要な回路がＬＳＩ化されてきている。このよ
うなＬＳＩを用いた多種多様の音声認識装置が開発され
てきている中で、人間の声を入力とするマンマシンイン
タフェース（ＭＭＩ）に用いる装置の開発が特に活発に
行われており、例えば、電話機での電話番号入力、プロ
グラム作成時のコマンド入力等がある。また、音声は、
発声時のゆらぎ等により変動するため、音声認識装置へ
の音声の入力は、常に一定した値ではない。

よって、−１１１Ｑ的な音声認識処理手順としては、入
力音声から特徴量を抽出し、その特徴量によるパターン
と予め登録された複数の標準となるパターンとを比較し
て、入力音声によるパターンに対して最も似ている標準
のパターンを認識結果として出力している。このときの
「似ている」という類似の度合いを距離と称している。

このようなパターン比較による音声認識装置において、
誤認識しないように信頼性を向上させることが要望され
ている。

従来の技術 第５図は従来の音声認識装置のブロック図、第６図は従
来の距離計算部での距離計算説明図を示している。

特徴抽出部４１での入力音声の特徴抽出は、複数のバン
ドパスフィルタ（ＢＰＦ）により構成されたフィルタバ
ンクや線形予測係数（ＬＰＣ）分析等により行われる。

音声区間検出部４２では、音声のパワーから音声の始端
、終端が検出され、その始端から終端までの時間内に特
徴抽出部４１より出力された特徴パラメータ１０が格納
される。

特徴抽出部４１において、フィルタバンクを用いた場合
の特徴パラメータ１０は、周波数成分となる。始端から
終端までの時間の長さは、入力する時の音声によりそれ
ぞれ異なるため、正規化部２７により、その時間の長さ
が、予め定められた時間に正規化される。この正規化さ
れた特徴パラメータ１０によるパターンが、入力パター
ン１１となる。辞書用メモリ３０には、予め入力された
音声による複数の標準パターン１２が登録されている。

また、標準パターン１２を作成するときは、入力パター
ン１１が辞書用メモ’Ｊ３０へ登録される。

一方、音声認識時においては、入力パターン１１は、距
離計算部３９へ送出されて、辞書用メモリ３０内の標準
パターン１２とのパターン比較が行われる。

距離計算部３９での計算手順を第６図を用いて説明する
。

先ず、入力パターン１１の特徴パラメータ１０と、それ
に対応する標準パターン１２の特徴パラメータ１４の差
ε１ｋＴｈを求める。入力パターン１１のｎ番目の特徴
パラメータ１０をＰｔ、Ｓｌ数の標準パターン１２の内
のｋという標準パターン１２におけるｎ番目の特徴パラ
メータ１４をＰｋｒ＋とすると、 εｌｋｈ　　＝　　ＰｌｈＰｋｎ となる。また、入力パターン１１とに番目の標準パター
ン１２の距１１　Ｄ　ｉ　ｋは、それらのパターンの全
ての特徴パラメータ１０．１４についての差εｌｋｎ　
の合計であるため、入力パターン１１とに番目の標準パ
ターン１２を構成している特徴パラメータ１０．１４の
数をＮとすると、 となる。このような計算を１〜に番目までの標準パター
ン１２全てについて行う。

距離計算部３９において求めた入力パターン１１と標準
パターン１２の距離は、スコア計算部４０に送られ、そ
のスコア計算部４０において、最も距離の小さい標準パ
ターン１２が判別される。

そして、単語音声ＩＪの場合は、その判別された標準パ
ターンに対応する単工吾番号が認識結果として出力され
る。

発明が解決しようとする課題 しかし、上述したような従来の音声認識装置では、入力
パターンと標準パターンの各特徴パラメータの差に対し
て、見掛は上、重み１を乗じた距離計算となっており、
全ての特徴パラメータの差に対して、等しい重み付けが
なされた状態となっている。このような等しい重み付け
において、例えば、数字Ｈ１ｔｊ１４を行う場合、「い
ち（１）」の音声を入力して、「いち（１）」と「はち
（８）」の標準パターンと比較すると、「ち」の発音部
分は、殆ど同じであり、「いち」の「い」の部分と「は
ち」の「は」の部分が異なるのみであり、それぞれの距
離の値にあまり差が出ないことになる。

よって、音声のゆらぎ等の発生により、全体の特徴パラ
メータが微妙に変化した場合には、正しい判別が困難に
なるという問題があった。

本発明はこのような点に鑑みてなされたものであり、そ
の目的とするところは、音声のゆらぎ等による誤認識を
減少させる音声認識装置を提供することである。

課題を解決するための手段 第１図は本発明の原理ブロック図である。

入力された音声信号から特徴パラメータ１０を抽出し、
その特徴パラメータ１０により構成された入力パターン
１１と予め登録された複数の標準パターン１２との距離
を距離計算手段１３により求め、その複数の標準パター
ン１２に対してそれぞれ求めた距離の内、最も小さい距
離に対応する標準パターン１２を、入力パターン１１と
同等であると認識する音声認識装置において、標準パタ
ーン１２のそれぞれの特徴パラメータ１４に対応させた
重みデータ１５を設ける。

そして、距離計算手段１３により、入力パターン１１の
特徴パラメータ１０と標準パターン１２の特徴パラメー
タ１４の差に対して、又は人カフＸＩターン１１の特徴
パラメータ１０と標準パターン１２の特徴パラメータ１
４に対して重みデータ１５を乗じて、入力パターン１１
と標準パターン１２の距離を求める。

作　　　用 本発明によれば、入力パターン１１の特徴パラメータ１
０と標準パターン１２の特徴パラメータ１４との差に重
みデータ１５を乗じて、距離を求めている。

第２図は入力パターンと標準パターンの特徴パラメータ
の差に対して重みを乗じた場合の距離計算部での距離計
算説明図を示している。

入力パターン１１の特徴パラメータ１０（Ｐｉ、、）と
標準パターン１２の特徴パラメータ１４（Ｐｋｆｉ）の
差をεｌｋｎ　　とすると、ε＋ｍｈ＝Ｐすれ−Ｐｋ、
。

となる。このεｌｋｎの値の絶対値に重みデータ１５　
（’ＶＶｋ、、）を乗じて得られた値をｄ　ｌｋｎ　と
すると、ｄｌｋｌ、＝Ｗい・　εｌｋｌ。

となる。そして、特徴パラメータＰＬｎｓＰｋｈの個数
をＮとすると、入力パターン１１と標準パターン１２の
距離Ｄｌｋは、 となる。

ここで、複数の標準パターン１２の内のｋという標準パ
ターン１２において、入力パターン１１とのパターン比
較を行う際に、ｎ′番目の特徴パラメータ１４　　（Ｐ
ｋ、、’　）が非常に重要であるとすると、標準パター
ン１２のｎ′番目の特徴パラメータｐ、、／　に対する
重みデータ１５　　（Ｗｋ、、’　）を、０＜Ｗｋｈ′
＜１ と設定する。重みデータＷｋ、、′が０に近づく程、ｎ
′番目の特徴パラメータＰｋ、、′が、他の特徴パラメ
ータＰｋｈに比べて重要であることを意味する。

そして、重みデータｗｋｆｉ　＝＝　１　　（ｎ　ｆ−
ｎ　）と設定し、且つ標準パターン１２の特徴パラメー
タ１４に対する重みデータ１５を全て１と設定したとき
の入力パターン１１と標準パターン１２の距離をＤｌｋ
とすると、本発明による入力パターン１１とに番目の標
準パターン１２との距離Ｄ’ｌｋは、＋ｗｋｆｉ　　　
Ｐ　ｉｎ　　　Ｐ　ｋｒ＋＝　Ｄｌｋ　　（Ｉ　　　Ｗ
ｋｎ’　　）　　・　　ε１に、。

となる。よって、本発明による距離Ｄ’ｌｋは、均等重
み付けによる距離Ｄｌｋに対して、Ｄ′□＜Ｄｉ＋＋ となり、距離がより小さくなるため、認識率が向上する
。

標準パターン１２のｎ′番目の特徴パラメータ１４（Ｐ
＊□′）が重要でない場合には、その特徴パラメータＰ
、′に対する重みデータＷｋ、、′を、１＜ｗｋｇ′ となるように設定することにより、ｎ′番目の特徴パラ
メータＰｋ、、′　は、他の特徴パラメータ１４に比べ
て重要でないようにすることができる。このように設定
したときの距離をＤ’　ｌｋ％重みデータＷｋ、、＝１
（ｎ≠ｎ’）とすると、均等重み付けによる距離Ｄｌｋ
に対する距離Ｄ’ｌｋは、Ｄ’　＋ｘ＞Ｄ＋に となり、距離がより大きくなるため、認識率が向上する
。

また、標準パターン１２の特徴パラメータ１４と入力パ
ターン１１の特徴パラメータ１０に対して重みデータ１
５を乗じて、その標準パターン１２と入力パターン１１
の距離を求める場合でも、上述したのと同様に重みデー
タ１５を設定することにより、上述と同様の距離が得ら
れて誤認識が少なくなる。

実　　施　　例 以下本発明を図面に示す実施例に基づいて詳細に説明す
る。

第３図は本発明による音声認識装置の一実施例ブロック
図を示している。

第３図において、２０はマイクロホン、２１はＡ／Ｄ変
換器、２２はブリプロセッサ、２３は特徴抽出部、２４
は音声区間検出部２５、記憶部２６、正規化部２７、距
離計算部２８及びスコア計算部２９により構成されたメ
インプロセッサ、３０は標準パターン１２により構成さ
れた辞書用メモリ、１６は、標準パターン１２の特徴パ
ラメータ１４に対応させて設けられた重みパターン、３
１はこの重みパターン１６により構成された辞書用メモ
リ、３２はダイヤラである。

本実施例は、１０単語数字音声認識装置を示しており、
音声により自動的にダイヤル発信を行うシステムとなっ
ている。

発生された音声は、マイク２０により電気的音声信号に
変換されて、Ａ／Ｄ変換器２１へ送出される。Ａ／Ｄ変
換器２１でディジタル化された音声信号は音声区間検出
部２５と特徴抽出部２３へ送出される。音声区間検出部
２５では、音声信号のレベルにより音声の始端、終端が
検出され、その始端から終端までの時間内において、ｖ
ｆ機微抽出２３から出力された特徴パラメータ１０が記
憶部２６へ格納される。

特徴抽出部２３であるブリプロセッサ２２の内部につい
て、第４図のブリプロセッサ内部のブロック図を用いて
詳細に説明する。

複数のバンドパスフィルタ（ＢＰＦ）３３、検波回路（
ＡＢＳ）３６、ローパスフィルタ３７によりフィルタバ
ンクが構成されてふり、特徴パラメータ１０として、音
声の周波数成分が使用されることになる。例えば、ＢＰ
Ｆ３３、検波回路３６及びローパスフィルタ３７をそれ
ぞれ１２個設けて、音声信号を１２チヤンネルで帯域分
割して、その各チャンネルからの出力パワーを求め、イ
ンクフェース回路３８により１０ミリ秒毎に出力する。

ブリプロセッサ２２内部での特徴抽出については、この
ようなバンドパスフィルタの外にＬＰＧ係数等を用いる
ことも可能である。

再び第３図を参照すると、音声区間検出部２５により検
出された音声信号の始端から終端までの時間の長さは、
正規化部２７により、予め定められた時間へ正規化され
る。例えば、記憶部２６に格納された１２チャンネル分
の特徴パラメータ１０の時間軸を、８分割して、その８
分割された時間を正規化する。このときの特徴パラメー
タ１０の個数Ｎは、 Ｎ＝１２Ｘ８＝９６個 となり、正規化部２７から出力される入力パターン１１
は、９６個の特徴パラメータ１０より構成される。

辞書用メモリ３０内の標準パターン１２は、君忍識対象
となる複数の音声に対応するパターンが予め登録されて
いる。標準パターン１２を作成するときは、最適な環境
条件下で、同一単語・につき、例えば、１００回発声し
て、その発声したそれぞれの音声に対して標準パターン
１２を作成する。

そして、１００回分の標準パターン１２の各特徴パラメ
ータ１４の平均値を求め、その値を標準パターン１２と
して、辞書用メモリ３０へ登録する。

本実施例は、数字認識であるため、「ぜろ（０）」〜「
きゅう（９）」までの音声信号に対応させて標準パター
ン１２が設けられており、この各標準パターン１２に対
しては、単梧番号の０〜９がそれぞれ割り当てられてい
る。

また、この標準パターン１２作成時に、１００回分の標
準パターン１２における各特徴パラメータ１４の値の標
準偏差を求めて、各特徴パラメータ１４の標準偏差の平
均が１になるようにしだものを重みパターン１６のデー
タとして辞書用メモリ３１内に登録する。重みパターン
１６のデータは、標準パターン１２の特徴パラメータ１
４に対応しているため、ある１つの標準パターン１２に
対応する重みパターン１６のデータは９６個となる。尚
、このような重みパターン１６の作成手順は、はんの−
例であって、これに限られるものではない。

距離計算部２８は、入力音声により作成された入力パタ
ーン１１と標準パターン１２の各特徴パラメータ１０．
１４間の差分を求め、その差分を絶対値化した後、重み
パターン１６のデータをその絶対値化された差分に乗す
る。また、これとは別に、標準パターン１２の特徴パラ
メータ１４に重みパターン１６のデータを乗じたものと
、入力パターン１１の特徴パラメータ１０に重みパター
ン１６のデータを乗じたものとの差分を求めてもよい。

このような計算手順で、１つの標準パターン１２に含ま
れる９６個の特徴パラメータ１４について、それぞれ差
分を求めて合計することにより、入力パターン１１と標
準パターン１２の距離が求まる。さらに、標準パターン
１２として登録されている１ｏｕＮ全てについてこのよ
うな計算を行い、それぞれの距離をスコア計算部２９へ
送出する。このスコア計算部２９では、１０単言吾につ
いての距離をスコアとして、スコアが最も小さい値とな
る標準パターン１２の単語番号を、ダイヤラ３２へ送出
する。

上述したような構成において、数字の「１」をダイヤラ
３２から発信するときの各構成部分の動作について以下
に説明する。

先ず、マイクロホン２０に向かって、「いち」と発声す
ると、Ａ／’Ｄ変換器２１により音声信号がディジタル
化され、音声区間検出部２５で、「いち」の音声区間が
検出され、その区間で抽出された１２チャンネル分の特
徴パラメータ１０が記憶部２６へ格納される。この特徴
パラメータｌＯの時間軸は、正規化部２７により等間隔
に８分割されて、さらに正規化（平均化）される。これ
によって得られた９６個の特徴パラメータ１０によるパ
ターンを入力パターン１１として用いる。

辞書用メモリ３０では、１〜１０の順番でアクセスされ
るものとすると、「いち（１）」に対応する標準パター
ン１２の特徴パラメータ１４と入力パターン１１の特徴
パラメータ１０のそれぞれの差分が絶対値化されて計算
される。この絶対値化された９６個の差分の値に対して
、「いち」の標準パターン１２に対応する重みパターン
１６のデータをそれぞれ乗じた後、この９６個の値が合
計され、入力パターン１１と「いち」の標準パターン１
２の距離が求められる。同様に、辞書用メモリ３０内に
登録されている２〜９，０の数字についても距離の計算
が行われる。そして、これらの距離の値がスコア計算部
２９により比較されると、最も小さい距離の標準パター
ン１２は、「いち」の標準パターン１２となるため、「
いち」の標準パターン１２の単工吾番号「１」がダイヤ
ラ３２に対して出力される。単３吾番号「１」は、ダイ
ヤラ３２によりダイヤルパルスに変換され、回線。

へ送出される。

また、このような距離計算部２８での距離計算手順とは
別に、標準パターン１２の特徴パラメータ１４に対して
重みパターン１６のデータをそれぞれ乗じた後で、入力
パターン１１とその重みパターン１６を乗じた標準パラ
メータ１２の距離を計算するようにしてもよい。

本実施例では、ＸＯ車車数数字音声認識場合について説
明したが、認識対象は数字以外でも可能であり、また、
認識単位は単語以外の５０音節認識等でも可能である。

さらに、本実施例は、離散発声音声認識を行っているが
、音声区間検出部２５における音声区間検出を連続音声
でも切り出せるようにして連続音声＆Ｅ　ｆｉを行うこ
とも可能である。

発明の効果 本発明による音声認識装置は、以上詳述したように構成
したので、音声のゆらぎ等により音声入力信号にばらつ
きが発生しても、誤認識する可能性が少なく音声認識時
の信頼性が向上するという効果を奏する。

【図面の簡単な説明】

第１図は本発明の原理ブロック図、 第２図は入力パターンと標準／ｚＮターンの特徴ノくラ
メータの差に対して重みを乗じた場合の距離計算部での
距離計算説明図、 第３図は本発明による音声認識装置の一実施例ブロック
図、 第４図はブリプロセッサ内部のブロック図、第５図は従
来の音声認識装置のブロック図、第６図は従来の距離計
算部での計算計算説明図を示している。 １０．１４・・・特徴パラメータ、 １１・・・入力パターン、 １２・・・標準パターン、 １３・・・距離計算手段、 １６・・・重みパターン、 ２０・・・マイクロホン、 ２１・・・Ａ／Ｄ変換器、 １５・・・重みデータ、 ２・・・ブリプロセッサ、 ３．４１・・・特徴抽出部、 ４・・・メインプロセッサ、 ５．４２・・・音声区間検出部、 ６・・・記憶部、　　　　２７・・・正規化部、８．３
９・・・距離計算部、 ９．４０・・・スコア計算部、 ０．３１・・・辞書用メモリ、 ２・・・ダイヤラ、　　　３３・・・ＢＰＦ、６・・・
検波回路、　　３７・・・ＬＰＦ、８・・・インタフェ
ース回路。

Claims (1)

1. 【特許請求の範囲】 入力された音声信号から特徴パラメータ（１０）を抽出
   し、その特徴パラメータ（１０）により構成された入力
   パターン（１１）と予め登録された複数の標準パターン
   （１２）との距離を距離計算手段（１３）により求め、
   その複数の標準パターン（１２）に対してそれぞれ求め
   た距離の内、最も小さい距離に対応する標準パターン（
   １２）を、入力パターン（１１）と同等であると認識す
   る音声認識装置において、 標準パターン（１２）のそれぞれの特徴パラメータ（１
   ４）に対応させた重みデータ（１５）を設け、距離計算
   手段（１３）により、入力パターン（１１）の特徴パラ
   メータ（１０）と標準パターン（１２）の特徴パラメー
   タ（１４）の差に対して、又は入力パターン（１１）の
   特徴パラメータ（１０）と標準パターン（１２）の特徴
   パラメータ（１４）に対して重みデータ（１５）を乗じ
   て、入力パターン（１１）と標準パターン（１２）の距
   離を求めることを特徴とする音声認識装置。