JPH041918B2 - - Google Patents

Description

【発明の詳細な説明】 (イ) 産業上の利用分野 本発明は音声を認識する音声認識装置に関す
る。

(ロ) 従来技術 音声を認識して何等かの機器を制御せんとした
場合、その殆どが認識動作に該当する応答時間が
常に問題になつて来る。応答時間を早めるには高
速動作の可能なCPUやメモリ或いはその周辺回
路を用いるのが一般に考えられる事であるが、シ
ステム全体が高価になる上に、それ程の高速化が
果されない。

ここで現存する音声認識動作を第１図に示す。
認識すべき音声が入力される音声入力期間T₁そ
の入力音声の終了を意味する無音期間N₁、入力
音声の認識を行う認識期間R₁を一つのサイクル
とし、この認識サイクルI₁，N₁，R₁に連続して
次の音声認識サイクルI₂，N₂，R₂が始まる。従
つて音声入力期間Ｉ、無音期間Ｎ、認識期間Ｒを
直列的に持つ限り、上述した如く認識動作の高速
化には限度がある。

このような点に鑑みて、本発明者等は疑似連続
認識システムと呼ぶ高速化を図つた認識装置を提
案した（特願昭57−74932号）。これは第２図に示
す如く、音声の入力I₁，I₂，I₃……とその入力音
声の認識R₁，R₂，R₃……とを別個のプロセツサ
を用いて並列的に行わしめんとするものである。

ところがこの第２図からも明らかな如く、一般
に音声の入力I₁，I₂，I₃……動作時間と認識R₁，
R₂，R₃……動作時間とを比較した場合、認識R₁，
R₂，R₃……動作時間の方が長く、結果的に入力
動作を担当するプロセツサ側に待ち時間Ｔが生じ
てしまいこれが時間的な無駄となる。この現象は
線形マツチングに依る認識の場合は認識時間が短
かかつたのでそれ程問題とならなかつたが、認識
率の向上の為に開発されたDPマツチング法等を
用いて認識する場合、相当な時間が掛り、この待
ち時間Ｔの無駄が大きくなる。

(ハ) 発明の目的 本発明はこのような新たな問題点に着目して為
されたものであり、認識処理の為の無駄な待ち時
間をなくして認識率の向上を図つた音声認識装置
を提供するものである。

(ニ) 発明の構成 本発明の音声認識装置は、入力動作の為の第１
のプロセツサ部と認識動作の為の第２のプロセツ
サ部とから成り、第１のプロセツサ部にも認識動
作の一部を担当せしめて、双方のプロセツサ部の
動作時間を略等しく設定したものである。

(ホ) 実施例 第３図に本発明装置の具体的な構成を示す。同
図に於いて、Ｍは予じめ複数の音声の特徴パター
ンを夫々番地付けして格納してある参照パターン
メモリであり、例えば音声帯域を８分割した各周
波数に於ける周波数スペクトル値x₁ｔ，x₂ｔ，…
…，x₈ｔを成分とするベクトルパラメータxtの時
系列を音声の時間領域に対して16サンプルに正規
化した時系列xr₁，xr₂，……xr₁₆からなる特徴パ
ターンXrが各音声毎に多数格納されている。１
は音声を電気的な音声信号に変換するマイクロフ
オン、２はこのマイクロフオン１からの音声信号
の特徴を抽出する特徴抽出回路であり、上記参照
パターンメモリＭに格納されている多数の特徴パ
ターンXr……と同形式のベクトルパラメータか
らなる特徴パターン、Ｘ＝（x₁，x₂，……，x₁₆）
が得られる。３はこの特徴抽出回路２で抽出した
入力音声の特徴パターンＸを記憶する第１のバツ
フアメモリ、４は第１の認識回路であり、上記第
１のバツフアメモリ３の入力音声の特徴パターン
Ｘを上記参照パターンメモリＭの多数の参照パタ
ーンXr……に基づいて予備的な認識動作を行な
い、多数の参照パターンXr……のうちから入力
音声の特徴パターンＸに最も類似した特定のパタ
ーンを選び出すのではなく、比較的類似している
複数個のパターンXr……を遷び出すもので、比
較的その認識時間が短い線形マツチング法等が採
用される。即ち、この線形マツチング法に依れば
入力音声の特徴パターンＸの各ベクトルパラメー
タx₁，x₂，……，x₁₆と参照パターンXrの各ベク
トルパラメータxr₁，xr₂，……，xr₁₆とを第５図
に示す如く線形に対応せしめ、両パターン間の誤
差として、 Ｄ＝₁₆ 〓ⁿ⁼¹ ｜xr(n)−ｘ(n)｜ を算出し、この誤差が比較的小さいと判定できる
適数の参照パターンを選出する事になる。５は上
記第１の認識回路４での認識の結果、選び出され
た入力音声の特徴パターンに比較的類似している
参照パターンXr……の参照パターンメモリＭに
於ける番地を記憶する第１の番地メモリ、６は上
記音声抽出回路２での特徴抽出動作や抽出した特
徴パターンＸのバツフアメモリ３への取り込み、
入力音声の無音の状態から音声の終端を検出する
検出動作、或いは第１の認識回路４での予備認識
動作とかを司どる第１のCPUで、これ等のマイ
クロフオン１〜第１のCPU６で第１のプロセツ
サP₁が構成されている。

また１０は上記第１のプロセツサP₁のバツフ
アメモリ３に貯えられた入力音声の特徴パターン
Ｘが転送記憶される第２のバツフアメモリ、１１
は上記参照パターンメモリＭ内の参照パターン
Xr……のうち第１のプロセツサP₁に於ける予備
比較認識の結果予備的に選択された第１の番地メ
モリ５にある複数の参照パターンXr……の番地
が転送記憶される第２の番地メモリ、１２はこの
第２の番地メモリ１１で指定された参照パターン
メモリＭの参照パターンXr……と第２のバツフ
アメモリ１０に貯えられた入力音声の特徴パター
ンＸとの本格的な比較認識動作をする第２の認識
回路で、多少その認識動作に時間が掛るが、厳密
な認識動作が行われるDP法（ダイナミツクプロ
グラミング法）を用いて認識動作を行なう。即
ち、このDP法に依れば、入力音声の特徴パター
ンＸの各ベクトルパラメータx₁，x₂，……，x₁₆
と選択された参照パターンXrの各ベクトルパラ
メータXr₁，Xr₂，……，Xr₁₆とが、第６図に示
す如く、始点Ｏから終点Ｅに至る経路Ｆに従つて
パターンマツチングされる事となる。具体的には
対応する両パラメータxr(i)，ｘ(j)との誤差 ｄ（ｉ、ｊ）＝｜xr(i)−ｘ(j)｜ ただし、ｉ＝１、２、……、16、：ｊ＝１、２、
……、16 を順次積算する漸化式 Ｄ（ｉ、ｊ）＝ｄ（ｉ、ｊ）＋minＤ（ｉ、
ｊ−１） Ｄ（ｉ−ｊ、ｊ） Ｄ（ｉ−１、ｊ−１） を用いて、ｊ−５＜ｉ＜ｊ＋５で示される非線形
許容範囲で始点Ｏから終点Ｅまでの演算処理を実
行し、この終点Ｅでの値Ｄ（16，16）が両パター
ンXr，Ｘ間の誤差として算出され、この誤差Ｄ
（16，16）が最少となる時の参照パターンXrの音
声が入力音声であると認識される。１３はこの第
２の認識回路１２での認識動作の結果、特定され
た音声を外部回路に出力する出力ポート、１４は
これ等の第２の認識回路１２での認識動作や出力
ポート１３での出力動作を司どる第２のCPUで、
これ等の第２のバツフアメモリ１０〜第２の
CPU１４で第２のプロセツサP₂が構成されてい
る。

次にこの第３図で示した本発明装置に於ける動
作について第４図を参照しつつ説明する。

先ず、第１のプロセツサP₁に於て、マイクロ
フオン１から入力された音声は特徴抽出回路２に
順次取り込まれて行くが、その入力音声I₁が途切
れてから一定期間の無音期間N₁が続くと第１の
CPU６は入力音声I₁の終端を検出してそれまでに
特徴抽出回路２に取り込まれた入力音声の特徴パ
ターンＸを該特徴抽出回路２で抽出し、第１のバ
ツフアメモリ３に貯える。一方、第１の認識回路
４は参照パターンメモリＭに貯えられている参照
パターンXr……と第１のバツフアメモリ３に貯
えられた特徴パターンＸとの予備比較認識SR₁を
行い、特徴パターンＸと比較的類似している参照
パターンXr……のいくつかを選択し、その選択
した参照パターンのパターンメモリＭに於ける番
地を第１の番地メモリ５に記憶せしめる。この第
１の記憶回路４に依る予備比較認識SR₁動作は先
にも述べた如く、必ずしも厳密な認識動作は必要
としないので、その認識動作が比較的短時間に遂
行される線形マツチング法が採用されている。
尚、この第１のプロセツサP₁に於ける全ての動
作の制御は第１のCPU６に依つて司どられる。

この予備認識SR₁動作が完了すると、第２のプ
ロセツサP₂に於いては、第１の番地メモリ５に
導入された予備認識SR₁結果である番地情報が第
２のプロセツサP₂の第２の番地メモリ１１に転
送され、その番地情報に基づいて、参照パターン
メモリＭのうち予備認識SR₁で選択した参照パタ
ーンXr……のみを第２の認識回路１２に読み出
し、該認識回路１２で予め第１のバツフアメモリ
３から第２のバツフアメモリ１０に転送されてい
る入力音声の特徴パターンとの本格的な比較認識
MR₁が行われる。ここで行なわれる比較認識
MR₁動作は、参照パターンXr……と特徴パター
ンＸとの厳密な比較認識が遂行され、その為に
DP法が採用されている。先にも述べた如く、こ
の本格的比較試験MR₁動作は本来であれば第１
のプロセツサP₁に於ける予備認識SR₁に比して時
間が掛るのであるが、この認識回路１２で特徴パ
ターンＸと比較される参照パターンXr……は第
１のプロセツサP₁に於て予め選択されてその数
が少なくなつているので、参照パターンメモリＭ
に貯えられている全ての参照パターンとの比較を
する場合に比してその認識に要する時間は短く、
結果的に第４図に示すように第１のプロセツサ
P₁に於ける入力音声取り込み期間Ｉと予備認識
期間SR並びに無音期間Ｎの合計期間と略等しく
なる。

一方、これと平行して第１のプロセツサP₁に
於ては、予備認識SR₁が終了すると、次の入力音
声の取り込みI₂が開始される。上述したようにこ
の取り込みI₂動作とその後の無音期間N₂及び予
備認識SR₂と先行する入力音声の第２のプロセツ
サP₂に於ける本格認識MR₁期間と略等しい。従
つて第１のプロセツサP₁に於ける２番目の入力
音声の取り込みI₂及び予備認識SR₂が完了した時
点で第２のプロセツサP₂も１番目の入力音声に
対する本格認識動作MR₁を完了しており、両プ
ロセツサP₁，P₂は全くの待ち時間なしに夫々次
の音声に対する所定の動作、即ち第１のプロセツ
サP₁は３番目の入力音声の取り込み動作I₃を、ま
た第２のプロセツサP₂は２番目の入力音声の本
格認識動作MR₂に移行する。

(ヘ) 発明の効果 本発明は以上の説明から明らかな如く、入力音
声に対する認識動作を予備認識と本格認識とに２
分すると共に夫々独立して動作する２個のプロセ
ツサを用意し、入力音声の取り込み動作と予備認
識動作とを一方のプロセツサで実行し、本格認識
動作を他方のプロセツサで実行せしめているの
で、両プロセツサでの各々実行時間が略等しくな
り、各プロセツサに於ける待時間を皆無とする事
が出来、結果的に音声認識動作の高速化を果し得
ると共に認識率の向上が図れる。しかも、本発明
装置は上記両プロセツサが単一の参照パターンメ
モリを共用できるので、メモリ構成の簡素化が図
れる。

【図面の簡単な説明】

第１図、第２図は夫々現存する音声認識動作を
示す模式図、第３図は本発明装置の構成を示すブ
ロツク図、第４図は本発明に依る音声認識動作を
示す模式図、第５図及び第６図は本発明の音声認
識動作の具体例を示すパターン対応図であつて、
P₁，P₂はプロセツサ、Ｍは参照パターンメモリ、
３，１０はバツフアメモリ、４，１２は認識回
路、５，１１は番地メモリ、６，１４はCPU、
を夫々示している。

Claims (1)

1. 【特許請求の範囲】 １ 予じめ音声の特徴パターンを貯えた単一の参
   照パターンメモリを備え、 音声を電気的な音声信号に変換するマイクロフ
   オンと、該音声信号を取り込んでその特徴を抽出
   する特徴抽出回路と、この特徴抽出回路で抽出さ
   れた特徴パターンと上記参照パターンメモリの参
   照パターンとの予備的な比較認識を行なう第１の
   認識回路と、これ等特徴抽出動作並びに予備比較
   認識動作を司どる第１のCPUと、から成る第１
   のプロセツサ部、 及び上記参照パターンメモリのうち上記第１の
   プロセツサ部で予備的に認識された参照パターン
   と特徴パターンとの本格的な比較認識を行なう第
   ２の認識回路と、この認識回路での認識結果を外
   部回路に出力するＩ／Ｏポートと、この本格比較
   認識動作並びにＩ／Ｏポート動作を司どる第２の
   CPUと、から成る第２のプロセツサ部と、 に依つて構成され、上記第１のプロセツサ部での
   音声信号取り込み動作及び予備比較認識動作に要
   する時間と、上記第２のプロセツサ部での本格比
   較認識動作に要する時間とを略等しく設定した事
   を特徴とする音声認識装置。