JPH0465395B2

JPH0465395B2 -

Info

Publication number: JPH0465395B2
Application number: JP62061734A
Authority: JP
Inventors: Hiroaki Sekoe
Original assignee: Nippon Electric Co Ltd
Current assignee: NEC Corp
Priority date: 1987-03-16
Filing date: 1987-03-16
Publication date: 1992-10-19
Also published as: JPS63226695A

Description

【発明の詳細な説明】（産業上の利用分野）本発明は人間が発声した音声を自動認識する音
声認識の主要処理であるパターンマツチングの方
式に関するものである。DETAILED DESCRIPTION OF THE INVENTION (Field of Industrial Application) The present invention relates to a pattern matching method, which is the main process of speech recognition for automatically recognizing speech uttered by humans.

（従来の技術）音声認識のパターンマツチング方式に関しては
種々の技術が開発されているが、それらの中で最
も重用されているものの一つとして「日本音響学
会誌第42巻９号（昭和61年９月発行）の第725頁」
（以下文献−１とする）に記載されるが如きDPマ
ツチング法がある。これは音声の時間軸歪を整合
する手法として極めて有効とされている。また、
DPマツチング法を連続単語認識に拡張したもの
として特願昭56−199098号明細書に記載されるが
如きクロツクワイズDP法がある。この手法は構
文制御を有する連続単語認識法として説明されて
いるが、その特殊形として当然離散単語認識をも
包含している。ここでは簡単のため離散単語の認
識の形式で、クロツクワイズDP法の要部を説明
する。(Prior art) Various technologies have been developed regarding pattern matching methods for speech recognition, but one of the most heavily used among them is the one published in ``Journal of the Acoustical Society of Japan, Vol. 42, No. 9 (Showa 61). (Published in September 2016), page 725.”
There is a DP matching method as described in (hereinafter referred to as Document-1). This is considered to be extremely effective as a method for matching time axis distortion of audio. Also,
As an extension of the DP matching method to continuous word recognition, there is a clockwise DP method as described in Japanese Patent Application No. 56-199098. Although this method is described as a continuous word recognition method with syntactic control, it naturally also includes discrete word recognition as a special form. For simplicity's sake, we will explain the main parts of the Crotwise DP method in the form of discrete word recognition.

単語名を番号ｎで指定することとして｛ｎ｜ｎ＝１、２、……Ｎ｝なる単語セツトを認識対象とする。各単語に標準
パターン Bⁿ＝〓₁ ⁿ、〓₂ ⁿ……〓_j ⁿ……〓ⁿ _Jo を考える。ここにｊは時刻を示し、〓_j ⁿは標準パ
ターンBⁿの時刻ｊの特徴を意味する。入力音声
パタンを同様にＡ＝〓₁、〓₂……〓_i……〓_I と示す。 Assuming that word names are designated by numbers n, a set of words {n|n=1, 2, . . . N} is to be recognized. Consider the standard pattern B ⁿ =〓 ₁ ⁿ , 〓 ₂ ⁿ ……〓 _j ⁿ ……〓 ⁿ _Jo for each word. Here, j indicates time, and 〓 _j ⁿ means the characteristic of standard pattern B ⁿ at time j. The input voice patterns are similarly expressed as A=〓 ₁ , 〓 ₂ ...〓 _i ...〓 _I.

音声認識は、入力パターンＡと標準パターン
Bⁿとのパターン距離Ｄ（Ａ、Bⁿ）を求め、それが
最小となるｎを定め、認識結果とすることによつ
て行なわれる。 Speech recognition uses input pattern A and standard pattern
This is done by finding the pattern distance D (A, B ⁿ ) with respect to B ⁿ , determining n at which it is the minimum, and using this as the recognition result.

DPマツチングではこのパターン間距離の計算
を一例として次のような動的計画法計算によつて
行なう。 In DP matching, the distance between patterns is calculated by the following dynamic programming calculation, for example.

Γ初期条件 gⁿ（１、１）＝dⁿ（１、１） ……(1) Γ漸化式 gⁿ（ｉ、ｊ）＝dⁿ（ｉ、ｊ）＋mingⁿ（ｉ−１
、ｊ） gⁿ（ｉ−１、ｊ−１） gⁿ（ｉ−１、ｊ−２） ……(2) ｉ＝１、２、……Ｉｊ＝１、２、……Ｊ Γパターン間距離Ｄ（Ａ、Bⁿ）＝gⁿ（Ｉ、Jⁿ） ……(3) ここにdⁿ（ｉ、ｊ）は特徴〓_iと〓_j ⁿの距離dⁿ
（ｉ、ｊ）＝‖〓_i−〓_j ⁿ‖である。これを積分した
形式となる。gⁿ（ｉ、ｊ）を最適累積距離と呼ぶ。
このDPマツチイング処理は当初、単語ごとに実
行されていたが、クロツクワイズDP法では各単
語に対して並列的に実行される形式に改良され
た。すなわち、第１図のような、ｉ，ｊ，ｎが張
る空間において入力パターンの各時刻ｉにおい
て、各標準パターンBⁿの指定ｎと、それらの中
のｊのすべての組み合わせで指定されるｎ，ｊに
対してgⁿ（ｉ、ｊ）なる最適累積値を計算し、し
かる後に時刻ｉを進めて処理を実行するという方
式になつている。Γ initial condition g ⁿ (1, 1) = d ⁿ (1, 1) ...(1) Γ recurrence formula g ⁿ (i, j) = d ⁿ (i, j) + ming ⁿ (i-1
, j) g ⁿ (i-1, j-1) g ⁿ (i-1, j-2) ...(2) i=1, 2, ...I j=1, 2, ...J Γ pattern Distance D (A, B ⁿ ) = g ⁿ (I, J ⁿ ) ...(3) Here, d ⁿ (i, j) is the distance d ⁿ between the features 〓 _i and 〓 _j ⁿ
(i, j)=‖〓 _i −〓 _j ⁿ ‖. This is the integral form. g ⁿ (i, j) is called the optimal cumulative distance.
Initially, this DP matching process was performed for each word, but in the Crotwise DP method, it has been improved to a format in which it is performed for each word in parallel. That is, at each time i of the input pattern in the space spanned by i, j, and n as shown in Figure 1, the n specified by the specification n of each standard pattern B ⁿ and all the combinations of j among them. , j, and then calculates the optimal cumulative value g ⁿ (i, j), and then advances the time i and executes the process.

実際の計算においては、図の空間すべてのワー
クエリアを用意する必要はなく、ｉ方向に関して
は、時刻ｉとｉ−１の２時刻分あれば(2)式の計算
を進めることができる。 In the actual calculation, it is not necessary to prepare a work area for the entire space in the figure, and in the i direction, the calculation of equation (2) can proceed if two times, i and i-1, are needed.

このようなDPマツチングでは距離ｄ（ｉ、ｊ）
のための計算量が問題になる。通常〓_iや〓_j ⁿは10
次元以上のベクトルであり、このようなベクトル
間の距離計算を_N 〓ⁿ⁼¹ Jⁿ回もｉの１クロツク（通常
10ｍｓ程度）で行なうのは通常のハードウエアで
は非常な負担になる。 In such DP matching, the distance d(i, j)
The amount of calculation required becomes a problem. Usually 〓 _i or 〓 _j ⁿ is 10
It is a vector with more than one dimension, and the distance calculation between such vectors is performed _N 〓 ⁿ⁼¹ J ⁿ times in one clock of i (usually
10ms) would be a huge burden on normal hardware.

この問題に対する方策として、前記文献−１の
第725頁〜第730頁に“音声認識におけるパタンマ
ツチング手法”と題して発表された論文に記され
るが如き、ベクトル量子化を適用することが考え
られる。すなわち、標準パタンの特徴の集合｛〓
_ｊ ⁿ｝の分布を近似するコードベクトルの集合｛〓
_ｋ｝を用意し、各標準パターンBⁿは、各〓_j ⁿに最
も近いコードベクトル〓_kを指定する番号ｋ＝ｋ
（ｎ、ｊ）の時系列としと表現する。かくした上
で、DPマツチングの実行時には、入力パターン
の特徴〓_iと、各コードベクトルとの距離Ｄ(k)を
計算してテーブル化しておき、漸化式計算時には dⁿ（ｉ、ｊ）＝Ｄ（ｋ（ｎ、ｊ）） ……(4) と参照して(2)式を計算する。このベクトル量子化
の採用によつて距離計算の回数は大幅に低減され
たが、それでも相当の計算量になると見積られ
る。 As a solution to this problem, it is possible to apply vector quantization as described in the paper entitled "Pattern matching method in speech recognition" on pages 725 to 730 of the above-mentioned document-1. Conceivable. In other words, the set of features of the standard pattern {〓
A set of code vectors that approximates the distribution of _j ⁿ } {〓
_k }, and each standard pattern B ⁿ is a number k = k that specifies the code vector 〓 _k closest to each 〓 _j ⁿ .
It is expressed as a time series of (n, j). Based on this, when executing DP matching, calculate the distance D(k) between the input pattern feature 〓 _i and each code vector and create a table, and when calculating the recurrence formula, calculate d ⁿ (i, j) =D(k(n,j))...Calculate equation (2) with reference to (4). Although the number of distance calculations has been significantly reduced by adopting this vector quantization, it is still estimated that the amount of calculation is considerable.

（発明が解決しようとする問題点）通常のDPマツチング法に比して認識率の低減
を生じないためにはコードベクトルとして256個
程度が必要とされる。１回のＤ（ｉ、ｋ）の計算
が40μsで終了するとしても256個分では10ｍｓを
要する。すなわち、ｉの１クロツク分（10ｍｓ）
のほとんどをベクトル間の距離計算で使用してし
まつて、漸化式計算に使用する時間が残らないこ
とになる。このため、従来は高速な専用ハードウ
エアを利用してDPマツチングを実行していた。(Problems to be Solved by the Invention) Approximately 256 code vectors are required in order to avoid a reduction in recognition rate compared to the normal DP matching method. Even if one calculation of D(i, k) is completed in 40 μs, 10 ms is required for 256 calculations. In other words, 1 clock of i (10ms)
Most of the time is used to calculate the distance between vectors, and there is no time left for calculating the recurrence formula. For this reason, DP matching has traditionally been performed using high-speed dedicated hardware.

本発明はベクトル量子化技法と組み合わせて
も、なお計算量が多いというクロツクワイズDP
法の上記欠点を改良して、高速でありながら安価
な音声認識のパターンマツチング方式を提供する
ことを目的とする。 Even if the present invention is combined with vector quantization techniques, the clockwise DP still requires a large amount of calculation.
The present invention aims to improve the above-mentioned drawbacks of the method and provide a pattern matching method for speech recognition that is high speed and inexpensive.

（問題点を解決するための手段）本発明のパターンマツチング方式は、ベクトル
量子化手法を採用した上記クロツクワイズDP法
において、過去において計算された最適累積値に
基づいて、現クロツクで入力音声パターンの特徴
〓_iとの距離を計算する必要があるコードベクト
ル〓_kのセツトを予測し、それ以外のコードベク
トルとの距離計算を不要とすることを特徴とす
る。(Means for Solving the Problems) The pattern matching method of the present invention uses the clockwise DP method that employs the vector quantization method to match the input audio pattern using the current clock based on the optimal cumulative value calculated in the past. The feature of 〓 is that it predicts the set of code vectors 〓 _k whose distance to _i needs to be calculated, and there is no need to calculate the distance with other code vectors.

（作用・原理）元来DPマツチングは第１図の如きｎ，ｉ，ｊ
の張る空間において、各単語ｎごとに、（１、１）
点から（Ｉ、Jⁿ）点に至る経路でdⁿ（ｉ、ｊ）の
総和すなわち累積値が最小となるものを深索する
ものである。この過程で計算される最適累積値gⁿ
（ｉ、ｊ）は（１、１）点から（ｉ、ｊ）点まで
の最適経路上でのdⁿ（ｉ、ｊ）の累積値を与えて
いる。したがつてgⁿ（ｉ、ｊ）の値が大であると
いうことはこの（ｉ、ｊ）点が最適経路上にある
可能性が低いことを意味する。本発明は、gⁿ（ｉ、
ｊ）が大となると予測される場合に(4)式のdⁿ（ｉ、
ｊ）＝Ｄ（ｋ（ｎ、ｊ））の計算を省略することによ
つて計算量低減の効果を得んとするものである。(Operation/principle) Originally, DP matching was based on n, i, j as shown in Figure 1.
In the space spanned by, for each word n, (1, 1)
This is a deep search for the path from the point to the (I, J ⁿ ) point that minimizes the sum total of d ⁿ (i, j), that is, the cumulative value. The optimal cumulative value g ⁿ calculated in this process
(i, j) gives the cumulative value of d ⁿ (i, j) on the optimal path from point (1, 1) to point (i, j). Therefore, a large value of g ⁿ (i, j) means that there is a low possibility that this point (i, j) is on the optimal route. The present invention provides g ⁿ (i,
j) is predicted to be large, d ⁿ (i,
By omitting the calculation of j)=D(k(n,j)), it is intended to reduce the amount of calculation.

（実施例）第２図は本発明の原理を実施した離散単語認識
装置の構成例である。マイクロホン１０より入力
された音声波形は分析部２０によつて周波数分析
され、特徴ベクトル〓_iの時系列に変換されてマ
イクロプロセツサ３０に入力される。コードブツ
ク４０にはコードベクトル〓_kが記憶され、標準
パターン記憶部５０には各単語ｎの標準パターン
Bⁿが、コードベクトルの番号ｋを指定するｋ
（ｎ、ｊ）の時系列として記憶されている。Ｄメ
モリ４１はコードベクトル〓_kと入力ベクトル〓_i
との距離Ｄ(k)を一時記憶するものである。ｇメモ
リ６０は(2)式の漸化式計算のワークメモリとなる
ので、gⁿ（ｉ、ｊ）とgⁿ（ｉ−１、ｊ）とが所要の
ｎ、ｊに対して記憶される構成になつている。な
お、これら４０，４１，５０，６０のメモリーは
マイクロプロセツサ３０の主記憶上のエリアとし
て構成されてよい。(Embodiment) FIG. 2 is a configuration example of a discrete word recognition device implementing the principle of the present invention. The audio waveform input from the microphone 10 is frequency-analyzed by the analyzer 20, converted into a time series of feature vectors _i , and input to the microprocessor 30. A code vector 〓 _k is stored in the code book 40, and a standard pattern for each word n is stored in the standard pattern storage unit 50.
B ⁿ specifies the code vector number k
It is stored as a time series of (n, j). The D memory 41 stores the code vector 〓 _k and the input vector 〓 _i
This is to temporarily store the distance D(k) between the two. Since the g memory 60 serves as a work memory for calculating the recurrence formula of equation (2), g ⁿ (i, j) and g ⁿ (i-1, j) are stored for the required n, j. It's structured well. Note that these memories 40, 41, 50, and 60 may be configured as areas on the main memory of the microprocessor 30.

入力パターンの最初の特徴ベクトル〓₁が入力
されるとマイクロプロセツサ３０の働きによつ
て、ｇメモリ６０のgⁿ（ｉ−１、ｊ）の部分に対
して次のような初期設定処理がなされる。 When the first feature vector of the input pattern 〓 ₁ is input, the microprocessor 30 performs the following initial setting process on the portion g ⁿ (i-1, j) of the g memory 60. It will be done.

gⁿ（１、１）＝Ｄ（ｋ（ｎ、１）すなわち、標準パターン記憶５０より各単語毎
にｋ＝ｋ（ｎ、１）を読み出し、これに対応する
コードベクトル〓_kをコードブツク４０より参照
して特徴ベクトル〓_iとの距離を計算して初期値
gⁿ（１、１）としてセツトする。なお、ｊ≠１の
部分に対しては十分大な数値∞をセツトするの
は、特願昭56−199098号明細書第６図ａの場合と
同様である。 g ⁿ (1, 1) = D (k (n, 1) In other words, k = k (n, 1) is read out for each word from the standard pattern memory 50, and the corresponding code vector 〓 _k is stored in the code book 40. Refer to the feature vector 〓 Calculate the distance from _i and set the initial value
Set as g ⁿ (1, 1). Note that setting a sufficiently large value ∞ for the part where j≠1 is the same as in the case of FIG. 6a of the specification of Japanese Patent Application No. 56-199098.

一般的に、時刻ｉでは第３図に示す処理が実行
される。まず、特徴ベクトル〓_iが入力されると
Ｄテーブルの内容Ｄ(k)を総て∞でリセツトする。
次に各単語ｎ毎に、ｊ＝１、２、……Jⁿに対して
次のような処理を行う。ｇメモリ６０より、過去
の最適累積値gⁿ（ｉ−１、ｊ）、gⁿ（ｉ−１、ｊ−
１）、gⁿ（ｉ−１、ｊ−２）を読み出してそれらの
最小値ｇを決定する。この値を閾値θ(i)と比較し
（ブロツク１００）、この時点の（ｉ、ｊ）が最適
経路上にあるか否かをテストする。なお、最適累
積値は時刻ｉとともに増加するものであるから、
単調増加関数として予かじめ定められているもの
である。ｇ＞θ(i)なるときは、この点（ｉ、ｊ）
は最適経路上にないと判定して、漸化式と距離の
計算を省略して、gⁿ（ｉ、ｊ）としては∞をセツ
トする。ｇ≦θ(i)のときは、この点（ｉ、ｊ）は
最適経路上にあると予測して、以下の漸化式計算
を行なう。 Generally, at time i, the process shown in FIG. 3 is executed. First, when the feature vector _〓i is input, all contents D(k) of the D table are reset to ∞.
Next, for each word n, the following processing is performed for j=1, 2, . . . J ⁿ . From the g memory 60, the past optimal cumulative values g ⁿ (i-1, j), g ⁿ (i-1, j-
1), g ⁿ (i-1, j-2) are read and their minimum value g is determined. This value is compared with a threshold value θ(i) (block 100) to test whether (i, j) at this point is on the optimal path. Note that since the optimal cumulative value increases with time i,
This is predetermined as a monotonically increasing function. When g>θ(i), this point (i, j)
is not on the optimal route, the recurrence formula and distance calculation are omitted, and g ⁿ (i, j) is set to ∞. When g≦θ(i), it is predicted that this point (i, j) is on the optimal path, and the following recurrence formula calculation is performed.

まず、標準パターン記憶５０よりｋ＝ｋ（ｎ、
ｊ）を読み出し、この信号をもとにして、Ｄテー
ブル４１内のＤ(k)を参照する。これが∞ならばＤ
(k)の値は未だ計算されていないとして、特徴ベク
トル〓_iと、コードブツクより読み出されるコー
ドベクトル〓_kとの距離を計算しＤとするととも
に、Ｄ(k)としてＤテーブルに書き込む。Ｄ(k)が∞
でない場合は、コードベクトル〓_kと特徴ベクト
ル〓_iとの距離は計算済みであるとしてＤ＝Ｄ(k)
とする。この一連の処理は、この時点のｎ、ｉ、
ｊが最適経路上にあるとして、ｋ＝ｋ（ｎ、ｊ）
で指定されるコードベクトル〓_kと特徴ベクトル
〓_iとの距離が必要と予測して距離計算を行ない、
かつ重複した距離計算を回避したものである。か
くしてブロツク１１０においてｇ＋Ｄ→gⁿ（ｉ、
ｊ）なる処理によつて gⁿ（ｉ、ｊ）＝Ｄ（ｋ（ｎ、ｊ））＋minｇ
（ｉ−１、ｊ）ｇ（ｉ−１、ｊ−１）ｇ（ｉ−１、ｊ−２） ……(5) が計算され、(2)、(4)式と同等な漸化式計算が行な
われたことになる。この新しい最適累積値はｇメ
モリ６０に書き込まれる。この処理の繰り返しが
所要のｊとｎに対して行なわれることにより、時
刻ｉでの漸化式計算が終了する。ブロツク１２０
によつて、ｇメモリ内のgⁿ（ｉ、ｊ）のエリアと
gⁿ（ｉ−１、ｊ）のエリアの切り替えを行なつて、
現時刻ｉで計算された最適累積値を過去のデータ
として、次の時刻ｉ＋１に移行する。 First, k=k(n,
j) and refer to D(k) in the D table 41 based on this signal. If this is ∞, then D
Assuming that the value of (k) has not been calculated yet, the distance between the feature vector 〓 _i and the code vector 〓 _k read from the codebook is calculated and set as D, and is written in the D table as D(k). D(k) is ∞
If not, assuming that the distance between the code vector 〓 _k and the feature vector 〓 _i has already been calculated, D=D(k)
shall be. This series of processing consists of n, i,
Assuming that j is on the optimal path, k=k(n,j)
The distance is calculated by predicting that the distance between the code vector 〓 _k specified by 〓 k and the feature vector 〓 _i is necessary.
This also avoids redundant distance calculations. Thus, in block 110 g+D→g ⁿ (i,
j) by the process g ⁿ (i, j) = D (k (n, j)) + ming
(i-1, j) g (i-1, j-1) g (i-1, j-2) ...(5) is calculated, and the recurrence formula is equivalent to equations (2) and (4). A calculation has been made. This new optimal cumulative value is written to g memory 60. By repeating this process for the required j and n, the recurrence formula calculation at time i is completed. block 120
The area of g ⁿ (i, j) in g memory and
By switching the area of g ⁿ (i-1, j),
The optimal cumulative value calculated at the current time i is used as past data, and the process moves to the next time i+1.

かくして時刻Ｉまでの処理が行なわれ、入力音
声が終了しｉ＝Ｉ＋１となつた時点では、各単語
ｎごとにｇメモリ６０内にgⁿ（ｉ−１、Jⁿ）とし
てパターン間距離Ｄ（Ａ、Bⁿ）が得られる。これ
らを比較して最小となる単語ｎ＝n^として認識結
果を定め出力する。 In this way, the processing up to time I is completed, and when the input voice ends and i=I+1, the inter-pattern distance ^D ⁽ A, B ⁿ ) are obtained. These are compared and the recognition result is determined and output as the minimum word n=n^.

以上、本発明の原理を実施例に基づいて述べた
が、これらは本発明の範囲を限定するものではな
い。特に、第３図におけるブロツク１００の判定
処理には種々の変形が考えられる。閾値θ(i)の定
め方に関しても、予じめ人手によつて定義してお
く方法の他に、gⁿ（ｉ−１、ｊ）の最小値にリン
クさせて設定するなどの変形が考えられる。ま
た、〓_iと〓_kとを距離計算を、ｊ、ｎのループの
外で予かじめ行なつておくことも可能である。こ
れらの変形は本発明の権利範囲に属するものであ
る。 Although the principle of the present invention has been described above based on examples, these do not limit the scope of the present invention. In particular, various modifications can be made to the determination process of block 100 in FIG. Regarding the method of determining the threshold value θ(i), in addition to the method of manually defining it in advance, variations such as setting it by linking it to the minimum value of g ⁿ (i-1, j) are considered. It will be done. Further, it is also possible to perform the distance calculation for 〓 _i and 〓 _k in advance outside the loop of j and n. These modifications are within the scope of the present invention.

また、以上の説明では、基本的な漸化式として
(2)式を用いたが、「日経エレクトロニクスの1983
年11月７日第184頁の表１」に記載されるが如き、
種々の変形の漸化式についても本発明の原理は適
用される。さらに本発明は特願昭56−199098記載
のクロツクワイズDP法と同様連続単語認識に利
用できるものである。 In addition, in the above explanation, the basic recurrence formula is
Equation (2) was used, but ``Nikkei Electronics' 1983
As stated in Table 1 on page 184 of November 7th,
The principles of the present invention are also applicable to various deformed recurrence formulas. Furthermore, the present invention can be used for continuous word recognition similar to the clockwise DP method described in Japanese Patent Application No. 56-199098.

（発明の効果）以上述べた過去の最適累積値によつて、現時刻
で距離計算が必要なコードベクトルを限定するこ
とにより、距離計算の回数を低減することができ
る。(Effects of the Invention) The number of distance calculations can be reduced by limiting the code vectors that require distance calculations at the current time using the past optimal cumulative values.

[Brief explanation of the drawing]

第１図は本発明の原理説明図、第２図は本発明
の一実施例を示すブロツク図、第３図はその動作
を説明するフローチヤートである。１０……マイクロホン、２０……分部値、３０
……マイクロプロセツサ、４０……コードブツ
ク、４１……Ｄテーブル、５０……標準パターン
記憶、６０……ｇメモリ。 FIG. 1 is a diagram explaining the principle of the present invention, FIG. 2 is a block diagram showing an embodiment of the invention, and FIG. 3 is a flowchart explaining its operation. 10...Microphone, 20...Partial value, 30
... Microprocessor, 40 ... Code book, 41 ... D table, 50 ... Standard pattern memory, 60 ... G memory.

Claims

[Claims]

1. A codebook consisting of a set of code vectors representing speech characteristics _k , and a number k (n, j) (j) that specifies the code vector corresponding to each word n.
= 1, 2...J ⁿ ), a means for storing the standard pattern B ⁿ expressed as a time series, a means for temporarily retaining the characteristics of the input speech pattern 〓 _i , and a distance D( between 〓 _i and each code vector 〓 _k k) and the optimal cumulative value g ⁿ (i,
j) by dynamic programming, and at each time i, it is necessary to calculate the distance to 〓 _i at the current clock based on the optimal cumulative value calculated in the past. Restrict the set of vector 〓 _k ,
A high-speed pattern matching method characterized by calculating the distance D(k) only for these.