JPH06337694A - Device for recognizing fuzzy pattern - Google Patents
Device for recognizing fuzzy patternInfo
- Publication number
- JPH06337694A JPH06337694A JP5151182A JP15118293A JPH06337694A JP H06337694 A JPH06337694 A JP H06337694A JP 5151182 A JP5151182 A JP 5151182A JP 15118293 A JP15118293 A JP 15118293A JP H06337694 A JPH06337694 A JP H06337694A
- Authority
- JP
- Japan
- Prior art keywords
- membership function
- pattern
- fuzzy
- circuits
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Landscapes
- Image Analysis (AREA)
Abstract
Description
【０００１】[0001]
【産業上の利用分野】本発明は音声認識や画像認識など
に用いられるパターン認識をファジイ処理で実現するフ
ァジイパターン認識装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a fuzzy pattern recognition device for realizing pattern recognition used for voice recognition, image recognition and the like by fuzzy processing.
【０００２】[0002]
【従来の技術】音声認識や画像認識などには従来よりパ
ターン認識技術が用いられている。音声認識を例にとっ
て説明すると、音声認識つまり単語や言葉の識別は、一
般に、そのシステム対象が特定話者、不特定話者にかか
わらず音声信号の標準特徴データをシステム内部のメモ
リに保持しておき、収集した音声信号の特徴データをそ
の標準特徴データと計算機を用いて比較し、その類似度
が高いものを選び出すことによって行っている（たとえ
ば特開平３ー７５７９９号）。現在の音声認識システム
では、コンピュータまたはＣＰＵがその中心的役割を果
たしており、その処理方法はノイマン型と呼ばれる逐次
処理である。そのため認識対象となる単語数が増加する
と標準特徴データを保持しておくメモリの容量も多く必
要になる上、処理時間（比較時間）も長くなるという問
題がある。2. Description of the Related Art Conventionally, pattern recognition technology has been used for voice recognition and image recognition. Taking speech recognition as an example, speech recognition, that is, identification of words and words, generally involves storing standard feature data of speech signals in a memory inside the system regardless of whether the system target is a specific speaker or an unspecified speaker. Then, the characteristic data of the collected audio signals is compared with the standard characteristic data by using a computer, and the one having a high degree of similarity is selected (for example, JP-A-3-75799). In the current speech recognition system, a computer or a CPU plays a central role, and its processing method is sequential processing called Neumann type. Therefore, when the number of words to be recognized increases, the capacity of the memory for holding the standard feature data becomes large and the processing time (comparison time) becomes long.
【０００３】そこで特開平１−１１３７９８号のように
システム全体の低コスト化を目指し、メモリの容量を必
要最低限まで減らすように工夫をし、また演算処理も高
速となるように配慮した技術があるが、標準特徴データ
をテンプレートに保持しておくことは本質的にメモリを
使用することに変わりがなく、また高速といえども処理
が逐次的に行われていることには変わりないから、認識
対象となる単語数が増加するにつれてメモリであるテン
プレートが増え、処理時間が長くなることは避けられな
い。そのためシステムをワンチップ化する上で多くの弊
害がある。Therefore, as disclosed in Japanese Patent Application Laid-Open No. 1-113798, a technique has been devised so as to reduce the cost of the entire system so as to reduce the memory capacity to a necessary minimum, and also a technique for speeding up arithmetic processing. However, holding the standard feature data in the template is essentially the same as using the memory, and even though it is fast, it is still the process is being performed sequentially. As the number of target words increases, the template that is a memory increases, and it is inevitable that the processing time becomes long. Therefore, there are many problems in making the system into one chip.
【０００４】[0004]
【発明が解決しようとする課題】一般にＣＰＵの面積の
大部分はメモリが占めているから、メモリがチップ面積
縮小化のネックになっている。また処理時間の短縮はＣ
ＰＵの演算の高速化によってのみ実現されるものである
から、逐次処理がなされるかぎり根本的な解決にはなら
ない。Generally, the memory occupies most of the area of the CPU, and the memory is a bottleneck in reducing the chip area. The processing time can be shortened by C
Since it is realized only by speeding up the calculation of PU, it is not a fundamental solution as long as sequential processing is performed.
【０００５】本発明は音声認識や画像認識におけるパタ
ーン認識に必要なメモリ容量を大幅に減少し、処理時間
を短縮することを目的とする。It is an object of the present invention to significantly reduce the memory capacity required for pattern recognition in voice recognition and image recognition, and to shorten the processing time.
【０００６】[0006]
【課題を解決するための手段】本発明者は、音声認識や
画像認識が単純な方程式で処理することが困難であり、
人の経験や勘に頼る部分が大きい点に着目し、このよう
な問題を解決するのに効果的なファジイ理論を取り込む
ことにより上記の課題を解決することができるとの観点
から、上記の目的を達成するために、パターン認識すべ
き対象を表わす信号から該対象のパターンの特徴に基づ
いてあらかじめ定められた複数のファジイルールの各々
に対応して対象の特徴を抽出する複数の特徴抽出回路
と、該複数の特徴抽出回路の各々に対応して設けられ、
各ファジイルールの前件部に対応するメンバーシップ関
数を発生する複数の前件部メンバーシップ関数発生回路
と、各ファジイルールの後件部に対応するメンバーシッ
プ関数を発生し、前記複数の前件部メンバーシップ関数
発生回路の出力を直接受けて前記ファジイルールに基づ
いてあらかじめ定められた複数の候補に対する適合度を
出力する複数の後件部メンバーシップ関数発生回路と、
該後件部メンバーシップ関数発生回路から出力する適合
度を同一の候補について加減算する候補ごとに設けられ
た複数の加減算器と、該複数の加減算器から出力される
複数の候補に対する適合度を比較し、最大の適合度を有
する候補を選定する比較器とによりファジイパターン認
識装置を構成した。The present inventor has difficulty in processing voice recognition and image recognition with a simple equation.
Focusing on the point that it relies heavily on human experience and intuition, from the viewpoint that the above problems can be solved by incorporating a fuzzy theory that is effective in solving such problems, In order to achieve the above, a plurality of feature extraction circuits that extract a target feature from a signal representing a target to be pattern-recognized corresponding to each of a plurality of fuzzy rules predetermined based on the feature of the target pattern, , Provided corresponding to each of the plurality of feature extraction circuits,
A plurality of antecedent part membership function generating circuits that generate a membership function corresponding to the antecedent part of each fuzzy rule and a membership function corresponding to the antecedent part of each fuzzy rule are generated. A plurality of consequent part membership function generating circuits which directly receive the output of the part membership function generating circuit and output the goodness of fit for a plurality of predetermined candidates based on the fuzzy rule,
A plurality of adder / subtractors provided for each candidate for adding / subtracting the fitness output from the consequent part membership function generating circuit to / from the same candidate are compared with the fitness to the plurality of candidates output from the plurality of adder / subtractor. Then, we constructed a fuzzy pattern recognition system with a comparator that selects the candidate with the highest degree of matching.
【０００７】[0007]
【作用】本発明は以上の構成によって、各ファジイルー
ルについて後件部メンバーシップ関数から出力される各
候補ごとの適合度を各候補ごとに加減算し、最大の適合
度を有する候補を選定するかまたは適合度の大きい順に
出力することによりパターン認識するようにした。With the above structure, the present invention adds or subtracts the goodness of fit of each candidate output from the consequent part membership function for each fuzzy rule to select the candidate having the highest goodness of fit. Alternatively, the patterns are recognized by outputting the data in descending order of suitability.
【０００８】[0008]
【実施例】以下、本発明を図面に基づいて説明する。DESCRIPTION OF THE PREFERRED EMBODIMENTS The present invention will be described below with reference to the drawings.
【０００９】パターン認識の一例として音声認識をとり
上げて説明する。Voice recognition will be described as an example of pattern recognition.
【００１０】単語（たとえば「あり（蟻）」）でも母音
（「あ」、「い」、「う」、「え」、「お」）でも、音
声波形は、図２に示すように、発生する時間軸上の長さ
が異なるだけで本質的には同じひとつのデータであると
考え、ここでは母音をとり上げるものとする。As shown in FIG. 2, speech waveforms are generated for both words (for example, "Ari") and vowels ("A", "I", "U", "E", "O"). It is considered that the data are essentially the same except that the lengths on the time axis are different, and the vowels are taken here.
【００１１】いま５つの母音の波形データが図３および
図４のようであると仮定する。図３はマイクロフォンで
収集した信号を単純に増幅しただけの波形、図４はさら
にその信号を一定の遮断周波数を持つハイパスフィルタ
を通したものである。このように各母音に対して２つず
つのデータを示したが、実際には各母音ごとに異なる周
波数特性をもつフィルタを通すなどしてデータ加工を行
うことにより、各母音ごとに複数のデータが存在する。
なおデータの加工方法はフィルタ処理以外にＦＦＴ（高
速フーリエ変換処理）なども含めて任意である。It is now assumed that the waveform data of five vowels are as shown in FIGS. FIG. 3 shows a waveform obtained by simply amplifying a signal collected by a microphone, and FIG. 4 shows the signal further passed through a high pass filter having a constant cutoff frequency. In this way, two data are shown for each vowel, but in reality, by processing the data by passing through a filter having different frequency characteristics for each vowel, a plurality of data for each vowel is obtained. Exists.
The data processing method is arbitrary including FFT (Fast Fourier Transform processing) in addition to the filter processing.
【００１２】さてここでファジイ理論を導入するために
本実施例で採用するファジイルールについて説明する。Now, the fuzzy rule adopted in this embodiment to introduce the fuzzy theory will be described.
【００１３】人が音声の生ま波形を見たときに、主観的
にこの波形は「あ」であるとか、「い」であるとかが判
断できれば、その判断根拠をＩＦ−ＴＨＥＮ形式の言葉
によるファジイルールにすればよい。そこで本実施例で
は次の２つのルールを採用する。When a person looks at the raw waveform of a voice and subjectively determines whether this waveform is "A" or "I", the basis for the determination is fuzzy using IF-THEN format words. Just follow the rules. Therefore, in this embodiment, the following two rules are adopted.
【００１４】 第１ルール： ［Ｉ Ｆ］ ［Ｔ Ｈ Ｅ Ｎ］ もし、音声波形中に山が そのとき、「お」の可能性が高い たくさんあれば、 「あ」の可能性が次に高い 「え」の可能性はきわめて低い 第２ルール： ［Ｉ Ｆ］ ［Ｔ Ｈ Ｅ Ｎ］ もし、ハイパスフィルタを そのとき、「い」の可能性が極めて高い 通した波形の振幅が極めて 「え」の可能性がかなり高い 大きかったら、 「お」の可能性が高い 「あ」の可能性はきわめて低い 上記２つのファジイルールに合わせて前件部および後件
部の関数を発生させる。First rule: [IF] [THEN] If there is a mountain in the voice waveform at that time, there is a high possibility of "O". The possibility of “e” is extremely low. Second rule: [I F] [TH EN] If the high-pass filter is used, the possibility of “i” is extremely high. If there is a large possibility that “o” is high, the possibility that “a” is extremely low is generated. The functions of the antecedent and consequent parts are generated in accordance with the above two fuzzy rules.
【００１５】図１は上記２つのファジイルールを採用し
た本発明によるファジイパターン認識装置の一実施例の
ブロック線図である。FIG. 1 is a block diagram of an embodiment of a fuzzy pattern recognition apparatus according to the present invention which employs the above two fuzzy rules.
【００１６】図において、１は音声信号を収集するマイ
クロフォン、２１はマイクロフォン１から出力する音声
信号を増幅する第１の特徴抽出回路、２２はマイクロフ
ォン１から出力する音声信号の高周波成分だけを通過さ
せるハイパスフィルタを含む第２の特徴抽出回路、３１
は第１ルールの前件部（［Ｉ Ｆ］）に対応する図５
（ａ）に示すような関数を発生する前件部メンバーシッ
プ関数発生回路、３２は第２ルールの前件部（［Ｉ
Ｆ］）に対応する図６（ａ）に示すような関数を発生す
る前件部メンバーシップ関数発生回路、４１は第１ルー
ルの「お」の後件部（［ＴＨＥＮ］）に対応する図５
（ｂ）に示すような関数を発生する後件部メンバーシッ
プ関数発生回路、４２は第１ルールの「あ」の後件部に
対応する図５（ｃ）に示すような関数を発生する後件部
メンバーシップ関数発生回路、４３は第１ルールの
「え」の後件部に対応する図５（ｄ）に示すような関数
を発生する後件部メンバーシップ関数発生回路、５１は
第２ルールの「い」の後件部に対応する図６（ｂ）に示
すような関数を発生する後件部メンバーシップ関数発生
回路、５２は第２ルールの「え」の後件部に対応する図
６（ｃ）に示すような関数を発生する後件部メンバーシ
ップ関数発生回路、５３は第２ルールの「お」の後件部
に対応する図６（ｄ）に示すような関数を発生する後件
部メンバーシップ関数発生回路、５４は第２ルールの
「あ」の後件部に対応する図６（ｅ）に示すような関数
を発生する後件部メンバーシップ関数発生回路である。In the figure, 1 is a microphone for collecting a voice signal, 21 is a first feature extraction circuit for amplifying the voice signal output from the microphone 1, and 22 is a high-frequency component of the voice signal output from the microphone 1. A second feature extraction circuit including a high pass filter, 31
5 corresponds to the antecedent part ([IF]) of the first rule in FIG.
An antecedent part membership function generating circuit for generating a function as shown in (a), 32 is an antecedent part of the second rule ([I
F]) corresponding to the antecedent part membership function generating circuit for generating a function as shown in FIG. 6A, 41 corresponds to the consequent part ([THEN]) of the first rule 5
A consequent part membership function generating circuit for generating a function as shown in (b), and 42 for generating a function as shown in FIG. 5 (c) corresponding to the consequent part of "A" of the first rule. A subject part membership function generating circuit, 43 is a consequent part membership function generating circuit that generates a function as shown in FIG. 5D corresponding to the consequent part of "e" of the first rule, and 51 is a second A consequent part membership function generating circuit for generating a function as shown in FIG. 6 (b) corresponding to the consequent part of the rule "i", and 52 corresponds to the consequent part of "e" of the second rule. A consequent part membership function generating circuit for generating a function as shown in FIG. 6 (c), 53 generates a function as shown in FIG. 6 (d) corresponding to the consequent part of "O" of the second rule. The consequent part membership function generating circuit, 54 corresponds to the consequent part of "A" in the second rule. A consequent part membership function generating circuit for generating a function as shown in FIG. 6 (e).
【００１７】６は本実施例での候補である母音「あ」、
「い」、「う」、「え」、「お」の各々についての後件
部メンバーシップ関数発生回路４１、４２、４３、５
１、５２、５３、５４の出力を加減算して適合度を求め
る加減算器からなる加減算器群、７は加減算器群６から
出力する各候補すなわち母音についての適合度を比較し
て適合度が最大の候補を選ぶ適合度比較器である。加減
算器群６を構成する加減算器は汎用のオペアンプで実現
することができ、適合度比較器７は汎用のコンパレータ
で実現することができる。6 is a vowel "A" which is a candidate in this embodiment,
Consequent part membership function generation circuits 41, 42, 43, 5 for each of "i", "u", "e", and "o".
The adder / subtractor group consisting of adder / subtractor which obtains the goodness of fit by adding / subtracting the outputs of 1, 52, 53, 54, 7 is the best fit by comparing the goodness of fit of each candidate, that is, the vowel output from the adder / subtractor group 6. It is a goodness-of-fitness comparator that selects the candidate of. The adder / subtractor forming the adder / subtractor group 6 can be realized by a general-purpose operational amplifier, and the fitness comparator 7 can be realized by a general-purpose comparator.
【００１８】ところで、前件部メンバーシップ関数発生
回路３１、３２および後件部メンバーシップ関数発生回
路４１、４２、４３、５１、５２、５３、５４は、図７
に示したようなメンバーシップ関数発生回路を基本回路
として実現される。このメンバーシップ関数発生回路
は、基本メンバーシップ関数を発生するメンバーシップ
関数発生部１０と、発生した基本メンバーシップ関数を
所定量だけシフトさせるシフト部２０とから構成されて
いる。The antecedent part membership function generating circuits 31, 32 and the consequent part membership function generating circuits 41, 42, 43, 51, 52, 53, 54 are as shown in FIG.
It is realized by using the membership function generating circuit as shown in (1) as a basic circuit. This membership function generating circuit is composed of a membership function generating unit 10 that generates a basic membership function and a shift unit 20 that shifts the generated basic membership function by a predetermined amount.
【００１９】メンバーシップ関数発生部１０は、閾値と
Ｗ（幅）／Ｌ（長さ）とを所定値に設定したＰ−ＭＯＳ
ＦＥＴ１１とＮ−ＭＯＳＦＥＴ１２とにより構成された
Ｃ−ＭＯＳインバータに、抵抗として機能するＰ−ＭＯ
ＳＦＥＴ１３を直列に接続するとともに、Ｐ−ＭＯＳＦ
ＥＴ１４とＮ−ＭＯＳＦＥＴ１５とを直列に接続してな
るもう１つのＣ−ＭＯＳインバータを設け、Ｐ−ＭＯＳ
ＦＥＴ１３とＣ−ＭＯＳインバータとの接続点ＡとＰ−
ＭＯＳＦＥＴ１４のゲートとを接続して構成したもので
ある。Ｐ−ＭＯＳＦＥＴ１４とＮ−ＭＯＳＦＥＴ１５の
接続点Ｃがメンバーシップ関数信号の出力端子ＯＵＴと
なっている。The membership function generator 10 is a P-MOS that sets thresholds and W (width) / L (length) to predetermined values.
A P-MO that functions as a resistor for a C-MOS inverter composed of the FET 11 and the N-MOSFET 12.
SFET13 is connected in series and P-MOSF
Another C-MOS inverter formed by connecting the ET 14 and the N-MOSFET 15 in series is provided.
Connection point A and P- between the FET 13 and the C-MOS inverter
It is configured by connecting to the gate of the MOSFET 14. The connection point C between the P-MOSFET 14 and the N-MOSFET 15 serves as the membership function signal output terminal OUT.
【００２０】一方、シフト部２０は、ゲートに入力端子
ＩＮが接続されたＰ−ＭＯＳＦＥＴ２４ａとＮ−ＭＯＳ
ＦＥＴ２４ｂとからなるＣ−ＭＯＳインバータと、３個
の並列接続されたＣ−ＭＯＳインバータ（２１ａと２１
ｂ；２２ａと２２ｂ；２３ａと２３ｂ）とから成る。各
Ｃ−ＭＯＳインバータを構成するＰ−ＭＯＳＦＥＴとＮ
−ＭＯＳＦＥＴとの接続点Ｂ1 、Ｂ2 、Ｂ3 、Ｂ4 は互
いに接続され、メンバーシップ関数発生部１０のＣ−Ｍ
ＯＳインバータの共通ゲート端子Ｂ5 に接続されてい
る。このシフト部２０の３個のＣ−ＭＯＳインバータの
各ゲート端子Ｄ1、Ｄ2 、Ｄ3 にはメンバーシップ関数
信号を座標横軸上で横にシフトさせるための３ビット
（８通り）のシフト信号Ｓが印加される。またＣ−ＭＯ
Ｓインバータの共通ゲートに接続された入力端子ＩＮに
はアナログ信号が入力される。On the other hand, the shift section 20 includes a P-MOSFET 24a whose gate is connected to the input terminal IN and an N-MOS.
A C-MOS inverter composed of the FET 24b and three C-MOS inverters (21a and 21) connected in parallel.
b; 22a and 22b; 23a and 23b). P-MOSFET and N constituting each C-MOS inverter
-Connecting points B 1 , B 2 , B 3 , B 4 with the MOSFET are connected to each other, and CM of the membership function generator 10
It is connected to the common gate terminal B 5 of the OS inverter. A 3-bit (8 ways) shift for horizontally shifting the membership function signal on the horizontal axis of the coordinates is applied to each of the gate terminals D 1 , D 2 , and D 3 of the three C-MOS inverters of the shift unit 20. The signal S is applied. Also C-MO
An analog signal is input to the input terminal IN connected to the common gate of the S inverter.
【００２１】電源電圧ＶDDを５Ｖとし、ゲート端子Ｄ
1 、Ｄ2 、Ｄ3 に（ＬＬＬ）から（ＨＨＨ）までの８通
りのシフト信号Ｓを順次印加した状態で、入力端子ＩＮ
に０〜５Ｖの電圧を印加すると、出力端子ＯＵＴから出
力されるメンバーシップ関数信号の波形を図８に数字
「０」から「７」を付して示したように８通りにシフト
させることができる。そこで図１に示した前件部メンバ
ーシップ関数発生回路３１、３２および後件部メンバー
シップ関数発生回路４１、４２、４３、５１、５２、５
３、５４は必要なグレードに応じて適切なシフト信号Ｓ
をゲート端子Ｄ1 、Ｄ2 、Ｄ3 に印加することによって
実現できる。なお、メンバーシップ関数発生回路を構成
するトランジスタの数を２個ずつ増すことによって１ビ
ット分ずつ関数信号のシフト位置の分解能を高めること
ができる。またメンバーシップ関数信号の振幅（グレー
ド）は回路設計上の寸法をあらかじめ調整して製作する
ことにより調整することができる。またオペアンプを介
して接続する外付け抵抗の値により調整することもでき
る。The power supply voltage V DD is set to 5 V and the gate terminal D
In the state where eight kinds of shift signals S from (LLL) to (HHH) are sequentially applied to 1 , D 2 , and D 3 , the input terminal IN
When a voltage of 0 to 5V is applied to, the waveform of the membership function signal output from the output terminal OUT can be shifted in eight ways as shown by adding the numbers "0" to "7" in FIG. it can. Therefore, the antecedent part membership function generation circuits 31, 32 and the consequent part membership function generation circuits 41, 42, 43, 51, 52, 5 shown in FIG.
3 and 54 are shift signals S suitable for the required grade
Is applied to the gate terminals D 1 , D 2 and D 3 . By increasing the number of transistors constituting the membership function generating circuit by two, the resolution of the shift position of the function signal can be increased by one bit. Further, the amplitude (grade) of the membership function signal can be adjusted by adjusting the circuit design dimension in advance and manufacturing the circuit. It can also be adjusted by the value of an external resistor connected via an operational amplifier.
【００２２】ここで上記のように構成されたファジイパ
ターン認識装置による音声認識動作を説明する。Here, the voice recognition operation by the fuzzy pattern recognition apparatus configured as described above will be described.
【００２３】人がマイクロフォン１に向かって、
「あ」、「い」、「う」、「え」、「お」のいずれかを
発すると、マイクロフォン１によって収集された音声信
号は第１および第２の特徴抽出回路２１および２２に送
られる。When a person turns to the microphone 1,
When any one of "A", "I", "U", "E", and "O" is emitted, the audio signal collected by the microphone 1 is sent to the first and second feature extraction circuits 21 and 22. .
【００２４】まず第１ルールについては、第１の特徴抽
出回路２１の出力が前件部メンバーシップ関数発生回路
３１に入力されると、この前件部メンバーシップ関数発
生回路３１はもともと図５（ａ）に示すようなメンバー
シップ関数を発生するので前件部グレード０．８が出力
される。この前件部グレード０．８が今度は「お」、
「あ」、「え」のそれぞれについての後件部メンバーシ
ップ関数発生回路４１、４２、４３に入力される。これ
らの後件部メンバーシップ関数発生回路４１、４２、４
３はそれぞれ図５（ｂ）、（ｃ）、（ｄ）に示すような
メンバーシップ関数を発生するので、「お」の適合度と
して＋０．７、「あ」の適合度として＋０．４、「え」
の適合度として−０．９が出力される。First, regarding the first rule, when the output of the first feature extracting circuit 21 is input to the antecedent part membership function generating circuit 31, the antecedent part membership function generating circuit 31 originally has the structure shown in FIG. Since the membership function as shown in a) is generated, the antecedent grade 0.8 is output. This antecedent grade 0.8 is now "O",
It is inputted to the consequent part membership function generating circuits 41, 42 and 43 for each of "a" and "e". These consequent part membership function generating circuits 41, 42, 4
3 generates membership functions as shown in FIGS. 5B, 5C, and 5D, respectively, so that the matching degree of "O" is +0.7, the matching degree of "A" is +0.4, "e"
-0.9 is output as the goodness of fit of.
【００２５】次に第２ルールについては、第２の特徴抽
出回路２２の出力が前件部メンバーシップ関数発生回路
３２に入力されると、この前件部メンバーシップ関数発
生回路３２は図６（ａ）に示すようなメンバーシップ関
数を発生するので前件部グレード０．７５が出力され
る。この前件部グレード０．７５が今度は「い」、
「え」、「お」、「あ」のそれぞれについての後件部メ
ンバーシップ関数発生回路５１、５２、５３、５４に入
力される。これらの後件部メンバーシップ関数発生回路
５１、５２、５３はそれぞれ図６（ｂ）、（ｃ）、
（ｄ）、（ｅ）に示すようなメンバーシップ関数を発生
するので、「い」の適合度として＋０．９、「え」の適
合度として＋０．７、「お」の適合度として＋０．５、
「あ」の適合度として−０．９が出力される。Next, regarding the second rule, when the output of the second feature extracting circuit 22 is input to the antecedent part membership function generating circuit 32, the antecedent part membership function generating circuit 32 is shown in FIG. Since the membership function as shown in a) is generated, the antecedent grade 0.75 is output. This antecedent part grade 0.75 is "Yes" this time,
It is input to the consequent part membership function generating circuits 51, 52, 53, and 54 for each of “e”, “o”, and “a”. These consequent part membership function generating circuits 51, 52 and 53 are respectively shown in FIGS.
Since the membership functions shown in (d) and (e) are generated, the fitness of "i" is +0.9, the fitness of "e" is +0.7, and the fitness of "o" is +0. 5,
As a goodness of fit of "a", -0.9 is output.
【００２６】加減算器群６においては、候補としての各
母音に対して後件部メンバーシップ関数発生回路４１、
４２、４３、５１、５２、５３、５４から出力される適
合度が各母音ごとに加減算される。In the adder / subtractor group 6, the consequent membership function generating circuit 41 for each vowel as a candidate,
The conformity levels output from 42, 43, 51, 52, 53, 54 are added or subtracted for each vowel.
【００２７】適合度比較器７においては、加減算器群６
から出力する各候補についての適合度を比較し、その中
から最も大きい適合度を選び、その選んだ適合度が一定
値に達していればその適合値に該当する候補すなわち母
音が認識されたものとして出力される。ところが、その
選んだ適合値が一定値に達していないときは該当なしと
して認識されなかったものと判断する。In the fitness comparator 7, the adder / subtractor group 6
Compare the goodness of fit for each candidate output from, select the largest goodness of fit, if the selected goodness reaches a certain value, the candidate corresponding to the goodness of fit, that is, the vowel is recognized Is output as. However, if the selected conformance value does not reach a certain value, it is determined that the relevant value is not recognized.
【００２８】上記実施例の適合度比較器７は適合度の大
きい順に候補を並べるものであってもよい。The goodness-of-fit comparator 7 of the above-described embodiment may arrange candidates in descending order of goodness of fit.
【００２９】上記実施例では母音を例にとって説明した
が、単語または文章であっても同じである。また上記実
施例では説明を簡単にするために２個のファジイルール
を用いたが、ファジイルールの数は任意に設定すること
ができるし、ファジイルールの数が多いほど確実な認識
ができる。ファジイルールの数が多くなってもその処理
は同じである。Although vowels are taken as an example in the above embodiment, the same applies to words or sentences. Further, in the above embodiment, two fuzzy rules are used for simplification of description, but the number of fuzzy rules can be set arbitrarily, and more fuzzy rules can be more reliably recognized. The processing is the same even if the number of fuzzy rules increases.
【００３０】本発明は画像認識（たとえば文字認識）に
も適用することができ、画像認識の場合は音声認識とパ
ターンが異なるだけで、その処理は同じである。画像認
識の場合はパターン認識すべき対象である画像はＣＣＤ
やテレビカメラなどから得られる。The present invention can be applied to image recognition (for example, character recognition). In the case of image recognition, the pattern is different from that of voice recognition, and the processing is the same. In the case of image recognition, the image to be pattern-recognized is a CCD
Or from a TV camera.
【００３１】[0031]
【発明の効果】以上説明したように、本発明によれば、
音声認識を始めとするパターン認識技術において、本質
的に並列処理アルゴリズムであるファジイ処理をシステ
ム内部で行うことにより認識対象とする候補の数が増加
してもそれに比例して処理時間は増加するようなことは
なく、また内部の認識アルゴリズムをＩＦ−ＴＨＥＮ形
式の言葉で表すことにより、あらかじめ保持しておかな
ければならない標準データをメンバーシップ関数の形に
置き換えることができるので、メモリに比べてはるかに
少ない数のトランジスタで構成できるメンバーシップ関
数のシフト回路を用いることによりメモリを大幅に削減
できるので、システムのＩＣ化が可能となる。As described above, according to the present invention,
In pattern recognition technology such as voice recognition, fuzzy processing, which is essentially a parallel processing algorithm, is performed inside the system so that the processing time will increase in proportion to the increase in the number of candidates for recognition. In addition, by expressing the internal recognition algorithm in terms of IF-THEN format, the standard data that must be held in advance can be replaced with the form of membership function. By using a membership function shift circuit that can be configured with a very small number of transistors, the memory can be significantly reduced, and the system can be integrated into an IC.
【図１】音声認識に適用した本発明によるファジイパタ
ーン認識装置の一実施例のブロック線図である。FIG. 1 is a block diagram of an embodiment of a fuzzy pattern recognition apparatus according to the present invention applied to voice recognition.
【図２】単語の音声波形を示す。FIG. 2 shows a speech waveform of a word.
【図３】母音の音声波形を示す。FIG. 3 shows a voice waveform of a vowel.
【図４】ハイパスフィルタを通した母音の音声波形を示
す。FIG. 4 shows a voice waveform of a vowel that has passed through a high pass filter.
【図５】第１のルールに対するメンバーシップ関数を示
し、（ａ）は前件部メンバーシップ関数、（ｂ）、
（ｃ）、（ｄ）は異なる母音に対する後件部メンバーシ
ップ関数である。FIG. 5 shows a membership function for the first rule, where (a) is the antecedent part membership function, (b),
(C) and (d) are consequent part membership functions for different vowels.
【図６】第２のルールに対するメンバーシップ関数を示
し、（ａ）は前件部メンバーシップ関数、（ｂ）、
（ｃ）、（ｄ）、（ｅ）は異なる母音に対する後件部メ
ンバーシップ関数である。FIG. 6 shows a membership function for the second rule, where (a) is the antecedent part membership function, (b),
(C), (d), (e) are consequent part membership functions for different vowels.
【図７】メンバーシップ関数発生回路の一例を示す。FIG. 7 shows an example of a membership function generating circuit.
【図８】図７に示したメンバーシップ関数発生回路によ
り発生されるメンバーシップ関数信号の一例を示す。8 shows an example of a membership function signal generated by the membership function generating circuit shown in FIG.
１ マイクロフォン ２１、２２ 特徴抽出回路 ３１、３２ 前件部メンバーシップ関数発生回路 ４１、４２、４３、５１、５２、５３、５４ 後件部メ
ンバーシップ関数発生回路 ６ 加減算器群 ７ 適合度比較器1 Microphone 21,22 Feature Extraction Circuit 31, 32 Antecedent Membership Function Generating Circuit 41, 42, 43, 51, 52, 53, 54 Consequent Membership Function Generating Circuit 6 Adder / Subtractor Group 7 Fitness Comparator
Claims (3)
ら、該対象のパターンの特徴に基づいてあらかじめ定め
られた複数のファジイルールの各々に対応して対象の特
徴を抽出する複数の特徴抽出回路と、該複数の特徴抽出
回路の各々に対応して設けられ、各ファジイルールの前
件部に対応するメンバーシップ関数を発生する複数の前
件部メンバーシップ関数発生回路と、 各ファジイルールの後件部に対応するメンバーシップ関
数を発生し、前記複数の前件部メンバーシップ関数発生
回路の出力を直接受けて前記ファジイルールに基づいて
あらかじめ定められた複数の候補に対する適合度を出力
する複数の後件部メンバーシップ関数発生回路と、 該後件部メンバーシップ関数発生回路から出力する適合
度を同一の候補について加減算する候補ごとに設けられ
た複数の加減算器と、 該複数の加減算器から出力される複数の候補に対する適
合度を比較し、最大の適合度を有する候補を選定する比
較器とを備えたことを特徴とするファジイパターン認識
装置。1. A plurality of feature extraction circuits for extracting a target feature from a signal representing a target for pattern recognition, corresponding to each of a plurality of fuzzy rules predetermined based on the feature of the target pattern. , A plurality of antecedent part membership function generating circuits which are provided corresponding to each of the plurality of feature extraction circuits and generate a membership function corresponding to the antecedent part of each fuzzy rule, and a consequent of each fuzzy rule A membership function corresponding to a part, and directly receiving outputs from the plurality of antecedent part membership function generation circuits to output a goodness of fit to a plurality of candidates predetermined based on the fuzzy rule. Candidates for adding / subtracting the suitability output from the subject part membership function generating circuit and the consequent part membership function generating circuit for the same candidate A plurality of adders / subtractors provided in and a comparator that compares the goodnesses of fit of the plurality of candidates output from the plurality of adders / subtractors and selects the candidate having the highest goodness of fit. Fuzzy pattern recognition device.
号が音声信号である請求項１に記載のファジイパターン
認識装置。2. The fuzzy pattern recognition device according to claim 1, wherein the signal representing an object to be pattern-recognized is a voice signal.
出力する手段と、 パターン認識すべき対象を表わす信号から、該対象のパ
ターンの特徴に基づいてあらかじめ定められた複数のフ
ァジイルールの各々に対応して対象の特徴を抽出する複
数の特徴抽出回路と、 該複数の特徴抽出回路の各々に対応して設けられ、各フ
ァジイルールの前件部に対応するメンバーシップ関数を
発生する複数の前件部メンバーシップ関数発生回路と、 各ファジイルールの後件部に対応するメンバーシップ関
数を発生し、前記複数の前件部メンバーシップ関数発生
回路の出力を直接受けて前記ファジイルールに基づいて
あらかじめ定められた複数の候補の各々に対する適合度
を出力する複数の後件部メンバーシップ関数発生回路
と、 該後件部メンバーシップ関数発生回路から出力する適合
度を同一の候補について候補ごとに加減算する候補ごと
に設けられた複数の加減算器と、 該複数の加減算器から出力される複数の候補に対する適
合度を比較し、最大の適合度を有する候補を選定する比
較器とを備えたことを特徴とするファジイパターン認識
装置。3. A means for outputting a signal representing an object to be pattern-recognized, and a signal representing an object to be pattern-recognized corresponding to each of a plurality of fuzzy rules predetermined based on the characteristics of the pattern of the object. A plurality of feature extraction circuits for extracting the features of interest, and a plurality of antecedents provided corresponding to each of the plurality of feature extraction circuits and generating a membership function corresponding to the antecedent part of each fuzzy rule. Section membership function generating circuit and a membership function corresponding to the consequent part of each fuzzy rule are generated, and the outputs of the plurality of antecedent part membership function generating circuits are directly received and predetermined based on the fuzzy rule. A plurality of consequent part membership function generating circuits that output the goodness of fit for each of the plurality of selected candidates and the consequent part membership function The suitability output from the raw circuit is added / subtracted for each candidate with respect to the same candidate. A plurality of adder / subtractors provided for each candidate are compared with the suitability to the plurality of candidates output from the plurality of adder / subtractor, and the maximum A fuzzy pattern recognition device comprising: a comparator that selects a candidate having a goodness of fit.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5151182A JPH06337694A (en) | 1993-05-28 | 1993-05-28 | Device for recognizing fuzzy pattern |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5151182A JPH06337694A (en) | 1993-05-28 | 1993-05-28 | Device for recognizing fuzzy pattern |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06337694A true JPH06337694A (en) | 1994-12-06 |
Family
ID=15513086
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5151182A Withdrawn JPH06337694A (en) | 1993-05-28 | 1993-05-28 | Device for recognizing fuzzy pattern |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06337694A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990066562A (en) * | 1998-01-30 | 1999-08-16 | 전주범 | Template Pattern Matching Method of Speech Recognition Using Fuzzy Mapping Function |
| KR100440973B1 (en) * | 2002-08-01 | 2004-07-21 | 삼성전자주식회사 | Apparatus and method for determining a correlation coefficient between signals, and apparatus and method for determining a signal pitch thereof |
-
1993
- 1993-05-28 JP JP5151182A patent/JPH06337694A/en not_active Withdrawn
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990066562A (en) * | 1998-01-30 | 1999-08-16 | 전주범 | Template Pattern Matching Method of Speech Recognition Using Fuzzy Mapping Function |
| KR100440973B1 (en) * | 2002-08-01 | 2004-07-21 | 삼성전자주식회사 | Apparatus and method for determining a correlation coefficient between signals, and apparatus and method for determining a signal pitch thereof |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jain et al. | Incorporating context into language encoding models for fMRI | |
| Xie et al. | Speech emotion classification using attention-based LSTM | |
| Garcia-Bracamonte et al. | An approach on MCSA-based fault detection using independent component analysis and neural networks | |
| Nguyen et al. | Facial expression recognition using a temporal ensemble of multi-level convolutional neural networks | |
| WO2020253128A1 (en) | Voice recognition-based communication service method, apparatus, computer device, and storage medium | |
| Mohamed et al. | Arabic speech emotion recognition employing wav2vec2. 0 and hubert based on baved dataset | |
| Camacho et al. | Fake speech recognition using deep learning | |
| Singh et al. | Emotion recognition in audio and video using deep neural networks | |
| Fonseca et al. | Self-supervised learning from automatically separated sound scenes | |
| Onizawa et al. | Area/energy-efficient gammatone filters based on stochastic computation | |
| Rahman et al. | TriBERT: Human-centric audio-visual representation learning | |
| Parekh et al. | Tackling interpretability in audio classification networks with non-negative matrix factorization | |
| JPH06337694A (en) | Device for recognizing fuzzy pattern | |
| JP4516940B2 (en) | Iris recognition method using cumulative sum-based change point analysis and apparatus thereof | |
| Agarwal et al. | Sentence formation in NLP engine on the basis of indian sign language using hand gestures | |
| Kulchandani et al. | Blind source separation via independent component analysis: algorithms and applications | |
| Braz et al. | Image-text integration using a multimodal fusion network module for movie genre classification | |
| Vu et al. | Label Correlation Based Graph Convolutional Network for Multi-label Text Classification | |
| CN115349142A (en) | Image processing apparatus, image processing method, and computer-readable storage medium | |
| Khalfa et al. | Blind audio source separation based on high exploration particle swarm optimization | |
| Lade et al. | Detection of changes in human affect dimensions using an Adaptive Temporal Topic model | |
| Nicolini et al. | A Hierarchical Approach for Multilingual Speech Emotion Recognition. | |
| Sari et al. | Non-Linear EEG based emotional classification using k-nearest neighbor and weighted k-nearest neighbor with variation of features selection methods | |
| US20220208184A1 (en) | Anomaly detection apparatus, anomaly detection method, and anomaly detection system | |
| JP3052520B2 (en) | Pattern classification device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20000801 |