JPH04181298A - 参照ベクトル更新方法 - Google Patents
参照ベクトル更新方法Info
- Publication number
- JPH04181298A JPH04181298A JP2310968A JP31096890A JPH04181298A JP H04181298 A JPH04181298 A JP H04181298A JP 2310968 A JP2310968 A JP 2310968A JP 31096890 A JP31096890 A JP 31096890A JP H04181298 A JPH04181298 A JP H04181298A
- Authority
- JP
- Japan
- Prior art keywords
- reference vector
- vector
- input
- speech
- updating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000013598 vector Substances 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 238000001228 spectrum Methods 0.000 abstract 2
- 238000013139 quantization Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
伎嵐光互
本発明は、参照ベクトル更新方式、より詳細には、音声
認識、画像認識などの照合部における参照ベクトル更新
方式に関する。
認識、画像認識などの照合部における参照ベクトル更新
方式に関する。
従米１権
パターン照合において、参照ベクトルを更新する方式と
して、学習ベクトル量子化という手法が知られている（
例えば、「学習ベクトル量子化と多層パーセプトロンと
の統−的扱い」電子情報通信学会技術研究報告ＭＢＥ８
８−７２．１９８８年）。
して、学習ベクトル量子化という手法が知られている（
例えば、「学習ベクトル量子化と多層パーセプトロンと
の統−的扱い」電子情報通信学会技術研究報告ＭＢＥ８
８−７２．１９８８年）。
この手法は、カテゴリーが既知である入力ベクトルに対
して、最近傍の参照ベクトルｙ□のカテゴリーが異る場
合に参照ベクトルを更新して最適なカテゴリー境界の作
成を目指すものである。
して、最近傍の参照ベクトルｙ□のカテゴリーが異る場
合に参照ベクトルを更新して最適なカテゴリー境界の作
成を目指すものである。
例えば、音素認識の例で説明すると、音素は、大まかに
言えば、発音記号に対応するものであるが、これを孤立
発声することはできないので、音素の辞書（参照ベクト
ル）を作成もしくは更新する際は、単語もしくは単音節
の発声データから該当する音素の部分を切り出して、作
成（更新）用のデータとしている。
言えば、発音記号に対応するものであるが、これを孤立
発声することはできないので、音素の辞書（参照ベクト
ル）を作成もしくは更新する際は、単語もしくは単音節
の発声データから該当する音素の部分を切り出して、作
成（更新）用のデータとしている。
第３図は、「ザＪ ／ ｚ ａ ／の音声パターンを模
式的に表わしたものであり、横軸は時間軸、縦軸は、特
徴量を示している。
式的に表わしたものであり、横軸は時間軸、縦軸は、特
徴量を示している。
ここで「ザ」の音声パターンを時間的に２つの部分に分
割して、それぞれ／ｚ／、／ａ／の参照ベクトルを更新
する場合を考える。
割して、それぞれ／ｚ／、／ａ／の参照ベクトルを更新
する場合を考える。
第３図のＡの部分は明らかに／ｚ／、Ｃの部分は／ａ／
の特徴を示しているが、Ｂの部分の扱いが難しい。Ｂの
部分のどこかに境界を決めて、前半を／２／、後半を／
ａ／の更新用データとする方法では、境界の微かなズレ
で、参照ベクトルが大きく変更されてしまう可能性があ
る。
の特徴を示しているが、Ｂの部分の扱いが難しい。Ｂの
部分のどこかに境界を決めて、前半を／２／、後半を／
ａ／の更新用データとする方法では、境界の微かなズレ
で、参照ベクトルが大きく変更されてしまう可能性があ
る。
特に学習ベクトル量子化のように、更新用入力ベクトル
Ｘと参照ベクトルｙ工のカテゴリーが等しくない場合に
、 ｙｘ＝（１＋α）ｙｔ−αＸ （１）（αは更新係
数）とする方式では１本来ｙ工と同じカテゴリーのベク
トル成分を含む入力ベクトルｘ （Ｂの領域）と遠ざか
る方向へベクトル成分（／Ｚ／あるいは／ａ／の参照ベ
クトル）が歪む可能性がある。
Ｘと参照ベクトルｙ工のカテゴリーが等しくない場合に
、 ｙｘ＝（１＋α）ｙｔ−αＸ （１）（αは更新係
数）とする方式では１本来ｙ工と同じカテゴリーのベク
トル成分を含む入力ベクトルｘ （Ｂの領域）と遠ざか
る方向へベクトル成分（／Ｚ／あるいは／ａ／の参照ベ
クトル）が歪む可能性がある。
一方、Ｂの領域を更新用のベクトルとして使用せず、Ａ
の領域を／ ｚ ／の更新用、Ｃの領域を／ ａ ／の
更新用の入力ベクトルとする方法も考えられる。この方
法では、Ａ、Ｃの領域を忠実に再現する参照ベクトル群
が形成される。しかし、Ｂの領域の入力ベクトルは、参
照ベクトルの形成に全く寄与していないので、／ｚ／、
／ａ／以外の音素の参照ベクトルが、Ｂの領域のベクト
ルと最も近傍に配置される可能性がある。
の領域を／ ｚ ／の更新用、Ｃの領域を／ ａ ／の
更新用の入力ベクトルとする方法も考えられる。この方
法では、Ａ、Ｃの領域を忠実に再現する参照ベクトル群
が形成される。しかし、Ｂの領域の入力ベクトルは、参
照ベクトルの形成に全く寄与していないので、／ｚ／、
／ａ／以外の音素の参照ベクトルが、Ｂの領域のベクト
ルと最も近傍に配置される可能性がある。
■−−汐
本発明は、上述のごとき実情に鑑みてなされたもので１
例えば、第３図に示した例において、／ｚ／、／ａ／の
参照ペクトるを歪ませることなく、また、Ｂの領域で、
／ ｚ ／ 、 ／ ａ ／以外の参照ベクトルが最近
値に配置されることのない参照パターン更新方式を提供
することを目的とするものである。
例えば、第３図に示した例において、／ｚ／、／ａ／の
参照ペクトるを歪ませることなく、また、Ｂの領域で、
／ ｚ ／ 、 ／ ａ ／以外の参照ベクトルが最近
値に配置されることのない参照パターン更新方式を提供
することを目的とするものである。
講−一一収
本発明は、上記目的を達成するために、カテゴリーがｋ
であると既知である入力ベクトルＸに対して、参照ベク
トル群の中で最も入力ベクトル；と類似している参照ベ
クトルｙ□のカテゴリーがｍ（≠ｋ）である場合に、該
参照ベクトルｙ工と、カテゴリーｋに属する参照ベクト
ル群の中で最も入力ベクトルＸと類似している参照ベク
トルｙ２を更新する参照ベクトル更新方式において、カ
テゴリーに、ｍの組み合わせによって参照ベクトルを更
新するか否かを記述した参照ベクトル更新カテゴリー表
を具備し、該カテゴリーの組（ｋ、ｍ）が、該参照ベク
トル更新力テガリー表の情報によって更新すると判定さ
れた場合のみ、該参照ベクトルｙｘ＋ ｙｚを更新する
ことを特徴としたものである。以下、本発明の実施例に
基いて説明する。
であると既知である入力ベクトルＸに対して、参照ベク
トル群の中で最も入力ベクトル；と類似している参照ベ
クトルｙ□のカテゴリーがｍ（≠ｋ）である場合に、該
参照ベクトルｙ工と、カテゴリーｋに属する参照ベクト
ル群の中で最も入力ベクトルＸと類似している参照ベク
トルｙ２を更新する参照ベクトル更新方式において、カ
テゴリーに、ｍの組み合わせによって参照ベクトルを更
新するか否かを記述した参照ベクトル更新カテゴリー表
を具備し、該カテゴリーの組（ｋ、ｍ）が、該参照ベク
トル更新力テガリー表の情報によって更新すると判定さ
れた場合のみ、該参照ベクトルｙｘ＋ ｙｚを更新する
ことを特徴としたものである。以下、本発明の実施例に
基いて説明する。
第１図は、本発明を音素認識を行なう音声認識装置の参
照パターン更新部に適用した場合の一実施例を説明する
ための図で、マイクなどの入力装置１から入力された音
声信号は、特徴系列変換部２によって特徴ベクトルの時
系列である音声パターンＸ＝ｘ工ｘ２・・・Ｘ、（Ｉは
入力音声のフレーム数）に変換される。
照パターン更新部に適用した場合の一実施例を説明する
ための図で、マイクなどの入力装置１から入力された音
声信号は、特徴系列変換部２によって特徴ベクトルの時
系列である音声パターンＸ＝ｘ工ｘ２・・・Ｘ、（Ｉは
入力音声のフレーム数）に変換される。
音声認識に有効な特徴ベクトルとしては、さまざまなも
のが知られており、例えば、フレーム周期１０ｍ５ごと
に中心周波数２５０〜６３００Ｈｚに配置された１５個
のバントパスフィルタ群の出力を用いれば良い。
のが知られており、例えば、フレーム周期１０ｍ５ごと
に中心周波数２５０〜６３００Ｈｚに配置された１５個
のバントパスフィルタ群の出力を用いれば良い。
入力された参照ベクトル更新用の音声パターンは、パタ
ーン分割部３で、音素ごとに分割される。
ーン分割部３で、音素ごとに分割される。
分割の方法は、様々な方法が知られており９例えば、特
徴ベクトルの差分ベクトルが極大になるフレームとすれ
ば良い。
徴ベクトルの差分ベクトルが極大になるフレームとすれ
ば良い。
例えば、第３図に示した単音節［ザ／ ｚ ａ ／ Ｊ
が入力された場合、１〜ｂフレームのベクトルが／ ｚ
／の参照ベクトル更新用、ｂ＋１〜Ｉフレームのベク
トルが／ａ／の参照ベクトル更新用のデータとなる。
が入力された場合、１〜ｂフレームのベクトルが／ ｚ
／の参照ベクトル更新用、ｂ＋１〜Ｉフレームのベク
トルが／ａ／の参照ベクトル更新用のデータとなる。
参照ベクトル更新部４では、以下に第２図を参照して述
べる動作で、参照ベクトルを更新する。
べる動作で、参照ベクトルを更新する。
入力ベクトルＸのカテゴリーをｋとする。まず参照ベク
トル格納部５に格納されている全ての参照ベクトルの中
で、Ｘに最も類似した参照ベクトルｙよを検出する。ｙ
□の属するカテゴリーｍがｋと異なる場合には、カテゴ
＋Ｊ−ｋに属する参照ベクトルの中で、最もＸに類似し
た参照ベクトルｙ２を検出する。
トル格納部５に格納されている全ての参照ベクトルの中
で、Ｘに最も類似した参照ベクトルｙよを検出する。ｙ
□の属するカテゴリーｍがｋと異なる場合には、カテゴ
＋Ｊ−ｋに属する参照ベクトルの中で、最もＸに類似し
た参照ベクトルｙ２を検出する。
ここで、カテゴリーの組（ｋ、ｍ）が、参照ベクトル更
新カテゴリーテーブル６の情報から参照ベクトルを更新
すると判定された場合は、（αは更新係数） 操作を行なう。将来未知入力としてＸと同様の形状を持
つベクトルが入力された際は、カテゴリーにの参照ベク
トルｙ工との類似性が大きくなり、誤認識しにくくなる
。
新カテゴリーテーブル６の情報から参照ベクトルを更新
すると判定された場合は、（αは更新係数） 操作を行なう。将来未知入力としてＸと同様の形状を持
つベクトルが入力された際は、カテゴリーにの参照ベク
トルｙ工との類似性が大きくなり、誤認識しにくくなる
。
例えばカテゴリーｋを／ ｚ ／の音素、カテゴリーｍ
を／ ａ ／の音素とすれば、（ｋ、ｍ）は、参照バク
１〜ルを更新しないように設定しておく。このようにす
れば、第３図のＢ領域の前半部（ｂフレーム以前）のベ
クトルに対して、最近傍の参照ベクトルとして、／ ａ
／のベクトルが配置されていた場合、ｙ工（／ａ／の
参照ベクトル）は更新されない。つまり、Ｂ領域の部分
は／ ｚ ／もしくは／ ａ ／と判定されるように参
照ベクトルが更新される。
を／ ａ ／の音素とすれば、（ｋ、ｍ）は、参照バク
１〜ルを更新しないように設定しておく。このようにす
れば、第３図のＢ領域の前半部（ｂフレーム以前）のベ
クトルに対して、最近傍の参照ベクトルとして、／ ａ
／のベクトルが配置されていた場合、ｙ工（／ａ／の
参照ベクトル）は更新されない。つまり、Ｂ領域の部分
は／ ｚ ／もしくは／ ａ ／と判定されるように参
照ベクトルが更新される。
仮に、第３図の音声パターンが未知の入力として、認識
装置に入力された場合、Ａ領域が／ ２ ／、Ｃ領域が
／ ａ ／と判定されれば、Ｂ領域が／ ２ ／、／
ａ ／のいずれに判定されようとも音声パターン全体と
しては、／ｚ ａ／と正しく認識される。このため、第
１図のパターン分割部３で決定される、分割点（ｂフレ
ーム）の位置が多少前後に移動しても、正しく配置され
た参照ベクトルが得られるので、パターン分割部で正確
な分割を行なう必要がなくなり処理量を軽減できる。
装置に入力された場合、Ａ領域が／ ２ ／、Ｃ領域が
／ ａ ／と判定されれば、Ｂ領域が／ ２ ／、／
ａ ／のいずれに判定されようとも音声パターン全体と
しては、／ｚ ａ／と正しく認識される。このため、第
１図のパターン分割部３で決定される、分割点（ｂフレ
ーム）の位置が多少前後に移動しても、正しく配置され
た参照ベクトルが得られるので、パターン分割部で正確
な分割を行なう必要がなくなり処理量を軽減できる。
従って、第３図のＢ領域について／Ｚ／、／ ａ ／以
外の音素が最近傍に配置された場合は、／ｚ／あるいは
／ ａ ／と判定されるように参照ベクトルが更新され
る。しかし、Ｂ領域の前半部（ｂフレーム以前）が／
ａ ／と判定されても参照ベクトルは更新されない。Ｂ
領域は／ ２ ／、／ａ／の成分を共に含んでいるため
、参照ベクトルを式（２）、（３）によって更新してし
まうと参照ベクトルが歪んでしまうが、本発明では、Ｂ
領域については／ ｚ ／、／ ａ ／のいずれかの参
照ベクトルが最近傍にあれば良いように、参照ベクトル
が配置されるので参照ベクトルが歪む恐れがない。
外の音素が最近傍に配置された場合は、／ｚ／あるいは
／ ａ ／と判定されるように参照ベクトルが更新され
る。しかし、Ｂ領域の前半部（ｂフレーム以前）が／
ａ ／と判定されても参照ベクトルは更新されない。Ｂ
領域は／ ２ ／、／ａ／の成分を共に含んでいるため
、参照ベクトルを式（２）、（３）によって更新してし
まうと参照ベクトルが歪んでしまうが、本発明では、Ｂ
領域については／ ｚ ／、／ ａ ／のいずれかの参
照ベクトルが最近傍にあれば良いように、参照ベクトル
が配置されるので参照ベクトルが歪む恐れがない。
来ニーー教
上述のように１本発明では、参照ベクトル更新カテゴリ
ー表の情報によって、参照ベクトルを更新すると判定さ
れた場合のみ参照ベクトルを更新するようにしている。
ー表の情報によって、参照ベクトルを更新すると判定さ
れた場合のみ参照ベクトルを更新するようにしている。
このため、本発明の参照ベクトル更新方式によると、歪
のない参照ベクトルが正しく配置され、正確な音声認識
が可能になる。
のない参照ベクトルが正しく配置され、正確な音声認識
が可能になる。
第１図は、本発明の一実施例を説明するためのブロック
図、第２図は、第１図に示した参照ベクトル更新部のフ
ローチャート、第３図は、／ Ｚ ａ ／の音声パター
ンの一例を示す図である。 １・・・入力装置、２・・・特徴系列変換部、３・・・
パターン分割部、４・・・参照ベクトル更新部、５・・
・参照ベクトル格納部、６・・・参照ベクトル更新カテ
ゴリー表。 第１図 （／Ｚａ／の音声パターン） 第２図
図、第２図は、第１図に示した参照ベクトル更新部のフ
ローチャート、第３図は、／ Ｚ ａ ／の音声パター
ンの一例を示す図である。 １・・・入力装置、２・・・特徴系列変換部、３・・・
パターン分割部、４・・・参照ベクトル更新部、５・・
・参照ベクトル格納部、６・・・参照ベクトル更新カテ
ゴリー表。 第１図 （／Ｚａ／の音声パターン） 第２図
Claims (1)
- １、カテゴリーがｋであると既知である入力ベクトル■
に対して、参照ベクトル群の中で最も入力ベクトル■と
類似している参照ベクトル■＿１のカテゴリーがｍ（≠
ｋ）である場合に、該参照ベクトル■＿１と、カテゴリ
ーｋに属する参照ベクトル群の中で最も入力ベクトル■
と類似している参照ベクトル■＿２を更新する参照ベク
トル更新方式において、カテゴリーｋ、ｍの組み合わせ
によって参照ベクトルを更新するか否かを記述した参照
ベクトル更新カテゴリー表を具備し、該カテゴリーの組
（ｋ、ｍ）が、該参照ベクトル更新カテガリー表の情報
によって更新すると判定された場合のみ、該参照ベクト
ル■＿１、■＿２を更新することを特徴とする参照ベク
トル更新方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2310968A JP3011997B2 (ja) | 1990-11-15 | 1990-11-15 | 参照ベクトル更新方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2310968A JP3011997B2 (ja) | 1990-11-15 | 1990-11-15 | 参照ベクトル更新方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04181298A true JPH04181298A (ja) | 1992-06-29 |
| JP3011997B2 JP3011997B2 (ja) | 2000-02-21 |
Family
ID=18011571
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2310968A Expired - Fee Related JP3011997B2 (ja) | 1990-11-15 | 1990-11-15 | 参照ベクトル更新方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3011997B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011002529A (ja) * | 2009-06-17 | 2011-01-06 | Dainippon Printing Co Ltd | 音素符号変換装置、音素符号データベース、および音声合成装置 |
| JP2011039088A (ja) * | 2009-08-06 | 2011-02-24 | Dainippon Printing Co Ltd | 音素符号変換装置、音素符号データベース、および音声合成装置 |
| JP2011090218A (ja) * | 2009-10-23 | 2011-05-06 | Dainippon Printing Co Ltd | 音素符号変換装置、音素符号データベース、および音声合成装置 |
-
1990
- 1990-11-15 JP JP2310968A patent/JP3011997B2/ja not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011002529A (ja) * | 2009-06-17 | 2011-01-06 | Dainippon Printing Co Ltd | 音素符号変換装置、音素符号データベース、および音声合成装置 |
| JP2011039088A (ja) * | 2009-08-06 | 2011-02-24 | Dainippon Printing Co Ltd | 音素符号変換装置、音素符号データベース、および音声合成装置 |
| JP2011090218A (ja) * | 2009-10-23 | 2011-05-06 | Dainippon Printing Co Ltd | 音素符号変換装置、音素符号データベース、および音声合成装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3011997B2 (ja) | 2000-02-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2733955B2 (ja) | 適応型音声認識装置 | |
| JPH04181298A (ja) | 参照ベクトル更新方法 | |
| JP2003005785A (ja) | 音源の分離方法および分離装置 | |
| CA2191377A1 (en) | A time-varying feature space preprocessing procedure for telephone based speech recognition | |
| JPH02232696A (ja) | 音声認識装置 | |
| JPH04295897A (ja) | 神経回路網モデルによる音声認識方法 | |
| KR100322693B1 (ko) | 선형예측분석합성을이용한음성인식방법 | |
| Binh et al. | A high-performance speech-recognition method based on a nonlinear neural network | |
| KR100346736B1 (ko) | 음성인식방법 | |
| JPH0119596B2 (ja) | ||
| JPH0390976A (ja) | パターン照合方式 | |
| Blomberg et al. | Word recognition using synthesized reference templates | |
| JPH11212587A (ja) | 音声認識における雑音適応方法 | |
| JPS61138296A (ja) | 音声認識装置 | |
| JPH02248999A (ja) | 音声認識方式 | |
| Iwamida et al. | Discrimination of stop consonants using a data‐driven analysis | |
| Udagawa et al. | Automatic speech recognition based on findings of the human processes of speech perception | |
| Tillmann et al. | The difference between acoustic and auditory parameter signals as a cue for phonetic segmentation and categorization | |
| JPH11352982A (ja) | 音声認識システムにおける単語学習および認識方法 | |
| JPH06266397A (ja) | 特徴パターン作成方式 | |
| Chiba | Consonant discrimination using the formant coarticulation model | |
| Levinson et al. | Some preliminary results on clustering for speaker‐independent word recognition | |
| JPH0244399A (ja) | 標準パターン登録方式 | |
| Niimi et al. | Synthesis of speaker-adaptive word templates by concatenation of the monosyllabic sounds | |
| JPS6287994A (ja) | 音声認識辞書更新方式 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |