JPH04198999A - 音声認識におけるマッチング距離値の極小値探索方法 - 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】 ［産業上の利用分野］ 本発明は、入力音声の特徴パタンと標準パタンとの連続
Ｄ　Ｐ　（ＤＶｎａｍｉｃ　Ｐｒｏｇｒａｍｍｉｎｇ）
　？　ツチング方式によって得られたマツチング距離値
における極小値を求める方法に関するものである９　　
　・［従来の技術］ 音声認識装置においては、入力音声について得られた特
徴パタンと、予め所定の単語等について用意されている
複数の標準パタンとのマツチング距離値（類似度）を求
めて、このマツチング距離値に基づいて入力音声を特定
（認識）する。この際、入力音声における音素又は音節
と標準パタンにおける音素又は音節との対応をとること
なく実行できる非線形マツチング方法が採用されること
が多く、しかも、計算１の削減のためにそのうちの連続
ＤＰマツチング方式が採用されることが多い。

この連続ＤＰマツチング方式においては、マツチング距
離値の極小値情報に基づいて、対象となっている標準パ
タンにかかる音声（単語等）が入力音声に含まれている
か否か等を判別している。

第２図は、極小値情報がかかる判別に用いられることを
説明する概念図である。

入力音声に含まれている単語や音節等についての１個の
標準パタンと、入力音声についての時系列の特徴パタン
とのマツチング距離値を順次求めていく場合を考える。

なお、第２図におけるパタンを表す数値列は、実際の数
値列とは異なり、この説明に用いる仮想的な数値列であ
る。

入力音声の特徴パタンと標準パタンとか無関係なときは
、第２図（Ａ）に示すように、マツチング距離値は大き
な値をとり、このような無関係な区間ではこのような大
きな値を連続させる。入力音声の特徴パタンの入力が進
み、標準パタンとの一致部分が生じると、マツチング距
離値はその一致部分が大きくなるに従い、徐々に小さく
なっていく（第２図（Ｂ）〜（Ｄ））。そして、入力音
声の特徴パタンと標準パタンとか一致したときにマツチ
ング距離値は最も小さな値となる（第２図（Ｅ））。さ
らに、入力音声の特徴パタンの入力が進むと一致部分が
少なくなって徐々にマ・ンチング距離値が大きくなって
いき（第２図（Ｆ））、一致部分もなくなるとマ・・ｌ
チング距離値は第２図（Ａ＞に示すような大きな値に戻
る。

このように、入力音声に含まれている単語や音節等につ
いての１個の標準パタンに対するマツチング距離値の変
化は、極小値を有するものとなり、極小値を検出するこ
とで、その単語や音節が含まれているか否か及び含まれ
ている位置情報を得ることができる。

第３図（Ａ）〜（Ｄ＞は、入力音声「あだまがいたいｊ
の特徴パタン列と、４個の標準パタン「あたま」、「が
ｊ、［いたいｊ及び［はらＪのそれぞれとのマツチング
距離値の時間変化を示すものである。標準パタン「あた
まＪに対するマツチング距離値は、第３図（Ａ＞に示す
ように早い時期で極小値をとり、標準パタン「か」に対
するマツチング距離値は、第３図（Ｂ）に示すように中
間時期に極小値をとり、標準パタン「いたい」に対する
マツチング距離値は、第３図（Ｃ）に示すように遅い時
期で極小値をとる。入力音声「あなまがいたい」に含ま
れていない標準パタン「はら」についてのマツチング距
離値は、第３図（Ｄ＞に示すようにほぼ一定値をとる。

このように複数の標準パタンとのマツチング距離値を得
、その極小値情報に基づいて入力音声を特定（認識）す
ることができる。

このように連続ＤＰマツチング方式においては、マツチ
ング距離値の極小値を検出することが重要である。従来
、複数のマツチング距離値から極小値を以下のようにし
て検出（探索）していた。

第４図は、１つの標準パタンとのマツチング距離値を時
間軸上に並べた図であり、入力音声サンプル値を複数毎
に纏めた複数の処理フレーム（同一サンプル値が複数の
フレームの成分になっていても良い）のうちｎ番目の処
理フレーム（以下、単にｎフレームと呼ぶ）を中心とし
た複数フレームのマツチング距離値を示している。

今、ｎフレームが極小値のフレームか否かの判定処理対
象フレームとする。極小値である場合には、ｎフレーム
のマツチング距離値は、その近傍のフレームのマツチン
グ距離値より小さい値になっているので、当該ｎフレー
ムのマツチング距離値を近傍の各フレーム（ｎ−ｍフレ
ームからｎ＋ｍフレーム）のマツチング距離値と順次大
小比較し、近傍の全フレームより小さいときに極小値と
判断し、いずれかのフレームよりその値が大きいことを
検出したときに極小値でないと判定するようにしていた
。

し発明が解決しようとする課題］ ところで、実際上、音声認識装置は利用者の音声を認識
するものであるので、この音声認識装置を備えた装置は
、認識結果を表示させたり、認識された内容に応じた処
理（例えば発話処理）を行ったりして利用者に対する何
等かの応答を行なう。

そのため、音声の認識時間を短くして応答までの時間を
も短くすることが求められる。

そこで、音声認識処理の各要素処理をできるだけ音声の
サンプリング周期に同期させて行ない、音声認識時間の
短縮化を計っている。

しかしながら、マツチング距離値の最小値の探索や探索
された最小値情報から認識結果を得る処理において、サ
ンプリング周期に同期させて行なうことが難しくなって
きた。

これは、第１に、音声認識装置の発達に伴い、取扱う標
準パタン数が非常に多くなってきたためである。第２に
、゛マツチング距離値の変化は本来の対応する処理フレ
ーム以外にも部分的に極小値をとることがあり、不要な
極小値が多数検出されるためである。

本発明は、以上の点を考慮してなされたものであり、マ
ツチング距離値の極小値探索を高速に実行することがで
きる、しかも不要な極小値の検出をできるだけ押さえる
ことができる音声認識におけるマツチング距離値の極小
値探索方法を提供しようとするものである。

［課題を解決するための手段］ 本発明は、入力音声の特徴パタンを抽出する特徴パタン
抽出部と、予め用意されている標準パタンを記憶してい
る標準パタン記憶部と、特徴パタンと各標準パタンとの
マツチング距離値を各フレームについて求める連続ＤＰ
マツチング方式に従う照合演算部と、処理対象フレーム
を順次変えながらマツチング距離値の極小値を有する標
準パタン及び極小値の位置情報を得る極小値探索部と、
得られたマツチング距離値の極小値を有する標準パタン
及び極小値の位置情報から認識結果を得る認識処理部と
を備えた音声認識装置に関し、特に、極小値探索部が実
行するマツチング距離値の極小値の探索方法に関する。

極小値探索部は、処理対象フレームのマツチング距離値
が所定の閾値より小さいことを確認し、その後、処理対
象フレームとその近傍フレームとのマツチング距離値を
大小比較して、ある処理対象フレームがある標準パタン
の極小値になっているか否かを判断する。

［作用］ 標準パタンと特徴パタンとか真に対応するなめにマツチ
ング距離値が極小値をとる以外にも、マツチング距離値
が部分的にみて極小値をとることがあるが、対応しない
場合の極小値は標準パタンと特徴パタンとが真に対応す
る場合の極小値よりかなり大きなものである。

そこで、本発明では、まず処理対象フレームのマツチン
グ距離値が、標準パタンと特徴パタンとか真に対応して
いる可能性を有することを、所定の閾値との大小比較に
より確認することとした。

そして、その後に、処理対象フレームとその近傍フレー
ムとのマツチング距離値を大小比較して、ある処理対象
フレームがある標準パタンの極小値になっているか否か
を判断することとした。

［実施例］ 以下、本発明の一実施例を図面を参照しながら詳述する
。

ここで、第１図はこの実施例によるマツチング距離値の
極小値探索方法の処理フローチャート、第５図はこの実
施例の極小値探索方法が適用された音声認識装置の機能
ブロック図、第６図はこの実施例のマツチング距離値と
閾値との関係を示す説明図である。

第５図において、マイクロフォン１によって捕捉された
入力音声信号（アナログ信号）ｌｉ、アナログ／デジタ
ル変換部２に与えられ、このアナログ／デジタル変換部
２によって例えば１２ｋＨ２でサンプリングされ、デジ
タルデータ列に変換されて特徴パタン抽出部３に与えら
れる。特徴パタン抽出部３は、連続する所定個数のサン
プリングデータを１フレームとして所定の分析（例えば
ＬＰＣ分析等）を行ない、フレーム毎に入力音声情報が
圧縮された特徴パタンを抽出する。このようにして抽出
された特徴パタン列は照合演算部４に与えられる。照合
演算部４には関連して標準パタン記憶部５が設けられて
おり、照合演算部４は、入力音声の特徴パタンと各標準
パタンとの連続ＤＰマツチングを行ない、その結果であ
るマツチング距離値列を極小値探索部６に与える。

極小値探索部６は、第１図に示す処理を実行して、処理
対象フレームの特徴パタンとのマツチング距離値がその
処理対象フレームについて極小値を取る標準パタン（複
数のこともある）を得て処理対象フレームを明らかにし
てその標準パタン情報をセーブする。また、この際、極
小値のマツチング距離値もセーブする。

認識処理部７は、同一フレームについて極小値をとる標
準パタンか複数ある場合には、マツチング距離値に基づ
いて１個の標準パタンに絞り込んだ後、極小値を有する
標準パタンについての単語等を極小値が現れた位置順に
繋げて入力音声の認識結果を得る（第３図参照）。

次に、この実施例の最も特徴部分である極小値探索部６
の処理を第１図に基づいて説明する。

極小値探索部６は、入力音声の特徴パタン列のフレーム
毎に第１図に示す処理を繰返す。ここで、処理対象フレ
ームをｎフレームとする。

ｎフレームが極小値探索にかかる処理対象フレームにな
ると、第１図に示す処理を開始し、まず、標準パタンを
特定するパラメータｉを初期値０にする（ステップ１０
０）。

その後、照合演算部４から与えられた、入力音声のｎフ
レームの特徴パタンと標準パタンｉとのマツチング距離
値Ｄ（ｉ、ｎ）が閾値ＴＨより小さいことを確認する（
ステ・・Ｉプ１０１）。

これは標準パタンｉが対応していないものであっても部
分的に極小値を有することがあることに鑑みて設けられ
た処理ステップである。このような極小値は真に標準パ
タンｉが対応している場合の極小値より格段的に大きく
、閾値ＴＨを適当に選定することで対応していない偽の
極小値を排除することができる。

処理対象のｎフレームのマツチング距離値Ｄ（ｉ、ｎ）
が真の極小値の可能性を有しない場合には、標準パタン
パラメータｉを１インクリメントして次の標準パタンを
指示するものとした後、このインクリメントされたパラ
メータｉを標準パタン個数ＤＩＣＮと比較することで、
全標準パタンに対する処理を終了していないことを確認
して上述したステップ１０１に戻る（ステップ１０８．
１０９）。なお、パラメータｉの初期値を０としている
ので、全標準パタンについての処理が終了したときには
パラメータｉはＤＩＣＮとなっており、ステップ１０９
で肯定結果が得られて当該処理が終了することになる。

第６図（Ａ）は、処理対象のｎフレームが閾値ＴＨより
大きく、そのため、上述したように近傍フレームとの大
小比較を行なうことなく直ちに次の標準パタンについて
の処理に進む場合を示している。

ステップ１０１の判別の結果、処理対象のｎフレームの
マツチング距離値Ｄ（ｉ、ｎ）が闇値ＴＨより小さくて
真の極小値の可能性を有すると判定されると、このｎフ
レームのマツチング距離値Ｄ（ｉ、ｎ）と、直前のｎ−
１フレームのマツチング距離値Ｄ（ｉ、ｎ−１＞との大
小比較を行なう（ステップ１０２）。ｎフレームのマツ
チング距離値Ｄ（ｉ、ｎ＞が大きければ、このｎフレー
ムは極小値フレームでないので、上述したステップ１０
８に進んで次の標準パタンを対象とする。

他方、ｎフレームのマツチング距離値Ｄ（ｉ。

ｎ）がｎ−１フレームのマツチング距離値Ｄ　（ｉ。

ｎ−１）より小さけれはく等しい場合を含む）、このマ
ツチング距離値Ｄ（ｉ、ｎ＞と、直後のｎ＋１フレーム
のマツチング距離値Ｄ（ｉ、ｎ＋１）との大小比較を行
なう（ステップ１０３）。この場合でも、ｎフレームの
マツチング距離値Ｄ　（ｉ。

ｎ）が大きければ、このｎフレームは極小値フレームで
ないので、上述したステップ１０８に進んで次の標準パ
タンを対象とする。

この判別によっても極小値の可能性を有すると判定され
ると、処理対象のｎフレームのマツチング距離値Ｄ（ｉ
、ｎ）とｎ−２フレームのマツチング距離値Ｄ（ｉ、ｎ
−２）との大小比較を行なう（ステップ１０４）。この
場合でも、ｎフレームのマツチング距離値Ｄ（ｉ、ｎ）
が大きければ、ｎフレームは極小値フレームでないので
、上述したステップ１０８に進んで次の標準パタンを対
象とし、他方、極小値の可能性が残っていれば、ｎ＋２
フレームのマツチング距離値Ｄ（ｉ、ｎ＋２）との大小
比較を行なう（ステップ１０５）。

以下、同様にして、前側についてはｎ−ｍフレームのマ
ツチング距離値Ｄ（ｉ、ｎ−ｍ）、後側についてはｎ＋
ｍフレームのマツチング距離値Ｄ（ｉ、ｎ＋ｍ）までの
大小比較を極小値の可能性を有するならば順次行なう（
・・・ステップ１０６）。

この場合に、比較対象のフレームを、当該処理対象フレ
ームの前側及び後側を交互に変化させると共に、当該処
理対象のｎフレームとの時間差が徐々に大きくなるよう
に変更させていく。

ここで、ｍは極小値か否かを見極めるための範囲を規定
するものであり、例えば３程度が妥当である。このｍが
大きければ極小値探索の平均処理時間が長くなり、小さ
すぎれば誤検出の恐れが大きくなるためである。

また、上述のように、処理対象のｎフレームのマツチン
グ距離値Ｄ（ｉ、ｎ＞と、マツチング距離値が大小比較
されるフレームを、前側及び後側で交互に変えるように
したのは、単調増加変化及び単調減少変化の中間に処理
対象フレームが位置しても、両者の場合共に迅速に極小
値でないことを検出できるようにしたためである。

さらに、上述のように、処理対象のｎフレームに時間が
近いフレームから比較対象フレームとするようにしたの
は、ｎフレームに近い位置に極小値フレームがあったと
きに、当該ｎフレームを極小値フレームでないと迅速に
検出できるようにしたためである。

第６図（Ｂ）は、処理対象のｎフレームについてのマツ
チング距離値Ｄ（ｉ、ｎ）が閾値ＴＨより小さく、近傍
フレームとの大小比較により極小値か否かの確認を行な
う処理に進む場合を示している。

ステップ１０２から１０６の判断の結果、ｎ−ｍフレー
ムからｎ＋ｍフレームの間では、当該ｎフレームのマツ
チング距離値Ｄ（ｉ、ｎ＞が最小値（極小値）であると
判断されると、標準パタンパラメータｉ、処理対象フレ
ームを指示するパラメータｎ及びマツチング距離値Ｄ（
ｉ、ｎ＞をセーブして、上述したステップ１０８に進ん
で次の標準パタンを対象とする（ステップ１０７）。

このようにしてセーブされた情報が、上述したように認
識処理部７で利用される。

以上のように、この実施例によれば、処理対象のｎフレ
ームが標準パタンｉについて極小値フレームか否かを判
断するにつき、近傍フレームとの大小比較に先立って、
マツチング距離値Ｄ（ｉ。

ｎ）が閾値ＴＨより小さいことを確認するようにしたの
で、真の極小値の可能性を有しない場合に　゛は、近傍
フレームとの大小比較処理を省略でき、従来に比して極
小値探索時間を短くすることができる。その結果、認識
処理部７に与えられる不要な極小値情報も少なくなり、
極小値情報の競合が少なくなって認識処理をも迅速に実
行させることができる。

また、上述の実施例によれば、極小値か否かを判断する
ための比較対象のフレームを、処理対象のｎフレームの
前側及び後側を交互に切り替えながら、しかも、徐々に
ｎフレームとの時間差が大きくなるように選んでいくよ
うにしたので、この点からも極小値でないことを検出す
る平均時間を従来より短くすることができる。

このように極小値の探索及び認識処理に要する時間が短
くなったので、標準パタン数が増大してもサンプリング
周期に同期させて処理を実行させることが可能となって
実際上問題とならない程度の時間で音声を認識すること
ができる。

なお、上述の実施例では、処理対象フレームについて複
数の標準パタンか極小値を有するものとなることがあり
、これの絞り込みを認識処理部７で行なうものを示した
が、極小値探索部６で行なうようにしても良い。

また、第１図に示す処理は、−例であって種々の変形が
可能である。例えば、最初の比較対象を後側のフレーム
のマツチング距離値とするようにしても良く、また、比
較対象フレームを固定して標準パタンを変えながら処理
し、その後に比較対象フレームを変更するものであって
も良い。また、比較対象フレームを前側及び後側で交互
に切り替えないようにしても良い。

［発明の効果］ 以上のように、本発明によれば、極小値探索部が処理対
象フレームのマツチング距離値が極小値か否かをある標
準パタンについて判断する際に、処理対象フレームのマ
ツチング距離値が真の極小値である可能性を有すること
を閾値との比較で確認した後、近傍フレームとの大小比
較を行なうようにしたので、極小値でないことを検出す
る平均時間を従来より短くすることができ、また、得ら
れる極小値情報の数を少なくすることができて音声認識
時間を従来より短くすることができる。

【図面の簡単な説明】

第１図は本発明の一実施例による極小値探索処理を示す
フローチャート、第２図及び第３図はマツチング距離値
列における極小値の意味の説明図、第４図は従来の極小
値探索方法の説明図、第５図は上記実施例にかかる音声
認識装置の構成を示すブロック図、第６図は上記実施例
のマツチング距離値と閾値との関係を示す説明図である
。 ３・・・特徴パタン抽出部、４・・・照合演算部、５・
・・標準パタン記憶部、６・・・極小値探索部、７・・
・認識処理部、ＴＨ・・・真の極小値である可能性を有
するか否かを判断するための閾値、ｎ・・・処理対象フ
レーム、ｉ・・・標準パタン、ＤＩＣＮ・・・標準パタ
ン数、Ｄ（ｉ、ｎ＞・・・ｎフレームの標準パタンｉに
ついてのマツチング距離値、ｍ・・・比較対象のフレー
ム範囲を規定する数。

Claims (1)

1. 【特許請求の範囲】 入力音声の特徴パタンを抽出する特徴パタン抽出部と、
   予め用意されている標準パタンを記憶している標準パタ
   ン記憶部と、特徴パタンと各標準パタンとのマッチング
   距離値を各フレームについて求める連続ＤＰマッチング
   方式に従う照合演算部と、処理対象フレームを順次変え
   ながらマッチング距離値の極小値を有する標準パタン及
   び極小値の位置情報を得る極小値探索部と、得られたマ
   ッチング距離値の極小値を有する標準パタン及び極小値
   の位置情報から認識結果を得る認識処理部とを備えた音
   声認識装置において、 上記極小値探索部が、処理対象フレームのマッチング距
   離値が所定の閾値より小さいことを確認し、その後、処
   理対象フレームとその近傍フレームとのマッチング距離
   値を大小比較して、ある処理対象フレームがある標準パ
   タンの極小値になっているか否かを判断することを特徴
   とする音声認識におけるマッチング距離値の極小値探索
   方法。