JPH0486799A - 音声認識装置 - 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１ 本発明は、入力された音声信号を分析し、単語等の音声
を認識する音声認識装置に関し、更に詳しくは不特定話
者の音声に対する音声認識に好適な音声認識装置に関す
る。

［従来の技術１ 不特定話者の音声に対する単語認識の１手法としてマル
チテンプレート法が知られている。マルチテンプレート
法は、予め複数の話者の単語の音声データから変換され
た複数の特徴パラメータから標準特徴パラメータを作成
する。特徴パラメータには、例えばＬＰＧ分析（線形予
測分析）によって得られるＬＰＧケプストラムやパワー
スペクトラムを一つの単語毎に音声類に時系列的に並べ
たもの（以下、特徴パラメータ系列という、テンプレー
トとも称する）が用いられる。

標準特徴パラメータを作成する場合、複数の話者の音声
から取得した特徴パラメータ系列を単語毎に分類し、次
に、１つの単語についての特徴パラメータ群をさらに複
数の特徴パラメータ群（クラスタ）に分割する。

次に、それぞれのクラスタ内で代表的な特徴パラメータ
系列を標準特徴パラメータとして選出べく異なるように
まんべんなく複数人、例えば１６人の音声から、１０単
語ＸｌＳ人＝１６０単語についての特徴パラメータ系列
を採取する０次に各単語毎にに個のクラスタに分割する
。そして、それぞれのクラスタに含まれる特徴パラメー
タ系列群の平均の特徴パラメータ系列を標準パラメータ
とする。

また、他の特徴パラメータ系列との平均距離が最も短い
特徴パラメータ系列を標準パラメータとしてクラスタに
属する特徴パラメータ系列の中から選択する場合もある
。

ここで、分割個数にの最適値は標準特徴パラメータの作
成を開始する時には不明であるので、予め様々な分割個
数Ｋを設定し、各Ｋについて標準特徴パラメータを算出
した後、この中で音声認識精度のよい標準特徴パラメー
タが得られる分割個数を最適なＫとして決めていた。な
お複数の話者から採取した全ての特徴パラメータ系列を
メモリに記憶してこれを標準特徴パラメータとして扱う
場合もある。

音声認識を行う場合は、認識すべき音声を上述と同様に
特徴パラメータ系列（入力特徴パラメータ系列）に変換
した後、メモリに記憶した各単語の特徴パラメータ系列
（標準特徴パラメータ系列）と入力特徴パラメータとの
間の距離の計算を行う。次に最も距離の小さい標準特徴
パラメータ系列を抽出して、その標準特徴パラメータ系
列に対応の単語を単語認識の結果として出力する。距離
計算は一般に周知の動的計画法（ダイナミックプログラ
ミングまたはＤＰ千手法呼ばれる）が用いられている。

［発明が解決しようとする課題１ マルチテンプレート法などを用いた従来この種単語認識
装置においては、不特定話者の単語入力に対して高い単
語認識精度を得ようとすると、多数の話者の音声から特
徴パラメータ系列を採取する必要がある。しかしながら
、標準特徴パラメータ系列の増加に伴い、音声認識のた
めに標準特徴パラメータ系列を記憶しておくメモリの容
量も増大し、また、音声認識の処理時間が長くかかると
いう不具合が従来装置にはあった。

そこで、本発明の目的は、このような点に鑑みて、音声
信号から標準パターン作成用に採取する特徴パラメータ
の個数を増やしても、音声パターンの形状の精度を劣化
させずに全体の標準特徴パラメータの情報量を従来より
も削減することの可能な音声認識装置を提供することに
ある。

［課題を解決するための手段］ このような目的を達成するために、本発明の第１形態は
、標準パターンの作成に用いる特徴パラメータ系列にお
いて、連続的に同一の値となる特徴パラメータの個数を
計数する計数手段と、該計数手段の計数結果が予め定め
た個数よりも大きいか否かを判定する判定手段で、該判
定手段の判定結果が肯定判定のときは前記連続的に同一
の値となる特徴パラメータの系列を前記予め定めた個数
の特徴パラメータの系列に圧縮する圧縮手段とを具えた
ことを特徴とする。

本発明の第２形態は、作成済みの複数の標準特徴パラメ
ータ系列を記憶しておく記憶手段と、音声信号から抽出
した特徴パラメータ系列を標準特徴パラメータ系列の作
成のために入力する入力手段と、前記記憶手段に記憶さ
れた複数の標準特徴パラメータ系列の中から、前言己入
力手段から入力された特徴パラメータ系列に最も類似す
る標準特徴パラメータ系列を距離比較により抽出する抽
出手段と、当該抽出された標準特徴パラメータ系列およ
び前記入力手段から入力された特徴パラメータ系列の重
み付き平均を算出する演算手段と、当該算出された重み
付き平均の結果を、前記量も類似した標準特徴パラメー
タ系列に代わる新規の標準特徴パラメータ系列として前
記記憶手段に更新的に記憶する更新手段とを具えたこと
を特徴とする。

本発明の第３形態は、本発明の第２形態に加えて、前記
入力手段から入力された特徴パラメータ系列および前記
記憶手段から抽出された標準特徴パラメータ系列におい
て互いに類似する部分についてそのパターン長の比較を
行う比較手段と、該比較手段による比較の結果、前記記
憶手段から抽出された標準パラメータ系列における第１
類似部分についてのパターン長が、前記入力手段から入
力された特徴パラメータ系列における第２類似部分につ
いてのパターン長よりも長い場合は、当該第１類似部分
を圧縮し、前記第１類似部分についてのパターン長が前
記第２類似部分についてのパターン長よりも短い場合は
、当該第１類似部分を伸張するパターン補正手段とを更
に具えたことを特徴とする。

［作　用］ 本発明の第１形態は、音声認識を行う際にパターン長（
音声の発生時間）が異なる標準パターン用の標準特徴パ
ラメータ系列と認識対象の音声パターンの特徴パラメー
タ系列とのパターン比較（マツチング）を行うために、
上記両パターンのパターン長を一致させるため、パター
ンを圧縮および伸張する処理が行われることに着目し、
標準パターンの作成に際し、特徴パラメータ系列の中の
連続的に同一の値となる部分を検出して圧縮手段により
圧縮する。このため、作成された標準パターンの特徴パ
ラメータの個数が従来よりも減少する。また、標準パタ
ーンの作成時間も短縮化される。さらに、音声認識の際
に、圧縮の特徴パラメータ部分が伸張されてもその伸張
の特徴パラメータ部分は圧縮前の特徴パラメータ部分と
同一値となるので、音声認識の精度が劣化することはな
い。

本発明の第２形態では、たとえば、単語について複数の
標準特徴パラメータ系列を予め作成しておき、記憶手段
に記憶しておく。次に標準特徴パラメータ系列作成のた
めに用いる特徴パラメータ系列を入力する毎に、この特
徴パラメータ系列に最も類似する記憶手段の上の標準特
徴パラメータ系列を抽出する。次にこの標準特徴パラメ
ータ系列および入力の特徴パラメータ系列により新規標
準特徴パラメータ系列を作成した後、記憶手段上の、新
規標準特徴パラメータ系列と対応の標準特徴パラメータ
系列を新規標準特徴パラメータ系列に更新する。このた
め、不特定話者の人数を増やしても、記憶手段上の標準
特徴パラメータ系列の個数は増加しない。

本発明の第３形態では、さらに、特徴パラメータ系列が
入力される毎にこの特徴パラメータ系列のパターン長に
類似させるように標準特徴パラメータ系列が伸張および
圧縮される。このため、たとえ、少ない標準特徴パラメ
ータ系列を１単語の標準パターンとして用いても、この
標準特徴パラメータ系列には多数の不特定話者について
の音声パターンの特徴が加味されたものとなり、音声認
識精度が劣化することはない。

（以下余白） ［実施例１ 以下、図面を参照して本発明の実施例を詳細に説明する
。

第１図（Ａ）は本発明第１実施例の基本構成を示す。

第１図（Ａ）において、１００は標準パターンの作成に
用いる特徴パラメータ系列において、連続的に同一の値
となる特徴パラメータの個数を計数する計数手段である
。

１１Ｏは該計数手段の計数結果が予め定めた個数よりも
大きいか否かを判定する判定手段である。

１２０は該判定手段の判定結果が肯定判定のときは前記
連続的に同一の値となる特徴パラメータの系列を前配予
め定めた個数の特徴パラメータの系列に圧縮する圧縮手
段である。

第１図（Ｂ）は本発明第２．第３実施例の基本構成を示
す。

第１図（Ｂ）において、２００は作成済みの複数の標準
特徴パラメータ系列を記憶しておく記憶手段である。

２１０は音声信号から抽出した特徴パラメータ系列を標
準特徴パラメータ系列の作成のために入力する入力手段
である。

２２０は前記記憶手段に記憶された複数の標準特徴パラ
メータ系列の中から、前記入力手段から入力された特徴
パラメータ系列に最も類似する標準特徴パラメータ系列
を距離比較により抽出する抽出手段である。

２３０は当該抽出された標準特徴パラメータ系列および
前記入力手段から入力された特徴パラメータ系列の重み
付き平均を算出する演算手段である。

２４０は当該算出された重み付き平均の結果を、前ぎ己
最も類似した標準特徴パラメータ系列に代わる新規の標
準特徴パラメータ系列として前記記憶手段に更新的に記
憶する更新手段である。

３１０は前記入力手段から入力された特徴パラメータ系
列および前記記憶手段から抽出された標準特徴パラメー
タ系列において互いに類似する部分についてそのパター
ン長の比較を行う比較手段である。

３２０は該比較手段による比較の結果、前記記憶手段か
ら抽出された標準パラメータ系列における第１類似部分
についてのパターン長が、前記入力手段から入力された
特徴パラメータ系列における第２類似部分についてのパ
ターン長よりも長い場合は、当該第１類似部分を圧縮し
、前記第１類似部分についてのパターン長が前記第２類
似部分についてのパターン長よりも短い場合は、当該第
１類似部分を伸張するパターン補正手段である。

なお、これら各手段に対応する具体的な回路は後述する
。

第２図は本発明第１実施例の具体的な回路構成を示す。

第２図において、ｌＯは入力音声を音声信号に変換する
マイクロフォンである。１１はアンプであり、マイクロ
フォンの出力信号を増幅する。１２はアナログ／デジタ
ル（Ａ／Ｄ）変換器であり、アンプ１１の増幅出力を一
定時間間隔でＡ／Ｄ変換する。

１３はフーリエ変換器であり、Ａ／Ｄ変換器１２の出力
をフーリエ変換し、周波数帯域毎の音声信号の俟さ（パ
ワースペクトラム）を特徴パラメータとして出力する。

フーリエ変換器１３はＬＳＩ（大規模集積回路）になっ
ている専用回路が知られているが、専用のフーリエ変換
器１３を用いないで、コンピュータによりフーリエ変換
を実行してもよい。フーリエ変換器に代わり複数のバン
ドパスフィルタを用いることも可能である。また、Ａ／
Ｄ変換器１２の出力をＬＰＧ分析（線形予測分析）し、
ＬＰＣケプストラムなどのパラメータを特徴パラメータ
系列に用いることも可能である。

さらに、パワースペクトラムやＬＰＣケプストラムなど
のパラメータから変換された音韻類似度情報を特徴パラ
メータとすることもできる。この音韻類似度情報は、予
め判明しているパワースペクトラムやＬＰＧケプストラ
ムの各識別ラベルに対する類似度を百分率で表したもの
である。ＬＰＣケプストラム、音韻類似度情報などのパ
ラメータもコンビエータで計算すればよい。

１４は標準特徴パラメータ系列の作成および音声認識の
ための情報処理を行うコンピュータシステムである。コ
ンピュータシステム１４にはキーボード入力装置１５．
フロッピーディスク等を用いた外部記憶装置１６９表示
装置１７が接続されている。

キーボード入力装置１５からは、コンピュータシステム
１４に対する情報処理のための各種指示や単語の標準パ
ターンの作成のための情報の入力などを行う。

外部記憶装置１６は作成された単語の標準特徴パラメー
タ系列を複数個記憶する。表示装置１７はコンピュータ
システム１４からの単語音声の認識結果や単語の標準パ
ターンの作成に関する情報が表示される。

第３図は第２図のコンピュータシステム１４の構成の一
例を示す。本実施例では高速演算処理を行うために、演
算処理を高速ＤＳＰ（ディジタルシグナルプロセッサ）
で行うようにしている。１４−１はＤＳＰであり、第２
図におけるフーリエ変換器１３でディジタル信号に変換
された特徴パラメータを信号入力する。

１４−２はメモリであり、ＤＳＰ１４−１が実行する制
菌手順が予め格納されている。１４−３はパーソナルコ
ンピュータであり、全システムの動作を統括する役割を
果たす。なお、コンピュータシステム１４は大型コンピ
ュータを用いてもよ（、装置の大きさ、演算処理程度に
応じて構成すればよい。

ＤＳＰ１４−１は、学習モードと認識モードの２つのモ
ードで異なった処理を実行する。学習モードの音声の標
準パターンを特徴パラメータ系列で表した、単語の標準
特徴パラメータ系列を作成するモードであり、認識モー
ドは実際の単語の認識を実行するモードである。

本実施例では、音声認識を行うときに、パターン長が互
いに異なる入力音声パターンおよび標準パターンのパタ
ーン形状の一致比較を行うため、上記各パターンの形状
の圧縮および伸張を行うことに看目し、標準パターン作
成用に採取された特徴パラメータ系列の中の特徴パラメ
ータが連続的に一致する部分を圧縮する。

ＤＳＰ１４−１により行う圧縮処理を第４図および第５
図を参照して説明する。第４図は入力の音声から標準パ
ターンを作成するための特徴パラメータ系列（以下学習
用特徴パラメータ系列と称す）を生成するまでの過程を
示す。

第５図はＤＳＰ１４−１の実行する演算処理手順を示す
。この演算処理手順は実際にはＤＳＰ１４−１の実行可
能なプログラム言語で言己載されている。

第４図において、時刻ｔ１から話者の音声、たとえば”
ＨＯＮＡＴＵＧＩ”が入力されると、フーリエ変換器１
３からは時刻ｔ１から一定時間間隔で特徴パラメータＸ
として周波数帯Ｗｌ−ＷＮの各スペクトラムＸ（１）〜
Ｘ　（Ｎ）が出力される。

本実施例では時刻ｔｉの特徴パラメータｘｌをＸ１＝（
ＸＩ（１）、Ｘｌ（２）、　−、、・Ｘｌ（Ｎ））のベ
クトルで表わす。

このようなスペクトラムの集合体で表わされる特徴パラ
メータＸｉがＤＳＰ１４−１に入力されて、ＤＳＰ１４
−１内の比較レジスタに格納される（第５図のステップ
３１０１〜５１０４）。

次に入力の特徴パラメータＸ１は学習用の特徴パラメー
タとして識別記号Ｙｌが与えられ、メモリ１４−２のワ
ークエリアに格納される（第５図のステップ５１０５）
。

次の時刻ｔ２でフーリエ変換器１３によりそのときの音
声信号が特徴パラメータｘ２に変換され、ＤＳＰ１４−
１に入力されると、ＤＳＰ１４−１は比較レジスタに格
納された特徴パラメータすなわち、特徴パラメータＸｉ
と入力の特徴パラメータＸ２との一致比較を行う（第５
図のステップ３１０１〜５１０３）。

一致判定が得られたときは、比較レジスタの更新、ワー
クエリアへの学習用特徴パラメータの登録を行わず、次
回の特徴パラメータＸの入力を待つ（第５図のステップ
５１０３→５ＩＯＬ）。

また、不一致判定が得られたときは比較レジスタの記憶
値を入力の特徴パラメータに更新し、ワークエリアに学
習用特徴パラメータの登録を行う（第５図のステップ８
１０３〜５１０５→５ＩＯＩ）。

このような処理をＤＳＰ１４−１は繰り返し実行する。

この結果、特徴パラメータＸ５〜ｘ７がそれぞれ一致す
る場合、ワークエリアに登録される学習用の特徴パラメ
ータはＸＬＸ２．Ｘ５．Ｘ８・・・というように圧縮さ
れたものとなる。

なお、これらの学習用特徴パラメータは順にＹｌ、　Ｙ
２．　Ｙ３と名付けられ、従来通りの手法で標準特徴パ
ラメータ系列の作成に用いられる。

以上説明したように、本実施例では音声信号から変換さ
れた特徴パラメータの系列の中で一致部分を１個の特徴
パラメータに圧縮するようにしたので、学習用特徴パラ
メータ系列を構成する特徴パラメータの個数が減少する
。

なお、参考のために、音声認識時の処理を簡単に説明し
ておく。第４図の入力特徴パラメータ系列ＸＩ、Ｘ２．
Ｘ３・・・に対応の音声が入力されると、この特徴パラ
メータ系列と、標準特徴パラメータＸＩ。

Ｘ２．Ｘ５．Ｘ８・・・とのパターンマツチングを行う
とき、パターン長さをそろえるため、試行錯誤的に標準
特徴パラメータ系列Ｘｉ、Ｘ２．Ｘ２．Ｘ２．Ｘ５．Ｘ
５．Ｘ５．Ｘ８　・・・が作成され、両特徴パラメータ
系列の一致が確認され、この標準特徴パラメータ系列に
対応の単語コードがＤＳＰ１４−１から出力される。

第１実施例について、次の例が挙げられる。

１）第１実施例では圧縮個数を１個としているが１以上
の所定個数とすることもできる。たとえば圧縮個数を“
２”とする場合は、−数回数をＤＳＰ１４−１により計
数し、その計数結果が数値″２”を越えるまではメモリ
１４−２への特徴パラメータ系列の登録処理を行い、計
数結果が“２”を越えたときにメモリ１４−２への特徴
パラメータ系列の登録を行わない。なお、第１実施例で
は圧縮個数を１個としているため、一致判定処理自体が
一致回数の判定を行っている。したがって一致判定処理
を実行するときのＤＳＰ１４−１は本発明の第１形態に
おける計数手段１判定手段として動作し、特徴パラメー
タの登録を中止する手順を実行するときのＤＳＰ１４−
１が圧縮手段として動作する。

２）また、上記圧縮個数を外部指示により可変設定する
ようにしてもよいことは言うまでもない。

次に、人力の特徴パラメータ系列を用いてマルチテンプ
レート法により標準特徴パラメータを統合的に作成する
第２実施例を第６図〜第７図を用いて説明する。

なお、本第２実施例の回路構成には第２図と同様の回路
を用いる。

第６図は入力特徴パラメータ系列のデータ内容、更新前
の標準特徴パラメータ系列のデータ内容および更新後の
標準特徴パラメータ系列（新標準特徴パラメータ系列と
称す）のデータ内容ならびに上記３つのデータ内容の相
関関係を示す。

第７図はＤＳＰ１４−１が実行する単語標準パターンの
作成手順を示す。

また、不特定話者１６人からそれぞれ１０単語分の学習
用特徴パラメータ系列を採取するものとする。このため
に、予め仮に１５０個の標準パターン群を用意する。１
個の標準パターンには１つの標準特徴パラメータ系列と
後で説明する単語類似度情報が含まれる。全ての櫻準特
徴パラメータに対する初期値として任意の値が与えられ
ているものとする。

本実施例は第１番目の話者から採取した１０個の学習用
特徴パラメータ系列の各々に最も類似する標準特徴パラ
メータ系列およびこの標準特徴パラメータ系列が含まれ
る標準パターンを検出する。

次に、上記学習用特徴パラメータ系列を用いて上記検出
の、対応の標準特徴パラメータを修正する。以下、次の
話者から採取した１０個の学習用特徴パラメータを用い
て同様の処理を繰り返し行い、最終的には、１個の単語
についての標準パターンが３個の標準特徴パラメータ系
列で構成される１０個の標準パターンを作成する。

第１番目の話者の音声から時系列に採取された、１単語
分の入力特徴パラメータＸＩ、Ｘ２．・・・の中のＸ２
〜Ｘ４．　Ｘ６〜Ｘ７がそれぞれ一致するものとする。

以下、第２実施例における回路動作を説明する。

フーリエ変換器１３がら特徴パラメータを入力する毎に
ＤＳＰ１４−１は入力特徴パラメータを順次にメモリ１
４−２に記憶し、１単語分の学習用特徴パラメータ系列
をメモ１月４−２上で作成する（第７図のステップ５２
０１）。このときのＤＳＰ１４−１が本発明第２形態の
入力手段として動作する。

次に、ステップ５２０２〜５２０５の処理を実行するこ
とにより新標準特徴パラメータ系列を作成する。

まず、学習用特徴パラメータ系列と、メモ！月４−２上
に記憶された予め任意の数値形態の複数の標準特徴パラ
メータ系列との距離計算を実行する（ステップＳ２）。

距離計算に当たっては、学習用特徴パラメータ系列と標
準特徴パラメータ系列のパターンの長さが異なるため、
周知の動的計画法（ダイナミックプログラミング（ＤＰ
）法）を用いて行う。

この距離計算を行う過程でパターンの長さを一致させる
ための、標準特徴パラメータ系列についての圧縮伸張処
理が行われる。このとき、バックトラックと呼ばれる処
理により、学習用特徴パラメータ系列の中の特徴パラメ
ータが連続的に一致する区間が検出される。上述の学習
用特徴パラメータ系列ｘｉ、　ｘ２・・・は第６図に示
すように標準特徴パラメータ系列と類似する部分に対応
させてｘｉ、ｘ２〜ｘ４．ｘ５．ｘ６〜ｘ７．ｘ８とい
うように区分けされ、区間番号が割当てられる。

また、個々の学習用特徴パラメータと個々の標準特徴パ
ラメータとの間でパターン長の短いもの同志の組み合せ
も検出される。この組み合せを第６図の実線の矢印で示
す。

このような組み合せの種類に対応させてタイプ番号が割
当てられる。

例えば、対応関係タイプ番号（１）は学習用特徴パラメ
ータｘｉと現在の標準特徴パラメータｙｔというように
類似部分が１対１に対応しており、タイプ番号（４）は
３個の学習用特徴パラメータｘ３〜×４と１個の標準特
徴パラメータが３対１に対応していることを示している
。次に、１ｏ単語分、１５０個の標準特徴パラメータ系
列の中で学習用パラメータ系列に最も近い距離を持つ標
準特徴パラメータ系列を選択する。選択された標準特徴
パラメータ系列を最類似標準特徴パラメータ系列と呼ぶ
ことにする（ステップＳ３）。さらに、その最類似標準
特徴パラメータ系列を含む標準パターンを選択する（ス
テップＳ４）。

その際、選択の方法としては、全ての標準パターンに含
まれる標準特徴バラメエータ系列を２次元状に等間隔に
配列し、最類似標準特徴パラメータ系列の標準パターン
を中心とするある大きさの領域の中に含まれる複数個、
たとえば３個の標準パターンをメモリ１４−２から選択
抽出する。このとき、ＤＳＰ１４−１が本発明の第２形
態の抽出手段として動作し、またメモリ１４−２が記憶
手段として動作する。次に選択した各標準パターン中の
全ての標準特徴パラメータ系列の初期データを更新する
（ステップＳ５）。この更新に際しては、ステップＳ２
で求められた標準特徴パラメータ系列と学習用特徴パラ
メータ系列の対応関係が用いられる。

なお、更新により得られる標準特徴パラメータ系列を新
標準特徴パラメータ系列と呼ぶことにする。

まず、学習用特徴パラメータと標準パラメータの対応関
係のタイプ番号に従って新特徴パラメータ系列を構成す
る特徴パラメータ（以下新特徴パラメータ）を次の重み
付き平均の算出式によりＤＳＰ１４−１で計算する。こ
のときのＤＳＰ１４−１が本発明の第２形態の演算手段
として動作する。

第６図の対応関係の分類に示される基準に従って本発明
第３形態における新標準パラメータ系列の伸張、圧縮も
このとき行われる。次式において用いられるＮは特徴パ
ラメータの次元数である。

また、ａは１以下の正の数である。

対応関係タイプ番号１ 学習特徴パラメータ ｘｌ＝　（ｘｉ（１）、ｘｉ（２）−ｘｉ（Ｎ））ここ
でｘｉ　（１）〜ｘｉ　（Ｎ）は学習特徴パラメータｘ
１を構成する周波数帯毎のスペクトラム ｙｌ＝　（ｙｌ（１）、ｙｌ（２）・・・ｙｌ　（Ｎ）
　）ここでｙｌ　（１）〜ｙｌ　（Ｎ）は標準特徴パラ
メータｙ１を構成する周波数帯毎のスペクトラム 新標準特徴パラメータ ｚｌ＝　（ｚｌ（１）、ｚｌ（２）・・・ｚｌ　（Ｎ）
　）ここでｚｌ（１）〜ｚｌ　（Ｎ）は新標準特徴パラ
メータｚｌを構成する周波数帯毎のスペクトラムｚｌ　
（１）　＝　ｙｌ　（ｉ）＋α（ｘｉ　（ｉ）　−ｙｌ
　（ｉ））（ｉ＝１．２．・・・、Ｎ＋ 対応関係タイプ番号４ 同一部分が３個の学習特徴パラメータ ｘｉ　＝　（ｘｉ（１）、ｘｉ（２）＝−ｘｉ（Ｎ））
ｘ２＝　（ｘ２（１）、ｘ２（２）・＝ｘ２（Ｎ））ｘ
３＝　（ｘ３（１）、ｘ３（２１・ｘ３（Ｎ））標準特
徴パラメータ ｙｌ＝　（ｙｌ　（１）、ｙｌ　（２）・・・ｙｌ　（
Ｎ）　）２個の新標準特徴パラメータ ｚｌ　＝　（ｚｌ　（］、）、　ｚｌ　（２）・・・ｚ
ｌ　（Ｎ）　）ｚ２＝＝　（ｚ２（１）、ｚ２（２）・
・・ｚ２　（Ｎ）　）ここで ｚｌ　（ｉ）　　＝　ｙｌ　（ｉ）＋α（（ｘｉ　（ｉ
）＋ｘ２　（ｉ））／２−ｙｌ　（ｉ）　）ｚ２（ｉ）
　　＝ｙｌ（ｉ）＋ａ（（ｘ２（ｉＤｘ３（ｉｌ）／２
−ｙｌ（Ｌ））対応関係タイプ番号３ 学習特徴パラメータ ｘｌ−（ｘｉ（１）、ｘｌｆ２）−ｘｉ（Ｎ））同一部
分が２個の標準特徴パラメータ ｙｌ　＝　（ｙｌ　（１１、ｙｌ　（２）・・・ｙｌ　
（Ｎ）　）ｙ２＝　（ｙ２（１）、ｙ２（２）・・・ｙ
２　（Ｎ）　）２個の新標準特徴パラメータ ｚｌ＝　（ｚｌ（１）、ｚｌ（２）・＝ｚｌ（Ｎ））ｚ
２＝　（ｚ２（１）、ｚ２（２）−ｚ２（Ｎ））ここで ｚｌ　（ｉ）　＝　ｙｌ　（ｉ）十α（ｘｉ　（ｉ）　
−ｙｌ　（ｉ））ｚ２（ｉ）　　＝ｙ２（ｉ）　　＋　
ａ　（ｘｉ（ｉ）−ｙ２（ｉ））（ｉ＝１．２．・・・
、Ｎ） 対応関係タイプ番号２ 同一部分が２個の学習特徴パラメータ ｘｌ−（ｘｉ（１）、ｘｌ（２）−ｘｉ（Ｎ））ｘ２＝
　（ｘ２（１）、ｘ２（２）＝−ｘ２（Ｎ）１標準特徴
パラメータ ｙｌ　＝　（ｙｌ　（１）　、　ｙｌ　（２）・・・ｙ
ｌ　（Ｎ）　）（ｉ＝１．２．・・・、Ｎ） 新標準特徴パラメータ Ｚｌ　＝　（Ｚｌ　（１）、　Ｚｌ　（２）　・Ｚｌ　
（Ｎ）　）ここで ｚｌ（ｉｌ　　＝ｙｌ（ｉ）＋ａ　（（ｘｉ（ｉ）＋ｘ
２（ｉ））／２−ｙｌ（ｉ））（ｉ＝１．２．・・・、
Ｎ） 第６図のような各種対応関係を持つ人力特徴パラメータ
系列（話者の音声から抽出された１単語の特徴パラメー
タ系列）　Ｘｉ、Ｘ２．Ｘ３・・・の各々のパラメータ
は、上記タイプに従って算出される。たとえば入力特徴
パラメータＸＩは上式の学習特徴パラメータｘ１として
ＤＳＰ１４−１において、取り扱われる。入力特徴パラ
メータｘ２〜Ｘ４のそれぞれがほぼ同じデータの場合、
Ｘ２（ｘｉ）とＸ３（ｘ２）の平均値を用いて新標準特
徴パラメータＺ１が作成され、Ｘ３（ｘ２）とＸ４　（
ｘ３）の平均値を用いて新標準特徴パラメータＺ２が作
成される。この結果、３個の入力特徴パラメータＸ２〜
Ｘ４が２個の新特徴パラメータ系列に圧縮される。

本実施例では音声認識精度の質を劣化させないため、標
準特徴パラメータの個数と対応の学習特徴パラメータの
個数すなわちパターン長が異なる場合は、新標準特徴パ
ラメータの個数は２種の特徴パラメータの個数の平均と
なるように設定する。このときの処理を行うＤＳＰ１４
−１が本発明第３形態の比較手段、パターン補正手段と
して動作する。

このようにして、１単語についての選択の３つの標準パ
ターンの計３個の標準特徴パラメータ系列について、上
述のタイプ別の重み付き平均処理を行い、新標準パラメ
ータ系列の中の個々の新標準特徴パラメータを算ａする
。次に、新標準特徴パラメータ系列を標準特徴パラメー
タ系列に置き換え、学習用特徴パラメータ系列に対する
重み付は平均処理を所定個数、例えば２０００回以上繰
り返し行う。次に更新手段としてのＤＳＰ　１４−１に
よりメモリ１４上で所定の回数、標準特徴パラメータ系
列の更新が行われた後、認識対象の１０単語の各々に対
する櫻準特徴パラメータ系列の類似度を求める（ステッ
プＳ７）。この類似度を示す値を単語類似度情報と呼ぶ
ことにする。単語類似度情報の示す値が高いほど標準特
徴パラメータ系列のある単語に対する類似度が高いこと
を示す。単語類似度情報は例えば以下のようにして求め
られる。

予め、全ての標準特徴パラメータ系列の各々に１０単語
分の投票箱をメモリ１４−２上に用意し、各投票箱への
投票数を数値ゼロにしておく。次に、上記更新に用いら
れた学習用の特徴パラメータ系列に対応の識別コードを
キーボード入力装置から受は付け、次に３個の標準特徴
パラメータ系列全の投票箱の中のこの識別コードに対応
の単語の投票箱に一票を投じる。

この結果、第１番目の話者によって入力された音声”Ｈ
ＯＮＡＴＵＧＩ”によって、３個の標準特徴パラメータ
系列が初期値から更新され、これらの標準特徴パラメー
タ系列の各々の第１番目の投票箱に一票が投票される。

以上、説明した処理により第１番目の話者の第１番目の
単語音声を用いた標準特徴パラメータ系列の作成処理を
終了する。

以下、第１番目の話者の第２番目〜第１Ｏ番目の単語音
声をマイクロホン１０から入力して、上述と同様の処理
を行う。

次に、第２番目〜第１６番目の話者についてそれぞれ１
０単語分の音声をマイクロホンｌＯから入力し、作成済
みの標準特徴パラメータ系列の更新処理を単語毎に実行
する。

全ての話者の音声を用いた標準特徴パラメータ系列の更
新処理を終了すると、最後に各標準特徴パラメータ系列
毎に１０単語分の投票箱を開票し、各単語に対する投票
数を集計する。次に、各投票数の１０単語全ての投票数
に対する比率を百分率で表す。このような比率の集合を
単語類似度情報として取扱う。

類似度情報において最上位から３個の標準特徴パラメー
タ系列を各単語毎にメモリ１４−２から検索抽出する。

この検索処理には数値を大きい順に並べ換えるソーティ
ングと呼ばれる周知手順を用いればよく詳細な説明を省
略する。

以上の処理により１０人の話者の音声から１０単語×３
個の標準特徴パラメータ系列を抽出する。従来では１６
人×１０単語＝１６０個の標準特徴パラメータ系列を作
成したのに対し、本第２実施例の作成個数は１０×３個
と非常に少ないものとなる。

また、作成の各標準特徴パラメータ系列は類似の学習用
特徴パラメータ系列の平均結果となっているので複数の
不特定話者の音声特徴が加味されている。

標準特徴パラメータ系列を作成する過程において、作成
途中の標準特徴パラメータ系列群の中の各系列と話者の
単語音声から抽出した学習用特徴パラメータ系列とを動
的計画手法により比較を行い、学習用特徴パラメータ系
列に最も類似する標準特徴パラメータ系列を選択する。

このため、従来のように話者の人数に対応させた初期登
録の標準特徴パラメータ系列群を作成する必要はな（，
１組の標準特徴パラメータ系列群を共有使用することが
できる。

次に、音声の認識モード時について説明する。

第８図は、第３図に示すＤＳＰ１４−１が音声認識モー
ドを実行する処理を示す。第８図において、第２図に示
すＡ／Ｄ変換器１２の出力を一定時間間隔で各時点毎の
入力特徴パラメータ系列に変換する（ステップＴｌ）。

次に、入力特徴パラメータ系列と外部記憶装置１６に記
憶された複数個の標準特徴パラメータ系列との距離計算
を実行する（ステップＴ２）。距離計算に当たっては、
入力特徴パラメータ系列と標準特徴パラメータ系列の長
さが異なるため、動的計画法（ダイナミックプログラミ
ング）を用いて行う。

次に、入力特徴パラメータ系列に最も近い距離を持つ単
語の標準特徴パラメータ系列（最類似標準特徴パラメー
タ系列）を外部記憶装置１６に記憶された標準特徴パラ
メータ系列から見つけ、それに対応する単語類似度情報
を抽出する（ステップＴ３）。

最後に抽出された単語類似度情報の単語要素の中で値が
最大の単語要素の番号に対応する単語コードを認識結果
として出力する（ステップＴ４）　　。

上述の手順により単語の標準特徴パラメータ系列を生成
し、３人の未知話者に対し、１ｏ語の単語認識実験をし
た場合、従来の最適化されたマルチテンプレート法とほ
ぼ同様の単語認識性能が得られた。

本第２実施例の他、次の例が挙げられる。

１）本第２実施例で用いた単語類似度情報の算出方法の
他に、次のような別方法により単語類似度情報を求めて
もよい。すなわち、各標準特徴パラメータ系列毎に単語
数の要素数を持つベクトル（単語類似度ベクトルと称す
る）を設定し、また、全ての単語に“１”から通し番号
を付ける。各学習用の特徴パラメータ系列にもユニット
ベクトル（単語の番号に対応する要素のみ“１”で他の
要素が全て“０”であるベクトル）を付加する。そして
、最も距離が近い標準特徴パラメータの系列に対し、 ｍ←ｍ十α（ｕ　−ｍ　） の重み付は平均処理を行う。ここで、ａは１より小さい
正数であり、ｍは標準特徴パラメータ系列に設定された
単語類似度ベクトル、Ｕは学習用の単語の特徴パラメー
タ系列に付加されその単語を示すユニットベクトルであ
る。全ての学習用入力特徴パラメータ系列について以上
の処理を行い、最後に得られた単語類似度ベクトルの中
身を各標準特徴パラメータ系列の単語に対する単語類似
度情報とする。

２）本第２実施例では標準特徴パラメータ系列の作成個
数を１単語につき、３つと固定設定しているが、音声認
識精度もしくは音声認識処理時間に応じて選択的に設定
することもできる。

３）本第２実施例では標準特徴パラメータ系列の作成個
数を１単語につき、３つと固定設定しているが、投票箱
への投票数をＤＳＰ１４−１によりしきい値比較して一
定数以上の投票数を有する標準特徴パラメータ系列を選
択してもよい。

また、選択に用いるしきい値の数をキーボード入力装置
１５から入力するようにすると１単語の標準パターンを
構成する標準パラメータ系列の個数をも可変設定するこ
とができる。

この場合、単語に対する類似度が一定の値以上の標準特
徴パラメータ系列をたとえば１単語につき５個、メモリ
１４−２からＤＳＰ１４−１により検索抽出し、パーソ
ナルコンピュータ１４−３により外部記憶装置１６に登
録記憶しておく。

次に音声認識に先立って操作者は音声認識精度または認
識処理時間をキーボード入力装置１５に入力する。この
音声認識情報または認識処理時間に対応させて、パーソ
ナルコンピュータ１４−３により最上位の類似度の標準
特徴パラメータ系列から順に所定個数の標準特徴パラメ
ータ系列を選択し、ＤＳＰ１４−１により音声認識用標
準パターンとしてメモリ１４−２に登録する。音声認識
精度を最も高くしたい場合は、１単語の標準パターンを
５個の標準特徴パラメータ系列で構成する。

また音声認識速度を最も速くしたい場合は１単語の標準
パターンを最上位の類似度の１個の標準特徴パラメータ
系列で構成する。

このような音声認識精度、音声認識速度と標準特徴パラ
メータ系列の使用個数を変換テーブルで記憶しておくと
、呈語に使用する標準特徴パラメータ系列の選択処理が
容易となる。

［発明の効果］ 以上、説明したように、本発明の第１形態によれば、音
声の認識精度を劣化させず、標準パターンを構成する特
徴パラメータ系列のパターン長を短縮するので、メモリ
等に記憶しておく標準パターンの情報量を削減すること
ができる。また、標準パターンの作成時間、音声の認識
時間も短縮化される。本発明の第２形態では、不特定話
者からの標準パターン作成用の特徴パラメータ系列の採
取個数を増やしても作成された標準パターンすなわち、
標準特徴パラメータ系列の個数は所定個数以上から増加
することはない。

またさらに、この標準特徴パラメータ系列は上記特徴パ
ラメータ系列に類似するように補正が行われるので、音
声認識精度が劣化することはない。

夕系列の作成処理を示す説明図、 第７図は本発明第２実施例の標準特徴パラメータ系列の
作成手順を示すフローチャート、第８図は本発明第２実
施例における音声認識手順を示すフローチャートである
。

【図面の簡単な説明】

第１図（Ａ）は本発明第１実施例における基本構成を示
すブロック図、 第１図（Ｂ）は本発明第２．第３実施例における基本構
成を示すブロック図、 第２図は本発明第１実施例における具体的な回路構成を
示すブロック図、 第３図は第２図のコンピュータシステムの回路構成を示
すブロック図、 第４図は本発明第１実施例の圧縮処理を示す説明図、 第５図は本発明第１実施例の圧縮処理手順を示すフロー
チャート、 第６図は本発明第２実施例の標準特徴パラメー１０・・
・マイクロホン、 １１・・・アンプ、 １２・・・アンログ／デジタル（Ａ／Ｄ）変換器、１３
・・・フーリエ変換器、 １４・・・コンピュータシステム、 １５・・・キーボード入力装置、 １６・・・外部記憶装置、 １７・・・表示装置、 １８・・・陰極管（ＣＲＴ）。 第２１！ｌのコンし°ニークシステムの回り各１＊一八
伊ｊ表１ブロック躬第３図 奉忙１１月詐１亥Ｊヒ１９１の圧■■Ｓ牒十櫃を水１フ
ローナヤーＹ第５図 本ｔ１ｇ塾２貫、ｂ１１５２ｔ＞ｊｆｉり瞥椅徴パラメ
づ峯タリリ忰Ｖ（ヌ＆夏ツーｈ＊ｌ　ｋ’ｌ−ｓ＠図第
６図 第 図

Claims (1)

1. 【特許請求の範囲】 １）標準パターンの作成に用いる特徴パラメータ系列に
   おいて、連続的に同一の値となる特徴パラメータの個数
   を計数する計数手段と、 該計数手段の計数結果が予め定めた個数よりも大きいか
   否かを判定する判定手段で、 該判定手段の判定結果が肯定判定のときは前記連続的に
   同一の値となる特徴パラメータの系列を前記予め定めた
   個数の特徴パラメータの系列に圧縮する圧縮手段と を具えたことを特徴とする音声認識装置。 ２）作成済みの複数の標準特徴パラメータ系列を記憶し
   ておく記憶手段と、 音声信号から抽出した特徴パラメータ系列を標準特徴パ
   ラメータ系列の作成のために入力する入力手段と、 前記記憶手段に記憶された複数の標準特徴パラメータ系
   列の中から、前記入力手段から入力された特徴パラメー
   タ系列に最も類似する標準特徴パラメータ系列を距離比
   較により抽出する抽出手段と、 当該抽出された標準特徴パラメータ系列および前記入力
   手段から入力された特徴パラメータ系列の重み付き平均
   を算出する演算手段と、 当該算出された重み付き平均の結果を、前記最も類似し
   た標準特徴パラメータ系列に代わる新規の標準特徴パラ
   メータ系列として前記記憶手段に更新的に記憶する更新
   手段と を具えたことを特徴とする音声認識装置。 ３）前記入力手段から入力された特徴パラメータ系列お
   よび前記記憶手段から抽出された標準特徴パラメータ系
   列において互いに類似する部分についてそのパターン長
   の比較を行う比較手段と、該比較手段による比較の結果
   、前記記憶手段から抽出された標準パラメータ系列にお
   ける第１類似部分についてのパターン長が、前記入力手
   段から入力された特徴パラメータ系列における第２類似
   部分についてのパターン長よりも長い場合は、当該第１
   類似部分を圧縮し、前記第１類似部分についてのパター
   ン長が前記第２類似部分についてのパターン長よりも短
   い場合は、当該第１類似部分を伸張するパターン補正手
   段と を更に具えたことを特徴とする請求項２に記載の音声認
   識装置。