JPH0416800B2

JPH0416800B2 -

Info

Publication number: JPH0416800B2
Application number: JP57048184A
Authority: JP
Inventors: Sukotsuto Maiaazu Korii; Kurisutofuaa Piatsu Furanku; Richaado Rabinaa Roorensu
Original assignee: AT&T Technologies Inc
Current assignee: AT&T Corp
Priority date: 1981-03-27
Filing date: 1982-03-27
Publication date: 1992-03-25
Also published as: CA1167967A; DE3211313C2; FR2502822B1; GB2095882B; US4400788A; FR2502822A1; DE3211313A1; JPS57169800A; GB2095882A

Description

【発明の詳細な説明】発明の背景本発明はパターン認識装置に関し、より詳細に
は連続する音声パターンを一連の単語として自動
的に認識する装置に関する。通信、データ処理、制御等に使用される装置で
は、質問、命令、データまたはその他の情報を直
接入力するための手段として話しことばを使用す
ることが多い。言語認識装置を利用すれば端末装
置を手動操作する必要がなくなり、また、他の作
業に携りながら自動装置と通信することができ
る。しかしながら、話者によつて音声パターンは
多種多様であり、特定の個人の場合でさえパター
ンに差が生じるので、言語認識の精度には限界が
ある。そのため、言語認識装置の設置条件を特別
に配慮しなければ満足な結果は得られない。一般に、言語認識装置は入力された音声信号を
複数組の所定の音響的特徴に変換する。次に、入
力音声信号の音響的特徴が、識別された標準単語
についてすでに記憶されている複数組の音響的特
徴と比較される。入力音声信号の特徴が所定の認
識基準に従つて特定の標準単語系列の特徴記憶と
一致することが判別されたとき、音声信号が識別
される。このような認識装置の精度は、どのよう
な特徴を選択するか、また認識基準としてどのよ
うなものを規定するかによつて大きく左右され
る。標準的特徴と入力音声の特徴を同じ人間から
取り、認識すべき入力音声パターンを１単語１単
語はつきりと区切つて発音すれば、最良の結果が
得られる。入力音声の特徴の系列を、連続する音声から取
出される標準単語の特徴信号パターンについて考
えられるあらゆる組合せと比較することにより、
連続する音声パターンを認識できる。しかしなが
ら、このような認識方法では、標準単語パターン
のすべてを試験しなければならないので時間がか
かり、さらに標準単語の多数の組合せを１つ残ら
ず試して適合するものを捜し当てなければならな
い。周知のように、連続する単語の数が増せば、
それと指数相関関係で系列の数を増す。そのた
め、一般的には、１つの音声パターンに含まれる
単語の数が限られている場合にまですべてを網羅
して検索するのは無駄である。ある種の情報を容易に分析できるように、検索
される系列の数を限定するために意味論および統
語論の規則を応用しても良い。たとえば、米国特
許第4156868号には、統語論による分析に基く認
識装置が記載されている。この場合、入力音声パ
ターンは統語論上可能である標準パターンのみと
比較される。しかし、一連の数字のような関連性
をもたない話しことばの場合、このような文脈上
の強制条件は当てはめても、話しことば系列の認
識能力は向上しない。米国特許第4049913号および第4059725号には、
個々の標準単語の特徴パターンと入力音声パター
ンについて可能なすべてのインターバルの特徴と
の間の類似性を計算する連続的言語認識装置が記
載されている。この類似性測定値から、各々の標
準単語特徴パターンについて部分的な認識結果が
取出される。部分的な類似性測定値と、部分的な
認識結果の双方が１つの表に書込まれる。表から
得られる認識結果を抽出して、入力音声パターン
に対応する一連の標準単語を提供する。連続する
パターンを形成する組合せとして考えられるあら
ゆる部分的パターンの組合せを表から選択する。
次に、類似性が最も大きいパターンを選択する。
このような認識装置は連続することばの認識には
有効であるが、多くの場合、標準パターンと部分
的パターンとの類似性の測定値を得るための信号
処理過程がきわめて複雑で、不経済である。本発明の譲受人に譲渡されている米国特許出願
第138647号に記載された連続的言語分析装置は、
発せられたことばを一連の標準単語として認識す
るもので、それらの標準単語について音響的特徴
信号が記憶されている。発せられたことばの音響
的特徴および標準単語の音響的特徴に応答して、
発せられたことばの構成部分として少なくとも１
つの標準単語系列が発生される。発せられたこと
ばの連続する語位置が識別される。各々の単語位
置において、発せられたことばの部分に対応する
標準単語を決定し、発せられたことばの部分に対
して所定の類似性を有する標準単語を前の単語位
置について選択された部分的候補系列と組合わせ
ることにより、連続する部分的候補系列が形成さ
れる。決定されたことば部分について、前の単語
位置の候補系列に対してことば部分の所定の範囲
を重ね合わせて、調音結合、および発せられたこ
とばの音響的特徴と区切つて発話された標準単語
の音響的特徴との間の差異に対処する。この装置の場合、未知のことばの連続する各々
のインターバルについて特定の候補部分単語を選
択することにより信号処理が著しく簡単になり、
さらに、調音結合があるときの認識精度も改善さ
れている。しかしながら、各単語位置においてあ
るいくつかのことばのある候補を選択する際に、
各単語位置を認識して行く間にその他に考えられ
る標準単語系列の候補が考慮されない。そのた
め、長いことばに関して言語認識精度が制限され
る。本発明の目的は、信号処理に対する必要条件
が限定されている連続する音声パターンを認識す
る改良された装置を提供することである。発明の概要本発明は、連続する音声パターンを一連のあら
かじめ規定された標準単語として認識するもので
ある。個々の標準単語の音響的特徴の系列を表示
する信号がスタートフレームからエンドフレーム
まで記憶される。連続する音声パターンの音響的
特徴に対応する信号の音声時系列が形成される。
音声パターンの特徴信号と、標準単語の特徴信号
の双方に応答して、複数の標準単語列が発生され
る。音声パターンは、発生する標準単語列のうち
の１つとして識別される。標準単語候補列を発生する間に、音声パターン
の連続する単語列を識別する一組の信号が供給さ
れる。連続する各々の桁に１つの音声パターン区
分が割当てられる。連続する各々の桁において、標準単語の特徴パ
ターンの音響学的に可能なフレームについて、単
語桁の音声パターン区分の特徴信号と、各標準単
語の特徴信号とが時間的に記録される。それによ
り、各標準単語について、時間的記録の音声パタ
ーン区分のエンドフレーム信号と、時間的記録に
対応する信号とが発生される。各桁の時間的記録
エンドフレーム信号および対応する信号に応答し
て、標準単語列が選択される。本発明の１つの面によれば、各桁のエンドフレ
ームについて最も良く対応する信号と、各桁のエ
ンドフレームについて最も良く対応する標準単語
を表示する信号と、最も良く対応する標準単語の
時間的記録に対するスタートフレームを表示する
信号とが記憶される。本発明の別の面によれば、各桁の音声パターン
区分の時間的記録のスタートフレームが先行する
桁の時間的記録のエンドフレームに制限される。本発明のさらに別の面によれば、各桁における
音声パターン区分の時間的記録のスタートフレー
ムは、先行する桁の最も良く対応する信号のうち
最小のものより小さい限界最良対応信号を有し、
かつ先行する桁のエンドフレームの範囲に制限さ
れる。本発明のさらに別の面によれば、各音声パター
ン区分のフレームとの時間的記録のための標準単
語フレームの範囲は調音結合効果を減少させるよ
うに選択される。第１の所定数より少なく、かつ
選択された標準単語の下限フレームに応答して標
準単語範囲の下限フレームが標準単語のスタート
フレームまで拡張され、また、第２の所定数より
多く、かつ選択された標準単語の上限フレームに
応答して標準単語範囲の上限フレームが標準単語
のエンドフレームまで拡張される。本発明のさらに別の面によれば、標準単語のエ
ンドフレームと等しいか、またはそれより広い標
準単語範囲の上限フレームに応答して時間的記録
の音声パターン区分のエンドフレームが検出され
る。本発明のさらに別の面によれば、各桁の音声パ
ターン区分フレームについて、時間的記録の対応
信号が発生される。前記桁の音声パターン区分フ
レームに対応する最大許容信号が発生され、前記
フレームについて許容される最大の時間的記録対
応信号より大きい時間的記録対応信号に応答し
て、各標準単語の時間的記録が終了する。本発明のさらに別の面によれば、各々の音声パ
ターン区分フレームとの時間的記録のための標準
単語範囲の下限フレームが標準単語のエンドフレ
ームと比較される。標準単語エンドフレームと等
しいか、またはそれより広い標準単語範囲の下限
フレームに応答して、各標準単語の時間的記録が
終了する。本発明のさらに別の面によれば、各桁における
時間的記録のための標準単語は桁識別信号に応答
して選択される。一般的考察連結された複数の単語のように連続することば
を認識する場合、音響的特徴を示す信号の時系
列、 R^V＝R^V（１），R^V（２），…，R^V（Mv） (1) が標準単語の各組について記憶される。この特徴
は、先行技術において良く知られているように、
各標準単語R^V、１ｖＶの発せられたことば
をスペクトル分析、予測分析またはその他の方法
により分析することによつて取出すことができ
る。音響的特徴をもつ信号の時系列、Ｔ＝Ｔ（１），Ｔ（２），…，Ｔ（Nm） (2) は入力音声パターンを同様の方法で分析すること
により得られる。一般に、標準単語について考え
られるあらゆる単語列が合成され、各単語列につ
いて特徴信号の系列が入力されたことばの特徴信
号の系列と比較される。その中で実際の発話に最
も近い関係で対応する単語列が入力されたことば
として認識される。話す速度には大きな差がある
ので、周知の技術である動的計画法を利用して、
標準単語列の特徴を入力されたことばの特徴に時
間的に記録しても良い。このようにすると、標準
単語列と入力されたことばとをかなり正確に対応
させることができる。各標準単語列は複数の標準単語のつながりによ
り構成されている。 R^S＝R^V1R^V2…R^VLmax (3) 単語列R^Sの音響的特徴をもつ信号は、発せら
れた実際のことばの特徴に動的に時間正規化
（DTW）されて、標準単語列の特徴ベクトル、 R^S＝R^V1（１），R^V1（２），…R^V1（M_V1），R^V2
（１），R^V2（２），…R^V2（M_V2），…R^VLmax（１），
R^VLmax（２），…R^VLmax（Mv_nax） (4) と発せられたことばの特徴ベクトル、Ｔ＝Ｔ（１），Ｔ（２）…Ｔ（ｎ），…Ｔ（Nm） (5) との間の最短DTW距離信号を発生する。単語列
R^Sを発せられたことばの特徴ベクトルＴに時間
正規化することにより得られる累積距離信号は、Ｄ（Ｔ，R^S）＝_nio Ｗ（ｎ）_Nn 〓_o=1 ｄ（Ｔ（ｎ）， R^S（Ｗ（ｎ））） (6) のように表わされる。ここで、Ｗ（ｎ）は特徴ベ
クトルＴと単語列R^Sとの間の時間正規化係数で
あり、R^S（Ｗ（ｎ））＝（ｎ，Ｗ（ｎ））は発せら
れたことばＴのフレームｎの特徴ベクトルと単語
列R^Sのフレームｍ＝Ｗ（ｎ）との間の局部的距離
である。Ｗ（ｎ）は通常、発せられたことばの終
点が単語列の終点と一致するように制限されてお
り、また時間正規化係数Ｗ（ｎ）の勾配は予測さ
れる音声パターンフレームの範囲に対応するよう
に選択されている。考えられるあらゆる単語列
R^Sに動的時間正規化を適用すると、使用する標
準単語の数がさほど多くないにもかかわらず、信
号の処理に時間がかかつて不経済である。本発明によれば、動的時間正規化を複数の連続
する桁の分割しているので、信号の処理プロセス
がかなり簡単になつている。それにもかかわら
ず、入力されたことばの候補であると考えられる
単語列R^Sの数は制限されていないため、認識の
精度は損なわれていない。第１図は、桁処理の方
式を示す。第１図の横軸は発せられたことばの連
続するフレーム１，２，…ｎ…N_nに対応する。
各桁にはことば部分が割当てられており、これは
音響的な時間記録を制限することにより規定され
る。縦軸は桁＝１，２，…L_naxに分割され、L_nax
は発せられたことばについて予測される最大数の
単語である。縦軸の各桁は標準単語のフレームに
分割される。各標準単語について、桁ＬはM_W個
のフレームを有する。標準単語パターンの継続時
間が各々異なつているため、一般に、各標準単語
のフレーム数は異なる。すべての標準単語の特徴
信号R_Vは桁のスタートフレームから始まつて発
せられたことばの部分にタイムワープされる。各標準単語について、その桁の標準単語と発せ
られたことばの部分との間で考えられる時間的記
録経路を D_A（ｎ，ｍ）＝（ｎ，ｍ）＋minD_A（ｎ−１，
ｊ）ｍ−I₂ｊ＜ｍ−I₁ (7) に従つて点（ｎ，ｍ）によりグラフに記入する。
ただし、式(7)において１ｎN_nは発せられた
ことばのフレームであり、１ｍM_wはその桁
の標準単語フレーム、また、D_A（ｎ，ｍ）は点
ｎ，ｍにおける経路に沿つた累積距離信号であ
る。（ｎ，ｍ）は発せられたことばのフレーム
ｎにおける発せられたことばの特徴ベクトルと標
準単語フレームｍにおける標準単語の特徴ベクト
ルとの間の局部的距離である。式７の右辺の項は
発せられたことばのフレームｎ−１および標準単
語R^Sのフレームｍ−I₂ｊ＜ｍ−I₁までの距離を
表わす。フレームI₁は、話す速さの差について許
容されている範囲に適合するように選択され、通
常はＷ（ｎ−１）＝Ｗ（ｎ−２）のとき１に設定さ
れ、その他の場合には０に設定される。I₂は通常
２に設定される。従つて、ｊはＷ（ｎ−１）＝Ｗ
（ｎ−２）のときｍ−２からｍ−１の範囲内にあ
り、その他の場合にはｍ−２からｍの範囲にあ
る。動的タームワープ方式は、“IEEE
Transactions on Acoustics，Speech，and
Signal Processing”，ASSP−23巻に掲載のF.イ
タクラ著の論文「言語認識に適用される最小予測
誤差」（Minimum Prediction Residual Applied
to Speech Recognition）（1975年２月、67〜72
ページ）および同雑誌ASSP−26巻に掲載のL.R.
ラビナー、A.E.ローゼンバーグ、S.E.レビンソン
（L.R.Rabiner，A.E.Rosenberg＆S.E.Levinson）
共著の論文「単語認識のための動的時間正規化ア
ルゴリズムの考察」（Considerations in
Dynamic Time Warping Algorithms for
Discrete Word Recognition）（1978年12月、575
〜582ページ）により詳細に説明されている。経路スタートフレームおよび経路エンドフレー
ム、並びに各経路における標準単語と発せられた
ことばの特徴との間の累積距離は、式７による動
的時間正規化処理により決定される。ある桁の発
せられたことばのエンドフレームは、次の桁につ
いて考えられる経路スタートフレームに対応す
る。桁の各エンドフレームについて、そのエンド
フレームまでの最短累積距離と、最短累積距離信
号に対応する標準単語と、最短累積距離経路に対
する桁スタートフレームとが記憶される。最後の
桁の処理が完了した後、記憶されていた距離信
号、標準単語、桁エンドフレームおよび桁スター
トフレームから、実際のことばに最も近い関係で
対応する系列が再構成される。ここで本願明細書中で用いられる用語の説明を
しておく。 “音声パターン”とは音声信号系列であつて
“音響的特徴”信号に該当する。これらの特徴信
号は音声のスペクトルまたは予測特徴を同定する
ことができる。これは本願明細書中の式(1)と(2)に
表わされている。 “標準単語列”とは、標準単語の同定された系
列であり、その音響的特徴は同定されるべき音声
パターンとの比較のために蓄積されている。これ
は本願明細書中の式(3)で表わされている。 “フレーム”は音声が解析のために分割される
期間を指す（例えば派生音響的特徴）または、そ
の期間に解析された音声部分を表わす信号の集ま
りである。各“桁”（後述を参照）はフレーム番号とそれ
を関連されているから、あるものは“スタートフ
レーム”と呼ばれ他は“エンドフレーム”と呼ば
れる。この点本願明細書中の式(7)以降の記述を参
照されたい。 “時間正規化”は異なる人の話す速度または同
じ人が異なる環境で話す速度を考慮するため音声
パターンを効果的に圧縮または伸張する周知の技
術を意味する。 “桁”とはここでは次の意味で用いられてい
る。 “単語桁”とは標準単語の系列の位置を示す。
Ｌは桁を指定する便宜のため用いられている。単
語桁Ｌ＝１は系列の第１の語の位置であり、単語
桁Ｌ＝２は第２の単語の位置である。最後の即ち
最大の単語位置はL_naxの単語桁となる。単語桁L_naxの総称は応用により決定される。例
えば、もし特定の７桁電話番号として接合された
単語の未知の発生を認識することが目的なら、単
語桁L_nax＝７になるだろう。単語桁Ｌ＝１，２…
…７の各々で、10個のあり得る標準単語（例え
ば、数字０，１，２，……，９）の１つが未知の
発声の一部に整合するだろう。第１図はさらに試験単語対標準単語と単語桁と
の間の関係を示している。例示の便宜上、L_nax＝
４があり得る単語桁である。単語桁Ｌ＝１，２，
３および４の各々で、２つのあり得る標準単語
（２数値０と１）の１つが入力発生に整合される。
入力発生は例えば“０，１，０，１”または
“０，０，１，０”のように連結して話された数
“０”と“１”の４つからなるとされている。第１図の横軸は入力発声フレーム系列ｎを表わ
している。左縦軸は標準単語フレームｍの系列を
表わしている。４つの単語桁が図表の右縦軸に沿
つて示されている。各標準単語ｗに関し桁Ｌでの
エンドフレームML_wは左縦軸に沿つて示されて
いる。標準単語ｗ＝０に関しては第１の単語位置
（桁１）はフレームｍ＝１で始まりそしてフレー
ムM10で終わる。同様に、標準単語ｗ＝１に関し
ては桁１はフレームｍ＝１で始まりそしてフレー
ムM11で終わる。標準単語ｗ＝０に関し桁２はフ
レームM10で始まり、そしてフレームM20で終
る。簡単化のため、この例では標準単語０と１は
同じ期間即ちML0＝ML1を有している。第１図に関して説明する。不必要な処理を避け
るために、動的時間正規化処理は予測される音声
フレームの領域にのみに限定されている。たとえ
ば、第１図のｎ＝１である発せられたことばのス
タートフレームは音響学的にはすべての標準単語
のエンドフレームに対応できない。同様に、第１
図のその他の領域も音響学では考えられないもの
である。そのため、DTW処理は認識の精度を損
なうことなく、音響学的に存在すると思われる音
声フレームの領域に限定される。第１図におい
て、DTW処理は４語から成る入力され発せられ
たことばに対応する線１０１，１０２，１０３お
よび１０４により境界を限定されている領域にの
み限つて行なわれる。許容された領域の終端の点
は、考えられる標準単語列および実際に発せられ
たことばの終点に対応する。線１０１，１０２，
１０３および１０４により囲まれた平行四辺形
は、標準単語列と発せられたことばとの間の話す
速度の２：１の増加および２：１の減少を表わし
ている。これらの境界線は式７の範囲制限により
固定されている。第１図に示すDTW処理の領域
は本発明に適合するものであるが、先行技術にお
いて良く知られている他の制限方式を本発明と組
合せて使用しても良い。第１図は、４単語で発話された二進数の系列
1001から成る音声パターンの桁形成認識過程を示
すグラフである。第６図のフローチヤートは桁形
成過程の動作系列を示す。標準単語、すなわち０
と１について音響的特徴をもつ信号を記憶した
後、オペレーシヨンボツクス６０１に指定されて
いる発せられたことばの分析が行なわれる。分析
工程において、入力されたことばに対応する音響
的特徴の系列が発声される。次に、単語桁が桁Ｌ
＝０に初期設定される（ボツクス６０３）が、こ
れに対して、単一の発せられたことばのスタート
フレームｎ＝１が存在する。オペレーシヨンボツクス６０５に従つて桁Ｌ＋
１＝１の距離信号およびスタートフレーム信号を
初期設定することにより、最初の桁処理が開始さ
れる。第１図の第１の桁は横座標１５０から線１
６０までであるが、これらの線は桁Ｌ＝１の標準
単語のスタートフレームとエンドフレームに対応
する。横座標１５０に対応する桁Ｌ＝０の終わり
が走査されて（ボツクス６０７）、その中の第１
のスタートフレームを検出する。走査によりスタ
ートフレームｎ＝１が検出された後、桁Ｌ＋１＝
１について、オペレーシヨンボツクス６０９に従
つて、発せられたことばの特徴の標準単語の特徴
への動的時間正規化が開始される。動的時間正規化処理の中で、まず最初に標準単
語フレームｍ＝１からフレームM¹ ₀まで、標準単
語「０」の特徴信号が発せられたことばの特徴信
号に動的に時間正規化されるが、この時間正規化
は実際のことばに対応するフレームｎ＝１から開
始される。このようにして、第１の桁に於いて実
際に発せられたことばのパターン部分を表示する
線１０１，１０４および１６０により境界を限定
された領域において許容される経路が形成され
る。第１図に示すように、終点n¹ ₁およびn¹ ₂を有す
るパス１１０−１および１１０−２が決定され
る。そこで、これらの経路の終点と、これらの経
路に沿つた累積距離の対応と、標準単語識別信号
ゼロとが記憶される。さらに、標準単語「ゼロ」
について終点n¹ ₃で終わる経路を決定しても良い
が、これらの経路は後に標準単語「ワン」につい
て得られる累積距離より長い累積距離を有する。次に、標準単語「ワン」の特徴信号がフレーム
ｍ＝１からＭ＝M¹ ₁まで発せられたことばの特徴
信号に動的に時間正規化されるが、この時間正規
化は発せられたことばのフレームｎ＝１から開始
される。第１図に示すように、標準単語１に対し
て経路１１０−３，１１０−４，１１０−５およ
び１１０−６が形成される。これらの経路の終点
n¹ ₃，n¹ ₄，n¹ ₅およびn¹ ₆が累積経路距離および標準単
語識別信号１と共に記憶される。標準単語「ワ
ン」について終点n¹ ₁およびn¹ ₂を有する経路を求め
ても良いが、第１図には最短累積距離の終点に向
かう経路のみが示されている。標準単語「ゼロ」
の経路と標準単語「ワン」の経路とが同じ終点で
終わつているときは、累積距離が短い方の経路を
選択する。従つて、終点n¹ ₁およびn¹ ₂で終わる標準
単語「ゼロ」の経路のみが保持され、標準単語
「ワン」の方は終点n¹ ₃からn¹ ₆で終わる経路のみが
保持される。このように、発せられたことばにつ
いて考えられる標準単語特徴信号のあらゆる組合
せが評価さえる。桁Ｌ＋１＝１の動的時間正規化
が終了すると、デシジヨンボツクス６１１に示す
ように、桁Ｌが最大桁（L_nax＝４）と比較され
る。この比較の結果、桁がＬ＝０からＬ＝１へ増
分される。デシジヨンボツクス６１１を介してボ
ツクス６０５へ再び戻るので、桁Ｌ＋１＝２の距
離とスタートフレームの記憶が初期設定される。
ボツクス６０７において桁Ｌ＝１の第１のスター
トフレームが走査されると、桁Ｌ＋１＝２の動的
時間正規化の最初のスタートフレームとしてフレ
ームn¹ ₁が検出される。第２の桁のDTW処理（ボツクス６０９）にお
ける標準単語の特徴信号のフレームの系列は線１
６０と１７０との間にある。音声パターン区分の
線１６０，１０１，１７０，１０３および１０４
により境界を限定させた領域内にあるDTW処理
経路のみが許容される。第２の桁処理のスタート
フレームは第１の桁の経路のエンドフレームに対
応しているので、連続性が維持される。線１６０
上で始まる標準単語ゼロの特徴信号が、ことばフ
レームn¹ ₁で始まることばの特徴信号に動的に時間
正規化される。第１図に示すように、その中で特
にDTW経路１２０−５，１２０−７，１２０−
８，１２０−９および１２０−１０が形成されれ
る。これらの経路の終点n² ₅，n² ₇，n² ₈，n² ₉および
n² ₁₀は発せられたことばの開始点からこれらの終
点までの累積距離、並びにゼロ標準単語識別信号
および決定された前記の経路の第２桁（Ｌ＋１＝
２）スタートフレームと共に記憶される。次に、線１６０と１７０との間の標準単語「ワ
ン」の特徴信号がフレームn¹ ₁で始まる発せられた
ことばの特徴信号に時間正規化されて、標準単語
「ワン」に対する第２の桁の経路が決定される。
その中で特に経路１２０−１，１２０−２，１２
０−３，１２０−４および１２０−６が形成され
る。これらの経路のエンドフレームn² ₁，n² ₂，n² ₃，
n² ₄およびn² ₆について、発せられたことばのスター
トフレームからの累積距離と、標準単語１の識別
信号と、これらの経路の開始点となつている線１
６０に沿つたフレームとが記憶される。第２の桁
（Ｌ＋１＝２）の時間的記録処理（オペレーシヨ
ンボツクス６０９）が終了すると、許容領域内部
のすべての２語部分単語列が評価され、可能な候
補単語列を限定する信号が記憶される。ここで再
びデシジヨンボツクス６１１へ戻る。最後の桁
L_nax＝４がまだ処理されていないので、桁Ｌは２
に増分される（ボツクス６１５）。次にボツクス６０５に入れ、次の桁Ｌ＋１＝３
の記憶が初期設定される。次に桁Ｌ＝２が走査さ
れて（ボツクス６０７）、第３の桁（Ｌ＋１＝３）
の時間的記録処理の最初のスタートフレームとし
てエンドフレームn² ₁が検出される。第３の桁の処
理（ボツクス６０９）の間に、標準単語の特徴信
号が線１７０と線１８０との間の第３の桁におい
て反復される。標準単語の特徴信号が線１７０上
の発せられたことばのフレームn² ₁で始まる発せら
れたことばの特徴信号に動的に時間正規化される
と、その結果として、標準単語ゼロに対する最良
の距離の経路１３０−１，１３０−３，１３０−
４，１３０−５および１３０−６と、標準単語１
に対する最良の距離の経路１３０−２とが形成さ
れる。線１７０上のスタートフレームから発する
他の経路も考えられるが、これらの経路は線１７
０，１０１，１０２，１８０および１０３により
限定される領域の外にあるために、または考慮に
入れるにしては余りに累積距離が長すぎるために
無効である。累積距離信号、標準単語識別信号、
および許容される終点に関するスタートフレーム
信号が記憶されると共に、第３の桁の終了的に３
つの標準単語について考えられるすべての単語列
が識別される。ここで再びデシジヨンボツクス６１１に入り、
その結果、インデツクスボツクス６１５において
桁インデツクスがＬ＝３に変化する。先の桁処理
に関して述べたように、オペレーシヨンボツクス
６０５において桁Ｌ＋１＝４の距離信号とフレー
ムの記憶が初期設定される。オペレーシヨンボツ
クス６０７により桁Ｌ＝３について記憶されてい
るフレーム信号が走査され、桁Ｌ＋１＝４の動的
時間正規化の第１フレームとしてスタートフレー
ムn³ ₁が選択される。次に、オペレーシヨンボツク
ス６０９に示すように第４の桁のDTW処理が行
なわれる。第１図に示すように、標準単語の特徴信号と発
せられたことばの特徴信号との間の第４の桁の動
的時間正規化の結果、線１８０上のことばフレー
ムn³ ₅と線１９０上のことばエンドフレームN₁と
の間に単一の経路１４０−１が形成される。第４
の桁のDTW処理の後、動的時間正規化経路と発
せられたことばのエンドフレームＮの交差点が検
出され、デシジヨンボツクス６１１において桁処
理が終了する。次にオペレーシヨンボツクス６１
３に入り、記憶されている桁データから最良の標
準単語列が再構成される。そこで、第１図におい
て、記憶された桁終点n³ ₅，n² ₉およびn¹ ₅により桁
４，３，２および１を通して経路１４０−１，１
３０−５，１２０−８および１１０−５がバツク
トラツクされる。このようにして、入力されあこ
どばとして二進シーケンス1001が選択される。任
意の桁において２つ以上の経路が発せられたこと
ばの最終フレームN_nで終わるとき、第１図にお
いて考えられる限りの時間的記録経路について累
積距離を比較することにより、最も近い関係で対
応する標準単語列を選択することができる。また
は、特定の数の数字を有する標準単語が選択され
る。第１図に示す例において許容される記録経路の
領域は、発せられたことばの最終フレームN_nを
線１９０上の最後の標準単語エンドフレームと一
致させることにより、連結された所定数の単語か
ら成ることばのみを含むように定められている。
この方式はと容易に変更することができ、許容領
域を各桁について最低音声速度境界線１０４の上
方にある末端を含むように広げれば、より少ない
単語から成る発せられたことばを処理することが
できる。第１図において、動的時間正規化領域を
線１０４，１７０および１８０を延長した点線と
点線１０５により示される領域まで拡大すること
によつて、２単語または３単語の標準単語列を使
用して発せられたことばを処理することができ
る。このように領域を拡大すれば連結された様々
な長さのことばを認識することができる。ただ
し、入力されたことばの語の最大数があらかじめ
規定されるという制限がある。第１図に示す例においては、第４の桁の経路１
４０−１の終点は発せられたことばのエンドフレ
ームＮを限定する線と交差していた。このような
必要条件を設定すると、競合する標準単語列を選
択する際に不当な制限が加わることがある。いく
つかのフレームについて１つの最終範囲が限定さ
れる方式では、入力されたことばのエンドフレー
ムの決定にある程度の誤りが許される。従つて、
第１図の場合には、線１９２と１９４との間の終
端範囲が適切な発せられたことばの終点領域を提
供している。より広い範囲の発せられたことばの
最終フレームを受容するため、線１２０が点線１
０９の位置までずらされている。先行技術においてよく知られているように、連
結された複数の語から成る音声パターンを孤立し
た標準単語パターンがつながつたものと共に時間
的に記録して行くと、連結された語の音声パター
ンにおける調音結合のために誤りが生じる。標準
単語は単独で発話されたとき、一般に長く伸びる
ため、このような誤りは語の開始領域と終了領域
との間のずれに起因するということができる。第
１図例示した方式を変形して、各桁の境界線にお
いてスタートフレームとエンドフレームとが最も
良く適応しているものを選択できるようにするこ
とにより、このような調音の結合に対処しても良
い。その結果、桁境界線に近接する時間的記録が
調音結合を受容するように調節される。第１図の各桁における発せられたことばのスタ
ートフレームは先行する桁において形成されたエ
ンドフレームに対応するが、先行する桁の終点と
関連する累積距離の大きさとは無関係である。認
識方式を変形して、先行する桁の処理中に決定さ
れた最良の平均累積距離の規定された範囲に従つ
てスタートフレームを制限することにより、必要
な信号処理をさらに減少させても良い。このよう
な制限を加えても、存在すると思われる構成部分
のうち最小量のものが考慮から外されるだけであ
るので、認識精度は実質的に影響を受けない。詳細な説明第２図および第３図は本発明による連続的言語
認識装置の詳細なブロツク図を示す。第２図にお
いて、標準単語の特徴信号用記憶装置２０５は複
数のテンプレイト信号を記憶する。この記憶装置
２０５は、データ・インク（DATA INC.9889
ウイロー・クリーク・ロード、私書箱26875、サ
ン・デイエゴ、カリフオルニア州、アメリカ合衆
国92126）社刊のデータ・ブツクエレクトロニ
ツク・インフオメーシヨン・シリーズ（Data
Book Electronic Information Beries）に記載
されている745287型プログラマブル読出し専門メ
モリ（PROM）集積回路であつても良い。各テ
ンプレイト信号は１つの標準単語の音響的特徴の
系列を表示する。これらの音響的特徴は、先行技
術において良く知られている直線的予測分析によ
り、単語の孤立した複数の発話から取出される。
直線的予測パラメータは第２図および第３図の回
路において特徴信号として使用されるが、スペク
トルパラメータまたはフオルマントパラメータ等
の他の音響的特徴を本発明と組合わせて利用して
も良い。各標準単語として発せられたことばはＭ
語のフレームに分割され、各フレームについて
（ｐ＋１）番目の特徴ベクトル信号が発生される。
特徴ベクトル信号は、フレーム音声信号の自己相
関された直線的予測係数に対応する。そこで、標
準単語のテンプレイトは式１の信号により表わさ
れる。標準単語W₁，W₂…W_nのテンプレイト信
号は特徴記憶装置１０５に記憶され、単語カウン
タ２２０からのテンプレイト語数信号Ｗによりア
ドレスされる。この単語カウンタ２２０は、デー
タ・ブツクの74163型２進アツプ／ダウンカウ
ンタを具備していても良い。例えば、第２図およ
び第３図に示される認識装置が発話された数の系
列を認識するものとすれば、標準単語の組は０か
ら９までの数字から構成されることになる。第２図の発せられたことばの特徴信号用発生器
２０１は、電気音響変換器２００からの音声信号
を受信し且つ受信した話しことばを標準単語の特
徴信号用記憶装置１０５に記憶されている信号と
同種類の一連の音響的特徴信号に変換するように
調整されている。変換器２００からの音声信号の
各々のフレームについて直線的な予測コード化分
析が行なわれて、そのフレームの（ｐ＋１）番目
の特徴ベクトル信号が形成される。この分析か
ら、式２に示した発せられたことばの特徴信号の
系列が得られる。特徴ベクトル信号Ｔ（ｎ）は
次々に発せられたことばの特徴信号用記憶装置２
０３（データ・ブツクの745207型ランダム・ア
クセス・メモリ（RAM）を複数具備する）へ転
送され、そこでフレームごとに記憶される。発せ
られたことばの特徴信号の発生器２０１は米国特
許第4092493号に記憶の直線的予測係数発生器ま
たは先行技術において良く知られている他の
LPC発生装置とすれば良い。時間的記録処理は各桁について、記憶装置２０
３からの発せられたことばの特徴信号と、記憶装
置２０５からの標準単語の特徴信号とに応答して
DTWプロセツサ２０７において行なわれる。プ
ロセツサ２０７で発生した累積距離信号d_Sは桁記
憶装置２１０の部分２１０−２に挿入される。桁
記憶装置２１０はデータ・ブツク 745207型ラン
ダム・アクセス・メモリを複数具備していても良
い。桁記憶装置は発せられたことばのフレーム数
ｎと桁Ｌの双方によりアドレスされる。部分２１
０−１は、動的時間正規化処理の間にDTWプロ
セツサ２０７から得られるスタートフレーム数
SFNを記憶する。部分２１０−３は、時間正規
化処理と関連する標準単語識別信号Ｗを記憶す
る。信号ｎおよびＬによりアドレスされた処理結
果は線路２１１−１，２１１−２および２１１−
３において各々スタートフレーム信号SFN、累
積距離信号ｄおよび標準単語識別信号Ｗとして利
用できる。第３図のフレーム系列論理回路３０７は、記憶
装置２０３からの発せられたことばの特徴信号の
読出しを制御する発せられたことばのフレームｎ
の系列を提供すると共に、DTWプロセツサ２０
７の動作を決定する制御信号を発生する。第２図
のハツクトラツク記憶装置２６０は最終桁の処理
が改良した時点で動作状態となつて、桁処理中に
決定されたDTW経路を記憶する。それにより、
最も近い関係で対応する標準単語列が選択され
る。例えば、第２図および第３図の言語認識装置
は、連続する最長５桁の数より成ることばを認識
するために使用されるものとする。ただし、この
言語認識装置を任意の文字から成る話しことばの
単語または句および単語以外の長さを有すること
ばを認識するために使用しても差しつかえない。
説明のために選択したことばは、128フレームに
わたる数字系列「4453」である。発せられたこと
ばを電気音響変換器２００に印加する前に、スイ
ツチ２０６等の外部装置の制御の下で信号発生器
２０４により信号STARTは発生される。 START信号は、第４図に詳細に示すコントロ
ーラ３５０に印加される。第４図のコントローラ
は第２図および第３図の認識回路の全般的な動作
順序を決定するシーケンス制御回路４００と、シ
ーケンス制御回路４００により選択される個々の
動作モードを決定するコントローラ４１０，４２
０，４３０，４４０および４５０とを具備する。
第４図の各制御回路は、“Electronic Design”４
号（1979年２月15日刊）の128〜139ページに掲載
されたステフアン・Ｙ・ラオ（Stephan Y.Lau）
著の論文「バイポーラ・プロセツサの制御による
高速性の活用法」（Let Ａ Bipolar Processor
Do Your Control and Take Advantage of
Ite High Speed）に記載されているもののよう
な先行技術において良く知られているマイクロコ
ンピユータである。先行技術において良く知られ
ているように、この種のコントローラはこれに印
加される信号の状態に応答して、１つ以上の選択
された出力信号を発生する。すべての制御回路は
読出し専用メモリを含み、このメモリの中に、制
御回路の動作シーケンスを指示する一組の命令が
記憶されている。シーケンス制御回路４００への
命令は付録ＡにFORTRAN言語で示されている。
同様に、付録Ｂ，Ｃ，Ｄ，ＥおよびＦに夫々コン
トローラ４１０，４２０，４３０，４４０および
４５０への命令を示す。発生器２０４からの信号STARTはシーケンス
制御回路４００に供給され、シーケンス制御回路
４００はこの信号に応答して制御パルスSAと、
制御信号Ａとを発生する。制御パルスSAは第２
図の発せられらことばの特徴信号用発生器２０１
に印加され、発生器２０１を調整して、変換器２
００からの音声パターン信号に応答して一連の発
せられたことばの特徴ベクトル信号Ｔ（ｎ）およ
びフレームアドレス信号FSAを発生させる。フ
レームアドレス信号FSAはANDゲート２２２お
よびORゲート２２６を介して発せられたことば
の特徴信号用記憶装置２０３のアドレス入力端に
伝送される。一方、制御信号Ａは動作可能状態と
なつている。第７図のフローチヤートは発せられたことばの
分析動作を示す。ボツクス７００に示すように信
号STARTが得られると、制御パルスSAが発生
され且つオペレーシヨンボツクス７１０に指示す
るように発せられたことばの特徴信号が発生され
記憶される。発せられたことばの分析と、特徴信
号の記憶装置２０３への書込みが完了すると、発
生器２０１により制御パルスEAが発生され、且
つ発せられたことばのエンドフレームN_n＝128が
発生器２０１からフレームカウンタ２３０へ転送
される。第４図のシーケンス制御回路４００はパ
ルスEAに応答して制御パルスSBOおよびSLJM
を発生する。これらの信号は、第７図のオペレー
シヨンボツクス７２０に示すように桁処理を第１
の桁に初期設定するように動作する。制御パルス
SBOは第２図のバツクトラツク・カウンタ２４
０のセツト入力端に印加され、それによりこのカ
ウンタはゼロ状態にリセツトされる。パルス
SLJMはORゲート４６７を通過て、ORゲート４
６７からのSLJ信号は桁カウンタ２５０に印加さ
れる。桁カウンタ２５０はその結果としてゼロ状
態にリセツトされるので、カウンタ２５０からの
Ｌ出力はゼロであり、Ｌ＋１出力は１である。カ
ウンタ２５０は74163型カウンタ回路と、74163型
加算回路と、7485型比較回路とを周知の配置で具
備している。発せられたことばの分析が終了した時点で現わ
れるパルスEAはさらに、シーケンス制御回路４
００に第８図のフローチヤートに示すような制御
パルスSIを発生させる。制御パルスSIは、第２図
および第３図の認識回路を第１初期設定モードに
入るように調整する働きをする。この第１初期モ
ードにおいては、桁記憶装置２１０の桁Ｌ＋１＝
１記憶位置がプリセツトされる。このように、第
１の桁部分の音声パターンの特徴信号が第１の桁
の標準単語の特徴信号に動的に時間正規化される
前に、桁記憶装置２１０が初期設定される。第８
図のボツクス８１０に指示するように、記憶装置
２１０の桁Ｌ＋１＝１に対する音声パターンフレ
ームのアドレスは第１のフレームn_S＝１にセツト
される。オペレーシヨンボツクス８２０に示すよ
うに第１のフレームの距離信号記憶位置は第２図
および第３図の回路において利用しうる最大限の
数のコードLPNにセツトされ、また発生された
ことばのフレームn_S＝１と関連するスタートフレ
ーム記憶位置はゼロにセツトされる。発せられた
ことばのフレームの数が増分され（ボツクス８３
０）た後、デシジヨンボツクス８４０を介して再
びオペレーシヨンボツクス８２０に入るので、次
のことばフレームの距離信号とスタートフレーム
数の記憶位置をプリセツトすることができる。記
憶初期設定動作は、ことばフレーム数が最大こと
ばフレームN_n＝128より大きくなるまで続き、大
きくなつた時点で時間制御パルスEIが発生する。初期設定の開始時に、制御回路４００からのパ
ルスSIが桁初期設定コントローラ４１０に供給さ
れる。コントローラ４１０により発生される制御
信号Ｉは、桁記憶装置アドレス論理回路２９０内
のORゲート２３１およびORゲート２５４に印
加される。制御信号Ｉに応答してANDゲート２
３３が待機状態となる。同様に、ANDゲート２
５６はORゲート２５４の出力により待機状態と
なる。次に、コントローラ４１０において制御パ
ルスSN１Ｉが発生されるので、信号のSN１が
ORゲート４６１からフレームカウンタ２３０の
リセツト入力端へ転送される。それによりフレー
ムカウンタは第１の状態に初期設定され、n_S出力
が１にセツトされる。n_S＝１信号がANDゲート
２３３およびORゲート２３８を通過するので、
桁記憶装置２１０のｎ＝１発生されたことばのフ
レームの記憶位置がアドレスされる。桁カウンタ
２５０はすでにリセツトされており、そのＬ＋１
出力は１である。Ｌ＋１＝１信号はANDゲート
２５６およびORゲート２５９を通過し、それに
より、桁記憶装置２１０のＬ＝１桁がアドレスさ
れる。このように、記憶装置２１０内の桁１の第
１の発せられたことばのフレーム記憶セルが選択
される。記憶装置２１０は745207型RAMと、745287型
PROM集積回路とを具備し、３つの部分に分割
されている。選択したアドレスの時間的記録経路
のスタートフレームSFNは部分２１０−１に記
憶される。アドレスされたフレームに関する動的
正規化により得られる累積距離ｄは部分２１０−
２に記憶され、アドレスされたフレームに関する
動的時間正規化から得られる標準単語識別信号Ｗ
は部分２１０−３に記憶される。記憶装置２１０において桁Ｌ＋１＝１の発生さ
れたことばのフレームn_S＝１がアドレスされた時
点で信号Ｉに応答してゼロコード信号がANDゲ
ート２７４およびORゲート２８６を通過する。
ゼロ信号は記憶装置の部分２１０ー１の情報入力
端に示されるANDゲート２８４が信号Ｉにより
待機状態となるので、LPN信号はこのAMDゲー
トを通過し、ORゲート２８２を介して記憶装置
の部分２１０−２の情報入力端に達する。コント
ローラ４１０は動作状態となつて信号WLSIを発
生し、書込み信号WLSがORゲート４６５を介し
て記憶装置２１０の書込み可能入力端に印加され
る。それにより、ゼロコードおよびLPNコード
が桁記憶装置の部分２１０−１および２１０−２
の記憶位置Ｌ＝１，ｎ＝１に各々挿入される。次にコントローラ４１０において制御パルス
IN１Ｉが発生されて、ORゲート４６３を介して
フレームカウンタ２３０に印加される。フレーム
カウンタが増加すると、フレームカウンタ２３０
から得られる信号n_S＝２により、桁記憶装置２１
０の第２の発せられたことばのフレーム記憶位置
（Ｌ＝１，ｎ＝２）がアドレスされる。コントロ
ーラ４１０から出力される次のWLS信号が動作
状態となつて、SFN（２）およびｄ（２）の記憶
位置を夫々ゼロおよびLPNに初期設定する。コ
ントローラ４１０からのIN１ＩパルスとWLSIパ
ルスのシーケンスは所定の速度で反復されて、桁
Ｌ＋１＝１の発せられたことばのフレームの記憶
位置１からN_nをプリセツトする。フレームカウ
ンタ２３０のNMS出力は、このカウンタがn_S＝
N_nの状態に達したときに動作可能となる。カウ
ンタ２３０からのNMS信号に応答して、コント
ローラ４１０は制御パルスEIを発生する。この
制御パルスEIは、記憶装置の部分２１０−１お
よび２１０−２のＬ＝１とｎ＝N_nの記憶位置が
夫々０とLPNにセツトされた後に、第１の桁の
初期設定を終了させる。各桁処理の動的時間正規化は、先行する桁の、
最高のエンドフレームの検出と記憶が完了した後
に、先行する桁の最低エンドフレームにおいて開
始される。その結果、桁記憶装置の部分２１０ー
１におけるＬ＝０記憶位置がフレームn_S＝１から
順に走査され、ゼロでない値のスタートフレーム
が存在する第１のフレームが検出される。桁Ｌ＝
０は発せられたことばの開始点に対応し、フレー
ムn_S＝１に対してゼロでない値の単一スタートフ
レームSFN＝１を有する。桁記憶装置２１０に
おいて、Ｌ＝０エントリが固定され、ROM部分
に提供される。部分２１０−１のn_S＝１記憶位置
は永久的にSFN＝１にセツトされており、部分
２１０−２の対応する記憶位置は固定的にｄ＝０
にセツトされている。部分２１０−１内の桁Ｌ＝
０に対する他のすべてのフレーム記憶位置は固定
的にSFN＝１にセツトされており、部分２１０
−２の他のすべての記憶位置はｄ＝LPNにセツ
トされている。コントローラ４１０からのパルスEIに応答し
て走査モードが開始される。このパルスEIは、
シーケンス制御回路４００に制御パルスSBを発
生させる。パルスSBに応答して、スキヤンコン
トローラ４２０は信号BBを発生し、この信号は
ORゲート４６９を介して信号Ｂとして、走査が
続いている間、桁記憶装置アドレス論理回路２９
０のORゲート２３１および２５２に印加され
る。ORゲート２３１の出力はANDゲート２３３
を待機状態にするので、フレームカウンタ２３０
からのn_S走査アドレス信号のシーケンスがORゲ
ート２３８を介して桁記憶装置２１０のｎアドレ
ス入力端に印加される。ORゲート２５２の出力
はANDゲート２５８を待機状態とし、それによ
り、Ｌ＝０信号がANDゲート２５８およびORゲ
ート２５９を通過して、桁記憶装置２１０のＬア
ドレス入力端に印加される。スキヤンコントローラ４２０は走査モードの開
始時にさらにパルスBDおよびSNMを発生する。
SNMパルスは、第９図のインデツクス設定ボツ
クス９１０に示すように、フレームカウンタを発
せられたことばの終点（n_S＝N_n）の状態にセツ
トする。次に、アドレス論理回路２９０は桁Ｌ＝
０のn_S＝N_nフレームを選択し、フレームN_nにつ
いてのSFN＝０信号とｄ＝LPN信号が夫々ゲー
ト３３５および除算器３５５に供給される。
SFN＝０信号は比較器３３８はSFN＝０信号に
応答して動作不能状態のままである。その結果、
ANDゲート３８１の出力端の信号DMTAも動作
不能状態のままである（オペレーシヨンボツクス
９１２）。次にスキヤンコントローラ４２０はパ
ルスDN１を発生し、このパルスはオペレーシヨ
ンボツクス９１４に従つてフレームカウンタ２３
０を減少させる。n_S＝N_nのとき、信号NSOは動
作不能状態のままである。信号BDがあるとき、
比較器３８５においてn_S信号がゼロと比較され
る。このようにして、フレームカウンタはn_S＝１
となるまで繰返し減少される。 n_S＝１のときSFN＝１信号は比較器３３８の
出力を動作可能にする。桁記憶装置２１０の部分
２１０−２からのＬ＝０，n_S＝１のｄ信号はゼロ
である。除算器３３５は信号ｄ（１）／１＝０を
発生し、この信号は比較器３０５において、先に
ラツチ３０９に記憶されていたLPN信号と比較
される。信号DMTは動作可能となり、且つゲー
ト３８１はANDゲート３５９を介して動作可能
のDMTA信号をラツチ３６０に供給する。それ
により、n_S＝１信号がラツチ３５０に入る（オペ
レーシヨンボツクス９２０）。DMTA信号はスキ
ヤンコントローラ４２０にも印加され、コントロ
ーラ４２０はこれに応答して信号BDを動作不能
にし、信号BUを動作可能にする。そこで、スキ
ヤンコントローラ４２０は信号SN1Bを発生し、
この信号はパルスSN１としてORゲート４６１
を通過してフレームカウンタ２３０を当初のn_S＝
１状態にリセツトする（オペレーシヨンボツクス
９２２）。このように、記憶装置２１０において
桁Ｌ＝０のn_S＝１発せられたことばのフレーム記
憶位置が選択される。次に、桁記憶装置の部分２
１０−２からの、選択されたフレーム記憶位置に
関する距離信号ｄ＝０が線路２１１−２において
利用可能となる。距離信号ｄ＝０はこの線路２１
１−２から除算器３３５およびゲート３０４を介
して第３図の比較器３０５の一方の入力端に供給
される。乗算器３０３からの比較器３０５への他
方の入力はこの時点ではゼロより大きく、比較器
３０５からの信号DMTは動作可能となる。動作
可能のDMT信号はゲート３８１に印加される。
比較器３３８に記憶装置２１０−１からのSFN
＝１信号があるため、信号DMTAは動作可能と
なり且つANDゲート３６８を介してラツチ３７
０がセツトされる。次に、スキヤンコントローラ
４２０がラツチ３７０からの信号DMTRに応答
して制御パルスEBを発生する。信号EBは走査動
作を終了させる。EBパルスは次にシーケンス制
御回路４００にパルスFSLおよびSCを発生させ
る。 FSLパルスがフレームシーケンス論理回路３０
７に印加されると、桁記憶装置の部分２１０−１
からのその時点でのSFNコード（n_S＝１）がフ
レームシーケンス論理回路３０７に挿入される。
このようにして、フレームｎ＝１において第１の
桁の動的時間正規化が開始される。SCパルスは
DTWコントローラ４３０に制御信号シーケンス
を発生させる。この制御信号シーケンスは第２図
および第３図の回路を調整して、第１の桁の音声
パターン区分の特徴信号を発せられたことばのフ
レームSFN＝１から第１の桁の標準単語の特徴
信号に動的に時間正規化させる。第１０図のフローチヤートは本発明による桁
を、動的に時間正規化する方式を示す。前述のよ
うに、動的時間正規化処理は、桁Ｌ＝１に対する
時間的記憶経路の終点を決定し且つ累積距離信
号、最良の標準単語識別信号、および前記の終点
に対するスタートフレーム信号を桁記憶装置２１
０に記憶させるように作用する。第１０図におい
て、フラツグはボツクス１００１に示すように初
期設定される。このフラツグは、有効桁エンドフ
レームが検出されたときにリセツトされる。第１
の標準単語W₀（ゼロ）がボツクス１００５におい
て選択され、動的時間正規化の最初のフレームは
直前の走査モードで決定されたスタートフレーム
SFN＝１にセツトされる（ボツクス１０１０）。
標準単語ゼロの最初のフレームはフレームｎ＝１
である。次に、音声パターン区分の特徴信号の標
準単語の特徴信号への動的時間正規化が開始され
る（ボツクス１０１５）。 DTW処理は、式７に示した一般的手順に続い
て行なわれる。本発明によれば、各桁の標準単語
フレームが３つの区分、すなわち最初の区分δR
１と最終区分δR２と、これら２つの区分の中間
にある区分とに分割される。式(7)に関して説明し
たように、許容される標準単語フレームは発生し
うる音響的条件に適合するように選択されてい
る。１つの桁の中間部分では、音声速度は式７の
制限に従つている。記憶装置２０５内の標準単語
の音響的特徴は、実際に単独で発話されたことば
から取出される。連結された複数の単語から成る
音声パターンの隣接する単語は一般に調音結合状
態にある。従つて、標準単語フレームの範囲は最
初の区分および最終区分においてこの調音結合を
考慮して調節される。最初の区分において、式７
の最後の項に対する標準フレームがδR１のフレ
ームの範囲全体にわたつて選択される。区分δR
１に関しては、I₂がｍであり、Ｗ（ｎ−１）＝Ｗ
（ｎ−２）であればI₁は１であり、その他の場合
にはゼロである。同様に、最終区分において領域
δR２全体にわたつてフレームが選択される。区
分δR２においては、Ｗ（ｎ−１）＝Ｗ（ｎ−２）で
あればI₁は１および０、その他の場合には標準単
語のエンドフレームm^L _Wであり、I₂はδR２−M^L _W
である。このように、発せられたことばの特徴の
標準単語の特徴への時間的記録が調音結合が存在
するときより正確に行なわれる。典型的には、話
者に付随する標準特徴信号のテンプレイトに対し
てδR１＝４，δR₂＝６である。話者とは無関係な
標準パターンの場合、δR１はゼロにセツトされ、
δR２＝４である。オペレーシヨンボツクス１０１５の動的時間正
規化は各々連続する発せられたことばのフレーム
ｎについて標準単語フレーム１ｍM^L _Wの範囲
全体にわたつて行なわれる。DTWプロセツサ２
０７において行なわれる動的時間処理動作のフレ
ーム選択は、第５図に詳細に示すフレームシーケ
ンス論理回路３０７により制御される。第２図から第５図に示す実施例において、
DTWプロセツサ・コントローラ４３０はシーケ
ンス制御回路４００からのパルスSCに応答して
制御パルスSW１およびFSR、並びに制御信号Ｃ
を提供する。第２図の単語カウンタ２２０はパル
スSW１によりＷ＝W₀状態にリセツトされる。
FSRパルスはカウンタ５０５を当初の状態にリ
セツトする。カウンタ５０５は、すでに処理され
た桁の発せられたことばのフレームの数を記憶す
る。ラツチ５０１に挿入された発せられたことば
のスタートフレームはパルスFSRによりカウン
タ５０３へ転送されるかカウンタ５０３のｎ出力
はDTW処理のための入力音声パターンフレーム
信号を提供する。FSR信号はさらにORゲート３
６９を介してフリツプフロツプ３７０をセツトす
る。これによりDMTR信号は各DTW走査の開始
時に動作可能となる。コントローラ４３０からの信号Ｃは桁記憶装置
アドレス論理回路２９０のORゲート２５１およ
び２５２に印加される。次に、カウンタ５０３か
らのフレーム信号ｎがANDゲート２３６を通過
して記憶装置２１０のｎアドレス入力端に達す
る。ANDゲート２５８はORゲート２５２の出力
に応答して、桁信号Ｌを桁カウンタ２５０から記
憶装置２１０のＬアドレス入力端へ通過させる。
その桁でのDTW処理が開始されるとき、第５図
のカウンタ５０３からの最初の音声パターン部分
のフレームが、ANDゲート２２４およびORゲー
ト２２６を介して、発せられたことばの特徴信号
用記憶装置２０３に対して音声パターン区分フレ
ームアドレス信号ｎを提供する。フレーム信号ｎ
に対応する音声パターン特徴信号がDTWプロセ
ツサ２０７の入力端に供給される。DTWプロセ
ツサ２０７は最初に、その範囲下限出力端におい
て第１の標準単語フレーム信号（M_L）を提供す
るようにあらかじめ調整される。このM_L＝１信
号は第５図の比較供給５２４に供給される。比較
器５２４は、処理が桁の最初の部分δR１で行な
われているか否かを検出する。通常はδR１は４
つのフレームにセツトされる。１M_LδR１の
とき、比較器５２４の出力は動作可能となり、そ
の時点での発せられたことばのフレームが先行す
る桁のエンドフレームであればANDゲート５３
０から信号Ｒ１が得られ、また、フリツプフロツ
プ３７０からの信号DMTRが動作可能となる。
このDMTR信号は、音声区分フレームが先行す
る桁エンドフレームの範囲内にあるときに現われ
る。そこで、DMTR信号は桁から桁へと連続す
る動的時間正規化経路である。 DTW処理はDTWコントローラ４３０からの
制御パルスDSTにより開始される。プロセツサ
２０７からの標準単語フレーム信号M_Hは、標準
単語の特徴信号用記憶装置２０５をアドレスする
ために使用されるので、選択された単語Ｗの必要
なフレームの標準特徴信号は式(7)に従つてDTW
プロセツサに供給される。標準単語フレーム信号
M_LがδR１を越えたとき、比較器５２４の出力は
動作不能となり且つ信号R1がDTWプロセツサか
ら排除される。その結果、式７のDTW処理に対
する制限が変化して、中間区分の音響的条件に適
合するようになる。記憶装置２０５からの標準単語エンドフレーム
信号M^L _Wはアドレスされた標準単語のエンドフレ
ームに対応し、第５図のフレームシーケンス論理
回路の減算器５１５および比較器５２０に供給さ
れる。進行している動的時間正規化における標準
単語フレームの範囲の上限である信号M_Hはプロ
セツサ２０７から減算器５１５および比較器５２
０に供給される。減算器５１５からの差信号M^L _W
−M_Hがその桁の最終部分に対応するδR2信号と
等しいか、またはそれより小さいとき、比較器５
１８の出力（Ｒ２）が動作可能となる。信号R2
はプロセツサ２０７の制御入力端の１つに印加さ
れ、そのため、動的時間正規化に対する制限が変
化して、桁処理の最終部分を受入れるようにな
る。プロセツサ２０７が動作している間、その時点
での標準単語の特徴と桁のフレーム（ｎ）までの
音声パターン部分の特徴との間の距離を表示する
信号d′が第１０図のデシジヨンボツクス１０２０
に示すように閾値Ｔ（ｎ）と比較される。閾値Ｔ
（ｎ）はROM５０９の出力であつて、その時点
のフレームにおける有効な構成部分である標準単
語について予測される最大の距離信号にセツトさ
れている。プロセツサ２０７からの距離信号d′が
閾値Ｔを越えた場合、標準単語に対する距離の処
理が阻止される。そこでインデツクスボツクス１
０５０に入り、その標準単語が選択される。次に
デシジヨンボツクス１０５５に入つて、その桁に
ついてすべての標準単語が処理された否かが決定
される。未処理の標準単語がある場合には、ボツ
クス１０１５に示すように、処理に関する発せら
れたことばのフレームが先行する走査動作におい
て決定されたスタートフレームにセツトされた
（ボツクス１０１０）後に、動的時間正規化が再
び開始される。第２図および第５図に関して説明する。DTW
プロセツサ２０７からの信号d′は比較器５１１の
一方の入力端に供給され、この比較器５１１にお
いてポツクス１０２０の閾値決定が行なわれる。
前述のように、信号FSRにより距離の処理が開
始された時点でカウンタ５０５が１にリセツトさ
れる。音声区分フレームｎがボツクス１０１５に
おいて処理された後、カウンタ５０５は信号FSI
により増分される。カウンタ５０５のフレーム出
力はROM５０９をアドレスし、ROMからの最
大距離閾値信号Ｔ（ｎ）が比較器５１１の他方の
入力端に供給される。信号d′（ｎ）が、ROM５０
９においてフレームに割当てられた閾値信号を越
えると、比較器５１１からの阻止信号ABが動作
可能となつて、コントローラ４３０に印加され
る。そこで、コントローラ４３０はIW１パルス
を発生するように動作する。このIW１パルスは
第２図の単語のカウンタ２２０を増分する。コン
トローラ４３０はさらに、カウンタ５０５をリセ
ツトし且つラツチ５０１内のフレーム信号をカウ
ンタ５０３に転送するFSRパルスを発生する。
これにより、第２図および第３図の回路は、次の
標準単語のレベルDTW処理を行なうように調整
される。入力されたことば4453について第１の桁処理を
行う場合、まず最初に、プロセツサ２０７におい
てフレームｎ＝１で始まる音声パターン区分が標
準単語「ゼロ」に動的に時間正規化される。しか
しながら「４」以外の標準単語の特徴信号が第１
語の音声パターン区分の特徴信号と類似していな
いため、「４」以外のすべての標準単語の第１の
桁処理は時間的記録経路を形成することなく終わ
る。標準単語「ゼロ」についてのDTW処理の
間、DTW記録経路の終点が検出される前に距離
信号d′（ｎ）が閾値信号Ｔ（ｎ）を越える。比較器
５１１からの信号ABが動作可能となり、この信
号ABに応答して第４図のDTWコントローラ４
３０が制御パルスIW１およびFSRを発生する。
IW１パルスは第２の単語カウンタ２２０を増分
し、このカウンタ２２０からの出力Ｗは記憶装置
２０５内の標準語「ワン」に関する特徴信号をア
ドレスする。パルスFSRはカウンタ５０５を当
初の状態にリセツトすると共に、ラツチ５０１内
のフレーム信号をカウンタ５０３に転送させる。
このようにして、音声パターンの最初の部分の標
準単語「ワン」への動的時間正規化が開始され
る。標準単語「ワン」についてのDTW時間的記
録処理の間に、比較器５１１が再び動作可能とな
り、時間的記録の終点に達することなく処理が終
わる。標準単語「ツウ」および「スリー」の動的
時間正規化の場合にも、時間的記録経路の終点が
形成される前に、プロセツサ２０７からの距離信
号d′がROM５０９からの閾値信号Ｔ（ｎ）を越え
てしまうので、抑止信号ABが発生する。標準単語「スリー」についてのDTW処理が終
了した後、DTWコントローラ４３０はパルス
FSRおよびIW１を発生する。IW１パルスは単語
カウンタ２２０を増分するので、記憶装置２０５
内の標準単語「フオー」の特徴信号がアドレスさ
れる。パルスFSRはカウンタ５０３をラツチ５
０１内の最初のDTW処理フレームｎ＝１にリセ
ツトすると共に、カウンタ５０５を１にリセツト
する。次に、フレーム信号ｎ＝１がカウンタ５０
３から発せられたことばの特徴信号用記憶装置２
０３および桁記憶装置２１０に印加される。桁１
の発せられたことば部分の特徴信号がカウンタ５
０３によりアドレスされて利用可能となり、
DTWプロセツサ２０７へ送られる。また、桁記
憶装置２１０は標準単語「フオー」に関する時間
的記録経路の結果を受信するように調整される。次に、プロセツサ２０７は、フレーム１ｍ＜
M^L ₄について選択された標準単語（フオー）と特
徴信号をカウンタ５０３内に記憶されているフレ
ームｎについての発せられたことばの特徴信号に
時間正規化する。フレームｎ＝１の時間正規化
は、コントローラ４３０からの信号DSTに応答
して開発されている。 DTWプロセツサ２０７は、データ・ジエネラ
ル・コーポレーシヨン（Data General
Corporation，ウエストボロ、マサチユーセツツ
州）刊・版権所有の“Microproducts
Hardware System Reference”（1979年）に記
載されている装置または先行技術において良く知
られている他のプロセツサシステムを具備してい
ても良い。プロセツサ２０７は、マイクロ・ノウ
ヴアMP100システム・プロセシング・ユニツト、
MP1004K／8Kダイナミツク・ランダム・アクセ
ス・メモリ、MP／100 8Kプログラマブル読出し
専用メモリ、および１つ以上の4222モデルデジタ
ルＩ／Ｏインターフエースユニツトを含んでいて
も良い。プロセツサ２０７の動作シーケンスは、
このプロセツサのROM内に永久的に記憶されて
いる命令により決定される。この命令を付録Ｇに
FORTRAN言語で列記した。プロセツサ２０７
は付録Ｇに示す、永久的に記憶されている命令に
従つて動作し、各々の音声パターン区分フレーム
ｎについて式(7)の動的時間正規化処理を行なう。
各フレームの時間的記録動作は信号DSTにより
開始される。時間的記録のための標準単語フレー
ムは、式(7)の方法を信号R1およびR2に応答して
変更したものに従つて選択される。プロセツサ２０７は、フレームｎ＝１に対する
その時点の桁の経路距離に対応する信号d′と、下
限標準単語フレームに対応する信号M_Iと、上限
標準単語フレームに対応する信号M_Hと、記録経
路のスタートフレームに対応する信号SFNと、
発せられたことば部分のスタートフレームから時
間的記録経路までの累積距離に対応する信号d_Sと
を提供する。フレームｎ＝１について、プロセツサ２０７の
DTW動作が終了したとき、プロセツサ２０７か
ら信号DDNがDTWコントローラ４３０に印加さ
れる。比較器５１１において、プロセツサ２０７
からのd′信号がROM５０９からのフレーム１に
対するＴ（ｎ）信号と比較される。d′（１）＜Ｔ
（１）のとき、比較器のAB出力は動作不能とな
る。こと時点で、時間正規化の上限標準単語フレ
ームM_Hがプロセツサ２０７から出力され、比較
器５２０において記憶装置２０５からの標準単語
W₄のエンドフレームM^L ₄と比較される。M_H＜M^L ₄
であるので、比較器５２０のEP出力は動作不能
のままである。信号DDNと、動作不能の信号EP
およびABとに応答して、コントローラ４３０は
信号FSIを発生する。この信号FSIはカウンタ５
０３および５０５をｎ＝２状態に増分する。コン
トローラ４３０はさらに信号DSTを発生して、
プロセツサ２０７においてｎ＝２フレームの
DTW動作を開始させる。第１０図のフローチヤートにおいて、デシジヨ
ンボツクス１０２０は各々の時間正規化動作にお
いてd′とＴ（ｎ）とを比較するために使用され、
またデシジヨンボツクス１０２５に入ると、上限
標準単語フレームM_Hが標準単語エンドフレーム
M^L _Wと比較される。デシジヨンボツクス１０２５
により「ノー」の指示が出されたときは、デシジ
ヨンボツクス１０４０に入る。ボツクス１０４０
では、下限標準単語フレーム信号M_Lが標準単語
エンドフレームM^L _Wと比較される共に、発せられ
たことばフレームｎがこのことばエンドフレーム
N_Mと比較される。Ｍ＝M^L _WまたはｎN_Mのいず
れかであれば、その桁における音声パターン部分
の終端に達していることになる。そこで、前述の
ように、インデツクス変更ボツクス１０５０にお
いて基準語の時間的記録動作が終了する。その他
の場合には、インデツクスボツクス１０４５にお
いて音声パターンフレームｎが増分される。フレームｎまでの、またフレームｎを含む桁経
路距離d′（ｎ）がROM５０９において固定された
閾値Ｔ（ｎ）より小さく（デシジヨンボツクス１
０２０）且つ上限標準単語フレームM_Hが最後の
標準単語フレームＭ＝M^L _W4と等しいか、またはそ
れより大きい（デシジヨンボツクス１０２５）場
合、有効な時間的記録経路が決定される。次に、
プロセツサ２０７から得られる、その経路の累積
距離信号d_S（ｎ）が、すでに桁記憶装置のｎ番目
のフレーム記憶位置に記憶されている累積距離信
号ｄと比較される。d_S（ｎ）＜ｄ（ｎ）であれば、
プロセツサからの累積距離信号d_S（ｎ）が記憶装
置の部分２１０−２内の距離信号ｄ（ｎ）と入れ
換わり、プロセツサからのスタートフレーム信号
SFN（ｎ）が記憶装置の部分２１０−１内の信号
SFN（ｎ）と入れ換わる。最後に決定された経路
がフレームｎで終わるより良い標準単語構成部分
経路に対応しているために、ボツクス１０３５の
入れ換わり動作が起こる。しかしながら、d_S（ｎ）
ｄ（ｎ）であれば、先に決定されていた経路の
方が良いので、ボツクス１０３０からデシジヨン
ボツクス１０４０に入る。図示した例では、第１の桁のフレームｎ＝29に
おいてM_HM^L _W、d_S（29）＝15.2はｄ（29）＝LPNよ
り小さい。その結果、ｄ（29）は15.2となり且つ
SFN（29）は１となる。ボツクス１０３５の入れ
換わり動作が行なわれた後、デシジヨンボツクス
１０４０においてDTWプロセツサからの下限標
準単語フレームM_Lが標準単語エンドフレームM^L _W
と比較され、また発せられたことばのフレームｎ
がことばエンドフレームN_nと比較される。そこ
で、その桁の音声パターン区分の限界に達してい
る否かが決定される。下限M_LM^L _Wまたはｎ
N_nのとき、標準単語「フオー」についての桁
DTW処理が完了し、インデツクスボツクス１０
５０に入る。その他の場合には、ボツクス１０４
５において発せられたことばのフレームが増分さ
れて、次のフレームの時間正規化が開始される。第２図および第３図の回路において、標準単語
「フオー」の特徴を連続する発せられたことばの
フレームについてｎ＝１から発せられたことばの
特徴に動的に時間正規化する動作はプロセツサ２
０７で行なわれる。発せられたことばのフレーム
ｎ＝29についてDTW動作が終了したとき、プロ
セツサ２０７からの上限標準単語フレーム信号
M_Hは標準単語の特徴信号用記憶装置２０５から
のM^L ₄信号と等しい。これは、終点に達したこと
を示唆する。M_H信号とM^L ₄信号が比較器５２０に
印加されて、比較器５２０は動作可能となる。比
較器５２０からの信号EPはDTWコントロール４
３０に供給される。信号EPに応答して、コント
ローラ４３０は信号Ｃを動作不能にし且つ信号Ｅ
を動作可能にする。次に、第３図の比較器３０１
が、桁Ｌ＋１＝１の記憶装置部分２１０−２にフ
レーム２９について記憶されていた累積距離信号
ｄ＝LPNより小さい、プロセツサ２０７からの
累積距離信号d_S（29）＝15.2に応答して動作可能と
なる。DTWプロセツサ２０７のSFN出力は、第
１の桁スタートフレームに対応して１である。プ
ロセツサd_Sの出力は、桁１の終端ｎ＝29までの累
積距離に対応して、15.2である。SFN＝１信号は
ANDゲート２７２およびORゲート２８６を介し
て記憶装置の部分２１０−１の入力端へ供給さ
れ、また、d_S＝15.2信号はANDゲート２８０お
よびORゲート２８２を介して記憶装置の部分２
１０−２の入力端へ供給される。単語カウンタ２
２０のＷ＝４出力はANDゲート２８１を介して
桁記憶装置の部分２１０−３の入力端に印加され
る。動作可能となつた信号DSに応答して、コント
ローラ４３０からの信号WLSCは信号WLSとし
てORゲート４６５を介して記憶装置２１０の書
込み可能入力端に印加される。このようにして、
標準単語識別信号Ｗ＝４、累積距離信号d_S＝15.2
およびスタートフレームコードSFN＝１が桁記
憶装置２１０のｎ＝29、Ｌ＝１記憶位置に挿入さ
れる。WLSC信号はさらにフリツプフロツプ２９
０を抑止する。書込みパルスWLSが終わつた後、
コントローラ４３０はパルスFSIを提供して、第
５図のカウンタ５０３および５０５を増分する。
信号Ｅは動作不能となり、信号Ｃは動作可能とな
る。コントローラ４３０からの信号DSTはプロ
セツサ２０７に送られて、発せられたことばのフ
レームｎ＝30についての動的時間正規化を開始さ
せる。フレーム２９から４０の各々について動的時間
正規化が行なわれると、その結果として桁Ｌ＋１
＝１のエンドフレームが発生する。各発せられた
ことばのフレームについての時間正規化の終了は
プロセツサ２０７からの信号DDNにより指示さ
れる。プロセツサ２０７からの終了信号DDNと、
フレームシーケンス論理回路の比較器５２０から
のエンドフレーム信号EPと、比較器３０１から
の信号DSが同時に動作可能となるので、音声パ
ターンフレーム２９に関してすでに説明したよう
に、エンドフレーム経路の累積距離信号ｄ、経路
のスタートフレーム信号SFNおよび標準単語識
別信号Ｗの桁記憶装置２１０への書込みが開始さ
れる。フレームｎ＝29からｎ＝40について標準単
語「フオー」のDTW処理を行なつた結果、スタ
ートフレームSFN＝１を起点とする時間的記録
経路が得られる。表１は、第１の桁についてフレームｎ＝29から
ｎ＝40を処理した結果、桁記憶装置２１０に記憶
される標準単語識別信号Ｗ、累積距離信号ｄおよ
びスタートフレーム信号SFNを列挙したもので
ある。【表】〈〈〈〈

Claims

【特許請求の範囲】１音声パターンを所定の標準単語の列として認
識するための音声パターン認識装置であつて、各標準単語の音響的特徴の時間フレーム系列で
あつてスタートフレームおよびエンドフレームを
有する時間フレーム系列を表わす一組の標準単語
音響特徴信号を記憶する手段と、該音声パターン
の音響信号の時間フレーム系列を表わす一組の音
声パターン音響特徴信号を発生するための手段
と、該音声パターン音響特徴信号及び該標準単語
音響特徴信号に応答して複数の標準単語列を発生
するための標準単語列発生手段と、該発生された
標準単語列の１つとして該音声パターンを識別す
るための手段とを含む音声パターン認識装置にお
いて、該標準単語列発生手段が、連続する標準単語桁
を識別するための一組の信号を発生する手段、該
音声パターンの一区分を連続する各々の桁に割当
てる手段、連続する各々の桁で動作し、その桁の
音声パターン区分特徴信号を標準単語特徴信号と
ともに時間的に記録してその桁の時間的記録音声
パターン区分のエンドフレーム信号および該標準
単語についての時間的記録対応信号を発生するた
めの時間的記録手段、およびその桁の時間的記録
エンドフレーム信号とその桁の時間的記録対応信
号とに応答して、標準単語列を選択する標準単語
列選択手段を含むことを特徴とする音声パターン
認識装置。２特許請求の範囲第１項に記載の音声パターン
認識装置において、該時間的記録手段が、直前の桁の時間的記録音
声パターンのエンドフレームに応答して、そのと
きの桁についての時間的記録スタートフレームの
範囲を制限するためのスタートフレーム制限手
段、および該時間的記録対応信号と時間的記録音
声パターンエンドフレーム信号とに応答して、各
時間的記録エンドフレームについて最も良く対応
する時間的記録最良対応信号と、各エンドフレー
ムについて最も良く対応する最良対応標準単語を
表わす信号と、各エンドフレームについての最適
な標準単語に対応する時間的記録音声パターンの
スタートフレームを表わす信号とを記憶する手段
を含むことを特徴とする音声パターン認識装置。３特許請求の範囲第２項に記載の音声パターン
認識装置において、該音声パターンの該スタートフレーム制限手段
が、先行する桁の時間的記録最良対応信号に応答
して、先行する桁の最良対応信号のうち最小のも
のを選択する手段、および先行する桁の時間的記
録最良対応信号と該選択された最小の最良対応信
号とに応答して、そのときの桁の時間的記録音声
パターンのスタートフレームを選択する手段を含
むことを特徴とする音声パターン認識装置。４特許請求の範囲第３項に記載の音声パターン
認識装置において、該標準単語列発生手段が、音声パターン特徴信
号に応答して、音声パターンの最終フレームを表
わす信号を発生する手段、各々の桁で動作し、該
最小の最良対応信号に応答して、最小の最良対応
信号を有する音声パターン区分のエンドフレーム
を表わす最小最良対応エンドフレーム信号を発生
する手段、および音声パターンの最終フレーム信
号のあらかじめ規定された範囲の中にある最小最
良対応エンドフレーム信号に応答して、該標準単
語列選択手段の動作を開始させる手段をさらに含
むことを特徴とする音声パターン認識装置。５特許請求の範囲第４項に記載の音声パターン
認識装置において、該標準単語列選択手段が、記憶されている時間
記録音声パターン区分のエンドフレーム信号、ス
タートフレーム信号および標準単語識別信号と、
該音声パターンの最終フレーム信号とに応答し
て、該音声パターンの最終フレームの該あらかじ
め規定された範囲の中に時間的記録音声パターン
のエンドフレームを有する各々の標準単語列を表
わす信号を発生する手段を含むことを特徴とする
音声パターン認識装置。６特許請求の範囲第１項に記載の音声パターン
認識装置において、該時間的記録手段が、各桁の音声パターン区分
フレームとの時間記録のために、標準単語フレー
ムの範囲を選択し、第１の予め定められた数より
も小さい下限フレームであつてそのときの標準単
語範囲の下限フレームに応答して標準単語範囲の
下限フレームを標準単語のスタートフレームまで
拡張する手段、および第２の予め定められた数よ
りも大きい上限フレームであつてそのときの標準
単語範囲の上限フレームに応答して、標準単語範
囲の上限フレームを標準単語のエンドフレームま
で拡張する手段を含み、それにより調音結合効果
を減少させることを特徴とする音声パターン認識
装置。７特許請求の範囲第１項に記載の音声パターン
認識装置において、該時間的記録手段が、該標準単語の特徴信号と
該桁の音声パターン区分特徴信号とに応答して、
各桁の音声パターン区分フレームとの時間的記録
のために標準単語フレームの範囲を選択する手
段、および標準単語エンドフレームと等しいかま
たはそれよりも大きい標準単語範囲の下限フレー
ムに応答して、桁の音声パターン区分の時間的記
録エンドフレームを発生する手段を含むことを特
徴とする音声パターン認識装置。８特許請求の範囲第１項に記載の音声パターン
認識装置において、該時間的記録手段が、そのときの桁の各々の標
準単語の時間的記録の間に動作し、標準単語特徴
信号および音声パターン区分の特徴信号に応答し
て各音声パターン区分フレームについて標準単語
フレームの範囲を選択する手段、および各音声パ
ターン区分フレームにおいて動作し、標準単語の
エンドフレームと等しいか、又はそれを越える標
準単語の時間的記録下限フレームに応答して、該
標準単語の時間的記録を終了させる手段を含むこ
とを特徴とする音声パターン認識装置。９特許請求の範囲第８項に記載の音声パターン
認識装置において、該時間記録手段が、各桁の標準単語の時間的記
録の間に動作し、標準単語特徴信号とその桁の音
声パターン区分の特徴信号とに応答して、各桁の
音声パターン区分フレームについて時間的記録対
応信号を発生する手段、その桁の音声パターン区
分フレームに応動して、該音声パターン区分フレ
ームについて許容される最大の対応信号を発生す
る手段、および音声パターン区分フレームについ
て許容される最大の対応信号を越える音声パター
ン区分フレームの該時間的記録対応信号に応答し
て、該桁の標準単語の時間的記録を終了させる手
段を含むことを特徴とする音声パターン認識装
置。１０特許請求の範囲第１項又は第２項又は第３
項又は第４項又は第５項又は第６項又は第７項又
は第８項又は第９項に記載の音声パターン認識装
置において、該標準単語列発生手段が、該桁識別
信号に応答して、各標準単語桁における時間的記
録のためにあらかじめ規定された一組の標準単語
を選択する手段をさらに含むことを特徴とする音
声パターン認識装置。１１特許請求の範囲第１項に記載の音声パター
ン認識装置において、連続する各々の桁で動作し
て、音声パターン区分の特徴信号を標準単語の特
徴信号とともに時間的に記録する手段が、各標準
単語の特徴信号を音声パターン区分の特徴信号と
共に動的に時間正規化する手段を含むことを特徴
とする音声パターン認識装置。