JPH0573090A - 音声認識方法 - Google Patents

Abstract

(57)【要約】 【目的】 本発明は、音声を認識する音声認識方法に関
し、音声の各チャネルにＳＮ比を考慮した重み付けを行
って照合を行い、雑音を多く含む音声の認識率を向上さ
せることを目的とする。 【構成】 音声信号を分析してパワースペクトルを生成
する音声分析部２と、雑音信号を分析してパワースペク
トルを生成する雑音分析部５と、これら音声分析部２お
よび雑音分析部５によって分析したパワースペクトルを
もとに、各チャネルのＳＮ比を計算するＳＮ比計算部６
とを備え、このＳＮ比計算部６によって求めた各チャネ
ル毎のＳＮ比によって、音声分析部２によって分析した
パワースペクトルの各チャネルに重みづけを行った後、
辞書４から取り出した単語の標準パターンとマッチング
して距離を求め、距離が最小の単語を認識結果として出
力するように構成する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声を認識する音声認
識方法であって、雑音を含む音声を認識する音声認識方
法に関するものである。

【０００２】

【従来の技術】従来、音声認識は、図１１に示すような
構成によって行っていた。音声入力部４１に音声が入力
されると音声をディジタル信号に変換し、音声分析部４
２が各周波数（あるいは各周波数帯域（チャネル））に
音声を分析し、照合部４３を構成するチャネル距離計算
部４３１が辞書４４から取り出した各単語パターンと各
チャネルと一律の重みでマッチングを行って距離を計算
し、単語距離計算部４３２が単語の距離を求め、最も距
離の小さい単語を認識結果として出力するようにしてい
た。

【０００３】

【発明が解決しようとする課題】従来は、上述した図１
１の構成によって音声のマッチする単語を認識結果とし
て出力していたため、例えば図１２に示すように、音声
に高レベルの雑音が含まれていると、ＳＮ比が小さいチ
ャネルの音声情報の信頼性が低いにも係わらず、一律の
重みで類似度を計算して距離を求めることとなり、音声
の認識率が低下してしまうという問題があった。図１２
の音声、雑音のパワースペクトルとＳＮ比との関係を説
明する。

【０００４】図１２の（ａ）は、音声のパワースペクト
ルの例を示す。横軸はチャネル（周波数をある範囲に順
次分割したもの）であり、縦軸は各チャネルの音声の対
数パワーである。これは、実際には、音声をマイクで音
声信号に変換したときのパワースペクトルであって、音
声に雑音が加わったパワースペクトルである。

【０００５】図１２の（ｂ）は、図１２の（ａ）の同一
時刻における雑音のパワースペクトルの例を示す。ここ
で、雑音は均一でなく、あるチャネルでピークを持って
いる。

【０００６】図１２の（ｃ）は、ＳＮ比の例を示す。こ
れは、図１２の（ａ）の音声パワースペクトルと図１２
の（ｂ）の雑音パワースペクトルの各チャネルについて
ＳＮ比を求めたものであって、雑音パワースペクトルが
高いチャネルはＳＮ比が小さくなっている。従来は、こ
のＳＮ比を考慮しなく、ＳＮ比が均一とみなして辞書４
４から取り出した単語のパワースペクトルとマッチング
して距離計算し、距離が最小の単語を認識結果として出
力するようにしていたため、雑音レベルが高くなると音
声の認識率が低下していた。

【０００７】本発明は、音声の各チャネルにＳＮ比を考
慮した重み付けを行って照合を行い、雑音を多く含む音
声の認識率を向上させることを目的としている。

【０００８】

【課題を解決するための手段】図１は、本発明の原理構
成図を示す。図１において、音声分析部２は、雑音を含
む音声信号を分析してパワースペクトルを生成するもの
である。

【０００９】雑音分析部５は、雑音信号を分析してパワ
ースペクトルを生成するものである。ＳＮ比計算部６
は、音声分析部２および雑音分析部５によって分析した
パワースペクトルをもとに、各チャネルのＳＮ比を計算
するものである。

【００１０】照合部３は、ＳＮ比計算部６によって計算
した各チャネルの重みをもとに、音声のパワースペクト
ル（音声パターン）と、辞書４から取り出した単語の標
準パターンとをマッチングして距離を求め、距離が最小
の単語を認識結果として出力するものである。

【００１１】

【作用】本発明は、図１に示すように、音声分析部２が
雑音を含む音声信号を分析してパワースペクトルを生成
し、雑音分析部５が雑音信号を分析してパワースペクト
ルを生成し、ＳＮ比計算部６が音声分析部２および雑音
分析部５によって分析したパワースペクトルをもとに各
チャネルのＳＮ比を計算し、照合部３がＳＮ比計算部６
によって計算した各チャネルの重みをもとに、音声のパ
ワースペクトルと、辞書４から取り出した単語の標準パ
ターンとをマッチングして距離を求め、距離が最小の単
語を認識結果として出力するようにしている。

【００１２】この際、マイクを２組設けて雑音を含む音
声の音声信号と雑音のみの雑音信号とを同時に取り出し
たり、あるいはマイクを１組設けて雑音を含む音声の音
声信号とこの音声信号の前あるいは後から雑音信号を取
り出すようにしている。また、各チャネル毎のＳＮ比に
対応して重みづけを連続的に変化させたり、あるいは各
チャネル毎のＳＮ比を複数に分割してこれら分割した各
ＳＮ比区間に所定の重みを付与したりするようにしてい
る。

【００１３】従って、音声の各チャネルにＳＮ比を考慮
した重み付けを行って辞書から取り出した単語の標準パ
ターンとマッチングを行って距離最小の単語を認識結果
とすることにより、雑音を多く含む音声の認識率を向上
させることが可能となる。

【００１４】

【実施例】次に、図１から図１０を用いて本発明の実施
例の構成および動作を順次詳細に説明する。

【００１５】図１は、本発明の原理構成図を示す。図１
において、音声・雑音入力部１は、マイクロホンによっ
て音声や雑音を電気信号に変換したものをディジタルの
音声信号や雑音信号に変換するものである（図２、図３
を用いて詳述する）。

【００１６】音声分析部２は、音声信号をフレーム単位
に周波数分析してパワースペクトル（チャネル毎のパワ
ースペクトル）を求めるものである（図９を用いて後述
する）。

【００１７】照合部３は、辞書４から取り出した標準パ
ターンと、音声分析部２によって求めた音声スペクトル
（パワースペクトル）とをマッチングして距離を求め、
距離が最小の単語を認識結果として出力するものであっ
て、チャネル計算部３１、単語距離計算部３２、および
重み付け部３３から構成されるものである。

【００１８】チャネル距離計算部３１は、辞書４から取
り出した単語の標準パターンと、音声スペクトルとをマ
ッチングして各チャネルの距離を計算するものである
（図６、図７を用いて後述する）。

【００１９】単語距離計算部３２は、チャネル距離計算
部３１によって計算されたチャネル毎の距離から単語単
位の距離を計算するものである（図６、図７を用いて後
述する）。

【００２０】重み付け部３３は、重み係数算出部７によ
って算出されたＳＮ比に対応する重み係数を、音声スペ
クトルに乗算などして反映するものである。辞書４は、
単語を認識するための標準パターンを予め登録したもの
である。

【００２１】雑音分析部５は、雑音信号を周波数分析し
てパワースペクトルを求めるものである。ＳＮ比計算部
６は、音声分析部２からの音声スペクトルおよび雑音分
析部５からの雑音スペクトルをもとに各チャネルのＳＮ
比を計算するものである。

【００２２】重み係数算出部７は、ＳＮ比計算部６から
の音声スペクトルのＳＮ比をもとに予め設定したテーブ
ルを参照して音声スペクトルに雑音を考慮した重み係数
を算出するものである（図４、図５を用いて後述す
る）。

【００２３】次に、図１の構成の動作を説明する。 （１） マイクロホンによって音声を電気信号にして音
声・雑音入力部１に入力し、ディジタルの音声信号や雑
音信号に変換して音声分析部２および雑音分析部５に入
力する。

【００２４】（２） 音声分析部２は入力された音声信
号をフレーム単位に周波数分析してパワースペクトル
（音声スペクトル）を生成し、ＳＮ比計算部６および照
合部３に入力する。

【００２５】（３） 雑音分析部５は入力された音声信
号を周波数分析してパワースペクトル（雑音スペクト
ル）を生成し、ＳＮ比計算部６に入力する。 （４） ＳＮ比計算部６は、入力された音声スペクトル
および雑音スペクトルをもとに、チャネル毎のＳＮ比を
計算し、重み係数算出部７に入力する。

【００２６】（５） 重み係数算出部７は、入力された
音声スペクトルのチャネル毎のＳＮ比をもとに、予め設
定したテーブルを参照して重み係数を計算して照合部３
に入力する。

【００２７】（６） 照合部３は、辞書４から取り出し
た単語の標準パターンと、音声スペクトルとの照合を、
重み係数算出部７からの各チャネル毎の重み係数を考慮
し、距離を計算して距離が最も小さい単語を認識結果と
して出力する。

【００２８】以上によって、辞書４から取り出した単語
の標準パターンと、チャネル毎の重み係数を考慮した音
声スペクトルとのマッチングを行って単語の距離を求
め、距離が最も小さい単語を認識結果として出力するこ
とにより、雑音を含むＳＮ比の悪い音声信号であっても
認識率高く音声認識することが可能となる。以下順次具
体的に説明する。

【００２９】図２は、本発明の音声・雑音入力部の構成
図（その１）を示す。これは、マイクロホン（１）およ
びマイクロホン（２）の２本を音声収録と雑音収録に用
いた場合の構成図である。

【００３０】図２において、Ａ／Ｄ変換部１１は、マイ
クロホン（１）で音声を電気信号に変換した当該電気信
号をディジタルの音声信号にアナログ・ディジタル変換
するものである。

【００３１】音声区間検出部１２は、Ａ／Ｄ変換部１１
によってディジタルに変換された音声信号について、対
数パワーを求め、予め設定した閾値よりも当該対数パワ
ーが大きい区間を音声区間として検出するものである。
次の音声分析部２には、この検出した音声区間の、ディ
ジタルに変換した音声信号を送出する。

【００３２】Ａ／Ｄ変換部１３は、マイクロホン（２）
で雑音を電気信号に変換した当該電気信号をディジタル
の雑音信号にアナログ・ディジタル変換するものであ
る。以上の構成によって、音声収録専用のマイクロホン
（１）によって検出してディジタル信号にした音声信号
を音声分析部２に送出すると共に、雑音収録専用のマイ
クロホン（２）によって検出してディジタル信号にした
雑音信号を雑音分析部５に送出する。

【００３３】図３は、本発明の音声・雑音入力部の構成
図（その２）を示す。これは、マイクロホン１本を音声
収録と雑音収録の両者に共用した場合の構成図である。
図３において、Ａ／Ｄ変換部１１は、１本のマイクロホ
ンで音声および雑音を電気信号に変換した当該電気信号
をディジタルの音声信号および雑音信号にアナログ・デ
ィジタル変換するものである。

【００３４】音声区間検出部１２は、Ａ／Ｄ変換部１１
によってディジタルに変換された音声信号および雑音信
号について、対数パワーを求め、予め設定した閾値より
も当該対数パワーが大きい区間を音声区間として検出す
るものである。次の音声分析部２には、この検出した音
声区間の、ディジタルに変換した音声信号を送出する。
一方、この音声区間を雑音区間決定部１４に通知し、雑
音信号を抽出する。

【００３５】雑音区間決定部１４は、音声区間検出部１
２から通知された音声区間の前（例えば５０ｍｓから１
００ｍｓ前）、あるいは音声区間の後（例えば５０ｍｓ
から１００ｍｓ後）を雑音区間と決定し、この雑音区間
について、Ａ／Ｄ変換部１１によってアナログ・ディジ
タル変換された信号を雑音信号とみなして次の雑音分析
部５に送出するものである（図８を用いて後述する）。

【００３６】以上の構成によって、１本のマイクロホン
によって検出してディジタルにした信号のうち、対数パ
ワーが所定閾値よりも大の音声区間の信号を音声信号と
して音声分析部２に送出すると共に、この音声区間の所
定前あるいは所定後を雑音区間としてこの雑音区間の信
号を雑音信号として雑音分析部５に送出する。

【００３７】図４は、本発明の重み係数算出部の構成図
（その１）を示す。これは、音声信号と雑音信号をもと
に、フレーム単位にチャネル毎にＳＮ比を計算するもの
であって、補間式を求めて重み係数を算出する場合の構
成図である。

【００３８】図４において、補間式導出部７１は、テー
ブル７２から取り出したＳＮ比に対数する重み値をもと
に、入力された音声信号と雑音信号の比（雑音信号／音
声信号）の補正係数を与える補間式を導出するものであ
る（図１０の（イ）参照）。図１０の（イ）で黒丸
“●”がテーブルに予め設定されたＳＮ比に対する重み
係数を示し、これらを例えば直線に結んだものがここで
いう補間式である。直線によって結ぶ他に２次、３次の
高次の回帰式の補間式を求めてもよい。

【００３９】テーブル７２は、ＳＮ比（ｄＢ）に対する
重み係数を予め設定したものである。例え下記のように
設定する。 重み係数計算部７３は、入力されたＳＮ比（雑音信号／
音声信号）に対して、補間式導出部７１で導出した補間
式を適用して重み係数を計算するものである。

【００４０】以上によって、ＳＮ比に対応し、照合部３
によって辞書４から取り出した標準パターンと、音声ス
ペクトルとの照合を行う際に雑音の影響による重み付け
する重み係数を求めるようにしている。

【００４１】図５は、本発明の重み係数算出部の構成図
（その２）を示す。これは、音声信号と雑音信号をもと
に、フレーム単位にチャネル毎にＳＮ比を計算するもの
であって、ＳＮ比区間を決定して重み係数を算出する場
合の構成図である。

【００４２】図５において、ＳＮ比区間決定部７４は、
テーブル７２から取り出したＳＮ比に対する重み値をも
とに、入力された音声信号と雑音信号の比（雑音信号／
音声信号）に補正係数を与える段階状のＳＮ比区間を決
定するものである（図１０の（ロ）参照）。図１０の
（ロ）で黒丸“●”がテーブルに予め設定されたＳＮ比
に対する重み係数を示し、これらを図示のように段階状
に直線で結び、これらの各ＳＮ比の区間に同一の重み係
数を与えるものである。これにより、上述した図４の構
成の補間式を導出して重み係数を求める場合に比し、計
算量を少なくできる。

【００４３】テーブル７２は、ＳＮ比（ｄＢ）に対する
重み係数を予め設定したものである。重み係数設定部７
５は、入力されたＳＮ比（雑音信号／音声信号）に対し
て、ＳＮ比区間決定部７４で決定したＳＮ比区間毎に同
じ重み係数として設定するものである。

【００４４】以上によって、ＳＮ比をもとにテーブル７
２に設定されていたＳＮ比と重み係数をもとにＳＮ比区
間に同一の重み係数を与え、少ない計算量で迅速にＳＮ
比から重み係数を計算するようにしている。

【００４５】図６は、本発明の照合部の構成図（その
１）を示す。これは、辞書４から取り出した標準パター
ンと、音声信号から生成した入力音声パターン（音声ス
ペクトル）とからチャネル毎の距離を計算し、これに重
み係数を演算処理してＳＮ比に対応して距離に与える影
響度を補正し、その後に距離計算して最小の単語を音声
認識結果として出力するようにしたものである。

【００４６】図６において、チャネル距離計算部３１
は、辞書４から取り出した標準パターンと、音声信号を
分析して生成した入力音声パターン（音声スペクトル）
とについて、フレームの各チャネル毎に両者の間の距離
を計算するものである。

【００４７】チャネル距離重み付け部３３１は、チャネ
ル距離計算部３１で計算したフレームのチャネル毎の距
離に対して、チャネル毎の重み係数を演算処理（例えば
乗算処理）して重み付けを行うものである。

【００４８】単語距離計算部３２は、チャネル距離重み
付け部３３１で重み付けした後、マッチング（例えばＤ
Ｐマッチングなど）によって標準パターンとの距離を計
算するものである。

【００４９】距離ソート部３２１は、単語距離計算部３
２によって計算した距離について、距離をソートして一
番距離が近いものを音声の認識結果として出力するもの
である。

【００５０】以上によって、辞書４から取り出した標準
パターンと、入力音声パターンとをフレームの各チャネ
ル毎に両者の距離を求め、これにチャネル毎の重み係数
を乗算などした後、単語の距離を求めて最小の単語を認
識結果として出力する。これにより、ＳＮ比を考慮して
音声認識を行うことができ、雑音が音声に含まれていて
も良好に音声認識を行うことが可能となる。

【００５１】図７は、本発明の照合部の構成図（その
２）を示す。これは、辞書４から取り出した標準パター
ンに重み係数を演算処理（例えば乗算）したものと、音
声信号に重み係数を演算処理（例えば乗算）したものと
から、チャネル毎の距離を計算し、次に単語毎の距離計
算して最小の単語を音声認識結果として出力するように
したものである。

【００５２】図７において、入力重み付け部３３２は、
入力音声パターンに重み係数を演算処理（例えば乗算）
するものである。辞書重み付け部３３３は、辞書４から
取り出した標準パターンに重み係数を演算処理（例えば
乗算）するものである。

【００５３】チャネル距離計算部３１は、入力重み付け
部３３２によって重み係数を演算処理した入力音声パタ
ーンと、入力重み付け部３３３によって重み係数を演算
処理した標準パターンとについて、フレームの各チャネ
ル毎に両者の間の距離を計算するものである。

【００５４】単語距離計算部３２は、チャネル距離計算
部３１によって計算した後のフレームのチャネル毎の距
離をもとに、マッチング（例えばＤＰマッチングなど）
によって標準パターンとの距離を計算するものである。

【００５５】距離ソート部３２１は、単語距離計算部３
２によって計算した距離について、距離をソートして一
番距離が近いものを音声の認識結果として出力するもの
である。

【００５６】以上によって、辞書４から取り出した標準
パターンに重み係数を演算処理、入力音声パターンに重
み係数を演算処理した後に、フレームの各チャネル毎に
両者の距離を求め、次に単語の距離を求めて最小の単語
を認識結果として出力する。これにより、ＳＮ比を考慮
して音声認識を行うことができ、雑音が音声に含まれて
いても良好に音声認識を行うことが可能となる。

【００５７】図８は、本発明の入力信号の音声区間と雑
音区間の説明図を示す。これは、図２および図３の音声
区間および雑音区間の説明図である。図８の（ａ）は、
音声信号の時間対振幅の様子を模式的に示す。横軸が時
間、縦軸が音の振幅である。

【００５８】図８の（ｂ）は、音声信号の対数パワーを
示す。横軸が時間、縦軸が対数パワーである。ここで、
対数パワーが予め設定した所定の閾値以上のときに図示
音声区間として検出する（図２、図３の音声区間検出部
１２が検出する）。

【００５９】図８の（ｃ）は、音声信号の対数パワーと
雑音区間を示す。これは、雑音区間として、図８の
（ｂ）で決定した音声区間（閾値よりも対数パワーが大
の部分）の前方向に例えば５０ｍｓの位置から所定時間
前の区間を雑音区間、あるいは音声区間の後方向に例え
ば５０ｍｓの位置から処理時間の区間を雑音区間と決定
する（図３の雑音区間決定部１４が決定する）。この図
８の（ｃ）のように音声区間の前あるいは後で雑音区間
を決定することにより、図３のようにマイクロホンを１
本で音声信号および雑音信号の両者を検出することがで
きる。

【００６０】図９は、本発明の音声分析部／雑音分析部
の構成例を示す。これは、図１、音声分析部２および雑
音分析部５の構成例であって、音声や雑音からチャネル
毎のスペクトルを生成するものである。

【００６１】ＢＰＦ（１）ないしＢＰＦ（Ｎ）は、バン
ドパスフィルタであって、各帯域内の信号のみを抽出す
るものであって、ここではＮチャネルのバンドパスフィ
ルタである。

【００６２】ＤＥＴ（１）ないしＤＥＴ（Ｎ）は、デタ
ミネートであって、ＢＰＦ（１）ないしＢＰＦ（Ｎ）に
よって抽出された各チャネルの信号の絶対値を生成する
ものである。

【００６３】ＬＰＦ（１）ないしＬＰＦ（Ｎ）は、ロー
パスフィルタであって、ＤＥＴ（１）ないしＤＥＴ
（Ｎ）によって生成した絶対値の信号を整流するもので
ある。マルチプレクサは、選択回路であって、ＬＰＦ
（１）ないしＬＰＦ（Ｎ）からのチャネル毎のスペクト
ルを順次シリアルに送出するためのものである。

【００６４】この図９の構成によって、音声信号（ある
いは雑音信号）からチャネル毎の音声スペクトル（ある
いは雑音スペクトル）を生成する。図１０は、本発明の
重み係数決定説明図を示す。ここで、黒丸“●”は、図
４および図５のテーブルに設定されているＳＮ比と重み
係数の対応値を示す。

【００６５】図１０の（イ）は、図４で補完式を求める
ときの説明図を示す。これは、図４の補完式導出部７１
が当該図１０の（イ）の黒丸“●”の値（ＳＮ比と重み
係数との対応値）をテーブル７２から読み出し、図示直
線に示すような補完式を求める。この補完式によって、
黒丸“●”以外の任意のＳＮ比に対する重み係数を求め
ることが可能となる。

【００６６】図１０の（ロ）は、図５でＳＮ比区間を決
定するときの説明図を示す。これは、図５のＳＮ比区間
決定部７４が当該図１０の（イ）の黒丸“●”の値（Ｓ
Ｎ比と重み係数との対応値）をテーブル７２から読み出
し、図示実線の線分に示すように、各実線のＳＮ比の区
間では同一の重み係数を与える。ＳＮ比区間を決定して
重み係数を決定することにより、ＳＮ比から重み係数を
簡単に算出することが可能となる。

【００６７】

【発明の効果】以上説明したように、本発明によれば、
雑音を含む音の音声信号および雑音信号をもとに各チャ
ネルのＳＮ比を求め、辞書４から取り出した標準パター
ンと、音声パターンとの距離を求める際にこのＳＮ比に
対応する重み係数を乗算などして雑音の度合を反映して
距離を計算し、距離が最も小さい単語を音声認識結果と
して出力する構成を採用しているため、雑音を多く含む
ＳＮ比の悪い音声でも良好に認識することができる。こ
れにより、各音声フレームの各チャネルにおいて、ＳＮ
比が悪く、類似度として信頼できないチャネルについて
最終的な入力音声と辞書との類似度として反映しにくく
なるので、ＳＮ比が悪い環境であっても正しく認識する
ことが可能となる。

【図面の簡単な説明】

【図１】本発明の原理構成図である。

【図２】本発明の音声・雑音入力部の構成図（その１）
である。

【図３】本発明の本発明の音声・雑音入力部の構成図
（その２）である。

【図４】本発明の重み係数算出部の構成図（その１）で
ある。

【図５】本発明の重み係数算出部の構成図（その２）で
ある。

【図６】本発明の照合部の構成図（その１）である。

【図７】本発明の照合部の構成図（その２）である。

【図８】本発明の入力信号の音声区間と雑音区間の説明
図である。

【図９】本発明の音声分析部／雑音分析部の構成例であ
る。

【図１０】本発明の重み係数設定説明図である。

【図１１】従来技術の構成図である。

【図１２】音声・雑音のパワースペクトルとＳＮ比との
関係図である。

【符号の説明】

１：音声・雑音入力部 １１、１３：Ａ／Ｄ変換部 １２：音声区間検出部 １４：雑音区間決定部 ２：音声分析部 ３：照合部 ３１：チャネル距離計算部 ３２：単語距離計算部 ３２１：距離ソート部 ３３：重み付け部 ３３１：チャネル距離重み付け部 ３３２：入力重み付け部 ３３３：辞書重み付け部 ４：辞書 ５：雑音分析部 ６：ＳＮ比計算部 ７：重み係数算出部 ７１：補間式導出部 ７２：テーブル ７３：重み係数計算部 ７４：ＳＮ比区間決定部 ７５：重み係数設定部

Claims (5)

【特許請求の範囲】
1. 【請求項１】 音声を認識する音声認識方法において、 雑音を含む音声信号を分析してパワースペクトルを生成
   する音声分析部（２）と、 雑音信号を分析してパワースペクトルを生成する雑音分
   析部（５）と、 これら音声分析部（２）および雑音分析部（５）によっ
   て分析したパワースペクトルをもとに、各チャネルのＳ
   Ｎ比を計算するＳＮ比計算部（６）とを備え、 このＳＮ比計算部（６）によって求めた各チャネル毎の
   ＳＮ比によって、上記音声分析部（２）によって分析し
   たパワースペクトルの各チャネルに重みづけを行った
   後、辞書（４）から取り出した単語の標準パターンとマ
   ッチングして距離を求め、距離が最小の単語を認識結果
   として出力するように構成したことを特徴とする音声認
   識方法。
2. 【請求項２】 マイクを２組設けて雑音を含む音声の音
   声信号と雑音のみの雑音信号とを同時に取り出し、マッ
   チングして距離を求めるように構成したことを特徴とす
   る請求項第１項記載の音声認識方法。
3. 【請求項３】 マイクを１組設けて雑音を含む音声の音
   声信号とこの音声信号の前あるいは後から雑音信号を取
   り出し、マッチングして距離を求めるように構成したこ
   とを特徴とする請求項第１項記載の音声認識方法。
4. 【請求項４】 上記各チャネル毎のＳＮ比に対応して重
   みづけを連続的に変化させるように構成したことを特徴
   とする請求項第１項、第２項および第３項記載の音声認
   識方法。
5. 【請求項５】 上記各チャネル毎のＳＮ比を複数に分割
   してこれら分割した各ＳＮ比区間に所定の重みを付与す
   るように構成したことを特徴とする請求項第１項、第２
   項および第３項記載の音声認識方法。