JPH0421879B2 - - Google Patents

Description

【発明の詳細な説明】 発明の対象 本発明は、パターン・マツチング装置に関し、
特に音声認識等における小型化が可能なパター
ン・マツチング装置に関するものである。

従来技術 パターン・マツチングを用いた音声認識装置で
は、第１図に示すように、先ずあらかじめ認識し
たい音声群（例えば、単語群）を発声して標準パ
ターン・メモリ４に登録する。認識装置は、未知
の音声が入力されると（以下、入力パターンと記
す）、あらかじめメモリ４に登録された複数個の
音声（以下、標準パターンと記す）との類似度を
特徴抽出部１と距離計算部２と照合部３で求め、
最も似ている標準パターンの音声を解として出力
する。

入力パターン（音声）の単語の長さは、500ｍ
Ｓから1Sec程度であり、座席予約の場合、例え
ば駅名の「津」「小野」等の１〜２文字の単語で
500ｍＳ、「横浜」「東京」等の４〜５文字の単語
で1Secの長さである。通常、入力パターンは10K
Hz程度すなわち10μSecの間隔でサンプリングし
て取り込まれるが、音声の特徴は10ｍＳ程度では
殆んど変らないため、10ｍＳを１フレームとして
この単位ごとに音声の特徴を抽出している。例え
ば、「東京」の入力パターンは、第２図に示すよ
うな音声パワーの起伏を有し、子音は低振幅、母
音は高振幅を示す。この入力パターンを10ｍＳ間
隔(a)のフレームで区切り、それらの特徴を特徴抽
出部１から距離計算部２に送出する。また、音声
認識装置には、１単語ずつ区切つて発声した音声
を認識する離散発声認識型のものと、連続的にな
めらかに発声した音声を認識する連続発声認識型
のものとがある。これらのうち連続発声認識型で
は、例えば、「０」、「１」、「２」等の数字の標準
パターンを個別に登録した後、第３図に示すよう
に、連続的に発声された「０」「１」「２」の入力
パターンの特徴を抽出して、類似度を求める必要
がある。連続発声認識装置においては、入力パタ
ーンに対して認識すべき標準パターン群を連続的
にパターン・マツチングさせ、標準パターンのう
ちどのパターンが入力パターンのどの範囲に最も
よく照合するかを決定しなければならない。この
ような連続マツチングでは、標準パターン・メモ
リ４内に格納された各標準パターンを連続的に読
出し、パターン・マツチング部内の距離計算部
２、照合部３により途切れなく処理を行う（特願
昭55−158296号明細書参照）。このために、標準
パターン・メモリ４内には、該当する各標準パタ
ーン群を、切れ目なく連続的に格納する。したが
つて、連続マツチングでは、処理の都合上、各標
準パターンの切れ目を知り、該当する標準パター
ンの始点、終点により制御を分岐する必要があ
る。

従来の標準パターンの切れ目検出方法は、第１
図の点線１ｂ２で示すように、照合部３に入力さ
れるフレーム数をカウンタ５でカウントして、メ
モリ７からの標準パターンの切れ目と一致した時
点で切れ目を検出している。すなわち、特徴抽出
部１では、入力パターンのフレームごとに例え
ば、中心周波数が異なるバンドパス・フイルタを
通して各周波数におけるレベルを求め、１フレー
ム当り16ワードのデータとして距離計算部２に送
出する。その場合、１点の各周波数における大き
さを16ビツトで表すので、１フレーム当り（16ビ
ツト）×（16チヤンネル）の情報で表される。

第１図に示した装置では、まず、メモリ７に、
標準パターン・メモリ４に格納されているすべて
の標準パターン１ｄのフレーム長を、標準パター
ンが格納されている順序で書き込む。距離計算部
２は、特徴抽出部１からの入力パターン１ａの特
徴パラメータの時系列と上記標準パターン１ｄの
特徴パラメータの時系列とのパターン・マツチン
グをとるため、特徴パラメータ間の類似度を距離
で演算する。すなわち、距離計算部２は、入力パ
ターン１ａのデータをＸ、標準パターン１ｄのデ
ータをＹとして、それぞれ、Ｘ、Ｙの差｜Ｘ−Ｙ
｜を求め、これを前述の16個分加えたものを距離
１ｂ１として照合部３に送る。

一方、距離計算部２から上述の距離１ｂ１が照
合部３に入力される毎に、これと同期して距離ス
トローブ１ｂ２が、カウンタ５に入力されたカウ
ンタ５を＋１ずつカウントアツプしていく。この
カウンタ値は比較器６において、前述のメモリ７
中に格納されている、該当する標準パターン１ｄ
のフレーム長１ｃと比較され、これらが等しくな
つたときに、比較器６から照合部３に対して、標
準パターンの切れ目であることを示す信号が送ら
れる。なお、上述の信号１ｂ１は距離値であり、
１ｂ２は距離用ストローブである。

このように、第１図の音声認識装置では、カウ
ンタ５、比較器６およびメモリ７が必要となる。
単語音声の場合、各標準パターンの長さが100フ
レーム程度で構成されるため、７ビツト／単語の
メモリ７が必要であり、例えば100単語を格納す
る場合には700ビツトのメモリが必要となる。こ
れらのハードウエアの増加は、照合部３を小型化
する際、特にLSI化する場合に望ましくなく、特
に内部に搭載するメモリ７は大きな障害になる。

また、認識装置の初期設定においても、標準パ
ターン・メモリ４への標準パターンと登録と、メ
モリ７への標準パターン・フレーム長の設定とい
う２回の動作が必要となり、システム的にもきわ
めて繁雑となる。

発明の目的 本発明の目的は、これらの欠点を除去するた
め、照合部内にメモリを付加することなく、標準
パターンの切れ目を検出して、マツチング部の小
型化を可能とし、かつ照合部への初期設定を簡単
化できるパターン・マツチング装置を提供するこ
とにある。

発明の総括的説明 上記目的を達成するため、本発明のパターンマ
ツチング装置は、(イ)標準パターンを格納する標準
パターン・メモリと標準パターンと入力パターン
とのパターン・マツチングを行うパターン・マツ
チング部を有するパターン認識装置において、標
準パターン・メモリに、単位標準パターンの単語
の終端フラグを有する制御情報を格納するととも
に、標準パターンの最後にその標準パターン長を
付加し、パターン・マツチング部に制御情報を取
り込むための入力制御情報取込みレジスタを設
け、終端フラグおよび標準パターン等に基づい
て、標準パターンの切り目検出処理、および標準
パターンの始点情報の計算処理を行う如く構成し
たことに特徴がある。また、(ロ)標準パターン・メ
モリに、単位標準パターン毎の終端フラグに加え
て、特定単位標準パターンをマスクするためのマ
スクフラグを格納することにより、パターン・マ
ツチング部は、マスクフラグに基づいて、特定単
位標準パターンを除去した標準パターンを用いて
パターン・マツチングを行う如く構成したことに
も特徴がある。

発明の実施例 以下、本発明の実施例を、図面により説明す
る。

第４図は、本発明の一実施例を示す音声認識装
置のブロツク図であり、第５図は、後述する入力
制御情報の格納位置を示す説明図である。

第４図において、記号１〜４は第１図に示した
と同じ構成要素を示しており、８はマルチプレク
サ、９はレジスタを示している。

以下に説明する実施例においては、標準パター
ンの単語に、以下に詳述する制御情報をフレーム
単位に付加して（第５図参照）、前述の標準パタ
ーン・メモリ４に格納し、標準パターンの読み出
し時に上述の制御情報を同時に読み出して、これ
に基づいて標準パターンの切れ目検出、標準パタ
ーンの部分マスクによう特徴部分のみのマツチン
グ等の処理を行うようにしたものである。

まず、第１の実施例を説明する。

本実施例においては、標準パターンを標準パタ
ーン・メモリ４に登録する際、標準パターンの１
フレーム毎に標準パターンの切れ目を示す情報を
追加する。すなわち、第５図に示す如く、１フレ
ーム（FRM）16ワード（WD）に１ワード
（WD）の情報を付加し、標準パターンの切れ目
や後述するマスク等の情報をここに格納せる。こ
の意味でこの１ワード（WD）の情報を、入力制
御情報と呼ぶことにする。この入力制御情報のう
ちの任意の１ビツト、例えば、最後の１ビツトを
標準パターンの終端フラグとし、このフラグを、
当該フレームが終端フレームのときには“１”、
その他のときには“０”とする。なお、当該フレ
ームが終端フレームのときには、上述の入力制御
情報の最終ビツトを“１”にするとともに、他の
数ビツトを使つて当該標準パターンのフレーム数
を格納する。

特徴抽出部１により求められた１フレームの特
徴ベクトル１ａ（16WD）が距離計算部２に送ら
れると、距離計算部２は、標準パターン・メモリ
４から１フレーム分の標準パターン１ｄ１を読み
込み、それらの間の距離１ｂ１を計算する。この
とき、距離計算部２は、標準パターン・メモリ４
から上述の標準パターン１ｄ１に付加されている
前記入力制御情報１ｄ２も同時に読み込み、これ
をマルチプレクサ（MXR）８に転送する。すな
わち、17WDの標準パターンの前16WDは距離計
算部２に、最後の1WDはマルチプレクサ８に送
られる。

距離計算部２は、上述の標準パターンの前
16WDが読み込まれると、これと特徴抽出部１か
ら送られる入力パターン（16WD）から、これら
の間の距離１ｂ１を計算し、照合部３に出力す
る。また、距離計算部２は、上述の標準パターン
の前16WDが読み込まれると、距離用ストローブ
信号１ｂ２を照合部３に出力し、照合部３は、こ
れに基づいて、マルチプレクサ８の切替信号１ｅ
を出力する。マルチプレクサ８は、通常は、距離
１ｂ１を照合部３に出力しているが、切替信号１
ｅにより出力を他方に切り替えて、前記入力制御
情報１ｄ２を出力する。

すなわち、照合部３は、距離計算部２から出力
される距離データ１ｂ１と前記入力制御情報１ｄ
２を、いずれもマルチプレクサ８を通して取り込
むことができ、このうち、入力制御情報１ｄ２に
関しては、これを入力制御情報取り込みレジスタ
９に格納する。照合部３は、入力制御情報取り込
みレジスタ９に格納された入力制御情報の前記終
端フラグを参照することにより、入力された距離
データ１ｂ１が終端フレームのものか否か、すな
わち、標準パターンの切れ目か否かを知ることが
できる。

第４図においては、第１図に示す従来の認識装
置と比較すれば明らかなように、標準パターンの
フレーム長を記憶するメモリ７、距離用ストロー
ブをカウントするカウタ５、カウント値とメモリ
７から読出されたフレーム長を比較する比較器６
がいずれも不要となり、入力制御情報を一時記憶
するレジスタ９と信号を切替えるためのマルチプ
レクサ８を設けるのみでよいため、ハードウエア
量が少なくてすみ、LSI化に有利である。

また、照合部３の入出力端子数も、切替信号１
ｅを１本だけ追加するのみでよい。なお、マルチ
プレクサ８は、入出力端子数を少なくするために
設けられたもので、マルチプレクサ８を取外して
距離データ１ｂ１と入力制御情報１ｄ２を両方と
も照合部３に入力してもよく、この場合には勿論
入出力端子数がさらに１つ増加することになる。

距離計算部２は、マルチプレクサ８に入力制御
情報１ｄ２を送り出す必要があるが、これは単
に、標準パターン・メモリ４の出力１ｄの一部を
マルチプレクサ８に接続するのみでよいため、回
路の増加はない。

このように、第４図においては、距離計算部２
および照合部３のハードウエアを殆んど増加する
ことなく、逐次処理が可能な距離計算部２と、標
準パターンの終単検出が可能な照合部３を実現す
ることができる。さらに、標準パターンに関する
初期設定も、標準パターン・メモリ４に対しての
み行えばよいので、認識装置全体として制御を簡
単化できる。

次に、入力制御情報に、マスク・ビツトを付加
することにより、ハードウエア量や入出力端子を
増加することなく、照合部３にマスク処理機能を
付加する場合について説明する。

例えば、「タイプ」という単語を入力したとき、
標準パターンの「タイプ」と「パイプ」ではマツ
チング結果が殆んど違わない場合があり、どちら
の単語であるか判別できないことがある。このと
き、入力音声の語頭が「タ」であるか、「パ」で
あるかを知るために、両標準パターンの「イプ」
の部分をマスクして、この部分がマツチングに影
響しないように「タ」と「パ」を区別するための
処理を行う。

本発明では、この場合にも、入力制御情報にマ
スク・フラグを設け、両標準パターンの「イプ」
の部分にマスク・フラグを立てることによつて、
照合部３はこのマスク・フラグが立つていれば、
入力される距離データを“０”にし、この部分の
距離の影響を除いたマスク処理を行うことができ
る。なお、このマスクフラグは、前述のフレーム
の長さを格納する場合と同様に、入力制御情報の
最終ビツトを除いた他のビツトを使つてセツトす
ることができる。

さらに、入力制御情報として、フレーム長を同
時に含ませることにより、フレームの始点情報の
計算に役立たせることができる。

すなわち、連続マツチングにおける始点情報を
計算で求める方法（先に出願した実願昭55−
66296号明細書参照）では、単語パターンの切れ
目を求めるため、入力パターンの大きさを１フレ
ームずつずらしながら加算し、丁度連続の切れ目
から切れ目まで加算したとき、始めてその値が小
さくなることにより求められるが、前述の如く本
発明では、入力制御情報に標準フレームの長さを
含ませることによつて、そのフレーム長を照合部
３で求めたものに加算すれば次の始点が求められ
る。

なお、本発明は、パターン・マツチング装置に
関するものであれば、音声認識に限らず、数字、
漢字等の文字認識やその他の認識にも適用するこ
とができる。また、照合部３は、連続マツチング
の場合に限定されず、それ以外のマツチング方式
の場合にも適用できる。

発明の効果 以上説明したように、本発明によれば、パター
ン・マツチング部にメモリ等のハードウエアを付
加することなく、切れ目検出処理等の各種の処理
を行うことができ、パターン・マツチング部の照
合部の小型化が可能となるので、LSI化の際にき
わめて有利である。また、標準パターンに関する
初期設定操作に簡易にできるので、パターン認識
システムの制御の繁雑さを減少することができ
る。

【図面の簡単な説明】

第１図は従来のパターン・マツチングを用いた
音声認識装置のブロツク図、第２図は入力音声パ
ターンの音声パワー特性図、第３図は連続発声認
識型の標準パターンの特性図、第４図は本発明の
実施例を示す音声認識装置のブロツク図、第５図
は第４図の入力制御情報の格納位置の説明図であ
る。 １：特徴抽出部、２：距離計算部、３：照合
部、４：標準パターン・メモリ、８：マルチプレ
クサ、９：入力制御情報取込レジスタ。

Claims (1)

1. 【特許請求の範囲】 １ 標準パターンを格納する標準パターン・メモ
   リと前記標準パターンと入力パターンとのパター
   ン・マツチングを行うパターン・マツチング部を
   有するパターン認識装置において、前記標準パタ
   ーン・メモリに、単位標準パターンの単語の終端
   フラグを有する制御情報を格納するとともに、該
   標準パターンの最後にその標準パターン長を付加
   し、前記パターン・マツチング部に前記制御情報
   を取り込むための入力制御情報取込みレジスタを
   設け、前記終端フラグおよび標準パターン長に基
   づいて、前記標準パターンの切り目検出処理、お
   よび該標準パターンの始点情報の計算処理を行う
   如く構成したことを特徴とするパターン・マツチ
   ング装置。 ２ 前記標準パターン・メモリに、単位標準パタ
   ーン毎の終端フラグに加えて、特定単位標準パタ
   ーンをマスクするためのマスクフラグを格納する
   ことにより、前記パターン・マツチング部は、前
   記マスクフラグに基づいて、前記特定単位標準パ
   ターンを除去した標準パターンを用いてパター
   ン・マツチングを行う如く構成したことを特徴と
   する特許請求の範囲第１項記載のパターン・マツ
   チング装置。