JPH0476600A - 音声認識方式 - 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） この発明は音声認識方式に閘するものである。

（従来の技術） 音声認識方式はコンピュータその他のｆｉ々の機器の有
力な入力手段として利用され始めている。

第５図は特開昭６０−２１３４１７号に示されるような
従来の認識装置の典型例のブロック図である。音声入力
端子５０１がら入力された音声信号は、分析部５０２に
おいで特徴を表わす特徴ベクトルの時系列に変換される
。特徴ベクトルとしては、中心周波数の異なるｐ個のバ
ントパスフィルタ群によって抽出された帯域内周波数成
分をフレームと呼ばれる小時間毎に取り出したちのｓｌ
を使用する。ここでｔはフレーム番号、Ｊはバントパス
フィルタの番号である。

＄ｔ・（Ｓｔｌ、Ｓｔ２．・・・、５ｔｊ−１，Ｓ土」
）　　　　　（Ｊ・１，２．　・・・、ｐ）ざらに、分
析部５０２ては、フレーム毎のパワー９士も同時に算出
する。

ローカルど−り算出部５０３では、フレーム毎に前述の
特徴ベクトルから最小自乗近似直線を算出し、この最小
自乗近似直線を基準として周波数方向で極大となるチャ
ネルに対応する成分を１にし、それ以外の成分を○にし
て得られるローカルビークパタンルを求める。

音声区間検出部５０４では、分析部５０２からのパワー
Ｐｉに基づいて音声区間すなわち音声の始端フレ一ムＡ
（ｔ＝ａ）および音声の終端フレームＢ（ｔ＝ｂ）を決
定する。

このパワーによる音声始端終端の決定アルゴリズムにつ
いては、ｆｆｆ願昭５ｅ−１０８６６８号に開示されて
いるような方法をはじめとして種々の方法が提案されて
おり、何れかの適切な方法で区間決定を行なっている。

線形伸縮部５０５ては、音声区間検出部５０４にて検出
された音声始端Ａから音声終端Ｂまでのローカルビーク
パタンルの系列を一定フレーム数に時間軸線形伸縮し、
ローカルビークパタンを主成する。

音声始端から音声終端までの特徴ベクトル系列を一定フ
レーム数に伸縮したものをパタンと呼ぶ。

この線形伸縮部５０５における伸縮処理は、後述するマ
ツチングを行ない易くし、ざらに後述する比較パタンの
アドレッシングを容易に行なえるようにしたものである
。

次に時間軸線形伸縮の方法についで説明する。

ここでは、−例として、３２フレームに伸縮する場合を
考える。線形伸縮後のフレーム番号をｔ’　　（ｔ’　
＝１．３２）としフレームｔ゛に対応する線形伸縮前の
フレーム番号１１ の式から算出する。但し、（１）式において［］はガウ
ス記号を表わす。

結果として、音声パタン Ｓａ　＄ａ＋’１．−．　　Ｓｔ、＝−、＄ｂ−１．＄
ｂは線形伸縮されて、 ＄１　　＄２．・・・、　　Ｓｔ、　　・・・、　　Ｓ
３１．＄３２なる特徴ベクトル系列、すなわちパタンと
なる。

以後、特にことわりかない限り、線形伸縮後のフレーム
番号で話を進める。

次に比較パタンメモリ一部５０６の機能についで説明す
る。

話者を激定する特定話者音声認識ては、認識対象となる
単語（以下、カテゴリと称する）を予め発声しく学習音
声と称する）、同一の音声分析を施して求められたロー
カルビークパタン（比較パタンと称する）を格納してお
く必要かある。比較パタンメモリ一部５０６にはこのよ
うな比較パタンか格納されている。この比較パタンの格
納動作そ登録処理と呼ぶ。パタン類似度計算部５０８て
は、認識させようとする入力音声から生成された入力パ
タンと比較パタンとの類似度肝Ｌ７ａ行なつゎ 類似度計算は公知の手法であるＤＰマツチングや、特開
昭６０−２１３４１８号に示されるような簡便な線形マ
ツチングをはじめとして種々の方法か提案されており、
何れかの適切な方法で類似度計算か行なわれる。

この類似度計算部５０８から出力されるカテゴリ毎の類
似度を用いで、判定部５０９ては、その最大類似度を与
える比較パタンに与えられたカテゴリ名を認識結果とし
て出力する。

（発明か解決しようとする課題） 上述した従来の認識装置は、通常の音声認識装置で使わ
れているようなスペクトルの形状を与えるベクトルを類
似度計算に用いずに、音声スペクトルのビークを与える
位曹のみよりなるローカルビーウヘクトルを類似度算出
に用いているため、高雑音環境下での認識性能か比較的
保たれる反面、静かなところて音声を入力しても高い認
識性能を得られなかった。

この発明の目的は、高雑音下でも、静かなところの区別
なく、すなわち使用環境にかかわらす、何処でも高い認
識性能か得られる音声認識方式を提案するものである。

（課題を解決するための手段） この目的の達成を図るため、この認識方式では次のよう
な手段ｔ＝ｈる。

（ａ）入力信号を周波数分析し、該入力信号の特徴を表
わす特徴ベクトルおよび該入力信号の強さを表わすパワ
ーをフレームと称する一定時間間隔で算出する手段と、 （ｂ）前記特徴ベクトルから背景雑音に影響されにくい
部分のみを取り出した安定′８黴ベクトルをフレーム間
隔て算出する手段と、 （ｃ）前記パワーおよび特徴ベクトルから音声区間を定
める音声の始端と終端を検出する音声区間検出手段と、 （ｄ）前記特徴ベクトルおよび前記安定特徴ベクトルの
各々の系列から、音声区間の特徴パタンおよび安定特徴
パタンをそれぞれ生成する線形伸縮手段と、 （ｅ）前記音声区間以外の音声か存在しない区間の雑音
パワーと前記パワーから算出される信号／雑音レシオを
算出し、重み係数Ｌ＋を決定する手段と、 （ｆ）予め認識対象語毎に１回もしくは複数回の学習用
音声に対し前記（ａ）項から（ｄ）項までの処理もしく
は類似した処理によって生成された特徴パタンおよび安
定特徴パタンをそれぞれ比較特徴パタンおよび比較安定
特徴パタンとして格納する比較パタンメモリ一部をもち
、 （ｇ）認識させようとする入力音声に対して前記（ａ）
項から（ｅ）項までの処理によって入力重み係数、入力
特徴パタンおよび入力安定特徴パタンを求める処理と、 （ｈ）前記入力特徴パタンと前記比較特黴パタンを照合
し特徴パタン類似度を算出し、ざらに前記入力安定特徴
パタンと前記比較安定特徴パタンを照合し安定特徴パタ
ン類似度を算出するパタン照合部と、 （ｉ）前記特徴パタン類似度と前記安定特徴パタン類似
度を前記入力型み係数で重み付けした総合パタン類似度
か最大となる比較特徴パタンもしくは比較安定特徴パタ
ンに付与されたカテゴリ名を認識結果とする判定を行な
う。

（作用） 上述した構成によれば、 音声スペクトルの厳密な形状を与える特徴量と、音声ス
ペクトルのピークを与える位置のみよりなるローカルビ
ークベクトルのような概形ｖＩ微量の両者を用い、さら
に、音声入力時の背景雑音レベルを求め、 背景雑音レベルか小さい場合には厳密な形状を与える特
徴量に重みを大きくし、より高精度な認識性能か得られ
るようにし、 逆に、背景雑音レベルか大きい場合には、概形形状を与
える特徴量に重みを大きくし、高雑音環境下での認識性
能も確保できるようにしたものである。

従って、すなわち使用環境にかかわらす、何処でも高い
認識性能か得られる。

（実施例） 以下、図面を参照して、この発明の実施例について述へ
る。

第１図は、登録動作を行なう特定話者認識方式に適用し
たこの発明の詳細な説明に供する、音声認識装百ヲ示す
ブロック図であって、］０１は音声入力端子、１０２は
分析部、１０３は安定特徴ベクトル算出部、１０４は音
声区間検出部、１０５は線形伸縮部、１０６は比較パタ
ンメモリ一部、１０７は重み係数算出部、１０８はパタ
ン照合部、１０９は判定部である。

音声入力端子１０１から入力された音声信号は、分析部
１０２において特徴を表わす特徴ベクトルの時系列に変
換される。特徴ベクトルの導出方法には、中心周波数が
少しづつ異なる複数のバンドパス群を用いる方法や、Ｆ
ＦＴ　（高速フーリエ変換）によるスペクトル分析を用
いるもの等々が考えられるが、ここではバントパスフィ
ルタ群を使用する方法を例に挙げる。

音声信号は、分析部１０２にてアナログ・テジタル変換
された後、各バンドパスフィルタによってその周波数成
分のみを抽出する。このようにして各バンドパスフィル
タによって振り分けられたデータの系列をチャネルと称
する。各チャネル毎のフィルタの出力に対して整流して
絶対値を取りフレーム単位でその平均値を算出する。こ
の算出値を帯域パワーと呼ぶ。今を番目のフレーム、ｊ
番目のチャネルの帯域パワーＶＡｔｊとする。

次にフレーム毎に当該フレームのパワーＰ↑を算出する
。パワーｐｔは次式（２）で与えられる。

さらに、Ａｔｊを対数変換し特徴ベクトルＣｔを求める
。

Ｃ±（ｃｔｌ、Ｃｔ２．　　・・・、Ｃｔｐ１．Ｃｔｐ
）特徴ベクトルＣｔは次式（３）で与えられる。

安定特徴ベクトル算出部１０３ては、特徴ベクトルから
比較的背景雑音に影１ｉｉ′されにくい安定な特徴を算
出する処理部である。従って、音声スペクトルのあおま
かな形状を捉えたものになる。ここでは、その安定な特
徴の一つとしてローカルビークベクトルを用いた例を示
す。ローカルビークベクトルを算出するに当り、先ず、
特徴へクトルＣｔの最小自乗近似直線Ｙｔｔ求める。最
小自乗近似直線Ｙｔは次式（４）によって与えられる。

Ｙｔ（ｊ）＝ｊＵｔ＋Ｖｔ ２ｔｊ＝Ｃｔｊ＋Ｙ±（〕） ・・・（５） 次に、次式（６）のような判断に基づいて、この正蜆化
特徴ヘウトルＺｊコがらローカルビークヘクトルＩＲｔ Ｒｔ・（Ｒｔｌ、Ｒｔ２．・・・、Ｒｔｐ−１，Ｒｔｐ
）を算出する。

・・・（４） さらに、この最小自乗近似直線を用いて次式（５）によ
り正規化特徴へクトルＺｔｊを算出する。

１・ それ以外 但し、 ＺｉＯ，−、Ｚｉｆ”１．　　ｍ、−ＱＱ　　：　　ｊ
＝１．２．−、Ｐ−１，Ｐ・・・（６） このＩＲｔ　％ローカルビークヘクトルまたは安定特徴
ベクトルと呼ぶ。

音声区間検出部］０４では、分析部１０２からのパワー
Ｐｉに基づいて音声区間すなわち音声の始端フレームＡ
（ｔ＝ａ）および音声の終端フレーム８（ｔ＝ｂ）を決
定する。

このパワーによる音声始端終端の決定アルゴリズムにつ
いては、特願昭５９−１０８６６８号に開示されている
ような方法をはじめとして、種々の方法が提案されてお
り、何れかの適切な方法て区間決定を行なっている。

線形伸縮部１０５ては、音声区間検出部１０４にて検出
された音声始端へから音声終端Ｂまての特徴ベクトル＄
ｔおよび安定特徴へクトルＩＲｔの系列を一定フレーム
数に時間軸線形伸縮し、それぞれ特徴パタンおよび安定
特徴パタンを生成する。

この線形伸縮部１０５にあける伸縮処理は、後述するマ
ツチングを行ない易くし、ざらに後述する比較特徴パタ
ンもしくは比較安定特徴パタンのアトレ・ンシングを容
易に行なえるようにしたものである。

次に、時間軸線形伸縮の方法について説明する。ここで
は、説明の為に３２フレームに伸縮する場合を考える。

線形伸縮後のフレーム番号をｔ’　　（ｔ’　＝１．３
２）とし、フレームｔ′に対応する線形伸縮前のフレー
ム番号ｔを の式から算出する。但し、（７）式において［］はガウ
ス記号を表わす。

結果として、特徴ベクトル系列および安定特徴ベクトル
系列 Ｓａ、Ｓａ◆Ｉ、＝−、ｓｔ、ｍ、＄ｂ−１．＄ｂ（特
徴ベクトル系列） Ｐａ、ｌＲａ◆１．−　、Ｉ’ｔｔ、−、Ｒｂ−１，１
Ｒｂ（安定特徴ベクトル系列） は線形伸縮されて、 ＳＬ＄２．−・・、Ｓｔ、−・・、＄３１．＄３２（特
徴パタン） ｌＲ１，ｌＲ２，・・・、ｌＲｔ、・・・１Ｒ３１，Ｆ
１３２（安定特徴パタン） なる特徴パタンａよび安定特徴パタンとなる。以後、特
に断わりがない限り、線形伸縮後のフレーム番号で話を
進める。

次に、比較パタンメモリ一部１０６の機能について説明
する。

話者を限定する特定話者音声認識では、認識対象となる
単語（以下、カテゴリと称する）を予め発声しく学習音
声と称する）、同一の音声分析を施して求められた特徴
パタンと安定特徴パタンを格納しておく処理か必要とな
る。この処理は登録処理と呼ばれる。学習音声から得ら
れた特徴パタンと安定特徴パタンをそれぞれ比較特徴パ
タンと比較安定特徴パタンと呼ぶ。比較パタンメモリ部
１０６にはこのような比較特徴パタンと比較安定特徴パ
タンを格納するためのメモ；ノーである。

この実施例では説明の簡単化のため、１カテコワ当り１
回の学習音声を発声する場合を取り上げる。カテゴリの
総数％Ｎとした場合、比較パタンメモリー１０６にはＮ
個の比較特徴パタンＸ＄’　ｔ　（ｎ＝　１．２．−、
Ｎ）とＮ個の比較安定特徴パタンＸＩＲ’　ｔ　（ｎ＝
　１．２．−、Ｎ）か格納される。

次に、認識動作について説明する。

音声入力端子１０１から入力された認識対象の音声信号
は、分析部１０２で入力特徴ベクトルＣｔおよび入力パ
ワーＩＰｔに変換される。さらに、安定特徴ヘクトル算
出部１０３において入力安定′Ｐ！徴ベクトル１日士か
算出される。一方、音声区間検出部１０４ては、分析部
１０２からのパワーＩＰｔに基づいて音声区間を決定す
る。線形伸縮部１０５ては音声区間の入力特徴ベクトル
系列Ｃｔと入力安定特徴ベクトル系列ＩＲｔそ一定長に
時間軸線形伸縮し、入力特徴パタンＩＣ１および入力安
定特徴パタンＩＩＲｔ％生成する。重み係数算出部１０
７ては、音声区間以外の音声か存在しない区間のパワー
より算出される雑音パワーと音声区間のパワーから算出
される信号レベルを求め、信号／雑音レシオを算出し、
その結果に基づき、入力重み係数口を決める。雑音パワ
ーＮｍｅａｎは、例えば、次式（８）で算出される。

Ｎｍｅａｎ＝０．ｌ　　　Σ　　　ＩＰｔｔ＝ａ−１０ ・・・（８） 信号レベルＶｍａｘは次式（ｇ）で算出される。但し、
ｍａｘは最大重を求める閑散である。

Ｖｍａｘ＝ｍａｘ　　ＩＰｔ　　；ｔ＝ａ、ａｉ、−、
ｂ−１，ｂ　　　　−（ｇ）信号／雑音レシオＳＮは次
式（１０）で求められる。

５Ｎ＝ｌＯｌｏｃｋ（Ｖｍａｘ／Ｎｍｅａｎ）・・・（
１０） 信号／雑音レシオＳＮは音声入力時の背景雑音レベルの
指数といえる。ざらに、このＳＮから第２図に示される
閑散により、入力重み係数ＵＵ求める。

音声のパタン同士の比較では、両者の時間的な対応をと
る必要かある。最適な対応をとりなから、両パタン間の
類似度を算出する代表的な方法に特公昭５０−２１３９
４１号に開示されているような、通称ＤＰマツチング方
法かある。パタン照合部１０８では、このようなりＰマ
ツチング法もしくはその他の好適な方法を用いて入力パ
タンと比較パタンとの類似度計算を行なう。この場合の
パタン照合フローを第４図に示す。

この実施例では類似度計算にＤＰマツチングを使用した
例を示す。先ず、特徴ベクトル間の類似度を定義する。

入力特徴ベクトルＩ３ｉと比較特徴ベクトルＸ＄”　ｊ
との特徴ベクトル類似度ｄ　（Ｉ＄ｉ、Ｘ＄’　ｊ）お
よび入力安定特徴ヘクトル１日ｌと比較安定特徴ベクト
ルＸＩＲ’ｊとの安定特徴ベクトル類似度ｄ　（ＩＩＲ
ｉ、ＸｌＲｎコ）を式（１１）、（１２）で示す。ここ
て、右肩添え字ｔはベクトルの結方を、（Ｘ、　　ソ）
はベクトル×、ソの内積を、ｌｘｌはベクトル×の長さ
（ノルム）を表わす。

第３図は、パタン間の類似度を算出する際の入力パタン
と比較パタンの時間的な対応を取るための説明図てあつ
、横軸は入力パタンのフレーム時間点ｔ＝ｉを表わし、
縦軸は比較パタンのフレム時周点ｔ−ｊを採って示しで
ある。ここで、便宜上、入力パタン０１番目のフレーム
時間点て、かつ、比較パタンの３番目のフレーム時間点
について論じる場合、単に”格子点（ｉ、ｊ）において
”という表現を用いる。

ざらに、説明の茫めに、特徴ベクトル類似ＮｃＪ　Ｃｌ
Ｓｘ、ＸＦ３’　Ｊ）’ｊ：類似度ｄｓ’　　（ｉ。

〕）および安定特徴ヘクトル類似度ｄ　（ＩＲｉ。

ＸＩＲ’ｊ）％類似度ｄｒ’　　（ｉ、ｊ）と呼ｚく。

さて、類似度ｄｓ″　（ｉ、ｊ）を用いて最適パスの算
出を行なう手法について説明する。

最適パスとは、格子点（１，１）から格子点（３２，３
２）に至るあらゆる経路の中で、経距上の格子点（ｉ、
ｊ）に対応する類似度ｄｓ’　　（ｉ、ｊ）の累積和か
最も太きくなるような経路である。この最適パスを探索
する手法かＤＰマツチング手法である。格子点（ｉ、ｊ
）における累積類似度Ｄｓ・　（ｉ、ｊ）を・・・（１
３） と定める。また、初期値を、 Ｄｓ″（０，ｊ）−Ｄｓ’（ｉ、ｏ）−Ｄｓ’（ｉ、−
１）＝　　−ｃ。

但し、 Ｄｓ’（０，０）＝０ ・・・（１４） できる。

以上の演算％Ｎ個の比較パタン全てについて行ない、Ｎ
個の特徴パタン類似度ＤＤｓ　（ｎ）と安定特徴パタン
類似度ＤＤｒ（ｎ）を求める。

判定部７０９では、パタン照合部で求められた両パタン
類似度を入力重み付は係数口で重み付けを行ない、総合
パタン類似度ＤＤＤ　（ｎ）を算出する。

と定める。

式（１３）の処理を第４図に示される順序で計算しでい
くと、最後の格子点（３２，３２）における累積類似度
Ｄｓ’　　（３２，３２）か最適パス上の累積類似度と
なる。この類似度を特徴パタン類似度ＤＤｓ　（ｎ）と
称する。

ＤＤＤ（ｎ）−ｕＤＤｓ（ｎ）（１−ｕ）ＤＤｒ（ｎ）
−（Ｉ６）さらに、Ｎ個の総合パタン類似度ＤＤＤ　（
ｎ）中で最大となるパタンの番号ｎ。ｊＸ　’Ｗ検索す
る。

ＤＤｓ（ｎ）Ｄｓ’（３２，３２） ・・・（１５） 全く同様な計算で、類似度ｄｒ’　　（ｉ、ｊ）を用い
て安定特徴パタン類似度ＤＤｒ（ｎ）も算出そして、ｎ
　ｍａｘに対応するカテゴリ名Ｃｎｍａｘか認識結果と
なり、タト部ホスト機器に出力する。

但し、入力重み係数口か負の＠を持つ場合には、判定不
能であるとして以後の処理をせす、判定不能信号を外部
ホスト機器に出力する（雑音レベルか大きすぎる、また
は音声か小さすぎる場合）。

以上の説明では２つの特徴量、特徴ベクトル、安定特徴
ベクトルについて別々に照合して２つのパタン類似度を
求めて判定部でそれらのパタン類似度を統合した総合パ
タン類似度を算出しでいたか、パタン照合部で両特徴パ
タンを統合した形の統合パタン類似度を算出してしまう
手法を用いでもよい。

この手法ではパタン照合部における２つの特徴ベクトル
間の類似度を最初に統合した統合特徴ヘクトル類似度ｔ
ｄｗ’　　（ｉ、ｊ）Ｖ式（１８）のこと〈求める。

ｄｗｎ（ｉ、Ｄ＝　　ｕｄｓ’（ｉ、ｊ）（１−ｕ）ｄ
ｒ″（ｉ、Ｄ　　　−（１Ｂ）その後は、先に説明した
ＤＰマツチングの手法ＩＮ個の比較パタン全てについて
適用し、Ｎ個の統合特徴パタン類似度ＤＤｗ　（ｎ）を
算出する。

判定部１０９ては、Ｎ個の統合パタン類似度ＤＤｗ　（
ｎ）中で最大となるパタンの番号ｎ□８を検索する。

そして、ｎ□、８に対応するカテゴリ名Ｃｎ□８８か認
識結果となり、外部ホスト機器に出力する。

但し、入力重み係数口か負の値を持つ場合には、判定不
能であるとしてパタン照合処理以後の処理をせす、判定
不能信号を外部ホスト機器に出力する（雑音レベルか大
きすぎる、または音声が小さすぎる場合）。

ざらに、先の２つの最終的な類似度、統合パタン類似度
ＤＤｗ　（ｎ）および総合パタン類似度ＤＤＤ　（ｎ）
を併用して認識判定を行なう手法も考えられる。その場
合の認識判定処理は、例えば次のようにする。

ｎ、、、、　＝　ａｒｇ　ｍａｘ（ＤＤｗ（ｎ）＋ＤＤ
Ｄ（ｎ））　　　　−（２０）そしてｎｆｆ１ｌｌＸに
対応するカテゴリ名Ｃｎ□１ｘか認識結果となり、外部
ホスト機器に出力する。但し、入力重み係数口か負の値
を持つ場合には、判定不能であるとしてパタン照合処理
以後の処理をせす、判定不能信号を外部ホスト機器に出
力する（雑音レベルが大きすぎる、または音声か小さす
ぎる場合）。

（発明の効果） 上述した説明からも明らかなように、この発明によれば
、 音声スペクトルの厳ヱな形状を与える特徴量と、音声ス
ペクトルのピークを与える位置のみよりなるローカルビ
ークヘクトルのような概形精微量の両者を用い、ざらに
、音声入力時の背景雑音レベルを求め、背景雑音レベル
か小さい場合には、！密な形状を与える特徴量に重みを
大きくし、より高精度な認識性能か得られるようにし、
逆に、背景雑音レベルか大きい場合には、概形形状を与
える特徴量に重みを大きくし、高雑音環境下での認識性
能も確保できるようにしたものである。

従って、高雑音下でも、静かなところの区別なく、すな
わち使用環境にかかわらす、何処でも高い認識性能か得
られる音声認識装置か実現できる。

【図面の簡単な説明】

第１図は、この発明の第一の笑施例を示すブロック図、 第２図は、信号／雑音レシオと重み係数の関係を示した
図、 第３図は、入力パタンと比較パタンの時閉関係の対応を
示した図、 第４図は、パタン照合の計算のフローを示す図、 第５図は、従来の認識装置のプロ・ンク図てある。 ○１・・・音声入力端子、１０２・・・分析部０３・・
・安定特徴ベクトル算出部 ０４・・・音声区間検出部 ０５・・・線形伸縮部 ０６・・・比較パタンメモリ一部 ０７・・・重み係数算出部 ０８・・・パタン照合部、１０９・・・判定部。

Claims (3)

【特許請求の範囲】
1. （１）（ａ）入力信号を周波数分析し、該入力信号の特
   徴を表わす特徴ベクトル、および該入力信号の強さを表
   わすパワーをフレームと称する一定時間間隔で算出する
   分析部と、（ｂ）前記特徴ベクトルから背景雑音に影響
   されにくい部分のみを取り出した安定特徴ベクトルをフ
   レーム間隔で算出する安定特徴ベクトル算出部と、 （ｃ）前記パワーおよび特徴ベクトルから音声区間を定
   める音声の始端と終端を検出する音声区間検出部と、 （ｄ）前記特徴ベクトルおよび前記安定特徴ベクトルの
   各々の系列から、音声区間の特徴パタンおよび安定特徴
   パタンをそれぞれ生成する線形伸縮部と、 （ｅ）前記音声区間以外の音声が存在しない区間の雑音
   パワーと前記パワーから算出される信号／雑音レシオを
   算出し、重み係数を決定する重み係数算出部と、 （ｆ）予め認識対象語毎に１回もしくは複数回の学習用
   音声に対し前記（ａ）項から（ｄ）項までの処理もしく
   は類似した処理によって生成された特徴パタンおよび安
   定特徴パタンをそれぞれ比較特徴パタンおよび比較安定
   特徴パタンとして格納する比較パタンメモリー部と、 （ｇ）認識させようとする入力音声に対して前記（ａ）
   項から（ｅ）項までの処理によって入力重み係数、入力
   特徴パタンおよび入力安定特徴パタンを求める処理と、 （ｈ）前記入力特徴パタンと前記比較特徴パタンを照合
   し特徴パタン類似度を算出し、さらに前記入力安定特徴
   パタンと前記比較安定特徴パタンを照合し安定特徴パタ
   ン類似度を算出するパタン照合部とを具え、 （ｉ）前記特徴パタン類似度と前記安定特徴パタン類似
   度を前記入力重み係数で重み付けした総合パタン類似度
   が最大となる比較特徴パタンもしくは比較安定特徴パタ
   ンに付与されたカテゴリ名を認識結果とする音声認識方
   式。
2. （２）前記入力特徴パタンと前記比較特徴パタンおよび
   前記入力安定特徴パタンと前記比較安定特徴パタンをそ
   れぞれ照合する際に、入力特徴ベクトルと比較特徴ベク
   トルとの類似度すなわち特徴ベクトル類似度と、 入力安定特徴ベクトルと比較安定特徴ベクトルとの類似
   度すなわち安定特徴ベクトル類似度を前記重み係数で重
   み付けした統合ベクトル類似度を計算し、当該統合ベク
   トル類似度に基づいて入力音声と比較音声との統合パタ
   ン類似度を計算し、当該統合パタン類似度が最大となる
   比較特徴パタンもしくは比較安定特徴パタンに付与され
   たカテゴリ名を認識結果とする請求項１に記載の音声認
   識方式。
3. （３）前記総合パタン類似度および前記統合パタン類似
   度の双方を用いて認識判定を行なう請求項１に記載の音
   声認識方式。