JPH0651794A - 音声認識方式 - Google Patents
音声認識方式Info
- Publication number
- JPH0651794A JPH0651794A JP4201612A JP20161292A JPH0651794A JP H0651794 A JPH0651794 A JP H0651794A JP 4201612 A JP4201612 A JP 4201612A JP 20161292 A JP20161292 A JP 20161292A JP H0651794 A JPH0651794 A JP H0651794A
- Authority
- JP
- Japan
- Prior art keywords
- equation
- matching
- speech
- path
- voice
- 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- Withdrawn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
Abstract
(57)【要約】
【目的】Staggered Array ＤＰマッチングによる音声認
識方式に対称形を導入して音声の認識率を向上させる。 【構成】Staggered Array ＤＰマッチングによる音声認
識方式における、音声の認識時に、逐次計算を行う方向
に対する重み付け処理と、特徴パラメータ空間上での重
み付け処理とを付加する。音声の学習時に、各ユニット
間の結合の強さに上記重みを対応付けたニューラルネッ
トワークＮＮをバックプロパゲーションにより学習させ
て上記重みを求める。
識方式に対称形を導入して音声の認識率を向上させる。 【構成】Staggered Array ＤＰマッチングによる音声認
識方式における、音声の認識時に、逐次計算を行う方向
に対する重み付け処理と、特徴パラメータ空間上での重
み付け処理とを付加する。音声の学習時に、各ユニット
間の結合の強さに上記重みを対応付けたニューラルネッ
トワークＮＮをバックプロパゲーションにより学習させ
て上記重みを求める。
Description
【０００１】
【産業上の利用分野】本発明は、ＤＰマッチングによる
音声認識方式に関するものである。
音声認識方式に関するものである。
【０００２】
【従来の技術】ＤＰマッチングによる音声認識方式は、
発声速度の変化によるパターン長の差の影響を吸収する
ことができる有効な方式であって、この音声認識方式を
用いた装置はすでに商品化されている。しかしながら、
ＤＰマッチングによる音声認識方式を用いても区別する
ことが困難な音声もある。たとえば、「一階」という単
語と「二階」という単語との音声を区別することはＤＰ
マッチングではやや困難である。両単語の音声を区別す
るのが困難になるのは、上の２つの単語は前半部だけが
異なり、しかも異なる部分についても、/i/ と/n/ のス
ペクトルはよく似ていて大きな差は高域部分にしか見ら
れないからであると考えられる。ここで、「一階」の/k
/ の前の無音長は、「二階」の/k/ の無音長よりも長い
が、ＤＰマッチングでは時間軸を伸縮させて発声速度を
吸収するので、無音長に差異があってもＤＰマッチング
では両者を明瞭に区別することができないのである。こ
のように、ＤＰマッチングでは時間軸上や特徴パラメー
タ空間上の一部分にしか十分な差異がないような複数の
音声を区別することがやや困難であるという問題を有し
ている。
発声速度の変化によるパターン長の差の影響を吸収する
ことができる有効な方式であって、この音声認識方式を
用いた装置はすでに商品化されている。しかしながら、
ＤＰマッチングによる音声認識方式を用いても区別する
ことが困難な音声もある。たとえば、「一階」という単
語と「二階」という単語との音声を区別することはＤＰ
マッチングではやや困難である。両単語の音声を区別す
るのが困難になるのは、上の２つの単語は前半部だけが
異なり、しかも異なる部分についても、/i/ と/n/ のス
ペクトルはよく似ていて大きな差は高域部分にしか見ら
れないからであると考えられる。ここで、「一階」の/k
/ の前の無音長は、「二階」の/k/ の無音長よりも長い
が、ＤＰマッチングでは時間軸を伸縮させて発声速度を
吸収するので、無音長に差異があってもＤＰマッチング
では両者を明瞭に区別することができないのである。こ
のように、ＤＰマッチングでは時間軸上や特徴パラメー
タ空間上の一部分にしか十分な差異がないような複数の
音声を区別することがやや困難であるという問題を有し
ている。
【０００３】このような問題を改善するために、時間軸
上と特徴パラメータ空間上で重み付けを行うことが考え
られている。以下に、ＤＰマッチング方式における重み
付けの方法を説明する。ＤＰマッチング方式では、認識
時に入力された音声を、登録時に入力された各標準音声
と照合し、入力音声との距離がもっとも近い標準音声を
認識音声とするのであって、この照合は次のように行
う。
上と特徴パラメータ空間上で重み付けを行うことが考え
られている。以下に、ＤＰマッチング方式における重み
付けの方法を説明する。ＤＰマッチング方式では、認識
時に入力された音声を、登録時に入力された各標準音声
と照合し、入力音声との距離がもっとも近い標準音声を
認識音声とするのであって、この照合は次のように行
う。
【０００４】まず、フィルタバンクなどによって抽出し
た特徴パラメータの時系列を音声パターンとし、入力音
声の音声パターンＡと標準音声の音声パターンＢとを次
のように表すものとする。 Ａ＝｛a(1,p)｝, ｛a(2,p)｝，……, ｛a(I,p)｝ …(1) Ｂ＝｛b(1,p)｝, ｛b(2,p)｝，……, ｛b(J,p)｝ …(2) ただし、p ＝1,2,……,Pである。
た特徴パラメータの時系列を音声パターンとし、入力音
声の音声パターンＡと標準音声の音声パターンＢとを次
のように表すものとする。 Ａ＝｛a(1,p)｝, ｛a(2,p)｝，……, ｛a(I,p)｝ …(1) Ｂ＝｛b(1,p)｝, ｛b(2,p)｝，……, ｛b(J,p)｝ …(2) ただし、p ＝1,2,……,Pである。
【０００５】ここで、｛a(i,p)｝と｛b(j,p)｝との距離
をｄij(i,j) とすれば、入力音声パターンＡと標準音声
パターンＢとの距離D(A,B)は、数１の (3)式のように表
される。
をｄij(i,j) とすれば、入力音声パターンＡと標準音声
パターンＢとの距離D(A,B)は、数１の (3)式のように表
される。
【０００６】
【数１】
【０００７】ここで、Ｆは｛a(i,p)｝と｛b(j,p)｝とを
対応付けるマッチングパスであって（図７参照）、次の
性質を有している。 Ｆ：｛c(k)｝＝｛(i(k),j(k)) ｝， k＝1,2,……,K c(1)＝(1,1), c(K)＝(I,J) ただし、｛i(k)｝, ｛j(k)｝は単調増加。 また、数１の (3)式における重みｗij(k) は、マッチン
グパスのうちの基本パスE(k)の長さに応じて定義される
非負の重みである。基本パスE(k)は次式のように定義さ
れる。
対応付けるマッチングパスであって（図７参照）、次の
性質を有している。 Ｆ：｛c(k)｝＝｛(i(k),j(k)) ｝， k＝1,2,……,K c(1)＝(1,1), c(K)＝(I,J) ただし、｛i(k)｝, ｛j(k)｝は単調増加。 また、数１の (3)式における重みｗij(k) は、マッチン
グパスのうちの基本パスE(k)の長さに応じて定義される
非負の重みである。基本パスE(k)は次式のように定義さ
れる。
【０００８】 E(k)＝(i(k))−i(k-1), j(k)−ｊ(k-1)) …(4) ここで、重みｗij(k) は、 (3)式の分母がＦに依存する
ことがないように、通常は数２の (5)式のように定めら
れる。
ことがないように、通常は数２の (5)式のように定めら
れる。
【０００９】
【数２】
【００１０】したがって、数１の (3)式は、数３の (6)
式のように変形される。
式のように変形される。
【００１１】
【数３】
【００１２】ここで、最小化する目的関数が加法的であ
るので、この最小化問題は動的計画法（ＤＰ＝ダイナミ
ック・プログラミング）を利用することによって、Ｆの
すべての可能性について総当たり的に調べることなく、
効率的に解くことができる。すなわち、数４の (7)式の
ようにコスト関数g(c(k)) を定義すれば、コスト関数g
(c(k)) は数４の (8)式のように変形される。
るので、この最小化問題は動的計画法（ＤＰ＝ダイナミ
ック・プログラミング）を利用することによって、Ｆの
すべての可能性について総当たり的に調べることなく、
効率的に解くことができる。すなわち、数４の (7)式の
ようにコスト関数g(c(k)) を定義すれば、コスト関数g
(c(k)) は数４の (8)式のように変形される。
【００１３】
【数４】
【００１４】数４の (8)式はＤＰマッチングにおける定
式化になっており、結局、入力音声パターンＡと標準音
声パターンＢとの距離D(A,B)は (9)式のようになる。 D(A,B)＝g(c(K))/W …(9) 一方、時間伸縮関数Ｆ（ＤＰパス）に関する制限と、重
みｗ(k)(＝ｗij(k))の定式化については種々のものが提
案されているが、これらは、図８（ａ）のように基本パ
スＥ(k) と重みｗ(k) とが、比較する２つの時系列に関
して対称形であるものと、図８（ｂ）のように非対称形
であるものとに分けられる。図８（ａ）の対称形の場合
は(10)式の関係が成立する。
式化になっており、結局、入力音声パターンＡと標準音
声パターンＢとの距離D(A,B)は (9)式のようになる。 D(A,B)＝g(c(K))/W …(9) 一方、時間伸縮関数Ｆ（ＤＰパス）に関する制限と、重
みｗ(k)(＝ｗij(k))の定式化については種々のものが提
案されているが、これらは、図８（ａ）のように基本パ
スＥ(k) と重みｗ(k) とが、比較する２つの時系列に関
して対称形であるものと、図８（ｂ）のように非対称形
であるものとに分けられる。図８（ａ）の対称形の場合
は(10)式の関係が成立する。
【００１５】 ｗ(k) ＝( i(k)−i(k-1)) ＋( j(k)−j(k-1)) …(10) このとき、Ｗ＝Ｉ＋Ｊ−２となる。一方、図８（ｂ）の
非対称形の場合は、(11)式の関係が成立する。 ｗ(k) ＝j(k)−ｊ(k-1) ＝１ …(11) このとき、Ｗ＝Ｊ−１である。
非対称形の場合は、(11)式の関係が成立する。 ｗ(k) ＝j(k)−ｊ(k-1) ＝１ …(11) このとき、Ｗ＝Ｊ−１である。
【００１６】次に、時間軸の重み付けについて考える。
時間軸の重み付けを行う一つの方法として、重みｗ
ij(k) に位置c(k)に関する重みを組み込むことが考えら
れる。すなわち、基本パスＥ(K) の長さに関する重みを
ｗijp (k) とし、位置c(k)に関る重みをｗijt (k) とし
て、重みｗij(k) を、 ｗij(k) ＝ｗijp (k) ＋ｗijt (k) …(12) と書き直し、数５の(13)式の右辺がマッチングパスＦに
無関係に一定となるようにｗijp (k) を決めれば、時間
軸上での重み付けを組み込んだＤＰマッチングが行え
る。
時間軸の重み付けを行う一つの方法として、重みｗ
ij(k) に位置c(k)に関する重みを組み込むことが考えら
れる。すなわち、基本パスＥ(K) の長さに関する重みを
ｗijp (k) とし、位置c(k)に関る重みをｗijt (k) とし
て、重みｗij(k) を、 ｗij(k) ＝ｗijp (k) ＋ｗijt (k) …(12) と書き直し、数５の(13)式の右辺がマッチングパスＦに
無関係に一定となるようにｗijp (k) を決めれば、時間
軸上での重み付けを組み込んだＤＰマッチングが行え
る。
【００１７】
【数５】
【００１８】たとえば、図８（ｂ）に示した非対称形の
場合には、 ｗijp (k) ＝j(k)−j(k-1)＝1 …(14) ｗijt (k) ＝ｗijtj(j) …(15) とすれば、数６の(16)式は、マッチングパスＦとは無関
係に一定になる。
場合には、 ｗijp (k) ＝j(k)−j(k-1)＝1 …(14) ｗijt (k) ＝ｗijtj(j) …(15) とすれば、数６の(16)式は、マッチングパスＦとは無関
係に一定になる。
【００１９】
【数６】
【００２０】これは標準音声パターンＢの時間軸方向に
重み付けを行っていることに相当している。次に、特徴
パラメータ空間上での重み付けを考える。｛a(i,p)｝と
｛b(i,P)｝との距離ｄij(i,j) は、数７の(17)式のよう
になり、(17)式に重みβij(p,k) を導入すれば、数７の
(18)式が得られる。このとき、数７の(19)式が成立す
る。また、数７の(20)式および(21)式のようにおくと、
数１の (3)式は、(22)式のようになる。
重み付けを行っていることに相当している。次に、特徴
パラメータ空間上での重み付けを考える。｛a(i,p)｝と
｛b(i,P)｝との距離ｄij(i,j) は、数７の(17)式のよう
になり、(17)式に重みβij(p,k) を導入すれば、数７の
(18)式が得られる。このとき、数７の(19)式が成立す
る。また、数７の(20)式および(21)式のようにおくと、
数１の (3)式は、(22)式のようになる。
【００２１】
【数７】
【００２２】数７の(23)式がマッチング・パスに関係な
く一定となるようにすれば、時間軸上と特徴パラメータ
空間上での重み付けを組み込んだＤＰマッチングが行え
ることになる。ここで、αij(k) とβij(p,k) とを求め
る必要があるが、この値を求めるために本発明者らはニ
ューラルネットワークを用いる方法を先に提案している
（特願平４−６８８６８号）。
く一定となるようにすれば、時間軸上と特徴パラメータ
空間上での重み付けを組み込んだＤＰマッチングが行え
ることになる。ここで、αij(k) とβij(p,k) とを求め
る必要があるが、この値を求めるために本発明者らはニ
ューラルネットワークを用いる方法を先に提案している
（特願平４−６８８６８号）。
【００２３】なお、ここまでは、c(k)に対して距離ｄij
(c(k))と重みｗij(k) とを考えているが、基本パスE(k)
に対する入力音声パターンＡと標準音声パターンＢとの
局所距離ｄ(E(K))と重みｗ(k) とを考えると、入力音声
パターンＡと標準音声パターンＢとの距離D(A,B)は、数
８の(24)式のように書くことができる。ここで、数８の
(25)式および(26)式のようにおけば、数１の (3)式と同
じになるから、数８の(24)式のほうが一般化された表現
であることがわかる。そこで、数８の(24)式を書き直す
と、数８の(27)式が得られる。
(c(k))と重みｗij(k) とを考えているが、基本パスE(k)
に対する入力音声パターンＡと標準音声パターンＢとの
局所距離ｄ(E(K))と重みｗ(k) とを考えると、入力音声
パターンＡと標準音声パターンＢとの距離D(A,B)は、数
８の(24)式のように書くことができる。ここで、数８の
(25)式および(26)式のようにおけば、数１の (3)式と同
じになるから、数８の(24)式のほうが一般化された表現
であることがわかる。そこで、数８の(24)式を書き直す
と、数８の(27)式が得られる。
【００２４】
【数８】
【００２５】ところで、一般に、対称形のほうが非対称
形よりも認識率が高いことが知られている（迫江，千
葉；「音声認識におけるＤＰマッチング法の比較」，日
本音響学会音声研究会資料S73-22(1973)）。しかしなが
ら、非対称形には対称形にはない特長があるので非対称
形も用いられている。非対称形の特長の一つは数６の(1
6)式より明らかなように、W を入力音声の時間長に無関
係に一定とすることができる点である。また、非対称形
では、端点フリーＤＰマッチング方式を採用することが
原理的に可能である。端点フリーＤＰマッチング方式
は、２つの時系列の始点同士および終点同士を対応させ
るという境界条件を外し、２つの時系列を一定の範囲内
でずらして対応付けることを可能とするものである。こ
のような操作が可能であると、音声区間の検出誤りの影
響を回避することができ、さらにＤＰマッチング方式に
よる照合結果から逆に、正しい音声区間を決定すること
が可能になる。対称形の場合も、擬似的に端点フリーと
する方法が提案されてはいるが、この場合には終端c(k)
の位置によってW の値が変化し、入力音声パターンＡと
標準音声パターンＢとの距離D(A,B)は数９の(28)式のよ
うになる。これに対して、非対称形ではW の値が一定に
なる。
形よりも認識率が高いことが知られている（迫江，千
葉；「音声認識におけるＤＰマッチング法の比較」，日
本音響学会音声研究会資料S73-22(1973)）。しかしなが
ら、非対称形には対称形にはない特長があるので非対称
形も用いられている。非対称形の特長の一つは数６の(1
6)式より明らかなように、W を入力音声の時間長に無関
係に一定とすることができる点である。また、非対称形
では、端点フリーＤＰマッチング方式を採用することが
原理的に可能である。端点フリーＤＰマッチング方式
は、２つの時系列の始点同士および終点同士を対応させ
るという境界条件を外し、２つの時系列を一定の範囲内
でずらして対応付けることを可能とするものである。こ
のような操作が可能であると、音声区間の検出誤りの影
響を回避することができ、さらにＤＰマッチング方式に
よる照合結果から逆に、正しい音声区間を決定すること
が可能になる。対称形の場合も、擬似的に端点フリーと
する方法が提案されてはいるが、この場合には終端c(k)
の位置によってW の値が変化し、入力音声パターンＡと
標準音声パターンＢとの距離D(A,B)は数９の(28)式のよ
うになる。これに対して、非対称形ではW の値が一定に
なる。
【００２６】
【数９】
【００２７】要するに、非対称形の端点フリーＤＰマッ
チング方式では、１つの標準音声パターンＢに対して、
入力音声パターンＡの時間長や始端、終端の位置に関係
なくW の値が一定になるという特長を有している。この
特長によって、音声認識装置を簡単な構成とすることが
できるのである。
チング方式では、１つの標準音声パターンＢに対して、
入力音声パターンＡの時間長や始端、終端の位置に関係
なくW の値が一定になるという特長を有している。この
特長によって、音声認識装置を簡単な構成とすることが
できるのである。
【００２８】
【発明が解決しようとする課題】上述したように、非対
称形は簡単な構成で実現できるという特長を有してはい
るものの、対称形に比較して音声の認識率が低いという
問題点を有している。本発明は上記問題点の解決を目的
とするものであり、Staggered Array ＤＰマッチングを
用いて時間軸上の重み付けを行うことによって、対称形
を導入して音声の認識率を向上させた音声認識方式を提
供しようとするものである。
称形は簡単な構成で実現できるという特長を有してはい
るものの、対称形に比較して音声の認識率が低いという
問題点を有している。本発明は上記問題点の解決を目的
とするものであり、Staggered Array ＤＰマッチングを
用いて時間軸上の重み付けを行うことによって、対称形
を導入して音声の認識率を向上させた音声認識方式を提
供しようとするものである。
【００２９】
【課題を解決するための手段】本発明では、上記目的を
達成するために、Staggered Array ＤＰマッチングによ
る音声認識方式において、音声の認識時に、逐次計算を
行う方向に対する重み付け処理と、特徴パラメータ空間
上での重み付け処理とを付加し、音声の学習時に、各ユ
ニット間の結合の強さに上記重みを対応付けたニューラ
ルネットワークをバックプロパゲーションにより学習さ
せて上記重みを求めるのである。
達成するために、Staggered Array ＤＰマッチングによ
る音声認識方式において、音声の認識時に、逐次計算を
行う方向に対する重み付け処理と、特徴パラメータ空間
上での重み付け処理とを付加し、音声の学習時に、各ユ
ニット間の結合の強さに上記重みを対応付けたニューラ
ルネットワークをバックプロパゲーションにより学習さ
せて上記重みを求めるのである。
【００３０】
【作用】上記構成によれば、Staggered Array ＤＰマッ
チングによる音声認識方式を採用して、逐次計算を行う
方向に対する重み付け処理と、特徴パラメータ空間上で
の重み付け処理とを付加し、その重みをニューラルネッ
トワークを用いて求めるので、非対称形を主体としなが
らも対称形を導入することができ、音声の認識率を向上
させることができる。
チングによる音声認識方式を採用して、逐次計算を行う
方向に対する重み付け処理と、特徴パラメータ空間上で
の重み付け処理とを付加し、その重みをニューラルネッ
トワークを用いて求めるので、非対称形を主体としなが
らも対称形を導入することができ、音声の認識率を向上
させることができる。
【００３１】
【実施例】図１は本発明の概念を示している。本発明で
は、端点フリーStaggered ArrayＤＰマッチングによる
音声認識方式を採用している。Staggered Array ＤＰマ
ッチングは、ＤＰパスの長さの矛盾を軽減することを主
目的として提案されたものである（鹿野，相川；「Stag
gered Array ＤＰマッチング」，日本音響学会音声研究
会資料S82-15(1982)) 。ＤＰパスの長さの矛盾とは次の
ことを意味している。すなわち、図８（ａ）において、
斜めのパスの重みは(10)式、すなわち市街化距離（軸方
向に沿う経路をたどった場合の２つの格子点の間のみち
のり）で考えれば２になるが、ユークリッド距離で考え
れば（√２）とすべきであるというように、ＤＰパスと
ユークリッド距離とに相違が生じる場合のことを意味し
ている。このような矛盾（相違）を軽減するために、図
４に実線で示すように、長さの等しいＤＰパスDP1/2 の
みからなるＤＰマッチングの経路を考える。図４に実線
で示したＤＰパスDP1/2 は、１／２の傾斜制限（マッチ
ングの極端な伸縮を防ぐために局所的な傾斜をある範囲
内に制限するもの）になっている。このＤＰパスDP1/2
の経路上での最適パスを求めるには、３点おきの◎で示
した格子点上でのみＤＰマッチングの繰り返し逐次計算
を行うようにすればよい。したがって、逐次計算の回数
を１／３にすることができる。また、線形整合性（ＤＰ
パスから伸縮のためのＤＰパスを取り除いたときに、線
形マッチングと同じ尺度となる）を満足させるために、
１／１の斜めのＤＰパスDP1/1を加えることも可能であ
る。この場合には、１／２の傾斜制限パスと１／１の斜
めのパスの２種類の異なるＤＰパスが存在するが、その
長さの違いは、１／２のＤＰパスDP1/2 のユークリッド
距離を１とすると、１／１のＤＰパスDP1/1 のユークリ
ッド距離は１．９となり、図４に例示したStaggered Ar
ray ＤＰマッチングよるＤＰパスの比１：２に近くな
る。したがって、市街化距離を用いたＤＰパスに比較し
てＤＰパスの長さの矛盾が大幅に軽減されることにな
る。
は、端点フリーStaggered ArrayＤＰマッチングによる
音声認識方式を採用している。Staggered Array ＤＰマ
ッチングは、ＤＰパスの長さの矛盾を軽減することを主
目的として提案されたものである（鹿野，相川；「Stag
gered Array ＤＰマッチング」，日本音響学会音声研究
会資料S82-15(1982)) 。ＤＰパスの長さの矛盾とは次の
ことを意味している。すなわち、図８（ａ）において、
斜めのパスの重みは(10)式、すなわち市街化距離（軸方
向に沿う経路をたどった場合の２つの格子点の間のみち
のり）で考えれば２になるが、ユークリッド距離で考え
れば（√２）とすべきであるというように、ＤＰパスと
ユークリッド距離とに相違が生じる場合のことを意味し
ている。このような矛盾（相違）を軽減するために、図
４に実線で示すように、長さの等しいＤＰパスDP1/2 の
みからなるＤＰマッチングの経路を考える。図４に実線
で示したＤＰパスDP1/2 は、１／２の傾斜制限（マッチ
ングの極端な伸縮を防ぐために局所的な傾斜をある範囲
内に制限するもの）になっている。このＤＰパスDP1/2
の経路上での最適パスを求めるには、３点おきの◎で示
した格子点上でのみＤＰマッチングの繰り返し逐次計算
を行うようにすればよい。したがって、逐次計算の回数
を１／３にすることができる。また、線形整合性（ＤＰ
パスから伸縮のためのＤＰパスを取り除いたときに、線
形マッチングと同じ尺度となる）を満足させるために、
１／１の斜めのＤＰパスDP1/1を加えることも可能であ
る。この場合には、１／２の傾斜制限パスと１／１の斜
めのパスの２種類の異なるＤＰパスが存在するが、その
長さの違いは、１／２のＤＰパスDP1/2 のユークリッド
距離を１とすると、１／１のＤＰパスDP1/1 のユークリ
ッド距離は１．９となり、図４に例示したStaggered Ar
ray ＤＰマッチングよるＤＰパスの比１：２に近くな
る。したがって、市街化距離を用いたＤＰパスに比較し
てＤＰパスの長さの矛盾が大幅に軽減されることにな
る。
【００３２】格子点を間引く値Ｎを、４，５，６，……
と３以上の値にしても、各種のStaggered Array ＤＰマ
ッチング方式を導くことができる。Ｎが奇数であれば(N
−1)／(N＋1)となり、Ｎが偶数であれば(N−2)／(N＋2)
となる。繰り返し逐次計算は、(29)式を満たす格子点
(i,j) 上でｌの値の小さい更新点から順次行われる。 ｉ＋ｊ＝Ｎ・ｌ＋２ （ｌ＝1,2,……,lmax ） …(29) ただし、 lmax ＝(I+J)/Nこのときのコスト関数ｇ(E
(K))は、図６に示すようなレジスタｒl (q) に蓄えら
れ、１／１のＤＰパスDP1/1 を含まない場合は、(30)式
のようになる。
と３以上の値にしても、各種のStaggered Array ＤＰマ
ッチング方式を導くことができる。Ｎが奇数であれば(N
−1)／(N＋1)となり、Ｎが偶数であれば(N−2)／(N＋2)
となる。繰り返し逐次計算は、(29)式を満たす格子点
(i,j) 上でｌの値の小さい更新点から順次行われる。 ｉ＋ｊ＝Ｎ・ｌ＋２ （ｌ＝1,2,……,lmax ） …(29) ただし、 lmax ＝(I+J)/Nこのときのコスト関数ｇ(E
(K))は、図６に示すようなレジスタｒl (q) に蓄えら
れ、１／１のＤＰパスDP1/1 を含まない場合は、(30)式
のようになる。
【００３３】 ｒl (q) ＝min[ｒl-1(q-1),rl-1(q+1)] ＋ｄ(E(k)) …(30) また、１／１のＤＰパスDP1/1 を含む場合は、(31)式の
ようになる。 ｒl (q) ＝min[ｒl-1(q-1),rl-2(q)＋ｄ(E(k))，r l-1(q+1)] ＋ｄ(E(k)) …(31) 具体的には、ｄ(E(k))の計算式や与え方やコスト関数の
計算点の与え方によって種々のものが考えられる。図５
（ａ）にコスト関数の計算点Ｐg が格子点上にある場合
を示し、図５（ｂ）にコスト関数の計算点Ｐg が格子点
上にない場合を示す。たとえば、以下のようになる。
ようになる。 ｒl (q) ＝min[ｒl-1(q-1),rl-2(q)＋ｄ(E(k))，r l-1(q+1)] ＋ｄ(E(k)) …(31) 具体的には、ｄ(E(k))の計算式や与え方やコスト関数の
計算点の与え方によって種々のものが考えられる。図５
（ａ）にコスト関数の計算点Ｐg が格子点上にある場合
を示し、図５（ｂ）にコスト関数の計算点Ｐg が格子点
上にない場合を示す。たとえば、以下のようになる。
【００３４】 (1) ＤＰ3-1 ｒl (j-i) ＝min[ｒl-1(j-i-1), ｒl-1(j-i+1)] ＋ｄij(i,j) …(32) (2) ＤＰ3-2 ｒl (j-i) ＝min[ｒl-1(j-i-1)＋ｄij(i,j-1), ｒl-1(j-i+1)＋ｄij(i-1,j)] ＋ｄij(i-1,j-1) …(33) (3) ＤＰ3-3 ｒl (j-i) ＝min[ｒl-1(j-i-1)＋ｄij(i,j-1), ｒl-1(j-i+1)＋ｄij(i-1,j)] ＋ｄij(i,j) …(34) (4) ＤＰ3-4 ｒl (j-i) ＝min[ｒl-1(j-i-1)＋ｄij(i,j-1), ｒl-2(j-i)＋ｄij(i-1,j-1) ＋2 ｄij(i-2,j-2), ｒl-1(j-i+1)＋ｄij(i-1,j)] ＋ｄij(i-1,j-1) …(35) (5) ＤＰ3-5 ｒl (j-i) ＝min[ｒl-1(j-i-1)＋ｄij(i,j-1) ＋ｄij(i,j), ｒl-2(j-i)＋(4/3) ｛ｄij(i,j) ＋ｄij(i-1,j-1) ＋ｄij(i-1,j-1) ＋ｄij(i-2,j-2) ｝, ｒl-1(j-i+1)＋ｄij(i-1,j) ＋ｄij(i,j)] …(36) ＤＰ3-2 は、ＤＰパス上の距離値ｄ(E(k))をｄij(i-1,
j) から補間により推定し（図５（ａ）参照）、ＤＰ3-1
の精度を向上させたものである。ＤＰ3-3 は、ＤＰ3-2
のコスト関数ｇ(E(k))の計算点を（１／２，１／２）
だけずらしたものである（図５（ｂ）参照）。ＤＰ3-2
に１／１の斜めのＤＰパスDP1/1 を加えたものがＤＰ3-
4 であり、ＤＰ3-3 に１／１の斜めのＤＰパスDP1/1 を
加えたものがＤＰ3-5 である。上述のようなＤＰパスの
うち厳密な意味での線形整合性を満たすものはＤＰ3-5
である。
j) から補間により推定し（図５（ａ）参照）、ＤＰ3-1
の精度を向上させたものである。ＤＰ3-3 は、ＤＰ3-2
のコスト関数ｇ(E(k))の計算点を（１／２，１／２）
だけずらしたものである（図５（ｂ）参照）。ＤＰ3-2
に１／１の斜めのＤＰパスDP1/1 を加えたものがＤＰ3-
4 であり、ＤＰ3-3 に１／１の斜めのＤＰパスDP1/1 を
加えたものがＤＰ3-5 である。上述のようなＤＰパスの
うち厳密な意味での線形整合性を満たすものはＤＰ3-5
である。
【００３５】次に、Staggered Array ＤＰマッチングで
端点フリーとする方法を説明する。Staggered Array Ｄ
Ｐマッチングでは、ＤＰパスの繰り返し逐次計算を、(3
7)式を満足する窓制限内の格子点(i,j) でｌの小さい値
から順次行っている。 ｉ＋ｊ＝Ｎ・ｌ＋２ （l ＝1,2,……,lmax ) …(37) 格子点（i,j)の値は窓制限内の点で、かつ１≦ｉ≦Ｉ，
１≦ｊ≦Ｊを満す。ここで、入力音声パターンＡについ
て、始端｛a(1,p)｝以前のフレーム｛a(-ma ,p)｝, …
…, ｛a(0,p)｝と、終端｛a(I,p)｝以後のフレーム｛a
(I+1,p)｝, ……,｛a(I+ma',p)｝が入力されていて、 Ａ＝｛a(-ma,p)｝, …, ｛a(0,p)｝, ｛a(1,p)｝, …, ｛a(I,p)｝, ｛a(I+1,p)｝, …, ｛a(I+ma',p)｝ …(38) と表され、標準音声パターンＢも同様に、｛b(1,p)｝以
前のフレームと、｛b(J,p)｝以後のフレームが記憶され
ていて、 Ｂ＝｛b(-mb,p)｝, …, ｛b(0,p)｝, ｛b(1,p)｝, …, ｛b(J,p)｝, ｛b(J+1,p)｝, …, ｛b(I+mb',p)｝ …(39) と表されているものとする。このような時系列Ａ，Ｂに
対して、図６に示すように、窓制限をｉ＜１あるいはｊ
＜１の領域と、ｉ＞Ｉあるいはｊ＞Ｊの領域まで拡張す
ることを考える。さらに、始点も点(1,1) から窓制限内
の点の集合｛(i,j) ｜i+j=2 ｝に拡張することを考え
る。図６の例では、始端が(1,1) から窓制限内の集合
｛(5,-3), (4,-2), (3,-1), (2,0), (1,1), (0,2), (-
1,3), (-2,4), (-3,5) ｝に拡張されている。同様にし
て、終端も点(I,J) から窓制限内の点の集合｛(i,j) ｜
I+J=N lmax+2｝に拡張される。このようにして、拡張さ
れた始点での点の集合のコスト関数の値｛ｒ0(j-i)｝を
０として、ＤＰパスの繰り返し逐次計算を開始する。
端点フリーとする方法を説明する。Staggered Array Ｄ
Ｐマッチングでは、ＤＰパスの繰り返し逐次計算を、(3
7)式を満足する窓制限内の格子点(i,j) でｌの小さい値
から順次行っている。 ｉ＋ｊ＝Ｎ・ｌ＋２ （l ＝1,2,……,lmax ) …(37) 格子点（i,j)の値は窓制限内の点で、かつ１≦ｉ≦Ｉ，
１≦ｊ≦Ｊを満す。ここで、入力音声パターンＡについ
て、始端｛a(1,p)｝以前のフレーム｛a(-ma ,p)｝, …
…, ｛a(0,p)｝と、終端｛a(I,p)｝以後のフレーム｛a
(I+1,p)｝, ……,｛a(I+ma',p)｝が入力されていて、 Ａ＝｛a(-ma,p)｝, …, ｛a(0,p)｝, ｛a(1,p)｝, …, ｛a(I,p)｝, ｛a(I+1,p)｝, …, ｛a(I+ma',p)｝ …(38) と表され、標準音声パターンＢも同様に、｛b(1,p)｝以
前のフレームと、｛b(J,p)｝以後のフレームが記憶され
ていて、 Ｂ＝｛b(-mb,p)｝, …, ｛b(0,p)｝, ｛b(1,p)｝, …, ｛b(J,p)｝, ｛b(J+1,p)｝, …, ｛b(I+mb',p)｝ …(39) と表されているものとする。このような時系列Ａ，Ｂに
対して、図６に示すように、窓制限をｉ＜１あるいはｊ
＜１の領域と、ｉ＞Ｉあるいはｊ＞Ｊの領域まで拡張す
ることを考える。さらに、始点も点(1,1) から窓制限内
の点の集合｛(i,j) ｜i+j=2 ｝に拡張することを考え
る。図６の例では、始端が(1,1) から窓制限内の集合
｛(5,-3), (4,-2), (3,-1), (2,0), (1,1), (0,2), (-
1,3), (-2,4), (-3,5) ｝に拡張されている。同様にし
て、終端も点(I,J) から窓制限内の点の集合｛(i,j) ｜
I+J=N lmax+2｝に拡張される。このようにして、拡張さ
れた始点での点の集合のコスト関数の値｛ｒ0(j-i)｝を
０として、ＤＰパスの繰り返し逐次計算を開始する。
【００３６】上述したＤＰマッチングでは、入力音声パ
ターンＡと標準音声パターンＢとの距離D(A,B)は、数１
０の(40)式のようになる。
ターンＡと標準音声パターンＢとの距離D(A,B)は、数１
０の(40)式のようになる。
【００３７】
【数１０】
【００３８】上述したような端点フリーStaggered Arra
y ＤＰマッチング方式に対して、以下のようにして時間
軸上と特徴パラメータ空間上での重みを導入する。ま
ず、入力音声パターンの時間長Ｉが、照合される標準音
声パターンの時間長Ｊに対して(41)式を満たしているか
どうかを調べ、満たしていない場合には、その入力音声
を受け付けないようにする。
y ＤＰマッチング方式に対して、以下のようにして時間
軸上と特徴パラメータ空間上での重みを導入する。ま
ず、入力音声パターンの時間長Ｉが、照合される標準音
声パターンの時間長Ｊに対して(41)式を満たしているか
どうかを調べ、満たしていない場合には、その入力音声
を受け付けないようにする。
【００３９】 Ｊ−mb' ≦１≦Ｊ＋mb' …(41) すなわち、(41)式の条件を満たさない入力音声は合致す
る標準音声が存在しないとみなすのであって、(41)式の
条件が満たされる場合にのみ、照合の処理を行う。この
ように、照合処理を行う前に入力条件を制限する前処理
を施すことによって、入力音声に対して(40)式の分母を
常に一定に保つことができる。
る標準音声が存在しないとみなすのであって、(41)式の
条件が満たされる場合にのみ、照合の処理を行う。この
ように、照合処理を行う前に入力条件を制限する前処理
を施すことによって、入力音声に対して(40)式の分母を
常に一定に保つことができる。
【００４０】次に、時間軸上の重み付けについては直線
ｉ＋ｊ＝Ｎ・ｌ＋２（第ｌ段とする）に対して直交する
方向に重み付けを行い、特徴パラメータ空間上での重み
付けは各段ごとに行う。すなわち、第ｌ段に対する時間
軸上の重みをαs (l) とし、第ｌ段内での｛a(i,p)｝と
｛b(j,p)｝との正規化していない重み付き距離ｄijws'
(i,j,l)を次式のように規定する。
ｉ＋ｊ＝Ｎ・ｌ＋２（第ｌ段とする）に対して直交する
方向に重み付けを行い、特徴パラメータ空間上での重み
付けは各段ごとに行う。すなわち、第ｌ段に対する時間
軸上の重みをαs (l) とし、第ｌ段内での｛a(i,p)｝と
｛b(j,p)｝との正規化していない重み付き距離ｄijws'
(i,j,l)を次式のように規定する。
【００４１】
【数１１】
【００４２】数１１の(42)式は、｛a(i,p)｝と｛b(j,
p)｝との距離が(18)式で表される場合であるが、他の場
合でも、重み付き距離ｄijws'(i,j,l)が重みβs (p,l)
の線形結合で表される場合は同様になる。このとき、入
力音声パターンと標準音声パターンとの距離D(A,B)は、
数１２の(43)式のように表される。
p)｝との距離が(18)式で表される場合であるが、他の場
合でも、重み付き距離ｄijws'(i,j,l)が重みβs (p,l)
の線形結合で表される場合は同様になる。このとき、入
力音声パターンと標準音声パターンとの距離D(A,B)は、
数１２の(43)式のように表される。
【００４３】
【数１２】
【００４４】また、(32)〜(36)式に対応する逐次計算式
は、次のようになる。 (1) ＤＰ3-1 ｒl (j-i) ＝min[ｒl-1(j-i-1), ｒl-1(j-i+1)] ＋αs (l) ｄijws'(i,j,l) …(44) (2) ＤＰ3-2 ｒl (j-i) ＝min[ｒl-1(j-i-1)＋αs (l) ｄijws'(i,j-1,l), ｒl-1(j-i+1)＋αs (l) ｄijws'(i-1,j,l)] ＋αs (l) ｄijws'(i-1,j-1,l) …(45) (3) ＤＰ3-3 ｒl (j-i) ＝min[ｒl-1(j-i-1)＋αs (l) ｄijws'(i,j-1,l), ｒl-1(j-i+1)＋αs (l) ｄijws'(i-1,j,l)] ＋αs (l) ｄijws'(i,j,l) …(46) (4) ＤＰ3-4 ｒl (j-i) ＝min[ｒl-1(j-i-1)＋αs (l) ｄijws'(i,j-1,l), ｒl-2(j-i)＋αs (l) ｄijws'(i-1,j-1,l) ＋2 αs (l) ｄijws'(i-2,j-2,l), ｒl-1(j-i+1)＋αs (l) ｄijws'(i-1,j,l)] ＋αs (l) ｄijws'(i-1,j-1,l) …(47) (5) ＤＰ3-5 ｒl (j-i) ＝min[ｒl-1(j-i-1)＋αs (l) ｄijws'(i,j-1,l) ＋αs (l) ｄijws'(i,j,l), ｒl-2(j-i)＋(4/3) ｛αs (l) ｄijws'(i,j,l) ＋ (αs (l)/2)ｄijws'(i-1,j-1,l) ＋ (αs (l-1)/2)ｄijws'(i-1,j-1,l-1) ＋αs (l-1) ｄijws'(i-2,j-2,l-1)｝, ｒl-1(j-i+1)＋αs (l) ｄijws'(i-1,j,l)＋αs (l) ｄijws'(i,j,l)] …(48) この場合、重みαs (l) は、先の出願である特願平４−
６８８６８号で示したような標準音声パターンの時間軸
方向の重み付けとはならないが、αs (l) を緩やかに変
化させることにより、たとえば標準音声パターンと入力
音声パターンの前半部に大きな重みをかけるというよう
な大まかな重み付けは可能であり、また認識率の向上の
ためにはそれで十分であると考えられる。
は、次のようになる。 (1) ＤＰ3-1 ｒl (j-i) ＝min[ｒl-1(j-i-1), ｒl-1(j-i+1)] ＋αs (l) ｄijws'(i,j,l) …(44) (2) ＤＰ3-2 ｒl (j-i) ＝min[ｒl-1(j-i-1)＋αs (l) ｄijws'(i,j-1,l), ｒl-1(j-i+1)＋αs (l) ｄijws'(i-1,j,l)] ＋αs (l) ｄijws'(i-1,j-1,l) …(45) (3) ＤＰ3-3 ｒl (j-i) ＝min[ｒl-1(j-i-1)＋αs (l) ｄijws'(i,j-1,l), ｒl-1(j-i+1)＋αs (l) ｄijws'(i-1,j,l)] ＋αs (l) ｄijws'(i,j,l) …(46) (4) ＤＰ3-4 ｒl (j-i) ＝min[ｒl-1(j-i-1)＋αs (l) ｄijws'(i,j-1,l), ｒl-2(j-i)＋αs (l) ｄijws'(i-1,j-1,l) ＋2 αs (l) ｄijws'(i-2,j-2,l), ｒl-1(j-i+1)＋αs (l) ｄijws'(i-1,j,l)] ＋αs (l) ｄijws'(i-1,j-1,l) …(47) (5) ＤＰ3-5 ｒl (j-i) ＝min[ｒl-1(j-i-1)＋αs (l) ｄijws'(i,j-1,l) ＋αs (l) ｄijws'(i,j,l), ｒl-2(j-i)＋(4/3) ｛αs (l) ｄijws'(i,j,l) ＋ (αs (l)/2)ｄijws'(i-1,j-1,l) ＋ (αs (l-1)/2)ｄijws'(i-1,j-1,l-1) ＋αs (l-1) ｄijws'(i-2,j-2,l-1)｝, ｒl-1(j-i+1)＋αs (l) ｄijws'(i-1,j,l)＋αs (l) ｄijws'(i,j,l)] …(48) この場合、重みαs (l) は、先の出願である特願平４−
６８８６８号で示したような標準音声パターンの時間軸
方向の重み付けとはならないが、αs (l) を緩やかに変
化させることにより、たとえば標準音声パターンと入力
音声パターンの前半部に大きな重みをかけるというよう
な大まかな重み付けは可能であり、また認識率の向上の
ためにはそれで十分であると考えられる。
【００４５】本発明では、上述した重みαs (l) および
βs (p,l) を、図１ないし図３に示すように、ニューラ
ルネットワークＮＮを用いることによって求める。ここ
に、認識時には数１３の(49)式のように定義したｒmin
を用いれば、入力音声パターンＡと標準音声パターンＢ
との距離D(A,B)は(50)式のように表されるが、さらに(5
1)式を用いることによって、距離D'(A,B) として(52)式
のように表し、この距離D'(A,B) が最小になる標準音声
パターンに対する音声を認識音声とみなす。
βs (p,l) を、図１ないし図３に示すように、ニューラ
ルネットワークＮＮを用いることによって求める。ここ
に、認識時には数１３の(49)式のように定義したｒmin
を用いれば、入力音声パターンＡと標準音声パターンＢ
との距離D(A,B)は(50)式のように表されるが、さらに(5
1)式を用いることによって、距離D'(A,B) として(52)式
のように表し、この距離D'(A,B) が最小になる標準音声
パターンに対する音声を認識音声とみなす。
【００４６】
【数１３】
【００４７】θは後述する学習時に求める。このように
すれば、距離D'(A,B) が正規化されることになる。ニュ
ーラルネットワークＮＮは、バックプロパゲーションに
より学習を行うものであって、１つの標準音声パターン
に対して１個用意される。また、図２に示すように、入
力層と中間層と出力層との３層を有している。ここに、
出力層のユニットを１個としているから、１つの標準音
声パターンに対して１個のニューラルネットワークが必
要になっているが、出力層のユニットが複数個であるニ
ューラルネットワークを用いれば、１つのニューラルネ
ットワークによって複数の標準音声パターンを分類する
ことも可能である。ニューラルネットワークＮＮへの入
力は、ｘ(p,l) であり、出力はｙ（＝D'(A,B) ）であ
る。また、入力は各段に対応している（第ｌ段に対応す
る入力ユニットをＳl として示している) 。また、入力
層のユニットの一つＳθはθを求めるために用いられ
る。
すれば、距離D'(A,B) が正規化されることになる。ニュ
ーラルネットワークＮＮは、バックプロパゲーションに
より学習を行うものであって、１つの標準音声パターン
に対して１個用意される。また、図２に示すように、入
力層と中間層と出力層との３層を有している。ここに、
出力層のユニットを１個としているから、１つの標準音
声パターンに対して１個のニューラルネットワークが必
要になっているが、出力層のユニットが複数個であるニ
ューラルネットワークを用いれば、１つのニューラルネ
ットワークによって複数の標準音声パターンを分類する
ことも可能である。ニューラルネットワークＮＮへの入
力は、ｘ(p,l) であり、出力はｙ（＝D'(A,B) ）であ
る。また、入力は各段に対応している（第ｌ段に対応す
る入力ユニットをＳl として示している) 。また、入力
層のユニットの一つＳθはθを求めるために用いられ
る。
【００４８】入力層のユニットの出力関数ｆx (z) 、中
間層のユニットの出力関数ｆh (z)、出力層のユニット
の出力関数ｆy (z) は、それぞれ以下のようにする。 ｆx (z) ＝ｚ …(53) ｆh (z) ＝ｚ …(54) ｆy (z) ＝１／｛１＋exp(-z) ｝ …(55) また、出力層のユニットへの入力に対する重みがα
s (l) に対応し、中間層ユニットの入力に対する重みが
βs (p,l) に対応する。また、図２に示したθ1 および
θ2 は、(56)式の関係を有するから、(57)式のようにθ
1 ，θ2 はθに対応している。
間層のユニットの出力関数ｆh (z)、出力層のユニット
の出力関数ｆy (z) は、それぞれ以下のようにする。 ｆx (z) ＝ｚ …(53) ｆh (z) ＝ｚ …(54) ｆy (z) ＝１／｛１＋exp(-z) ｝ …(55) また、出力層のユニットへの入力に対する重みがα
s (l) に対応し、中間層ユニットの入力に対する重みが
βs (p,l) に対応する。また、図２に示したθ1 および
θ2 は、(56)式の関係を有するから、(57)式のようにθ
1 ，θ2 はθに対応している。
【００４９】 ｆD'( ｚ，θ1)＝ｆy (z−θ2) …(56) θ＝−( θ1 ＋θ2 ) …(57) 学習は以下のように行う。まず、ニューラルネットワー
クＮＮ上でその時点で求まっているαs (l) ，βs (p,
l) を用いて、標準音声パターンと学習用入力音声パタ
ーンとについて上述した照合を行う。このとき得られた
マッチングパスに基づくｒmin の計算式を数１４の(58)
式のようにαs (l) に関して展開し、さらにその展開係
数をβs (p,l) に関して展開する。
クＮＮ上でその時点で求まっているαs (l) ，βs (p,
l) を用いて、標準音声パターンと学習用入力音声パタ
ーンとについて上述した照合を行う。このとき得られた
マッチングパスに基づくｒmin の計算式を数１４の(58)
式のようにαs (l) に関して展開し、さらにその展開係
数をβs (p,l) に関して展開する。
【００５０】
【数１４】
【００５１】たとえば、ＤＰ3-4 において、第ｌ段の格
子点(i,j) で ｒl (j-i) ＝ｒl-1(j-i-1)＋αs (l) ｄijws'(i,j-1,l) ＋αs (l) ｄijws'(i-1,j-1,l) …(59) に対応するパス、第 (l-1)段で、 ｒl-1(j-l-1)＝ｒl-3(j-i-1)＋２αs (l−1)・ｄijws'(i-2,j-3,l-1) ＋２αs (l−2)・ｄijws'(i-3,j-4,l-2) …(60) に対応するパスが選ばれたとすると（図３の実線がパス
を示す）、以下のようになる。
子点(i,j) で ｒl (j-i) ＝ｒl-1(j-i-1)＋αs (l) ｄijws'(i,j-1,l) ＋αs (l) ｄijws'(i-1,j-1,l) …(59) に対応するパス、第 (l-1)段で、 ｒl-1(j-l-1)＝ｒl-3(j-i-1)＋２αs (l−1)・ｄijws'(i-2,j-3,l-1) ＋２αs (l−2)・ｄijws'(i-3,j-4,l-2) …(60) に対応するパスが選ばれたとすると（図３の実線がパス
を示す）、以下のようになる。
【００５２】
【数１５】
【００５３】したがって、 ｘ(p,l-2) ＝２(a(i-3, p)−b(j-4, p)) 2 …(62) ｘ(p,l-1) ＝２(a(i-2, p)−b(j-3, p)) 2 …(63) ｘ(p,l) ＝(a(i, p)−b(j-1, p))2 ＋(a(i-1, p)−b(j-1, p))2 …(64) となる。
【００５４】この入力に対して、出力は学習用入力音声
パターンが標準音声パターンと同じ内容の音声である場
合は、ｙ＝０、異なる場合はｙ＝１として学習する。α
s (l) とβs (p,l) との学習開始時の初期値を次のよう
に設定する。 αs (l) ＝１ …(65) βs (p,l) ＝１ …(66) このとき通常のStaggered Array ＤＰマッチングと同じ
漸化式となる。また、θ1 とθ2 とについては、標準音
声パターンと同じ内容の音声である学習用入力音声パタ
ーンに対して通常のStaggered Array ＤＰマッチング
（すなわち、αs(l) ＝βs (l) ＝１）を行い、その中
で最大になるｒmin に対して、 ｆD '(ｒmin ，θ) ＝0.1 となるθに対して(57)式が成立するような適当な値とす
る。
パターンが標準音声パターンと同じ内容の音声である場
合は、ｙ＝０、異なる場合はｙ＝１として学習する。α
s (l) とβs (p,l) との学習開始時の初期値を次のよう
に設定する。 αs (l) ＝１ …(65) βs (p,l) ＝１ …(66) このとき通常のStaggered Array ＤＰマッチングと同じ
漸化式となる。また、θ1 とθ2 とについては、標準音
声パターンと同じ内容の音声である学習用入力音声パタ
ーンに対して通常のStaggered Array ＤＰマッチング
（すなわち、αs(l) ＝βs (l) ＝１）を行い、その中
で最大になるｒmin に対して、 ｆD '(ｒmin ，θ) ＝0.1 となるθに対して(57)式が成立するような適当な値とす
る。
【００５５】このように選択すれば、通常のStaggered
Array ＤＰマッチング方式とほぼ同じ状態を初期値とし
て学習が始まるので、安定した結果が得られる。
Array ＤＰマッチング方式とほぼ同じ状態を初期値とし
て学習が始まるので、安定した結果が得られる。
【００５６】
【発明の効果】本発明は上述のように、Staggered Arra
y ＤＰマッチングによる音声認識方式を採用して、逐次
計算を行う方向に対する重み付け処理と、特徴パラメー
タ空間上での重み付け処理とを付加し、その重みをニュ
ーラルネットワークを用いて求めるので、対称形を導入
することができ、音声認識率が向上することが期待で
き、しかも、従来のＤＰマッチング方式と比較して、重
みをかけるための処理が付加されるのみであって、処理
の負担増がほとんどないから、コストの増加や認識応答
速度の低下がほとんどなく、しかも認識率を高めること
ができるという効果がある。
y ＤＰマッチングによる音声認識方式を採用して、逐次
計算を行う方向に対する重み付け処理と、特徴パラメー
タ空間上での重み付け処理とを付加し、その重みをニュ
ーラルネットワークを用いて求めるので、対称形を導入
することができ、音声認識率が向上することが期待で
き、しかも、従来のＤＰマッチング方式と比較して、重
みをかけるための処理が付加されるのみであって、処理
の負担増がほとんどないから、コストの増加や認識応答
速度の低下がほとんどなく、しかも認識率を高めること
ができるという効果がある。
【図１】本発明の実施例の概念を説明する図である。
【図２】本発明の実施例におけるニューラルネットワー
クの構成を示す図である。
クの構成を示す図である。
【図３】本発明の実施例における入力音声パターンと標
準音声パターンとのマッチングパスを示す図である。
準音声パターンとのマッチングパスを示す図である。
【図４】通常のStaggered Array ＤＰマッチングの概念
を説明する図である。
を説明する図である。
【図５】Staggered Array ＤＰマッチングでの逐次計算
の例を示し、（ａ）はコスト関数計算点が格子点上にあ
る場合、（ｂ）はコスト関数計算点が格子点上にない場
合を示す図である。
の例を示し、（ａ）はコスト関数計算点が格子点上にあ
る場合、（ｂ）はコスト関数計算点が格子点上にない場
合を示す図である。
【図６】端点フリーStaggered Array ＤＰマッチングの
概念を説明する図である。
概念を説明する図である。
【図７】通常のＤＰマッチングの概念を説明する図であ
る。
る。
【図８】ＤＰマッチングの概念を示し（ａ）は対称形、
（ｂ）は非対称形を示す図である。
（ｂ）は非対称形を示す図である。
ＮＮ ニューラルネットワーク
Claims (1)
- 【請求項１】 スタガードアレイ（Staggered Array ）
ＤＰマッチングによる音声認識方式において、音声の認
識時に、逐次計算を行う方向に対する重み付け処理と、
特徴パラメータ空間上での重み付け処理とを付加し、音
声の学習時に、各ユニット間の結合の強さに上記重みを
対応付けたニューラルネットワークをバックプロパゲー
ションにより学習させて上記重みを求めることを特徴と
する音声認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4201612A JPH0651794A (ja) | 1992-07-28 | 1992-07-28 | 音声認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4201612A JPH0651794A (ja) | 1992-07-28 | 1992-07-28 | 音声認識方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0651794A true JPH0651794A (ja) | 1994-02-25 |
Family
ID=16443951
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4201612A Withdrawn JPH0651794A (ja) | 1992-07-28 | 1992-07-28 | 音声認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0651794A (ja) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004080669A (ja) * | 2002-08-22 | 2004-03-11 | Hitachi Kokusai Electric Inc | 監視カメラ装置 |
| JP2009225398A (ja) * | 2008-03-19 | 2009-10-01 | Secom Co Ltd | 画像配信システム |
| JP2010028265A (ja) * | 2008-07-16 | 2010-02-04 | Mitsubishi Electric Corp | 監視システムおよび監視モニタ装置 |
| JP2011130271A (ja) * | 2009-12-18 | 2011-06-30 | Canon Inc | 撮像装置および映像処理装置 |
| JP2016032141A (ja) * | 2014-07-28 | 2016-03-07 | パナソニックＩｐマネジメント株式会社 | モニタリング装置、モニタリングシステムおよびモニタリング方法 |
-
1992
- 1992-07-28 JP JP4201612A patent/JPH0651794A/ja not_active Withdrawn
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004080669A (ja) * | 2002-08-22 | 2004-03-11 | Hitachi Kokusai Electric Inc | 監視カメラ装置 |
| JP2009225398A (ja) * | 2008-03-19 | 2009-10-01 | Secom Co Ltd | 画像配信システム |
| JP2010028265A (ja) * | 2008-07-16 | 2010-02-04 | Mitsubishi Electric Corp | 監視システムおよび監視モニタ装置 |
| JP2011130271A (ja) * | 2009-12-18 | 2011-06-30 | Canon Inc | 撮像装置および映像処理装置 |
| JP2016032141A (ja) * | 2014-07-28 | 2016-03-07 | パナソニックＩｐマネジメント株式会社 | モニタリング装置、モニタリングシステムおよびモニタリング方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109841220B (zh) | 语音信号处理模型训练方法、装置、电子设备及存储介质 | |
| JP2733955B2 (ja) | 適応型音声認識装置 | |
| JP3742236B2 (ja) | 音声認識のための隠れマルコフ・モデルの適応技術 | |
| JP4180110B2 (ja) | 言語認識 | |
| US6490555B1 (en) | Discriminatively trained mixture models in continuous speech recognition | |
| US8396715B2 (en) | Confidence threshold tuning | |
| US7127393B2 (en) | Dynamic semantic control of a speech recognition system | |
| JP2979711B2 (ja) | パターン認識方式および標準パターン学習方式 | |
| JP6789455B2 (ja) | 音声分離装置、音声分離方法、音声分離プログラム、及び音声分離システム | |
| Lee et al. | Ensemble of jointly trained deep neural network-based acoustic models for reverberant speech recognition | |
| WO2021093798A1 (zh) | 用于选择麦克风阵列的输出波束的方法 | |
| KR102406512B1 (ko) | 음성인식 방법 및 그 장치 | |
| JP2751856B2 (ja) | 木構造を用いたパターン適応化方式 | |
| JPH0651794A (ja) | 音声認識方式 | |
| JP2002123286A (ja) | 音声認識方法 | |
| JP2000298495A (ja) | 音声認識装置用の回帰クラス木構造の指定方法 | |
| US6339759B1 (en) | Method of determining an acoustic model for a word | |
| JP2005338358A (ja) | 音響モデル雑音適応化方法およびこの方法を実施する装置 | |
| JPH10254496A (ja) | 音声認識方式 | |
| US5794191A (en) | Neural network based speech recognition method utilizing spectrum-dependent and time-dependent coefficients | |
| Nandyala et al. | Hybrid HMM/DTW based speech recognition with kernel adaptive filtering method | |
| JP3100180B2 (ja) | 音声認識方法 | |
| JP3044741B2 (ja) | 標準パターン学習方法 | |
| KR101619265B1 (ko) | 음성 인식 시스템 및 그 방법 | |
| JPH11265197A (ja) | 可変入力神経網を利用した音声認識方法 |
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: 19991005 |