JPH0255398A - 相対関係に基づく音声認識方式 - 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】 〔概　　　要〕 連続音声中における母音等の認識基本単位の認識方式に
係り、特に不特定話者にも適用可能な相対関係に基づく
音声認識方式に関し、 話者の変動及び調音結合の影響等を受けにくく、かつ、
簡単な構成によって高い認識率で、母音又は子音等の認
識基本単位の認識を可能とすることを目的とし、 同一のものを含む所定複数種類の認識基本単位の組の各
々につき、その組の各認識基本単位から得られる各特徴
量間の特徴空間上の相対的な位置関係の標準パターンを
記憶する相対関係標準パターン記憶手段と、未知入力音
声から各々複数候補ずつの認識基本単位候補系列群を抽
出する予ｉ識別手段と、該認識基本単位候補系列群から
選択される前記所定複数種類の認識基本単位候補の組の
各々につき、その組内の各特徴間と前記相対関係標準パ
ターン記憶手段上のその組に対応する前記相対関係標章
パターンとの整合度を演算し、該各整合度に基づいて前
記認識基本単位候補系列群の中から前記未知人力音声に
対応する最適認識基本単位候補系列を認識する最適認識
基本単位候補系列認識手段とを有するように構成する。

〔産業上の利用分野〕

本発明は、連続音声中における母音等の認識基本単位の
認識方式に係り、特に不特定話者にも適用可能な相対関
係に基づく音声認識方式に関する。

〔従来の技術〕

音声認識を行う場合、通常は、音声を短いフレーム（数
十ｍ５ｅｃ）に分割し、各フレーム毎に特徴ベクトル（
特徴間）を抽出し、その特徴ベクトルに基づいて認識を
行う。そして、この特徴ベクトルにつき、典型的な標準
パターン（例えば母音の場合、５母音）を予め辞書とし
て記憶させておき、未知入力音声の特徴ベクトルを、辞
書内の各標準パターンと距離尺度を用いてマツチングさ
せることにより、音声の各部分の認識を行っている。こ
のような認識方式を個別認識方式と呼ぶ。

一方、母音等に対応する特徴ベクトル間の相対的な距離
関係、すなわち、例えば５母音から選択可能な３母音の
組み合わせの各々につき、３母音の特徴ベクトルの相互
の距離の大小関係を標準パターンとして記憶させておき
、その相対距離に基づいて認識を行う方式も提案されて
いる。

〔発明が解決しようとする課題〕

しかし、一般に、連続音声中から抽出される特徴間は、
音韻性の情報の他に、個人性及び前後の音韻による調音
結合の影響が混在する複雑な形態を示すため、例えば不
特定多数話者を対象とする音声認識では、音韻情報の分
離が困難である。

例えば、母音について考察してみると、まず、母音は一
般に周波数軸上の特定の２〜３個の周波数位置にピーク
をもち、このうち低周波数領域の２つの周波数は、第１
ホルマント周波数Ｆ１及び第２ホルマント周波数Ｆ２と
呼ばれている。そして、Ｆｌを横軸、Ｆ２を縦軸にとっ
て、５種類の母音（／Ｉ／、／Ｅ／、／Ａ／、１０／、
／Ｕ／　ｌの各々についてプロットすると、５母音は第
６図の実線で示した５角形を形成する。従って、このよ
うなホルマント周波数に良く対応する特徴ベクトルを辞
書として持っておけば認識ができることになるが、実際
には、例えば話者が異なった場合の５種類の母音の形成
する５角形は、第６図の破線及び小文字で示したように
変動する。そしてこのとき、実線の方の母音１０／と、
破線の方の母音／ｕ／及び１０／とが接近し、従って、
片方のみの標準パターンを持っているだけでは、これら
の母音が相互に誤認識されてしまう。この問題は、連続
音声中の母音が前後の音韻の調音結合の影響を受ける場
合にも同様に発生する。このように、従来の個別識別法
では、話者の変動又は調音結合の影響等により、認識率
が悪くなるという問題点を有している。

上記問題点のうち、個人性の問題を解決するためには、
０個人性の変動に強い特徴間・距離尺度の選択、■変動
に強い標準パターン・認識関数の選択、■個人差への適
応化等の解決策が考えられる。■、■は、統計的手法に
代表され、高い認識率を示すが、標準パターンの設計に
用いた集団の分布から外れた話者に対して、著しく誤り
が多くなる。従って、多数話者を対象とする場合には、
標準パターンの複数化や、学習による適応が必要になる
。■については、予め用意しである標準パターンを話者
の発声に適応して教師なしで修正していく方式があるが
、次のような問題点がある。

まず、初期標準パターンによる認識結果をもとにして、
その時々の入力音声を修正に用いるか否かを判断して５
母音を個別に修正すると、誤った方向に修正が行われる
危険性がある。また、修正の方向は正しくても、認識率
は必ずしも向上しない可能性もある。そして、教師なし
学習は、このような問題を避けるために複雑な認識系を
構成する必要がある。

一方、調音結合の問題では、主に連続母音について、前
後の音韻の影響を考慮した方式が考えられるが、通常の
単語音声中の子音に後続する母音はより複雑な挙動を示
し、その解析も困難である。

また、前記した特徴ベクトル間の相対的な距離関係に基
づいて母音等の認識を行う方式は、第６図の５母音の５
角形は、移動することはあっても、その形自体は話者の
変動等があってもあまり変化しないという事実に基づき
、５母音の相対的な関係を認識に利用しようという方式
であり、個人性又は調音結合の影響等に比較的強いとい
う利点を有する。しかし、特徴ベクトル間の単純な距離
関係だけでは、情報量が少なすぎ、認識率が必ずしも高
くないという問題点を有している。

本発明は、話者の変動及び調音結合の影響等を受けにく
く、かつ、簡単な構成によって高い認識率で、母音又は
子音等の認識基本単位の認識を可能とすることを目的と
する。

〔課題を解決するための手段〕

第１図は、本発明による相対関係に基づく音声認識方式
のブロック図である。

相対関係標準パターン記憶手段１０５は、同一のものを
含む所定複数種類の認識基本単位の組の各々につき、そ
の組の各認識基本単位から得られる各特徴量間の特徴空
間上の相対的な位置関係の標準パターン１０６を記憶す
る。同手段は、例えば同一のものを含む２種類の母音の
組の各々につき、その組の各母音から得られる各特徴ベ
クトルの差ベクトルの標準パターンを記憶する差ベクト
ル標準パターン記憶手段により実現される。そして、こ
の差ベクトル標準パターン記憶手段には、例えば２種類
の母音の組の各々につき、その組の複数の学習サンプル
から得られる差ベクトルの平均差ベクトルと共分散行列
が前記差ベクトル標準パターンとして記憶される。

予備識別手段１０２は、未知入力音声１０１から各々複
数候補ずつの認識基本単位候補系列群１０３を抽出する
。同手段は、例えば５母音の各母音毎の特徴量の標準パ
ターンを記憶する母音別標準パターン記憶手段と、未知
入力単語音声１０１を時間軸方向に分割した複数フレー
ムから複数の母音区間とその区間の特徴量を抽出する母
音区間抽出手段と、各母音区間毎に、その区間の特＠量
と母音側標準パターン記憶手段上の各標準パターンとの
マツチングをとることにより、各母音区間毎に３位まで
の母音候補を識Ｍ１１シ、３候補ずつの母音候補系列群
として出力する母音候補系列群生成手段とによって実現
される。

最適認識基本単位候補系列認識手段１０４は、認識基本
単位候補系列群１０３から選択される前記所定複数種類
の認識基本単位候補の組の各々につき、その組内の各特
徴量と相対関係標準パターン記憶手段１０５上のその組
に対応する相対関係標準パターン１０６との整合度を演
算し、該各整合度に基づいて認識基本単位候補系列群１
０３の中から未知入力音声１０１に対応する最適認識基
本単位候補系列１０７を認識する。同手段は、例えば前
記母音候補系列群から選択される前記２種類の母音の組
の各々につき、その組内の各特徴ヘクトルの差ベクトル
を演算し該差ベクトルと前記差ベクトル標準パターン記
憶手段上のその組に対応する前記差ベクトル標準パター
ンとの整合度を演算し、その各整合度に基づいて前記母
音候補系列群の中から前記未知入力音声１０１に対応す
る最適母音候補系列を認識する手段により実現される。

そして、そのときの整合度の演算は、２種類の母音の各
組の生起確率が等しく、整合を行うべき組における差ベ
クトルの確率分布が、前記差ベクトル標準パターン記憶
手段上のその組に対応する前記平均差ベクトルと前記共
分散行列とで定まる多次元正規分布に従うと仮定した場
合の、整合を行うべき差ベクトルを入力とするベイズ識
別関数を求める演算により実現される。そして、各整合
度からの最適母音候補系列の認識は、確率的弛緩法によ
り前記母音候補系列群の各母音候補の確率を各整合度に
基づいて更新し、所定回数の更新動作の後、各母音候補
毎に各々の確率が最も高（なった母音候補を選択して母
音候補系列を認識する動作により実現される。

〔作　　　用〕

以上の手段において、まず、認識の基本となる整合度の
計算において、所定複数種類の認識基本単位の組の各々
につき、その組の各認識基本単位から得られる各特ｔＬ
Ｉ間の特徴空間上の相対的な位置関係を用いることによ
り、話者の変動や調音結合の影響に左右されにくい整合
度の演算が可能となる。これにより、単純に特＠量間の
距離によって認識基本単位間の相対関係を表現する方式
等に比較して、認識基本単位間の相対関係に関する情報
がはるかに多く抽出され、精度の高い認識処理が実現さ
れる。

次に、本発明では、予備識別手段１０２で抽出される各
々複数候補ずつの認識基本単位候補系列群１０３を認識
に使用することにより、真の認識基本単位候補が除外さ
れてしまうのを防いでいる。

更に、本発明では、認識対象を認識基本単位候補系列群
とし、そのような系列群に対して、そこから選択される
前記所定複数種類の認識基本単位候補の組の整合度を順
次評価し、それらを総合して全体的に高く評価された系
列を最適認識基本単位候補系列として認識している。従
って、本発明では、多（の認識基本単位候補を用いて総
合的な評価を行うことにより、個人性や調音結合の影響
による個々の認識基本単位の曖昧性を減少させ、前記整
合度の利用による効果とあいまって、安定かつ精度の高
い認識が行われる。

特にこの場合、最適認識基本単位候補系列の選択のため
に確率的弛緩法を採用することにより、認識基本単位候
補系列群の全ての系列の組み合わせについて計算を行う
必要性を回避し、効率の高い処理を実現している。

〔実　　施　　例〕

以下、本発明の実施例につき詳細に説明を行う。

（本発明の実施例の構成） 第２図は、本発明の実施例の構成図である。未知入力音
声２０１は、特徴ベクトル抽出部２０２に入力し、ここ
で１０次のメル・ケプストラム係数である特徴ベクトル
が抽出される。

次に、その特徴ベクトル及び同時に求まる対数パワー（
後述する）は母音特徴ベクトル系列抽出部２０３に入力
し、ここで未知人力音声２０１の母音区間が抽出され、
その区間の母音特徴ベクトル系列（後述する）が抽出さ
れる。

続いて、母音特徴ベクトル系列は予備識別部２０４に入
力する。ここでは、上記母音特徴ベクトル系列の各特徴
ベクトルと、母音別標卓パターン記憶部２０５に予め記
憶されている５母音別の各特徴ベクトルの標準パターン
とがパターンマツチングされ、各々第３位までの候補か
らなる母音候補系列群が識別される。

母音候補系列群は、更に最適母音候補系列抽出部２０６
に入力する。ここでは、相対関係標準パターン記憶部２
０７に予め記憶されている相対関係標準パターンに基づ
いて、母音候補系列群の中から最も良く相対関係を満た
す母音候補系列を最適母音候補系列として出力して、未
知入力音声２０１の最Ｐ、認識結果とする。

（本発明の実施例の動作） 上記実施例の動作につき以下に説明を行う。

入　゛　　　の　１の　　の まず、第２図の実施例の説明を行う前に、本実施例の全
体動作の基本となる整合度演算方式の第１の実施例につ
き説明を行う。

機械による母音認識は、入力の母音を個別・独立に認識
する方式が一般的である。しかし、母音を個別に見た場
合、「発明が解決しようとする課題」の項で説明したよ
うに、話者の個人差及び前後の音韻による調音結合の影
響を受けて、各母音の特徴空間上の特性は複雑に変化す
る。

一方、母音間に何らかの相関があるとすれば、母音を系
列として捉え、総合的に評価することにより、認識の精
度を高めることができる。ここで、第６図で説明したよ
うに、母音の第１、第２ホルマント平面における５母音
の５角形は話者の変動や発声の変動に対して、その相対
的な位置関係を良く保存している。

そこで、本実施例では、まず、５母音から選択される各
２母音間の相対的な位置関係を表す２項関係の整合度を
以下のようにして定義、する。

今、人力として２母音（特徴ベクトルｘＩｌ＋Ｘｑ＋次
元数ｍ）が与えられた場合、それらが母音組（ｖｒ　＋
　　ｖｉ　）である確からしさ、すなわち、母音組（ｖ
ｔ、Ｖｊ）に対する特徴ベクトル（Ｘ　＋）＋　Ｘ　Ｑ
）の整合度をＲｖｉｖＪ（Ｘｐ＋ＸＪで表し、２項関係
の整合度と呼ぶことにする。但し、Ｖ　、、　Ｖ　、Ｅ
Ｖで、Ｖ＝　（／ｉ／、／ｅ／、／ａ／、１０／、／ｕ
／　）とする。

ここで、２母音の特徴ベクトルＸｐ＋ＸＱの差ベクトル
を、 ΔＰＱ”’Ｘｐ　　Ｘｑ としたとき、２項関係の整合度Ｒｖｒｖｊを以下のよう
に定義する。

ＲｖえＶｊ（Ｘ　１１＋　Ｘ　１１）　＝−（Δｐｑ−
Δｖｉｖｊ）ｔ×（ΣＶｔＶｔ１×（Δｐｑ−Ａｖｔｖ
ｊ）−１ｏｇｌΣＶＩＶＪ・・・（１） ここで、入ｖｉｖ」は、母音組（ｖｌｌｖＪ）に対する
特徴ベクトルを各々Ｘ　Ｖ　ｌ　＋　Ｘ　Ｖ　Ｊとする
とき、ΔＶＩＶＪ＝ＸＶＩ　　ＸＶＪの平均ベクトル、
ΣＶＩＶＪは、次に述べるようにして求まる共分散行列
であり、（ΣＶ、ＶＪＩ　−’Ｉｔまその逆行列である
。

まず、複数の話者による学習用母音をＭ個のグループに
分割し、各グループ内には５母音が各々Ｎ個あるものと
する。グループ番号ｇ（１≦ｇ≦Ｎ）における母音ｖｋ
の第２番目（１≦ｐ≦Ｎ）の学習資料をｘ（９１ｖ、、
とおいたとき、母音Ｍｉ（Ｖｉ、Ｖｊ）の共分散行列Σ
ＶｉＶＪを次式で定義する。

ｘ１ｇ′ｖｊｑ　　−人ＶｔＶ」）Ｘ （Ｘ　（９１ｖ、ｐＸ　（９’ＶＪＱ　　　Ａｖｔｖｊ
）Ｌ一般に、グループ数Ｍは学習資料に使われる話者数
に等しくするのが妥当である。

ここで、前記（１）式は、母音組（ｖ１、ｖｊ）におい
て、その特徴ベクトルｘＶｉ＋ｘＶＪＯ差ベクトルΔＶ
ＩＶＪ　＝ＸＶｉ　　ＸＶｊの確率分布が、多次元の正
規分布（１１ｖｔ　ｖｊ＊　　ΣＶｔＶＪ）に従うと仮
定した場合の、未知入力である差ベクトルΔｐｑを入力
とするヘイズ識別関数を対数表現したものである。

ベイズ識別関数は、一般にカテゴリΩ１につき、Ｇｔ（
ｘ）　＝　Ｐ　（ｘ　ｌΩｔ）・Ｐ（Ωｌ）・・　・（
２） として与えられる。この式は、入力ＸがカテゴリΩ１に
含まれる確率を示している。上記（２）式について対数
表現をしても大小関係は不変であるので、−ｉにベイズ
識別関数ＧｒＣｘ）　　は、（２）式の対数をとって、 ｃｔ（ｘ）　＝ｌｏｇ　Ｐ（ｘ　ｌΩｔ）＋１ｏｇ　Ｐ
（ΩＩ）・・・（３） で与えられる。上記（３）式において、未知人力Ｘが前
記の差ベクトルΔρ９で、また、カテゴリΩ、が母音組
（ＶｌｌＶＪ）で、その特徴ベクトルＸｖ□。

ＸＶＪの差ベクトルΔＶＩＶＪ＝Ｘｖｉ　　ｘｖＪの確
率分布が、多次元の正規分布（ΔＶ　Ｉ　Ｖ　Ｊ、　Σ
ｖｉｖｊ）に従うと仮定し、かつ、母音組（ｖｌｌｖＪ
）の生起確率が他の母音組のそれと等しいと仮定して（
３）式の左辺第２項を省略することにより、前記（１）
式が得られる。従って、（１）式の意味を前記（２）式
と同様に考えると、差ベクトルΔｐ９に対応する未知入
力の母音組が、母音組（Ｖｌｌ”Ｊ）である確からしさ
を整合度Ｒｖｉｖｊと定義していることにほかならない
。

上記考察より、２母音の次元数ｍの特徴ベクトルｘＩｌ
＋ｘＱの、母音組（ｖｒ　＋　　ｖＪ）　ニ対する整合
度Ｒｖｔｖｊ（ｘｐ＋　ｘｑ）は、２母音の特徴ヘクト
ルノ差ベクトルとして表現される特徴空間上でのｍ次元
の相対的な位置関係を評価尺度とした場合に、入力した
母音組が母音組（ｖｔ、　　ＶＪ）にどの程度似ている
かということを表している。

そして、この相対的な位置関係は、話者の変動や発声の
変動に対して良く保存され、従って、不特定話者の音声
認識装置を構成する上で、有効な評価尺度となる。

従って、５母音から同一のものを含む２母音ずつを選択
して得た各母音Ｍ（ｖｔ、ｖｚ）に対応する△ＶＩＶＪ
と（ΣｖＩ　Ｖ　ｊ）　−１を辞書として記憶させ、未
知入力の母音組について、辞書の各母音組に対する整合
度を計算することにより、その整合度の高さを母音認識
のための有効な評価尺度とすることができる。

なお、本実施例では、上記各母音組（ｖ１、ｖｊ）に対
応する入ＶＩＶＪと（ΣＶｉＶｊ）−’を相対関係標準
パターンとして、第２図の相対関係標準パターン記憶部
２０７にあらかじめ記憶させておくが、入ＶＩＶＪ＝−
ムＶｉＶｊであるから、同一母音関係を含めて全部で１
５組準備しておけばよいことになる。

二１の凭ｉ′φ 上記２項関係の整合度を利用して、母音系列の認識を行
う第２図の実施例の動作につき、以下に説明を行う。

まず、未知入力音声２０１は、第２図の特徴ベクトル抽
出部２０２に入力する。ここでの動作フローチャートを
第３図に示す。以下、これに従って動作説明を行う。

まず、未知入力音声２０１は、カットオフ周波数９ｋＨ
ｚ、−４０ｄＢ１０Ｃｔのローパスフィルタ（ＬＰＦ）
に通される（Ｓ３０１）。

続いて、２０ｋＨｚ、１２ｂｉｔの符号付きでＡ／Ｄ変
換され、ディジタル音声信号に変換される（３３０２）
。

次に、この信号に対して、パワーの時間的な変化が演算
され、一定量値を設定することにより、単語区間が自動
的に切り出される（Ｓ３０３）。

続いて、このようにして切り出された単語区間の先頭か
ら順に、１次差分による高域強調の後、窓長２５．６ｍ
ｓｅｃ（Ｈａｍｍｉｎｇ　Ｗｉｎｄｏｗ）、更新周期１
２．８ｍ５ｅｃで各フレームのディジタル音声信号が切
り出される（Ｓ３０４）。

その後、そのフレームのディジタル音声信号に対して、
５１２ポイントのＦＦＴ（高速フーリエ変換）分析を行
い、対数化して対数パワースペクトルに変換する（Ｓ３
０５）。

上記処理により求められた５１２ポイントパワースペク
トルに対して、ノル周波数上を５０チヤネルに等分割し
たバンドパスフィルタ（ＢＰＦ）を構成し、周波数軸を
メル尺度に変換して５ｏチヤネルのメル化した対数パワ
ースペクトルを求める（Ｓ３０６）。

次のケプストラム分析（３３０７）は、上記５０チヤネ
ルのうち、１〜４０チヤネルまでの出力を２０チヤネル
に圧縮した後、次式のコサイン展開を行う。

ここで、Ｃｔはｉ次のメル・ケプストラム係数、Ｘｋは
圧縮後のにチャネルのパワースペクトルである。母音認
識においては、直流分（Ｃ０）は必要なく、また、各係
数は正規化されていた方が取扱が簡単で、かつ、識別結
果にほとんど影響を及ぼさないので、以下のようにノル
ムを１にする正規化を行う。

更に、後述する認識処理には２０次までのメル・ケプス
トラム係数のうち低次の１〜１０次までの係数を使用す
る。

上記処理を、ｌ単語区間の全フレームについて繰り返し
く３３０８→３３０４）、これにより得られる全フレー
ム分の正規化されたメル・ケプストラム係数を、特徴ベ
クトルとして第２図の特徴ベクトル抽出部２０２から出
力する（３３０９）。

次に、第２図の母音特徴ベクトル系列抽出部２０３の動
作について説明を行う。

ここでは、未知入力音声２０１から母音区間を抽出し、
前記処理により抽出された特徴ベクトルのうち母音区間
に対応するものから母音特徴ベクトル系列を抽出する。

そのためのアルゴリズムを以下に示す。

■前記特徴ベクトル抽出部２０２から出力された特徴ベ
クトルと、前記第３図の８３０５で求まる対数パワーを
用い、主にその時間変化の極大点を区間（セグメント）
の境界とする。

■区間毎に、無声化、パワー・デイツプ、過渡部等のラ
ベル付けを行い、それを基に、母音区間の判別を行う。

■母音区間内で最も変化の小さい安定なフレームを母音
の中心フレームとする。そして、中心フレームを含む３
フレームを切り出し、そのメル・ケプストラム係数の平
均値をもって、この区間の代表値とし、後述する認識処
理に使用する。

以上のアルゴリズムにより求まる長さｎの母音特徴ベク
トル系列を（ｘ＋。Ｘ２＋・・・、ｘｎ）とする。ここ
で、ｘ　ｐ　（ｐ＝１．２．　　・・・、ｎ）は、各々
１０次のメル・ケプストラム係数からなる特徴ベクトル
であり、各母音区間の周波数包絡特性をパラメータ化し
たものである。

続いて、第２図の予備識別部２０４の動作につき説明を
行う。

ここでは、母音特徴ベクトル系列抽出部２０３で求まる
上記母音特徴ベクトル系列の各々につき、パターンマツ
チングによる予ＯＩ識別を行う。

そのために、第２図の母音別標準パターン記憶部２０５
に、予め５母音の特徴ベクトルの代表的な標準パターン
が記憶されている。

そして、母音特徴ベクトル系列抽出部２０３では母音特
徴ベクトル系列（ＸＩ＋Ｘ２＋・・・、ｘｎ）を順次入
力し、各ｘｐ　（ｐ＝１．２．　　・・・、ｎ）毎に、
母音側標準パターン記憶部２０５上の各母音別標準パタ
ーンとパターンマツチングを行い、第３位までの候補を
求めて、母音候補系列群を作成する。

このとき、ｐ番目の母音特徴ベクトルＸｐ　（Ｐ＝１＋
２、・・・、ｎ）の母音候補を ｃ（ｐ）　＝（ｃ（ｐ１、、、（ｐ）、ｃ（ｐ１、）ｔ
で表す。但し、第ｉ候補ｃ（Ｄ）　、は５母音のいずれ
かを指すものとする。すなわち、Ｃ（ｐ）、ＥＶ、Ｖ＝
　（／ｉ／、／ｅ／、／ａ／、１０／、／ｕ／　）　、
（ｉ＝１．２．３）である。また、ｔは転置を表す。こ
こで、母音候補として第３候補まで考慮するのは、５つ
の母音候補のうち第３候補までとれば、その中に正しい
候補が含まれていると考えられるからである。実際、上
記のような簡単な予備識別処理でも、第３位までに正し
い母音が入る割合は９９．５％程度にまでなり、実用上
問題ない。以上の処理により、第２図に示すような母音
候補系列群が出力される。

次に、第２図の最適母音候補系列抽出部２０６の動作に
つき説明を行う。

ここでは、第２図の予備識別部２０４で得られた母音候
補系列群に対し、個別に認識を行うのではなく、母音系
列全体で一括して認識を行うことを特徴とする。すなわ
ち、各母音系列から選択される２母音の組に対して、既
に説明した整合度を評価しながら、系列全体として認識
を行い、このように大局的に相互間の情報を利用するこ
とにより、個々の母音のゆらぎを吸収し、認識をより確
実に行うように動作する。

まず、最適母音候補系列抽出部２０６の具体的な動作の
説明の前に、最適母音候補系列抽出のための理論的動作
につき説明を行う。

第２図の予備識別部２０４で求まる長さｎの母音候補系
列群から得られる可能な母音候補系列は３ｎ通りあり、
この中に正しい母音系列が含まれているとする。

今、任意の母音候補系列を Ｃ５−（Ｃ”’＋　”　　＋ｃ　＋　　”＋””）ｍ　
Ｉ　　　　　　　　　　ｍ　ｐ　　　　　　　　　　ｍ
　ｎ１、ｅ　（１１２＋３）　ＩＰ＝ｌ１２＋　・・・
＋ｎで表し、その集合をＣ５＝（ｃ８）とする。ここで
、添え字ｍ、はｃ（ｐ）の第ｍｐ要素（候補）を表す。

今、母音候補系列Ｃ８に含まれる長さ２の部分列の任意
の１つを、 （１≦ｐ＜ｑ≦ｎ） としたとき、その部分列における相対関係の整合として
の整合度Ｒ（ｃ、）は、全ての部分列の整合度の和とし
て、 で与えられる。なお、整合度の定義式である前記（１）
式の表現を用いれば、 である。従って、第２図の相対関係標準パターン記憶部
２０７には、母音候補系列ｃｓから選択しうる長さ２の
部分列Ｃｓｕｂの全ての可能な組み合わせに対して、前
記（１）、（４）、（５）弐の整合度を計算できるよう
に、５母音から同一のものを含む２母音ずつを選択して
得られる部分列（母音組）のすべての組み合わせに対し
て、前記（１）式の計算のための、△ＶｉＶＪと（ΣＶ
ｉＶＪ）　−’を相対関係標準パターンとして記憶させ
ておけばよく、その組み合わせは既に説明したように１
５組でよい。

ここで、Ｒ（ｃ、）は、純粋に相対関係に基づく整合度
を与えるが、個別認識による母音個々の信頼度も考慮に
入れるために以下のようなＡ（ｃｓ）を導入する。

もので、第２図の予備識別部２０４における予備識別の
結果に基づいて与えられるものとする。上記（６）式で
定義されるＡ（ｃ、）を使うことにより、母音候補系列
の得点はＲ（ｃ、）とＡ（ｃ、）の重み付き線形和、 で定義することができる。従って、求める最適母音候補
系列１ 、　　（９）　　００．、ｃ（ｎ）） ｃ、ｏｐｔ　＝（（＋１１．　、　、　　、Ｃ。

ｍ　ｌ　　　　　　　　　　　ｍ　ｐ　　　　　　　　
　　　ｍ　ｎｍｐＥ　（１，２，３）　＋ｐ＝１．２＋
　”　・、ｎは、Ｓ（ｃ、）を最大にする系列として定
義される。すなわち、 ｃ　ｓ”ｔ＝ａｒｇ　（ｍａｘｓ　（ｃ　ｓ））　　　
　　　・・・（８）ｓ である。これにより、第２図の最適母音候補系列抽出部
２０６から、最適母音候補系列Ｃ，ｏｐＬが出力される
。

以上の最適母音候補系列抽出動作において、第２図の予
備識別部２０４で求まる長さｎの母音候補系列群から得
られる可能な母音候補系列は３″通りあり、この中から
長さ２の部分列を選択する組み合わせは、、０２通りあ
る。従って、単純に計算を行うと、最適母音候補系列を
求めるために必要な計算量は、。Ｃ２・３ｎ通り程度の
膨大な組み合わせ計算が必要となり、実用的でない。例
えば、ｎ＝１０のとき、２，６５７，２０５通りとなっ
てしまう。このような計算方式は、全ての組み合わせに
ついて行う方式のため、枚挙法と呼ばれる。

そこで、第２図の最適母音候補系列抽出部２０６におい
ては、計算量を減らすために、枚挙法で厳密な最適解の
みを求めることにこだわらず、近似解を求める手法とし
て、弛緩整合法を採用する。

弛緩法は、各母音候補に初期確率を与えた後、相対関係
の整合度を利用して各候補の確率を修正する操作を操り
返し、最終的に最も整合度の高い候補の確率を最大にす
る手法である。以下に、第２図の最適母音候補系列抽出
部２０６の動作アルゴリズムを詳細に説明する。ここで
の動作アルゴリズムは、次の（ＳＴＥＰＩ）〜（ＳＴＥ
Ｐ３）の繰り返し動作からなっている。

（ＳＴＥＰＩ）　　第２図の母音特徴ベクトル系列抽出
部２０３から出力される母音特徴ベクトル系列Ｘ。

（ｐ＝１．２．・・、ｎ）に対して、第２図の予備識別
部２０４での予備識別の結果に基づき、第３位までの各
母音候補Ｃｔｐ）、に、その確からしさを表す候補確率
５（ｐ）　、を、次式により第４図に示すように与える
。

ｃｆｐ）　　＝（Ｃ（ｐ１、、、（ｐｌ２．、（ｐ）、
）ｔｓ（ｐ）　　＝（ｓ（ｐ１、、、（ｐ）２，５（ｐ
）３）ｔここで、予（ｉｉ識別の結果、１位から３位ま
での候補に対する順序付けが数量的に、 ｇ（ｐｉ、≧ｇ３１２≧ｇ　＋ｐｌ　３）　Ｑの形で与
えられたとすると、Ｓ（ｐゝｔ　（ｉ＝１．２．３）に
与えられる初′Ｍ確率は、 となる。また、ｃｏｕｎｔ＝ｏとおく。

（ＳＴＥＰ２）　　各候補の確率５（ｐ１、を次式の修
正公式で更新する。

ｓ　（ｐ）　、　−ｓ　（Ｅ’）、十Δ（ｓ　（ｐ）　
、　ｕ（ｐ）　）×（Σ（ｕ（ｐ）、　−ｕ（ｐ）ｊ）
　　ψ（ｓ　”’　ｉ））×ψ（ｓ（ｐｉ量）　　　　
　　　　　　　・・・（ＩＩ）（ＳＴＥＰ３）　（終了
条件の判定） ｃｏｕｎｔ＝ｃｏｕｎｔ　＋　１ ＳＴＥＰ２において全ての５（Ｉｌｌ　、が変化しない
か、又は、ｃｏｕｎｔ≧Ｌ（最大修正回数）ならば、終
了 そうでないときは、５ＴＥＰ２に戻る。

５ＴＥＰ２において、初期確率の設定方法として前記０
０式を使用しているが、弛緩法における初′Ｍ確率の与
え方として、各候補に等確率（１／３）を与える方法と
、収束を早め、誤りを少なくするために何らかの異なる
初期確率を与える方法が考えられる。一般に、パターン
マツチングによる個別識別では、母音候補間の距離（尤
度）が近い（高い）場合には認識の信頼性が高く、大き
い（低い）場合には信頼性が低い。従って、個別識別で
ある予備識別の結果を弛緩法の初期確率に反映させるこ
とは有効である。

前記５ＴＥＰ２において、ｕ　（ｐ　）　＋は候補Ｃ（
ｐｌ□について、Ｘｐの近傍入力（ＸＱ）Ｑ≠ρとの整
合性の良さを表すもので、次式で与える。

ここで、ｒ　（Ｄ＋　Ｑ）は、母音候補ｃ（ｐ）、とＣ
Ｔｑｌｊでｊ 定まる長さ２の部分列の整合度であり、前記（１）及び
（５）式で与えられる。また、Ｎ　（ｐ）　、はｐの近
傍を意味し、５（ｐ１、に直接影響を及ぼす範囲を決め
るもので、その幅をＷＮとすれば、 Ｎ”’ｂ　＝　（ｑ　ｌ　ｌ　ｑ−ｐ　１５ｗ、、ｑ≠
ｐ。

１≦ｑ≦ｎ）　　　　　　・・・側 である。次に前記０１）式において、Δ（Ｓ、Ｕ）は正
規化関数であり、候補確率５（ｐ１、がＯと１の間に収
まるように正規化をかける関数である。また、ψ（ｓ）
は弛緩法における収束を早めるために強調をかける関数
であり、ψ（０）＝Ｏを満たす滑らかな非負関数で、次
式で与えられる。

ψ（ｓ（ｐ）、）　＝ｓ（ｐ）、　　　（ｂ＞Ｏ）Δ（
Ｓ（ｐ）、ｕ（ｐ））　＝ η ・　・　・０４） 但し、ηは０くη≦１なる定数である。

次に、前記（７）式で定義したように、個別識別に基づ
く各候補の信頼度を弛緩法に導入することを考える。前
記（７）式を直接表現する代わりに、ここでは各候補の
近傍との整合性の良さを示すｕ（ｐ）。

に自分自身の個別識別の信頼度を加える事によって間接
的に表現する。すなわち、ｕ（ｐ１、の計算に自己ルー
プの特性を加え、以下のように前記（１２）弐を修正す
る。

ｕ　（ｐｌ　、　−（１−α）・λ× 前記θ力式又は前記θつ式のｕ（ｐ）ｉを求め、゛それ
に基づいて前記０１）式の各候補確率５（ｐ）、を更新
する。

そして、所定回数り回繰り返した後に、各母音特徴ベク
トルｘ　ｐ　（ｐ＝１．２．・・、ｎ）に対応する第３
位までの各母音候補Ｃ（ｐ１、のうち、その候補確率ｓ
（ｐゝ量が最も高い候補を選択し、ｐ＝１〜ｎについて
選択したもの全体を、最適母音候補系列、・　・　・θ
つ ここで、λは正規化係数で、 λ−Σ！ で与えられる。なお、βは前記５ＴＥＰＩ〜５ＴＥＰ３
の現在までの更新の回数である。この０５）式と前記θ
り式のどちらを用いるかによって、認識結果にどのよう
な影響を及ぼすかについては、後に検討することとする
。

以上に示した５ＴＥＰＩ〜５ＴＥＰ３のアルゴリズムを
を繰り返しながら、第２図の相対関係標準パターン記憶
部２０７に記憶されている相対関係標準パターンを用い
て、前記（１）、（５）式の整合度、続いてｍＩ、ｔＦ
＝　　（Ｌ２，３）　ＩＰ＝１１２１　・・・、ｎとし
て出力する。

第５図に、上記アルゴリズムにより母音候補系列群の各
候補確率が更新されてゆく例を示す。但し、初期確率は
簡単のため全て０．３３にしである。

この結果、３回程度の更新で、最終的に下線を付した確
率が非常に高くなり、それに対応する下線を付した各母
音候補が、最適母音候補系列として出力されることにな
る。

以上に示した母音認識処理の認識性能につき、簡単に説
明する。

まず、認識環境について説明を行う。始めに、弛緩法に
おける前記整合性ｕ（ｐ）、の計算において、前記０り
式と前記（６）式に基づく前記０５）式のどちらを用い
るかについて検討すると、実験的に、前記０５）式を用
いてα＝０．５〜０．７程度に設定するのが最も高い認
識結果が得られる。しかし、０５）式でα＝　Ｏ（（６
）式ではα＝１）として、相対関係の整合度のみの情報
を用いて決定した場合と比較して、認識率の差は０．１
〜０．４７程度にすぎないため、実用上は前記０２）式
を用いても問題はない。次に、前記０式の近傍幅ＷＮは
ｎ−１、すなわち長さｎの母音系列のうち自分を除いた
全体とするのが望ましいが、Ｎ＝２程度に狭くしても認
識率は、１％以下程度しか下がらず、その場合、計算量
を１７２程度に削減できる。また、前記０４）式の弛緩
法の修正式においては、実験的にｂ＝２、η＝０．６７
程度、弛緩法の最大修正回数Ｌ＝２０回程度程度い。

次に、第２図の未知入力音声２０１に含まれる母音系列
の影響について検討する。本実施例による認識方式は、
母音を系列として認識する方式であるため、認識精度は
系列長の影響を受ける。系列の長さが極端に短い場合に
は、２項関係を調べる母音組が少な（、また、母音の種
類も少なくなるが、実験的には、系列長ｎ（第２図参照
）は、１０〜２０程度あれば十分高い認識率が得られ、
従って、単音節でない単語であればそれほど問題はなく
、また、単音節であっても、いくつかをまとめて認識す
ることにより、認識率の低下を防ぐことができる。なお
、本実施例による方法では、単語の順序を入れ換えても
、認識率の変動はほとんどないことが実験的に確かめら
れている。

続いて、個人性の影響について検討する。一般に、単語
中では個人性の影響と、前後の音韻による影響とを分離
するのは困難であるため、単音節母音を複数個合わせた
ものを用いて個人性の影響を検討する。これによると、
本実施例は従来の個別識別法と比較して、平均認識率が
高く、個人性による変動に強いことが確かめられている
。これは、本実施例が母音間の相対的な位置関係を整合
度として認識に用いたためであり、上記位置関係は個人
性の影響を受けにくいということがいえる。

一方、音韻性の影響について検討すると、本実施例によ
る認識方式では、単語の語頭、語尾、連鎖部分のいずれ
においても、全体的に高い認識率を示すことが実験的に
確認されている。従って、調音結合の影響を受けた母音
系列においても本実施例の認識方式は有効である。すな
わち、母音間の相対的な位置関係は調音結合の影響も受
けにくいということがいえる。

次に、最適母音候補系列を求めるためのアルゴリズムで
ある弛緩法の信頼性について検討する。

既に説明したように、弛緩法は、近似解を求める手法で
あるため、得られた最適母音候補系列が真に最適なもの
であるという保証はない。従って、本実施例による認識
方式の誤認識の原因が、弛緩法の誤りによるのか、相対
関係の与え方の問題によるのかどうかを明らかにしてお
くことは重要である。弛緩法による誤りを調べるには、
前記（４）〜（８）式による枚挙法で得られる最適母音
候補系列と、前記（９）弐〜θ０式による弛緩法で得ら
れる最適母音候補系列との比較をすればよいが、枚挙法
は前記したように膨大な計算量が必要なため、実現困難
である。そこで、あらかじめ視察ラベリングにより抽出
した正しい母音系列を含む母音候補系列群について、ま
ず、前記（７）式で正しい母音系列の得点Ｓ　（ｃ　ｓ
）を計算し、一方、上記母音候補系列群から弛緩法によ
り抽出した最適母音候補系列の得点を同様に前記（７）
式で計算する。そして、もし、弛緩法による系列の得点
の方が低ければ、弛緩法が誤ったことを示している。こ
のようにして、弛緩法の信頼性を実験的に検討すると、
弛緩法による認識誤りの確率は、本実施例全体の認識誤
り数を１００としたときに、そのうちのわずか１％前後
にすぎない。従って、弛緩法の信頼性は非常に高いとい
うことがわかる。

なお、第２図の母音特徴ベクトル系列抽出部２０３にお
いて、母音区間を抽出する場合の抽出精度も全体の認識
結果に影響を及ぼすが、母音区間の認識方式としては、
本実施例で示したアルゴリズムの他にも抽出精度の高い
様々な方式が提案されているため、特には言及しないこ
とにする。

計算量は、枚挙法による場合、ｎ　Ｃ２・３ｎものの組
み合わせ計算が必要であるが、弛緩法を適用するとｎ　
Ｃ２・ｎ３・ｌ程度で済む。ここで、２（１≦２≦Ｌ）
は更新の回数である。

人　゛　　　の　２の　　の 上記実施例においては、第２図の最適母音候補系列抽出
部２０６での認識動作に用いた整合度は、２母音間の相
対的な位置関係として、２母音の特徴ベクトルＸ□ｘ９
の差ベクトルとして、Δｐｑ＝ｘい−ｘｑ を用いたものに基づく、前記（１）式で定義されるもの
であった。

しかし、本発明による相対的な位置関係は、上記のよう
な２母音間の差ベクトルに限られるものではな（、特徴
空間上の相対的な位置関係を示すものであれば他のもの
でも利用可能であり、更に、２母音以上の例えば３母音
の関係も規定できる。

ここでは、整合度演算方式の第２の実施例として、母音
推定を用いた方式について説明する。

この方式は、話者の変動や発声の変動に対して、母音の
相対的な位置関係が良く保存されることから、既知の２
母音叉は３母音の組につき、１つの母音を他の母音から
推定する場合のパラメータを、第２図の相対関係標準パ
ターン記憶部２０７に相対関係標準パターンとして記憶
する方式である。

今、２つの母音組の特徴ベクトル）Ｃｖ、Ｘｙ１、又は
３つの母音組の特徴ベクトルＸｖ、Ｘｖ・、Ｘｖ”があ
るとき、そのうち１つの特徴ベクトルＸＶを他の特徴ベ
クトルＸν・又はｘｖ・、Ｘｖ・から推定するための、
次式に示す２項関係及び３項関係の線形モデルを定義す
る。

＋Ｒｖ　＝　Ａｖｖ＋　８ｘ　ｖ＋　＋　ａ　ｖｖ＋こ
こで、父、は、特徴ベクトルＸｖの推定値（ベクトル）
であり、添え字ｖ、　　ｖ″、Ｖ°′は５母音のうちい
ずれかを指す。また、ＡＸＢは推定係数行列、ａ、ｂは
定数ベクトルで、いずれも重回帰分析によって決定する
。そして、これらの推定係数行列及び定数ベクトルは、
５母音の中から選択される２母音又は３母音の各組み合
わせ毎に求め、第２図の相対関係標準パターン記憶部２
０７に相対関係標準パターンとして記憶させる。従って
、２項関係用に２５組（同一母音関係を含む）、３項関
係用に３０組（全て異なる母音の組み合わせ）を用意す
ればよい。

次に、上記０（ｉ）式で定義される母音推定モデルを用
いて、第２図の最適母音候補系列抽出部２０６において
、第１の実施例の整合度を与える前記（１）弐に対応す
る第２の実施例の整合度を与える式を以下のように定義
する。すなわち、２母音（特徴ベクトルｘｐ＋　　ｘＱ
）が与えられた場合に、それに対応する２項関係の整合
度ＲＶＩν」ＣＸｐ、Ｘｑ）を次式で定義する。但し、
ｖ、、ｖｇ６Ｖであって、Ｖ＝　（／ｉ／、／ｅ／、／
ａ／、１０／、／ｕ／　）とする。

Ｒｖｔｖｊ（ｘ　ｐ＋　　Ｘ　Ｑ）　＝−（１１父ｖｉ
　ｘｐＨ＋ｌＩ父ｖｊ　ｘｑＩｔ）父ｖ４＝　Ａｖｊｖ
ｔ　°ｘ　ｑ＋　ａ　ＶＪＶＩ父ｖｊ＝Ａｖｔｖｊ°ｘ
　ｐ＋　ａ　ｖｔｖｊ・　・　・θ′７） ここで、ＩＩ・１１はベクトルのノルムを意味し、次式
のように定義する。

ＩＩ　ｘ　Ｉｆ　２＝　ｘＬＷｖｉｖｊｘ　　　　　　
　・・・０８）上記０８）式で、Ｗ　ｖ　ｉＶ　Ｊは重
み係数行列で、ＷＶｉＶＪ＝■　（単位行列）のときは
、いわゆるユークリッド距離になる。

上記θ′７）、０８）式は、２項関係の整合度Ｒｖｔｖ
ｊ（ｘ　ｐ＋ｘｑ）を演算するための式であるが、３項
関係の整合度Ｒｖｔｖｊｖｋ（ｘｐ、　　Ｘｑ＋　　ｘ
ｒ）も同様に定義できる。

以上のような母音推定モデルを用いた２項関係又は３項
関係の整合度を、前記（４）〜０５）式で示した母音系
列認識に適用することにより、前記差ベクトルに基づ（
整合度を用いたものと同様に母音系列の認識を実現する
ことができる。この場合、２項関係と共に３項関係も用
いているが、３項関係に基づく母音系列認識は、前記（
４）式のもとになる長さ２の部分列の代わりに、長さ３
の部分列をとって行えばよく、また、弛緩法のアルゴリ
ズムに３項関係を適用する場合、前記面弐の代わりに、
次の０９）式を用いればよい。

ｕ　Ｌ　ｐ　）　、　　＝Σ　　ｍ　ａ　ｘ　（ｒ　ｊ
　ｐ＋　Ｑ　Ｉ°ｃ＋　２１　・ｓ　（ｑ　Ｉ　−ｑ　
２）　）（ｌＩＩＱ２　　Ｊｌ−Ｊ２　　　１−　Ｊｌ
＋　　Ｊ２　　　　　　　　ｊｌ＋　　Ｊ２Ｓ（４１°
ｑ２ゝ　＝（５（Ｑｌｌ　＋　　５（Ｑ２）　　）　　
／２Ｊ１、Ｊ２　　　　　　　　　　　ＪＩ　　　　　
　　　Ｊ２・　・　・０９） 本　日の他の　　り 以上、第１及び第２の整合度の演算方式につき説明を行
ってきたが、そのほかにも、例えば前記差ベクトルを３
項関係に適用することも可能である。すなわち、３つの
母音組から２母音ずつとった組み合わせの各差ベクトル
同士につき、更に差ベクトルをとったもの等によっても
整合度を演算することができる。ここで、２項関係の整
合度を用いた弛緩法の計算では、既に説明したように、
ｎ　Ｃ２・ｎ３　・２程度の組み合わせ計算となるが、
上記３項関係の場合は、ｎ　Ｃ３・ｎ３　・２程度とな
る。

一方、前記差ベクトルを用いた第１の実施例における整
合度演算方式において相対関係標準パターンとの整合度
を評価する場合、（１）式に示したようにベイズ識別関
数を利用しているが、そのほかにもユークリッド距離又
はマハラノビス距離等の評価尺度を用いても実現可能で
ある。

また、上記実施例では、本発明による相対関係を用いた
系列認識方式を、母音系列の認識に適用した例を示した
が、母音認識以外の例えば子音認識に適用することも可
能である。

いずれにしても、本発明では、２母音等の各認識基本単
位の特徴量間の単純な距離ではなく、多次元の特徴量空
間上の相対的な位置関係を整合度演算のために用いるこ
とにより、高い認識率を実現、することができる。

〔発明の効果〕

本発明によれば、認識の基本となる整合度の計算におい
て、所定複数種類の認識基本単位の組の各々につき、そ
の組の各認識基本単位から得られる各特徴量間の特徴空
間上の相対的な位置関係を用いることにより、話者の変
動や調音結合の影響に左右されにくい整合度の演算が可
能となる。これにより、単純に特徴量間の距離によって
認識基本単位間の相対関係を表現する方式等に比較して
、認識基本単位間の相対関係に関する情報がはるかに多
く抽出され、精度の高い認識処理が実現される。

特に、２種類の認識基本単位の組の各特徴ベクトルの差
ベクトルを用いることにより、少ない計算量で多くの相
対関係の情報を得ることが可能となる。

更に、この場合、相対関係標準パターンである差ベクト
ル標準パターンとして、平均差ベクトルと共分散行列を
記憶させ、ベイズ識別を用いて整合度を計算することに
より、精度の高い整合度の計算が可能となる。

次に、本発明では、予備識別手段で抽出される各々複数
候補ずつの認識基本単位候補系列群を認識に使用するこ
とにより、真の認識基本単位候補が除外されてしまうの
を防ぐことができる。

更に、本発明では、認識基本単位候補系列群を入力とし
、前記整合度をもとにして、多くの認識基本単位候補を
用いて総合的な評価を行うことにより、個人性や調音結
合の影響による個々の認識基本単位の曖昧性を減少させ
、前記整合度の利用による効果とあいまって、安定かつ
精度の高い認識が行われる。すなわち、本発明では、情
報量の多い相対関係に基づく整合度演算と、曖昧性を減
少させることのできる系列認識とを組み合わせることに
より、相乗効果的な認識性能の向上を実現している。そ
して、全体的な構成は、基本的にはこの２つの構成の組
み合わせからなる簡単な構成とすることができるという
効果も有する。

そして、特に上記の場合、最適認識基本単位候補系列の
選択のために確率的弛緩法を採用することにより、認識
基本単位候補系列群の全ての系列の組み合わせについて
計算を行う必要性を回避し、効率の高い処理を実現して
いる。

一方、２種類の認識基本単位の組の各特徴ベクトルを線
形モデルで互いに推定する場合の推定行列及び定数ベク
トルを相対関係として用いて整合度を演算し、前記系列
認識と組み合わせることによっても精度の高い音声認識
を実現することができる。

【図面の簡単な説明】

第１図は、本発明のブロツク図、 第２図は、本発明の実施例の構成図、 第３図は、特徴ベクトル抽出部の動作フローチャートを
示した図、 第４図は、弛緩法の説明図、 第５図は、弛緩法による候補確率の変化例を示した図、 第６図は、従来例の問題点の説明図である。 １０１・・・未知人力音声、 １０２・・・予備識別手段、 １０３・・・認識基本単位候補系列群、１０４・・・最
適認識基本単位候補系列認識手段、 １０５・・・相対関係標準パターン記憶手段、１０６・
・・相対関係標準パターン、 １０７・・・最適認識基本単位候補系列。 未知入力有声２０１

Claims (1)

1. 【特許請求の範囲】 １）同一のものを含む所定複数種類の認識基本単位の組
   の各々につき、その組の各認識基本単位から得られる各
   特徴量間の特徴空間上の相対的な位置関係の標準パター
   ン（１０６）を記憶する相対関係標準パターン記憶手段
   （１０５）と、 未知入力音声（１０１）から各々複数候補ずつの認識基
   本単位候補系列群（１０３）を抽出する予備識別手段（
   １０２）と、 該認識基本単位候補系列群（１０３）から選択される前
   記所定複数種類の認識基本単位候補の組の各々につき、
   その組内の各特徴量と前記相対関係標準パターン記憶手
   段（１０５）上のその組に対応する前記相対関係標準パ
   ターン（１０６）との整合度を演算し、該各整合度に基
   づいて前記認識基本単位候補系列群（１０３）の中から
   前記未知入力音声（１０１）に対応する最適認識基本単
   位候補系列（１０７）を認識する最通認識基本単位候補
   系列認識手段（１０４）とを有することを特徴とする相
   対関係に基づく音声認識方式。 ２）同一のものを含む２種類の認識基本単位の組の各々
   につき、その組の各認識基本単位から得られる各特徴ベ
   クトルの差ベクトルの標準パターンを記憶する差ベクト
   ル標準パターン記憶手段と、未知入力音声から各々複数
   候補ずつの認識基本単位候補系列群を抽出する予備識別
   手段と、該認識基本単位候補系列群から選択される前記
   ２種類の認識基本単位候補の組の各々につき、その組内
   の各特徴ベクトルの差ベクトルを演算し該差ベクトルと
   前記差ベクトル標準パターン記憶手段上のその組に対応
   する前記差ベクトル標準パターンとの整合度を演算し、
   該各整合度に基づいて前記認識基本単位候補系列群の中
   から前記未知入力音声に対応する最適認識基本単位候補
   系列を認識する最適認識基本単位候補系列認識手段とを
   有することを特徴とする相対関係に基づく音声認識方式
   。 ３）前記差ベクトル標準パターン記憶手段には、前記２
   種類の認識基本単位の組の各々につき、その組の複数の
   学習サンプルから得られる前記差ベクトルの平均差ベク
   トルと共分散行列が前記差ベクトル標準パターンとして
   記憶され、 前記最適認識基本単位候補系列認識手段における前記整
   合度の演算は、前記２種類の認識基本単位候補の各組の
   生起確率が等しく、整合を行うべき組における前記差ベ
   クトルの確率分布が、前記差ベクトル標準パターン記憶
   手段上のその組に対応する前記平均差ベクトルと前記共
   分散行列とで定まる多次元正規分布に従うと仮定した場
   合の、前記整合を行うべき差ベクトルを入力とするベイ
   ズ識別関数を求める演算であることを特徴とする請求項
   ２記載の相対関係に基づく音声認識方式。 ４）同一のものを含む所定複数種類の認識基本単位候補
   の組の各々につき、その組の各種類の認識基本単位候補
   の特徴ベクトルをその種類を除くその組の他の認識基本
   単位候補の特徴ベクトルから線形モデルで推定する場合
   の推定係数行列及び定数ベクトルを各々その組の複数の
   学習サンプルから重回帰分析により演算して求めたもの
   を相対関係標準パターンとして記憶する相対関係標準パ
   ターン記憶手段と、 未知入力音声から各々複数候補ずつの認識基本単位候補
   系列群を抽出する予備識別手段と、該認識基本単位候補
   系列群から選択される前記所定複数種類の認識基本単位
   候補の組の各々につき、その組の各種類の認識基本単位
   候補の特徴ベクトルとそれを前記相対関係標準パターン
   記憶手段上のその組に対応する前記推定係数行列及び定
   数ベクトルを用いて前記線形モデルで推定したものとの
   差ベクトルのノルムのその組の全種類についての総和に
   負符号を付した値を演算することにより整合度を求め、
   該各整合度に基づいて前記認識基本単位候補系列群の中
   から前記未知入力音声に対応する最適認識基本単位候補
   系列を認識する最適認識基本単位候補系列認識手段とを
   有することを特徴とする相対関係に基づく音声認識方式
   。 ５）前記認識基本単位は母音であり、 前記予備識別手段は、 ５母音の各母音毎の特徴量の標準パターンを記憶する母
   音別標準パターン記憶手段と、 前記未知入力単語音声を時間軸方向に分割した複数フレ
   ームから複数の母音区間とその区間の特徴量を抽出する
   母音区間抽出手段と、 該各母音区間毎に、その区間の特徴量と前記母音別標準
   パターン記憶手段上の前記各標準パターンとのマッチン
   グをとることにより、前記各母音区間毎に３位までの母
   音候補を識別し、３候補ずつの母音候補系列群として出
   力する母音候補系列群生成手段とによって構成されるこ
   とを特徴とする請求項１、２、３又は４記載の相対関係
   に基づく音声認識方式。 ６）前記最適認識基本単位候補系列認識手段は、確率的
   弛緩法により前記認識基本単位候補系列群の各認識基本
   単位候補の確率を前記各整合度に基づいて更新し、所定
   回数の更新動作の後、各認識基本単位候補毎に各々の確
   率が最も高くなった認識基本単位候補を選択して前記最
   適認識基本単位候補系列を認識することを特徴とする請
   求項１、２、３、４又は５記載の相対関係に基づく音声
   認識方式。