JPH0336438B2 - - Google Patents

Description

【発明の詳細な説明】 〔概要〕 連続音声認識装置において、複数個の標準パタ
ーンを前半と後半の半単語標準パターンに分け、
音声の入力パターンを前半単語標準パターンにつ
いて連続DP照合を行い、後半単語標準パターン
について逆時間連続DP照合を行い、その結果を
ある閾値で限定したものから入力パターンの各フ
レーム毎にそのフレームを前記各半単語標準パタ
ーンの境界とする標準パターンを選択し、それに
よつて与えられた中心候補を、その候補が位置す
るフレームから始端方向に逆時間DP照合を行い、
終端方向にDP照合を行い、与えられた各候補毎
の部分区間照合距離からその合計が最小となる様
にDP処理を行つて認識結果を求める。

〔産業上の利用分野〕

本発明は、複数の単語を連続的に発声した音声
を認識する連続音声認識装置、特に動的計画法
（Dynamic programming、以下DPという）によ
り行う連続音声の認識を、効率良く且つ高い認識
率をもつて行う様に改良した連続音声認識装置に
関する。

〔従来の技術〕

複数の単語を連続的に発声して形成される連続
音声を認識とする方式として各種の方式が提案さ
れているが、代表的なものとして次の方式があ
る。

第１の方式は、連続音声を形成する連続単語
を、各単語の境界での音声パワーの落ち込みなど
の特徴を利用して個々の単語に区分し（この操作
はセグメンテーシヨンと呼ばれる）、その区分さ
れた単語毎に標準パターンと照合して認識する方
式である。

第２の方式は、連続単語の全ての区間の組を取
り出して標準パターンと照合し、その照合結果か
ら最適である区間の組合せを求めて認識する方式
である。

〔発明が解決しようとする問題点〕

連続音声を認識する方式のうち、前述の第１の
方式は、連続単語のセグメンテーシヨンを行うこ
とが非常に難しく、且つ高い認識率が確保しにく
いという問題があつた。

一方、第２の方式は、高い認識率が得られる
が、演算量が第１の方式に比べて格段に大きく、
早いレスポンスタイムをもつた連続音声認識が出
来ないという問題があつた。

又、連続音声中の各単語の結合部分は前後の単
語の影響を受けて変形しやすいので、その位置を
正確に特定することは困難である。この為、DP
照合により求められた音声の入力パターンの各フ
レーム毎に終端候補又は始端候補に誤りが生じ、
認識率を低下させるという問題があつた。

そこで、これらの問題点を解決する為に、複数
個の標準パターンを前半と後半区間の半単語標準
パターンに分け、音声の入力パターンを前半単語
標準パターンについて連続DP照合を行い、後半
単語標準パターンについて逆時間連続DP照合を
行い、その結果から入力パターンの各フレーム毎
にそのフレームを前記各半単語標準パターンの境
界とする標準パターンを１個選択して中心候補と
し、与えられた中心候補を、その候補が位置する
フレームから始端方向に逆時間DP照合を行い、
終端方向にDP照合を行い、与えられた各候補毎
の部分区間照合距離からその合計が最小となる様
にDP処理を行つて認識結果を求める連続音声認
識装置（以下、原発明という）が、同一出願人に
よつて提案されている。

この原発明は、連続DP照合により中心候補を
選択する様にしたので大幅に演算量を低減させる
ことが出来ると共に、各単語の安定部（例えば中
心部分）においてその単語の標準パターンの候補
を抽出する様にしたので、候補が正しく求められ
て高い認識率を得ることが出来るものである。

然しながら、各フレーム毎に必ず中心候補が存
在するので中心候補の数が多くなること、また照
合距離が大きく正当な中心候補となり得ない場合
でも各フレーム毎に必ず中心候補が選択されるの
で以降の処理に無駄が多くなること等の為に、演
算量の低減効果が損われるという問題があつた。

なお、原発明の内容と本出願の発明の内容とは
共通する部分が多いので、後記の実施例の説明中
において、本発明の実施例と関連させて適宜説明
する。

本発明は、中心候補の存在する入力パターンの
フレームを限定することにより、従来方式よりも
大幅に演算量を低減させた前記原発明よりも更に
演算量を低減して処理効率を向上させ、早いレス
ポンスタイムをもつた連続音声認識装置を提供す
ることを目的とする。

〔問題点を解決するための手段〕

従来の連続音声認識装置における前述の各問題
点を解決する為に本発明が講じた手段を、第１図
を参照して説明する。

第１図は、本発明の構成のブロツク説明図であ
る。

第１図において、１１０は標準パターン辞書部
で、複数の音声単語の標準パターンが格納されて
いる。読み出すときは、各標準パターンは前半の
半単語に対する前半単語標準パターンと後半の半
単語に対する後半単語標準パターンに区分されて
読み出される。

１２０は半単語連続DP照合部で、入力パター
ンを複数個の標準パターン中の各前半単語標準パ
ターンについて連続動的計画法による照合（連続
DP照合）を行うと共に、入力パターンを複数個
の標準パターン中の各後半単語標準パターンにつ
いて逆時間連続動的計画法による照合（逆時間連
続DP照合）を行う。

１３０は中心候補限定選択部で、半単語連続
DP照合部１２０の結果をある閾値で限定したも
のから入力パターンの各フレーム毎にそのフレー
ムを前半単語及び後半単語の各標準パターンの境
界とする標準パターンを求め、その標準パターン
より中心候補を選択する。

１４０は単語始終端レベルDP処理部で、前記
中心候補が位置するフレームから始端方向に逆時
間動的計画法による照合（逆時間DP照合）を行
うと共に、終端方向に動的計画法による照合
（DP照合）を行つて部分区間照合距離を求める。

１５０は文レベルDP処理部で、単語始終端レ
ベルDP処理部１４０より入力された部分区間照
合距離に基づいて入力パターンの各桁毎に部分区
間照合距離の合計が最小となる組合せを求め、そ
の結果から入力パターンが何桁入力であるかを判
定して認識結果を求める。

なお、“桁”は各単語の位置関係を表現するも
ので、連続単語の各単語を先頭から１桁目、２桁
目……ｘ桁目で表現する。

〔作用〕

第１図の作用を、第２図及び第３図を参照して
説明する。

第２図は入力パターンと前後各半単語標準パタ
ーンの連続DP照合及び逆時間連続DP照合及びそ
れらの照合ルート例の説明図、第３図は単語中心
候補の終端及び始端方向のDP照合及び逆時間DP
照合の説明図である。

連続単語音声の場合には、前述の様に各単語の
結合部分がそれに隣接する前後の単語の影響を受
けて変形しやすいので、その位置を正確に特定す
ることは困難であり、その為DP照合により求め
られた入力パターンの各フレーム毎の終端又は始
端候補に誤りが生じ、認識率を低下させていた。

そこで、本発明は、連続単語音声の場合は、各
単語の始終端部はそれに隣接する前後の単語の影
響を受けて変形しやすいが、その中央部分は隣接
する前後の影響を受けることが少く安定している
ことに着目し、連続音声の各単語の標準パターン
の候補をその単語の安定部分において抽出する様
にしたものである。

標準パターン辞書部１１０には複数の標準パタ
ーンが格納されているが、読み出されるときは、
各標準パターンを前半と後半の半単語に２分し、
前半の半単語に対する前半単語標準パターンと後
半の半単語に対する後半単語標準パターンに区分
されて読み出される。

各標準パターンを前半と後半の半単語に分ける
方法は、一般に中心部分が安定しているので中心
部分で２分されるが、中心部分以外の安定してい
る部分において２分することも出来る。

半単語連続DP照合部１２０は、第２図に示す
様に、入力パターンを複数個の標準パターンの各
前半単語標準パターンについて連続DP照合を行
うと共に、各後半単語標準パターンについて逆時
間連続DP照合を行う。そして、各照合結果であ
る連続DP照合距離と逆時間連続DP照合距離を出
力する。

中心候補選択部１３０は、半単語連続DP照合
部１２０より入力された連続DP照合距離及び逆
時間連続DP照合距離の累積結果をある閾値で限
定したものに基づいて、入力パターンの各フレー
ム毎にそのフレームを前半及び後半の半単語標準
パターンの境界とする標準パターンを求め、その
標準パターンより中心候補を選択する。

これにより、中心候補の数は限定され、且つ正
当な中心候補となり得るものが選択されるので、
以降の演算量を大きく低減することが出来る。

単語始終端レベルDP処理部１４０は、中心候
補限定選択部１３０で選択された各中心候補につ
き、第３図に示す様に、その中心候補が位置する
フレーム（ｋで図示されている）から始端方向に
逆時間DP照合を行うと共に、終端方向にDP照合
を行つて、それぞれ始端中心照合距離及び中心終
端照合距離を求める。次いでこの両照合距離に基
づいて部分区間照合距離を求める。

文レベルDP処理部１５０は、単語始終端レベ
ルDP処理部１４０より入力された部分区間照合
距離に基づいて入力パターンの各桁毎に部分区間
照合距離の合計が最小となる組合せを求め、その
結果から入力パターンが何桁入力であるかを判定
して認識結果を求める。

以上の様に、連続DP照合により中心候補を求
め、且つある閾値で中心候補を限定して部分区間
候補を選択する様にしたので、入力パターンから
全ての部分区間の組合せを取り出して複数の標準
パターンと照合することにより部分区間候補を求
める従来方式（前述の第２の方式）よりはもちろ
んのこと、前記原発明よりも大幅に演算量を低減
させ、早いレスポンスタイムを得ることが出来
る。又、連続音声の各単語の標準パターンの候補
をその単語の安定部分において抽出する様したの
で、候補が正しく求められて高認識率を確保する
ことが出来る。

〔実施例〕

本発明の一実施例を、第２図〜第９図を参照し
て説明する。

第４図は本発明の一実施例の構成の説明図、第
５図は始終端固定のDP照合の説明図、第６図は
連続DP照合の説明図、第７図は逆時間連続DP照
合の説明図、第８図は連続DPの演算手法の説明
図、第９図は中心候補フレーム限定動作及び中心
候補選択動作の説明図である。第２図及び第３図
については、既に説明した通りである。

(A) 実施例の構成 第４図において、標準パターン辞書部１１
０、半単語連続DP照合部１２０、中心候補限
定選択部１３０、単語始終端レベルDP処理部
１４０及び文レベルDP処理部１５０について
は、第１図で説明した通りである。

半単語連続DP照合部１２０において、１２
１は連続DP照合部で、入力パターンを複数個
の標準パターンの各前半単語標準パターンにつ
いて連続DP照合を行つて、連続DP照合距離
（Gf（ｋ，ｎ））を求める。１２２は逆時間連続
DP照合部で、入力パターンを複数個の標準パ
ターンの各後半単語標準パターンについて逆時
間連続DP照合を行つて、逆時間連続DP照合距
離（Gb（ｋ，ｎ））を求める。

中心候補限定選択部１３０において、１３１
は中心候補フレーム限定部で、半単語連続DP
照合部１２０より入力された連続DP照合距離
Gf（ｋ，ｎ）及び逆時間連続DP照合距離Gb
（ｋ，ｎ）の累積値を正規化し、その値（DS
（ｋ，ｎ））が設定された閾値（DRTH）より
小さいフレームを中心候補に選択する対象とな
るフレームとする。１３２は中心候補選択部
で、前記限定されたフレームからその正規化さ
れた累積半単語連続DP照合距離DS（ｋ，ｎ）
が最小のフレームを求め、そのフレームを中心
とする標準パターンを中心候補として選択す
る。

単語始終端レベルDP処理部１４０において、
１４１は逆時間DP照合部で、中心候補限定選
択部１３０より入力された各中心候補につき、
その中心候補が位置するフレームから始端方向
に逆時間DP照合を行つて始端中心照合距離
（Gs（ｋ，ｌ））を求める。１４２はDP照合部
で、前記各中心候補につき、その中心候補が位
置するフレームから終端方向にDP照合を行つ
て中心終端照合距離（Ge（ｋ，ｍ））を求める。
１４３は部分区間候補選択部で、前記始端中心
照合距離Gs（ｋ，ｌ）及び中心終端照合距離Ge
（ｋ，ｍ）に基づいて部分区間照合距離（Ｄ
（ｌ，ｍ））と対応する標準パターン（Ns（ｌ，
ｍ））を求める。

文レベルDP処理部１５０において、１５１
は文レベルDP照合部で、単語始終端レベルDP
処理部１４０より入力された部分区間照合距離
Ｄ（ｌ，ｍ）と対応する標準パターンNs（ｌ，
ｍ）を用いて、最適な単語の結合をDP照合に
より求める。１５２は認識結果処理部で、文レ
ベルDP照合部１５１の結果に基づいて入力パ
ターンが何桁入力であるかを判定して認識結果
を求める。

１６０はマイクロホン、１７０は入力された
連続音声の特徴を抽出して照合用の入力パター
ンに変換する音声特徴抽出部、１８０はこの入
力パターンが格納される入力パターンバツフア
である。

(B) 実施例の動作 マイクロホン１６０は、使用者の発声した連
続単語からなる連続音声を音声特徴抽出部１７
０に入力する。音声特徴抽出部１７０は、入力
された連続音声の特徴を抽出して照合用の入力
パターンに変換し、入力パターンバツフア１８
０に格納する。

このときの音声の入力パターンＡを次の様に
表わす。

Ａ＝ａ(1)，ａ(2)，ａ(3)，…ａ(m)…ａ() ここで、ａ（ｍ）はフレームｍにおけるパラ
メータで、例えば周波数方向を16チヤネルに区
分した場合、各区分におけるパワースペクトル
値で表わされるベクトル量である。最後のＩは
入力パターンＡの終端フレームで、且つ入力パ
ターンＡの語長を意味する。なお、フレームは
音声区間（正しくは窓関数によつて切り出した
音声区間）である。

同様に、標準パターン辞書部１１０の標準パ
ターンは、単語ｎの標準パターンをＢ（ｎ）と
して、次の様に表わす。

Ｂ（ｎ）＝ｂ（１，ｎ），ｂ（２，ｎ）…ｂ（ｊ，
ｎ）…ｂ（Ｊ（ｎ），ｎ） ここで、ｂ（ｊ，ｎ）は、単語ｎのフレーム
ｊにおけるパラメータで、入力パターンＡと同
様に、例えば16チヤネルのパワースペクトル値
などで表わされるベクトル量である。Ｊ（ｎ）
は単語ｎの終端フレームで、且つ標準パターン
Ｂ（ｎ）の語長を表わす。

本発明では、入力パターンを標準パターンの
前半単語標準パターンと後半単語標準パターン
について、連続DP照合と逆時間連続DP照合に
より半単語の照合を行う。この処理は、単語中
心レベルDPと呼ばれる。

(B‐1) 連続DP照合部１２１の動作 通常のDP照合は入力パターンの始終端を
固定したもので、第５図に示す様に、始端と
終端を通る一本の最適な照合経路が与えら
れ、その経路の照合距離が求められる。

これに対して、連続DP照合は、第６図に
示す様に、入力パターンの任意のフレームを
終端とする始端フリーなDP照合をいう。こ
れにより入力パターンＡの中に存在する最適
な対応区間が自動的に抽出されて連続DP照
合距離が求まる。この結果に基づいて、入力
パターンＡ中に標準パターンＢ（ｎ）が存在
しそうか、又、存在しそうな場合に、入力パ
ターンＡのどのフレームを終端とするかが容
易に求められる。

(B‐2) 逆時間連続DP照合部１２２の動作逆時
間連続DP照合部１２２の行う逆時間連続DP
照合は、第７図に示す様に、入力パターンＡ
を逆時間方向に連続DP照合を行うものであ
る。これにより、入力パターンＡ中に標準パ
ターンＢ（ｎ）が存在しそうか、又、存在し
そうな場合に、入力パターンＡのどのフレー
ムを始端とするかが容易に求められる。

前述の連続DP照合及び逆時間連続DP照合
において行われる連続DPの演算手法はマツ
チングパスの取り方等によつて種々の方法が
有るが、ここでは第８図に示す様な対称型を
用いるものとする。

第８図において、格子点（ｉ，ｊ）上の標
準パターンＢと入力パターンＡのベクトル間
距離をｄ（ｉ，ｊ）とすると、次の漸化式に
よつて照合距離gf（ｉ，ｊ）が求められる。

ｊ＝１のとき、 gf（ｉ，ｊ）＝gf（ｉ，１）＝ｄ（ｉ，１） ｉ＝１，ｊ＞１のとき、 gf（１，ｊ）＝ｄ（１，ｊ） ＋gf（１，ｊ−１）ｊ＞１のとき、 gf（ｉ，ｊ） ＝minｄ（ｉ，ｊ）＋gf（ｉ−１，ｊ） 2d（ｉ，ｊ）＋gf（ｉ−１，ｊ−１） ｄ（ｉ，ｊ）＋gf（ｉ，ｊ−１） このgf（ｉ，ｊ）は、（１，１）点から
（ｉ，ｊ）点に至るまでの距離和を最小とし
たものである。

逆時間連続DP照合は入力パターンを反転
させて逆時間方向に連続DP照合を行うもで、
その演算手法は前述の連続DP照合時の演算
手法と同様であるので、説明は省略する。

この連続DP照合及び逆時間連続DP照合に
より、標準パターンＢの前半区間と後半区間
とを、第２図に示す様にそれぞれ照合する。

入力パターンのｋフレーム上の連続DP照
合距離をGf（ｋ）とし、逆時間連続DP照合
距離をGb(k)とする。更に、このGf(k)及びGb
(k)は、Ｎ個の標準パターンに対してはGf
（ｋ，ｎ）及びGb（ｋ，ｎ）の形で表現され
て、連続DP照合部１２１及び逆時間連続DP
照合部１２２よりそれぞれ出力される。

(B‐3) 中心候補フレーム限定部１３１の動作 半単語連続DP照合部１４０より入力され
たGf（ｋ，ｎ）及びGb（ｋ，ｎ）は、中心候
補フレーム限定部１３１において次式で示す
様に累積されて、累積半単語連続DP照合距
離DC（ｋ，ｎ）を生成する。

DC（ｋ，ｎ）＝Gf（ｋ，ｎ）＋Gb（ｋ，ｎ） DC（ｋ，ｎ）は、このままでは標準パター
ンＢ（ｎ）の個々の語長Ｊ（ｎ）によつて、短
いもの程値が小さくなる傾向が出る為、入力
パターンＡ及び標準パターンＢ（ｎ）の各パ
ターン長の和でDC（ｋ，ｎ）の値を割算して
時間正規化を行う。この時間正規化された
DC（ｋ，ｎ）をDR（ｋ，ｎ）で表現すると、
DR（ｋ，ｎ）は下式で表わされる。

DR（ｋ，ｎ）＝DC（ｋ，ｎ）／2J（ｎ） ここで2J（ｎ）を用いる理由は、入力パタ
ーンＡが標準パターンＢ（ｎ）と正しくマツ
チングした場合には、対応する入力パターン
長はＪ（ｎ）に近い値をとるものと考えられ
るからである。もし、何らかの手法でDC
（ｋ，ｎ）のｌ，ｍに対する始端Ｌ（ｋ，ｎ）
及び終端Ｍ（ｋ，ｎ）が判明している場合に
は、DR（ｋ，ｎ）は次式で求められる。

DR（ｋ，ｎ）＝DC（ｋ，ｎ） ／｛Ｊ（ｎ）＋Ｍ（ｋ，ｎ）−Ｌ（ｋ，ｎ）＋１｝ このDR（ｋ，ｎ）は、第９図に示す様に、
ｎ毎に異つた距離パターンを示す。

前記原発明は、半単語連続DP照合部１２
０までの処理は本発明と同じであるが、第９
図におけるＮ個の距離パターンをｋ毎にDR
（ｋ，ｎ）値の最小のものを選択し、そのｎ
をｋフレームを中心とする候補（中心候補）
に選定している。この為、前述の様に中心候
補が多くなり、また正当な中心候補となり得
ないものまで選択される結果演算量がそれだ
け多くなり、早いレスポンスタイムが得られ
ないという不都合があつた。

これに対し、本発明では第９図に示す様に
ある閾値DRTHを設け、このDRTHよりDR
（ｋ，ｎ）が小さければそのフレームはその
標準パターンの中心フレームである可能性が
たかいとして、中心候補選択の対象とする。
DRTHより大きければそのフレームはその
標準パターンの中心フレームである可能性は
低いとして、中心候補選択の対象に含めない
様にする。これにより、以降の各処理におけ
る演算量を大幅に低減させることが出来る。

閾値DRTHが高すぎると、中心候補選択
の対象が多くなつてそれだけ演算量が増加す
る。一方、DRTHが低すぎると、正当な中
心候補が選択から落ちる可能性が増して認識
率が低下する。従つて、DRTHの大きさは、
演算量と認識精度の両者を考慮して適宜選定
される。

この様にDRTH以下のものに限定された
フレームのDR（ｋ，ｎ）をDS（ｋ，ｎ）とし
て、中心候補選択部１３２に送る。

(B‐4) 中心候補選択部１３２の動作 中心候補選択部１３２は、中心候補フレー
ム限定部１３１より入力されたDS（ｋ，ｎ）
からｎについてその値が最小のものを求め、
そのｎをフレームｋを中心とする候補（中心
候補）として選択し、その標準パターン番号
をNC(k)に設定する。

もし、DRTH以内に候補が無い場合には
（第９図下段のNC(k)の斜線部分）、NC(k)に
“０”を設定して、中心候補と区別出来る様
にしておく。

以上の処理により、入力パターンＡのｋフ
レームが中心とする標準パターンＢ（ｎ）が
１個に限定されたことになる。

(B‐5) DP照合部１４２及び逆時間DP照合部１
４１の動作（単語始終端レベルDP） NC(k)で示される中心候補を、DP照合部１
４２によるDP照合及び逆時間DP照合部１４
１による逆時間DP照合により、始終端のDP
照合距離を求める。

ここで用いるDPは演算手法もマツチング
パスの取り方等によつて種々の方法がある
が、ここでは、前述の連続DPと同様に対称
型を用いるものとする。即ち、 ｉ＝１，ｊ＝１のとき： ge(1,1)＝ｄ(1,1) ｉ＝１，ｊ＞１のとき： ge(1,j)＝ｄ(1,j)＋ge(1,j-1) ｉ＞１，ｊ＝１のとき： ｇ(i,1)＝ｄ(i,1)＋ge(i-1,j) ｉ＞１，ｊ＞１のとき： ge（ｉ，ｊ） ＝minｄ（ｉ，ｊ）＋ge（ｉ−１，ｊ） 2d（ｉ，ｊ）＋ge（ｉ−１，ｊ−１） ｄ（ｉ，ｊ）＋ge（ｉ，ｊ−１） このge（ｉ，ｊ）は、格子点（１，１）か
ら（ｉ，ｊ）点に至るまでの距離和を最小と
したものである。

前記の各式によつてDP照合距離ge（ｉ，
ｊ）が求まるが、標準パターン終端のものを
Ge(i)とする。

又、逆時間DP照合距離gs（ｉ，ｊ）は、単
にパターンを反転して照合するものであり、
その演算手法はDP照合距離ge（ｉ，ｊ）と同
様であるので、その説明は省略する。標準パ
ターン始端のものをGs(i)とする。

これらDP照合及び逆時間DP照合により、
単語中心候補NC(k)の終端及び始端方向の照
合距離を求める。

第３図は、中心候補が位置するフレーム
（ｋで示されている）から始端方向に逆時間
DP照合を行い、終端方向にDP照合を行つ
て、そのフレームに対する始端フレームｌ及
び終端フレームを求める例を示したものであ
る。なお、Ｈ（NC(k)）は、中心候補の標準
パターンの語長である。

DP照合部１４２がDP照合により求めた中
心終端照合距離を、Ge（ｋ，ｍ）とし、又、
逆時間DP照合部１４１が逆時間DP照合によ
り求めた始端中心照合距離を、Gs（ｋ，ｌ）
とする。

(B‐6) 部分区間候補選択部１４３の動作 部分区間候補選択部１４３は、入力された
Ge（ｋ，ｍ）及びGs（ｋ，ｌ）を累積したも
のを、部分パターン長（ｍ−ｌ＋１）と標準
パターン長Ｊ（NC(k)）の和で割算して時間
正規化する。この時間正規化された部分区間
のDP照合距離をDI（ｋ，ｌ，ｍ）とすると、
次式で求められる。即ち、 DI（ｋ，ｌ，ｍ）＝Ge（ｋ，ｍ）＋Gs（ｋ，ｌ）／Ｊ
（NC(K)））＋ｍ−ｌ＋１ 次に部分区間候補選択部１４３は、この
DI（ｋ，ｌ，ｍ）をｋについて最小のものを
選択してＤ（ｌ，ｍ）とし、対応する標準パ
ターンNS（ｌ，ｍ）に設定する。

Ｄ（ｌ，ｍ）＝ min ｋ ｛DI（ｋ，ｌ，ｍ）｝ NS（ｌ，ｍ）＝NC〔 argmin ｋ ｛DI（ｋ，ｌ，ｍ）｝ ここで、“ argmin ｋ ”は、｛ ｝内の最小化 条件を満足するｋを選定する機能をもつたオ
ペレータである。

もし、終端候補が無いｍの場合は、NS
（ｌ，ｍ）に“０”を設定し、Ｄ（ｌ，ｍ）に
最大値を設定しておく。

このＤ（ｌ，ｍ）及びNS（ｌ，ｍ）によつ
て、入力パターンの部分パターン（ｌ−ｍ）
の最適な照合距離（Ｄ（ｌ，ｍ））及び照合相
手（NS（ｌ，ｍ））が決定されて、部分区間
候補選択部１４３より出力される。

(B‐7) 文レベルDP照合部１５１の動作 文レベルDP照合部１５１は、単語始終端
レベルDP処理部１４０より入力されたＤ
（ｌ，ｍ）及びNS（ｌ，ｍ）を用いて、最適
な単語の結合をDP照合により求める。

ここで、連続単語中の各単語を先頭から１
桁目、２桁目……ｘ桁目という表現で位置関
係を表現することにする。

(イ) １桁目の設定 １桁目は、入力パターンの始端フレーム
からｍフレームの部分区間の距離をＴ（ｍ，
ｌ）に設定する。即ち、 Ｔ（ｍ，１）＝Ｄ（１，ｍ） 又、その標準語の始端がどこにあるか
を、LT（ｍ，１）に設定する。即ち、 LT（ｍ，ｌ）＝１ ここで、部分区間候補が存在しないＤ
（１，ｍ）については処理は行わず、NT
（ｍ，１）に“０”を、Ｔ（ｍ，１）に最大
値を設定しておく。

(ロ) ｘ桁目の設定 ｘ桁目では、ｌの位置が未定の為、次の
DP漸化式で決定する。即ち、 Ｔ(m,x) ｌ＜ｍ＝ min ｌ 〔Ｄ(l,m)＋Ｔ(l,x-1)〕 NT(m,x) ｌ＜ｍ＝NS〔 argmin ｌ ｛Ｄ(l,m) ＋Ｔ(l,x-1)｝，ｍ〕 LT(m,x) ｌ＜ｍ＝ argmin ｌ 〔Ｄ(l,m) ＋Ｔ(l,x-1)〕 この場合もＤ（ｌ，ｍ）とｍについて部分
区間候補が存在しない場合は処理しないで、
NT（ｍ，ｘ）に“０”を、Ｔ（ｍ，ｘ）に最
大値を、またLT（ｍ，ｘ）には（不定値で良
いが）“１”を設定しておく。

(B‐8) 認識結果処理部１５２の動作 認識結果処理部１５２は、文レベルDP照
合部１５１により送られたＴ（ｍ，ｘ）、NT
（ｍ，ｘ）及びLT（ｍ，ｘ）中のＴ（ｍ，ｘ）
から、先ず入力単語の桁数Ｘを、次式から求
める。

Ｘ＝ argmin ｘ 〔Ｔ（Ｉ，ｘ）／ｘ〕 ここで、Ｉは入力パターンの終端フレーム
である。

次に、認識結果処理部１５２は、Ｘ桁の認
識結果をLT（ｍ，ｘ）とNT（ｍ，ｘ）から
次の(イ)及び(ロ)によつて求める。ここで、ｘ桁
の認識結果をNR（ｘ）とし、又NR（ｘ）の
始端フレームをＬ（ｘ）とする。

(イ) Ｘ桁目の認識結果 NR（ｘ）＝NT（Ｉ，Ｘ） Ｌ（ｘ）＝LT（Ｉ，Ｘ） (ロ) Ｘ−ｙ桁目の認識結果 NR（Ｘ−ｙ）＝NT〔Ｌ（Ｘ−ｙ＋１），
Ｘ−ｙ〕 Ｌ（Ｘ−１）＝LT〔Ｌ（Ｘ−ｙ＋１），Ｘ
−ｙ〕 以上の様にして、認識結果NR（ｘ）が、
従来よりも大幅に少い演算量で且つて高い
認識率をもつて求められる。

〔発明の効果〕

以上説明した様に、本発明によれば次の諸効果
が得られる。

(イ) 連続DP照合により中心候補を求めて部分区
間候補を選択する様にしたので、従来方式より
も大幅に演算量を低減させることが出来る。

(ロ) 各単語の安定部分においてその単語の標準パ
ターンの候補を抽出する様にしたので、候補が
正しく求められ高認識率を確保することが出来
る。

(ハ) 閾値を設けて中心候補の存在するフレームを
限定する様にしたので、以降の処理における演
算量を低減させて、早いレスポンスタイムを実
現することが出来る。

【図面の簡単な説明】

第１図…本発明の構成の説明図、第２図…前半
単語標準パターンの連続DP照合及び後半単語の
逆時間連続DP照合及びそれらの照合ルート例の
説明図、第３図…単語中心候補の終端及び始端方
向のDP照合及び逆時間照合の説明図、第４図…
本発明の一実施例の構成の説明図、第５図…始終
端固定のDP照合の説明図、第６図…連続DP照合
の説明図、第７図…逆時間連続DP照合の説明図、
第８図…連続DPの演算手法の説明図、第９図…
中心候補フレーム限定動作及び中心候補選択動作
の説明図。 第１図及び第４図において、１１０…標準パタ
ーン辞書部、１２０…半単語連続DP照合部、１
３０…中心候補限定選択部、１４０…単語始終端
レベルDP処理部、１５０…文レベルDP処理部。

Claims (1)

1. 【特許請求の範囲】 １ 複数の単語が連続的に発声された音声を音声
   特徴抽出部において入力パターンに変換し、該入
   力パターンを複数の標準パターンと照合して区間
   別候補を選択し、各区間の照合距離が最小となる
   ものを求めて認識を得る連続音声認識装置におい
   て、 (a) 入力パターンを複数個の標準パターン中の各
   前半単語標準パターンについて連続動的計画法
   による照合を行うと共に、入力パターンを複数
   個の標準パターン中の各後半単語標準パターン
   について逆時間連続動的計画法による照合を行
   う半単語連続DP照合部１２０と、 (b) 半単語連続DP照合部１２０の結果をある閾
   値で限定したものから入力パターンの各フレー
   ム毎にそのフレームを前半単語及び後半単語の
   各標準パターンの境界とする標準パターンを求
   め、その標準パターンより中心候補を選択する
   中心候補限定選択部１３０と、 (c) 前記中心候補が位置するフレームから始端方
   向に逆時間動的計画法による照合を行うと共
   に、終端方向に動的計画法による照合を行つて
   部分区間照合距離を求める単語始終端レベル
   DP処理部１４０と、 (d) 前記部分区間照合距離に基づいて入力パター
   ンの各桁毎に部分区間照合距離の合計が最小と
   なる組合せを求め、その結果から入力パターン
   が何桁入力であるかを判定して認識結果を求め
   る文レベルDP処理部１５０、 を備えたことを特徴とする連続音声認識装置。