JPH0651793A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPH0651793A JPH0651793A JP20783792A JP20783792A JPH0651793A JP H0651793 A JPH0651793 A JP H0651793A JP 20783792 A JP20783792 A JP 20783792A JP 20783792 A JP20783792 A JP 20783792A JP H0651793 A JPH0651793 A JP H0651793A
- Authority
- JP
- Japan
- Prior art keywords
- distance
- memory
- storing
- cumulative
- patterns
- 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.)
- Pending
Links
Abstract
(57)【要約】
【目的】 音声パターンのマッチング処理と同時にパタ
ーン間距離も計算出来る音声認識装置を提供する。 【構成】 ダイナミックプログラミングを用いた音声認
識装置において、２つの音声パターンのフレームを対応
付ける格子上の点に対応させて最適化原理に従って計算
される累積距離を格納するメモリーと、重み付き累積ス
コアを格納するメモリーと、累積重みを格納するメモリ
ーとを有し、ダイナミックプログラミングによる最適マ
ッチング計算と、任意の重み付けを施したパターン間距
離の計算を同時に行うことを特徴とするよう構成する。
ーン間距離も計算出来る音声認識装置を提供する。 【構成】 ダイナミックプログラミングを用いた音声認
識装置において、２つの音声パターンのフレームを対応
付ける格子上の点に対応させて最適化原理に従って計算
される累積距離を格納するメモリーと、重み付き累積ス
コアを格納するメモリーと、累積重みを格納するメモリ
ーとを有し、ダイナミックプログラミングによる最適マ
ッチング計算と、任意の重み付けを施したパターン間距
離の計算を同時に行うことを特徴とするよう構成する。
Description
【０００１】
【産業上の利用分野】本発明は、音声認識装置に関する
ものである。
ものである。
【０００２】
【従来の技術】２つの時系列パターンＴとＲのパターン
間距離を求める時、従来からダイナミックプログラミン
グによるマッチング、即ちＤＰマッチングの手法が用い
られている。ＤＰマッチングは、２つのパターン間距離
が最も近くなるように２つの時系列間でフレームの対応
付けを行い、対応づけられた点列（マッチングパス）の
上でパターン間距離を累積し、パターン間の距離とす
る。
間距離を求める時、従来からダイナミックプログラミン
グによるマッチング、即ちＤＰマッチングの手法が用い
られている。ＤＰマッチングは、２つのパターン間距離
が最も近くなるように２つの時系列間でフレームの対応
付けを行い、対応づけられた点列（マッチングパス）の
上でパターン間距離を累積し、パターン間の距離とす
る。
【０００３】まず従来のＤＰマッチングの一般的な計算
方法を述べる。入力パターン、参照パターン共に数ｍｓ
ｅｃないし数十ｍｓｅｃの音声区間毎に音響分析を行っ
てスペクトルなどの情報を抽出して次のような時系列と
する。
方法を述べる。入力パターン、参照パターン共に数ｍｓ
ｅｃないし数十ｍｓｅｃの音声区間毎に音響分析を行っ
てスペクトルなどの情報を抽出して次のような時系列と
する。
【０００４】
【数１】
【０００５】
【数２】
【０００６】ダイナミックプログラミング（以下「Ｄ
Ｐ」と称す。）はこれらの時系列ａ（ｉ）とｂ（ｊ）の
フレーム間の対応を最適にとる事を目的とするが、この
対応をマッチングパスと呼び。ｃ（ｋ）で表すことにす
る。またそのパス上の点での距離をフレーム間距離と呼
び、ｄ（ｃ（ｋ））で表す。
Ｐ」と称す。）はこれらの時系列ａ（ｉ）とｂ（ｊ）の
フレーム間の対応を最適にとる事を目的とするが、この
対応をマッチングパスと呼び。ｃ（ｋ）で表すことにす
る。またそのパス上の点での距離をフレーム間距離と呼
び、ｄ（ｃ（ｋ））で表す。
【０００７】
【数３】
【０００８】
【数４】
【０００９】フレーム間距離としては、ユークリッド距
離や市街地距離がよく用いられる。時系列ＴとＲのパタ
ーン間距離はフレーム間距離の重み付き累積が最小にな
るようにマッチングパスを選んだ時の累積距離で、次の
（５）式で表すことができる。
離や市街地距離がよく用いられる。時系列ＴとＲのパタ
ーン間距離はフレーム間距離の重み付き累積が最小にな
るようにマッチングパスを選んだ時の累積距離で、次の
（５）式で表すことができる。
【００１０】
【数５】
【００１１】ＤＰでは、累積距離ｇ（ｃ（ｋ））を定義
し漸化的に求める事により、このパターン間距離を全て
のマッチングパスＦについて計算する事なく最適のＦに
対するパターン間距離を求める事が出来る。
し漸化的に求める事により、このパターン間距離を全て
のマッチングパスＦについて計算する事なく最適のＦに
対するパターン間距離を求める事が出来る。
【００１２】
【数６】
【００１３】
【数７】
【００１４】（６）式のｃ（ｋ−１）はｃ（ｋ）より前
の隣接するいくつかの格子点に制限される。ここで、
（５）式の分母がＦには依存しない場合のみ、最適化原
理が適用され、各ｃ（ｋ）でｇ（ｃ（ｋ））を｛Σｗ
（ｋ）｝で正規化しないでも最適性が保たれ、（７）式
が成り立つ。この様なパス制限ｃ（ｋ−１）及び重みｗ
（ｋ）として次のようなものがある。
の隣接するいくつかの格子点に制限される。ここで、
（５）式の分母がＦには依存しない場合のみ、最適化原
理が適用され、各ｃ（ｋ）でｇ（ｃ（ｋ））を｛Σｗ
（ｋ）｝で正規化しないでも最適性が保たれ、（７）式
が成り立つ。この様なパス制限ｃ（ｋ−１）及び重みｗ
（ｋ）として次のようなものがある。
【００１５】
【表１】
【００１６】
【表２】
【００１７】
【表３】
【００１８】上記例１〜例３のいずれの例においても、
（ａ）の重み付けの場合（５）式または（７）式の分母
はＪとなり、（ｂ）の重み付けの場合はＪ＋Ｉとなる。
（ａ）の重み付けの場合（５）式または（７）式の分母
はＪとなり、（ｂ）の重み付けの場合はＪ＋Ｉとなる。
【００１９】図３は例３の（ａ）を図示したものであ
る。図の横方向がＴのフレームｉを表し、縦方向がＲの
フレームｊを表す。図中の符号１０、２０、３０は以下
の条件を示している。
る。図の横方向がＴのフレームｉを表し、縦方向がＲの
フレームｊを表す。図中の符号１０、２０、３０は以下
の条件を示している。
【００２０】
【表４】
【００２１】
【発明が解決しようとする課題】従来のＤＰでは、重み
ｗ（ｋ）は入力音声や参照パターンのどのフレームでも
一定である。しかし、例えば促音「っ」を含む単語は、
単語内に無音区間を含むが、（５）式の中では単語内の
無音区間もパターン間距離の計算に含まれてしまうの
で、環境雑音の違いにより、正確な音声のパターン間距
離が乱されてしまう。
ｗ（ｋ）は入力音声や参照パターンのどのフレームでも
一定である。しかし、例えば促音「っ」を含む単語は、
単語内に無音区間を含むが、（５）式の中では単語内の
無音区間もパターン間距離の計算に含まれてしまうの
で、環境雑音の違いにより、正確な音声のパターン間距
離が乱されてしまう。
【００２２】この対策としてｗ（ｋ）を無音区間で小さ
くするような操作を行うことが考えられるが、（５）式
の分母がＦに依存してしまい、ＤＰの最適化原理が成り
立たず、各フレームでの累積距離の正規化が必要にな
る。この正規化は計算量の大幅な増加をもたらす。
くするような操作を行うことが考えられるが、（５）式
の分母がＦに依存してしまい、ＤＰの最適化原理が成り
立たず、各フレームでの累積距離の正規化が必要にな
る。この正規化は計算量の大幅な増加をもたらす。
【００２３】この正規化を省略するには、一旦定義どう
りのＤＰを行ったのちマッチングパスＦの上でフレーム
ごとに重み付けをしながらパターン間距離を求める方法
が考えられるが、マッチングの後での処理時間が必要に
なる。
りのＤＰを行ったのちマッチングパスＦの上でフレーム
ごとに重み付けをしながらパターン間距離を求める方法
が考えられるが、マッチングの後での処理時間が必要に
なる。
【００２４】本発明はこのような問題点に鑑み、マッチ
ングと同時にパターン間距離も計算出来る音声認識装置
を提供するものである。
ングと同時にパターン間距離も計算出来る音声認識装置
を提供するものである。
【００２５】
【課題を解決するための手段】前記の問題点を解決する
ため、本発明の音声認識装置においては、ダイナミック
プログラミングを用いた音声認識装置において、２つの
音声パターンのフレームを対応付ける格子上の点に対応
させて最適化原理に従って計算される累積距離を格納す
るメモリーと、重み付き累積スコアを格納するメモリー
と、累積重みを格納するメモリーとを有し、ダイナミッ
クプログラミングによる最適マッチング計算と、任意の
重み付けを施したパターン間距離の計算を同時に行うこ
とを特徴とするよう構成している。即ち、最適化原理の
適用出来る重みをｗ（ｋ）、出来ない重みをｖ（ｋ）と
し、ｗ（ｋ）で重み付けされたマッチングのための累積
距離をｇ（ｃ（ｋ））、ｖ（ｋ）で重み付けされたパタ
ーン間距離のための累積スコアをｓ（ｃ（ｋ））とし、
各格子点ｃ（ｋ）において累積距離ｇ（ｃ（ｋ））を格
納するメモリーと、重み付き累積スコアｓ（ｃ（ｋ））
を格納するメモリーと、累積重みｕ（ｃ（ｋ））を格納
するメモリーを設けている。
ため、本発明の音声認識装置においては、ダイナミック
プログラミングを用いた音声認識装置において、２つの
音声パターンのフレームを対応付ける格子上の点に対応
させて最適化原理に従って計算される累積距離を格納す
るメモリーと、重み付き累積スコアを格納するメモリー
と、累積重みを格納するメモリーとを有し、ダイナミッ
クプログラミングによる最適マッチング計算と、任意の
重み付けを施したパターン間距離の計算を同時に行うこ
とを特徴とするよう構成している。即ち、最適化原理の
適用出来る重みをｗ（ｋ）、出来ない重みをｖ（ｋ）と
し、ｗ（ｋ）で重み付けされたマッチングのための累積
距離をｇ（ｃ（ｋ））、ｖ（ｋ）で重み付けされたパタ
ーン間距離のための累積スコアをｓ（ｃ（ｋ））とし、
各格子点ｃ（ｋ）において累積距離ｇ（ｃ（ｋ））を格
納するメモリーと、重み付き累積スコアｓ（ｃ（ｋ））
を格納するメモリーと、累積重みｕ（ｃ（ｋ））を格納
するメモリーを設けている。
【００２６】
【作用】各格子点ｃ（ｋ）、（ただしｋ＝１，２，・・
・，Ｋ）に対して、次の（８）〜（１１）式を計算し、
ｓ（ｃ（ｋ）），ｕ（ｃ（ｋ））を求めて記憶する。
・，Ｋ）に対して、次の（８）〜（１１）式を計算し、
ｓ（ｃ（ｋ）），ｕ（ｃ（ｋ））を求めて記憶する。
【００２７】
【数８】
【００２８】
【数９】
【００２９】
【数１０】
【００３０】
【数１１】
【００３１】
【数１２】
【００３２】マッチングの後、（１２）式に従って重み
付きパターン間距離を計算する。
付きパターン間距離を計算する。
【００３３】
【実施例】図１は本発明の実施例を説明するブロック図
である。１はプログラムに従い音声認識に必要な処理を
実行するＣＰＵ、２はＣＰＵ１に制御され、音声信号を
デジタル化するＡ／Ｄ変換器、３は入力された音声とそ
のパラメータを格納するメモリー、４は参照パターンの
パラメータを格納するメモリー、５は認識処理に必要な
前記プログラムを格納するメモリー、６は累積距離ｇ
（ｃ（ｋ））を格納するメモリー、７は重み付き累積ス
コアｓ（ｃ（ｋ））を格納するメモリー、８は累積重み
ｕ（ｃ（ｋ））を格納するメモリーである。
である。１はプログラムに従い音声認識に必要な処理を
実行するＣＰＵ、２はＣＰＵ１に制御され、音声信号を
デジタル化するＡ／Ｄ変換器、３は入力された音声とそ
のパラメータを格納するメモリー、４は参照パターンの
パラメータを格納するメモリー、５は認識処理に必要な
前記プログラムを格納するメモリー、６は累積距離ｇ
（ｃ（ｋ））を格納するメモリー、７は重み付き累積ス
コアｓ（ｃ（ｋ））を格納するメモリー、８は累積重み
ｕ（ｃ（ｋ））を格納するメモリーである。
【００３４】入力音声を予め切り出さないで認識する連
続ＤＰの例を考える。マッチング用の重みｗ（ｋ）は図
３に示すものに対して少し修正を加える。ここでは図２
のｃ２（ｋ−１）以外のパスに対する重みを（１＋α）
倍する事で入力と参照パターンの時間構造がずれる事に
対して（１＋α）倍のペナルティをかける事にする。
続ＤＰの例を考える。マッチング用の重みｗ（ｋ）は図
３に示すものに対して少し修正を加える。ここでは図２
のｃ２（ｋ−１）以外のパスに対する重みを（１＋α）
倍する事で入力と参照パターンの時間構造がずれる事に
対して（１＋α）倍のペナルティをかける事にする。
【００３５】
【表５】
【００３６】スコア重みｖ（ｋ）には、入力と参照パタ
ーンの音声パワーＰａ（ｉ（ｋ）），Ｐｂ（ｊ（ｋ））
を用いる。
ーンの音声パワーＰａ（ｉ（ｋ）），Ｐｂ（ｊ（ｋ））
を用いる。
【００３７】
【数１３】
【００３８】とすると、（１０）式（１１）式は次のよ
うになる。
うになる。
【００３９】
【数１４】
【００４０】
【数１５】
【００４１】これにより入力音声と参照音声の音声パワ
ーの小さな部分は累積スコアに対する影響が軽減され、
しかもマッチング中に同時にスコアを正規化処理無しに
求める事が可能になる。
ーの小さな部分は累積スコアに対する影響が軽減され、
しかもマッチング中に同時にスコアを正規化処理無しに
求める事が可能になる。
【００４２】このアルゴリズムを図２に示す。この図で
は参照パターンは既に音響分析されてメモリーに格納さ
れているものとする。音響分析は特に定めないが音声の
スペクトル情報、パワー情報を持ったパラメータとす
る。
は参照パターンは既に音響分析されてメモリーに格納さ
れているものとする。音響分析は特に定めないが音声の
スペクトル情報、パワー情報を持ったパラメータとす
る。
【００４３】（２０１）で入力され、（２０２）で分析
された１フレームの音声パラメータに対して、参照パタ
ーンの各フレームとの距離を格子点毎に（２０４）で求
め、格子点毎に（２０５）で（８）式、（９）式、（１
４）式、（１５）式の計算を行う。マッチング用にはｇ
（ｃ（ｋ））の重みを、スコア用にはｖ（ｃ（ｋ））の
重みをそれぞれ別にかけて累積する。
された１フレームの音声パラメータに対して、参照パタ
ーンの各フレームとの距離を格子点毎に（２０４）で求
め、格子点毎に（２０５）で（８）式、（９）式、（１
４）式、（１５）式の計算を行う。マッチング用にはｇ
（ｃ（ｋ））の重みを、スコア用にはｖ（ｃ（ｋ））の
重みをそれぞれ別にかけて累積する。
【００４４】（２０６）では入力の各フレームｉでそこ
までの入力Ｔ＝｛ａ（１），ａ（２），・・・・，ａ
（ｉ）｝と参照パターンＲとのパターン間距離を計算
し、それがある閾値より小さければ単語が検出されたと
する。参照パターンが複数ある場合はそのどれかがある
閾値より小さければ検出されたとする。
までの入力Ｔ＝｛ａ（１），ａ（２），・・・・，ａ
（ｉ）｝と参照パターンＲとのパターン間距離を計算
し、それがある閾値より小さければ単語が検出されたと
する。参照パターンが複数ある場合はそのどれかがある
閾値より小さければ検出されたとする。
【００４５】
【発明の効果】本発明により、パターン間距離の計算用
の重み付けに最適化原理の適用できない式を用い、ＤＰ
パターンマッチング用の重み付けと、パターン間距離の
計算用の重み付けを事なる式で与えた場合でも、最適化
原理に従って、格子点毎に累積距離や累積スコアの正規
化をすることなしに効率よくＤＰマッチングによる認識
をする事が可能になる。
の重み付けに最適化原理の適用できない式を用い、ＤＰ
パターンマッチング用の重み付けと、パターン間距離の
計算用の重み付けを事なる式で与えた場合でも、最適化
原理に従って、格子点毎に累積距離や累積スコアの正規
化をすることなしに効率よくＤＰマッチングによる認識
をする事が可能になる。
【図面の簡単な説明】
【図１】本発明の実施例のブロック図である。
【図２】本発明の実施例のアルゴリズムを表す図であ
る。
る。
【図３】ＤＰにおいて使用されるパス制限とその重みの
例を表す図である。
例を表す図である。
１ ＣＰＵ（ＤＳＰ） ２ Ａ／Ｄ変換器 ３ 入力音声とそのパラメータを格納するメモリー ４ 参照パターンのパラメータを格納するメモリー ５ プログラムを格納するメモリー ６ 累積距離ｇ（ｃ（ｋ））を格納するメモリー ７ 重み付きスコアｓ（ｃ（ｋ））を格納するメモリー ８ 累積重みｕ（ｃ（ｋ））を格納するメモリー
Claims (1)
- 【請求項１】 ダイナミックプログラミングを用いた音
声認識装置において、 ２つの音声パターンのフレームを対応付ける格子上の点
に対応させて最適化原理に従って計算される累積距離を
格納するメモリーと、 重み付き累積スコアを格納するメモリーと、 累積重みを格納するメモリーとを有し、 ダイナミックプログラミングによる最適マッチング計算
と、任意の重み付けを施したパターン間距離の計算を同
時に行うことを特徴とする音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP20783792A JPH0651793A (ja) | 1992-08-04 | 1992-08-04 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP20783792A JPH0651793A (ja) | 1992-08-04 | 1992-08-04 | 音声認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0651793A true JPH0651793A (ja) | 1994-02-25 |
Family
ID=16546348
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP20783792A Pending JPH0651793A (ja) | 1992-08-04 | 1992-08-04 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0651793A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005078006A1 (ja) | 2004-02-12 | 2005-08-25 | Kureha Corporation | ポリアリーレンスルフィド及びその製造方法 |
| US7754848B2 (en) | 2003-12-26 | 2010-07-13 | Kureha Corporation | Poly (arylene sulfide) and production process thereof |
-
1992
- 1992-08-04 JP JP20783792A patent/JPH0651793A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7754848B2 (en) | 2003-12-26 | 2010-07-13 | Kureha Corporation | Poly (arylene sulfide) and production process thereof |
| US8183336B2 (en) | 2003-12-26 | 2012-05-22 | Kureha Corporation | Poly (arylene sulfide) |
| WO2005078006A1 (ja) | 2004-02-12 | 2005-08-25 | Kureha Corporation | ポリアリーレンスルフィド及びその製造方法 |
| US7655748B2 (en) | 2004-02-12 | 2010-02-02 | Kureha Corporation | Poly(arylene sulfide) and production process thereof |
| US8076447B2 (en) | 2004-02-12 | 2011-12-13 | Kureha Corporation | Poly (arylene sulfide) and production process thereof |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7133826B2 (en) | Method and apparatus using spectral addition for speaker recognition | |
| JP3584458B2 (ja) | パターン認識装置およびパターン認識方法 | |
| US5228087A (en) | Speech recognition apparatus and methods | |
| JP3789246B2 (ja) | 音声区間検出装置、音声区間検出方法、音声認識装置、音声認識方法および記録媒体 | |
| JP2692581B2 (ja) | 音響カテゴリ平均値計算装置及び適応化装置 | |
| US4882755A (en) | Speech recognition system which avoids ambiguity when matching frequency spectra by employing an additional verbal feature | |
| US20030220792A1 (en) | Speech recognition apparatus, speech recognition method, and computer-readable recording medium in which speech recognition program is recorded | |
| US7216075B2 (en) | Speech recognition method and apparatus with noise adaptive standard pattern | |
| US6996527B2 (en) | Linear discriminant based sound class similarities with unit value normalization | |
| JPH07219579A (ja) | 音声認識装置 | |
| JPH0651793A (ja) | 音声認識装置 | |
| JPS60114900A (ja) | 有音・無音判定法 | |
| JP2003044078A (ja) | 発声速度正規化分析を用いた音声認識装置 | |
| JPH04296799A (ja) | 音声認識装置 | |
| JP3107905B2 (ja) | 音声認識装置 | |
| JPH04264596A (ja) | 雑音下音声認識方法 | |
| JP2514983B2 (ja) | 音声認識方式 | |
| JP2710045B2 (ja) | 音声認識方法 | |
| JPH0484197A (ja) | 連続音声認識装置 | |
| JPS6147999A (ja) | 音声認識装置 | |
| JP2514984B2 (ja) | 音声認識方式 | |
| JP2844592B2 (ja) | 離散単語音声認識装置 | |
| JP3254933B2 (ja) | 音声認識方法 | |
| JPH05197397A (ja) | 音声認識方法及びその装置 | |
| JP2024015817A (ja) | 閾値生成方法、閾値生成装置およびプログラム |