JPH0683383A

JPH0683383A - 音声認識装置

Info

Publication number: JPH0683383A
Application number: JP25406292A
Authority: JP
Inventors: Tetsuo Kobayashi; 哲夫小林; Makoto Akaha; 誠赤羽; Masahito Mori; 正仁森
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1992-08-28
Filing date: 1992-08-28
Publication date: 1994-03-25

Abstract

(57)【要約】【目的】音声の認識率を向上させる。【構成】例えば図７（ａ）に示すようなＤＰパスＰ₁
乃至Ｐ₉の始点と終点が存在する場合、所定の値Ｃ（図
７においては、Ｃ＝５となっている）だけ連続して始点
が同一となっているＤＰパスＰ₁乃至Ｐ₅（図７（ｂ））
の区間に、認識候補が絞り込まれる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声に含まれる特定の
単語を抽出する（ワードスポッティングする）場合に用
いて好適な音声認識装置に関する。

【０００２】

【従来の技術】従来の、音声に含まれる特定の単語を抽
出する（ワードスポッティングする）音声認識装置にお
いては、例えば音声が音響分析されて入力パターンとし
ての特徴パラメータが求められ、この入力パターンと標
準パターンとの距離が算出される。この場合、入力パタ
ーンの長さ、即ち音声区間（音声が発声されている区
間）は、標準パターンの長さと対応しているものではな
いので、このような音声認識装置では、入力パターンの
時間軸および標準パターンの時間軸の正規化を行うとと
もに、標準パターンを対応させる（照合する）入力パタ
ーンの区間を、その始点から終点まで変化させて、入力
パターンと標準パターンとの距離を算出するようになっ
ている。

【０００３】そして、入力パターンとの距離が所定の距
離以下になる標準パターンと、この標準パターンを入力
パターンに対応させた時系列上の位置が、音声の認識結
果として出力される。

【０００４】

【発明が解決しようとする課題】ところで、入力パター
ンとの距離が所定の距離以下になる標準パターンが、時
系列上ほぼ同じ位置に複数存在する場合があり、正しい
音声認識結果としての標準パターンを選択することが困
難になる課題があった。

【０００５】また、入力パターン中に存在する標準パタ
ーンの位置を認識する場合、時系列上において、標準パ
ターンと入力パターンとの距離が極小になる位置を検出
する方法があるが、標準パターンと入力パターンとの距
離の時間変化（時系列上の変化）には、いわゆるばたつ
きが多く、誤った極小点が検出されるときがあり、認識
率が劣化する課題があった。

【０００６】本発明は、このような状況に鑑みてなされ
たものであり、音声の認識率を向上させるものである。

【０００７】

【課題を解決するための手段】請求項１に記載の音声認
識装置は、音声から入力パターンを作成する入力パター
ン作成手段としての音響分析部２およびＮＡＴ（Normal
ization Along Trajectory）処理部３と、所定の単語の
標準パターンをあらかじめ記憶している標準パターン記
憶手段としての標準パターンメモリ６と、音響分析部２
およびＮＡＴ処理部３により作成された入力パターン
と、標準パターンメモリ６に記憶されている標準パター
ンとを対応させてＤＰマッチングするＤＰマッチング手
段としてのＤＰマッチング部５と、ＤＰマッチング部５
により入力パターンと標準パターンとを対応させたＤＰ
パスの始点に注目して、入力パターン中における標準パ
ターンを絞り込む絞り込み手段としてのワードスポッテ
ィング判定部７とを備えることを特徴とする。

【０００８】請求項２に記載の音声認識装置は、ワード
スポッティング判定部７に、同一の始点を有するＤＰパ
ス数に対応して、入力パターン中における標準パターン
を絞り込ませることを特徴とする。

【０００９】請求項３に記載の音声認識装置は、音声を
フレーム分けして、フレーム内の音声から、入力パター
ンとなるシンボルを順次作成する入力パターン作成手段
としての音響分析部２およびＮＡＴ（Normalization Al
ong Trajectory）処理部３と、所定の単語の標準パター
ンをあらかじめ記憶している標準パターン記憶手段とし
ての標準パターンメモリ６と、音響分析部２およびＮＡ
Ｔ処理部３よりシンボルが出力されるごとに、入力パタ
ーンと標準パターンとを対応させてＤＰマッチングする
ＤＰマッチング手段としてのプログラムの処理ステップ
Ｓ２と、プログラムの処理ステップＳ２のマッチング結
果が出力されたときのＤＰパスの始点と同一の始点を有
するＤＰパスを検出し、同一始点パス数をカウントする
検出カウント手段としてのプログラムの処理ステップＳ
３およびＳ４と、プログラムの処理ステップＳ３および
Ｓ４によりカウントされた同一始点パス数に対応して、
入力パターン中における標準パターンを絞り込む絞り込
み手段とプログラムの処理ステップＳ６およびＳ７とを
備えることを特徴とする。

【００１０】請求項４に記載の音声認識装置は、ＮＡＴ
処理部３に、入力パターンとなるシンボル系列の軌跡を
サンプリングさせ、新たなシンボル系列からなる入力パ
ターンを作成させることを特徴とする。

【００１１】

【作用】請求項１に記載の音声認識装置においては、音
声から入力パターンを作成し、この入力パターンと、標
準パターンメモリ６に記憶されている標準パターンとを
対応させてＤＰマッチングする。そして、入力パターン
と標準パターンとを対応させたＤＰパスの始点に注目し
て、入力パターン中における標準パターンを絞り込む。
従って、例えば入力パターンと標準パターンとの距離に
注目して標準パターンを絞り込む場合に比べ、音声認識
結果としての標準パターンが時系列上で重複する位置に
存在することがなくなり、音声の認識率を向上させるこ
とができる。

【００１２】請求項２に記載の音声認識装置において
は、ワードスポッティング判定部７に、同一の始点を有
するＤＰパス数に対応して、入力パターン中における標
準パターンを絞り込ませる。従って、音声の認識率を向
上させることができる。

【００１３】請求項３に記載の音声認識装置において
は、音声をフレーム分けして、フレーム内の音声から、
入力パターンとなるシンボルを順次作成し、このシンボ
ルが出力されるごとに、入力パターンと標準パターンと
を対応させてＤＰマッチングする。そして、マッチング
結果が出力されたときのＤＰパスの始点と同一の始点を
有するＤＰパスを検出し、同一始点パス数をカウントし
て、その同一始点パス数に対応して、入力パターン中に
おける標準パターンを絞り込む。従って、例えば入力パ
ターンと標準パターンとの距離に注目して標準パターン
を絞り込む場合に比べ、音声認識結果としての標準パタ
ーンが時系列上で重複する位置に存在することがなくな
り、音声の認識率を向上させることができる。

【００１４】請求項４に記載の音声認識装置において
は、ＮＡＴ処理部３に、入力パターンとなるシンボル系
列の軌跡をサンプリングさせ、新たなシンボル系列から
なる入力パターンを作成させる。従って、入力パターン
の時間軸補正があらかじめ行われるので、音声の認識率
をさらに向上させることができる。

【００１５】

【実施例】図１は、本発明の音声認識装置の一実施例の
構成を示すブロック図である。マイク１は入力された音
声を電気信号である音声信号に変換する。音響分析部２
は、例えばＩ個のチャンネルを有するフィルタバンクで
構成されている。フィルタバンクの各チャンネルは、そ
の通過域を通過する音声信号成分を全波整流して平滑化
し、音声の特徴パラメータとしての、例えばパワーＰ_i
（ｎ）を検出する。なお、ｉ＝１，２，・・・，Ｉで、
ｉはチャンネル数を表す。また、ｎ＝１，２，・・・，
Ｎで、ｎはフレーム数（時間）を表す。よって、Ｎは音
声区間（音声が発声されている区間）を表す。

【００１６】ＮＡＴ（Normalization Along Trajector
y）処理部３は、音声分析部２により検出された音声の
特徴パラメータとしてのパワーＰ_i（ｎ）に対して、Ｎ
ＡＴ処理を施す。

【００１７】なお、ＮＡＴ処理に関しては、例えば特開
昭６０−２４９１９８、特開昭６０−２４９１９９、ま
たは特開昭６０−２５２３９６などに、その詳細が開示
されているので、ここでは簡単に説明する。

【００１８】即ち、ＮＡＴ処理部３は、例えば図２に示
すように、補間間隔設定器３ａおよび補間点抽出器３ｂ
より構成される。例えば２つの（２次元の）特徴パラメ
ータＰ₁（ｎ）およびＰ₂（ｎ）のみを考えた場合、補間
間隔設定器３ａは、この２つのパラメータ（図３または
図４において、・印で示す）が、図３または図４に示す
ような２次元のパラメータ空間内に描く軌跡をサンプリ
ングするための、あらかじめ設定された間隔（サンプリ
ング間隔）Ｔを補間点抽出器３ｂに供給する。

【００１９】以下、特徴パラメータＰ_i（ｎ）の周波数
方向に対応するサフィックスｉを省略する。

【００２０】補間点抽出器３ｂは、装置のモードが登録
モードである場合、音響分析部２より供給された特徴パ
ラメータＰ（ｎ）がパラメータ空間内に描く軌跡を直線
近似した軌跡に沿って、図４に○印で示すように、補間
間隔設定器３ａに設定されているサンプリング間隔Ｔ
で、特徴パラメータＰ（ｎ）の軌跡をサンプリングし、
標準パターンとしての新たな特徴パラメータ系列Ｒ
（ｋ）（ｋ＝１，２，・・・，Ｋ）を標準パターンメモ
リ６（図１）に供給する。

【００２１】なお、図４に示す特徴パラメータＰ（ｎ）
の軌跡長をＬ_Rとすると、Ｋ＝Ｌ_R／Ｔである。

【００２２】また、補間点抽出器３ｂは、装置のモード
が認識モードである場合、音響分析部２より供給された
特徴パラメータＰ（ｎ）がパラメータ空間内に描く軌跡
を直線近似した軌跡に沿って、図３に○印で示すよう
に、補間間隔設定器３ａに設定されているサンプリング
間隔Ｔで、特徴パラメータＰ（ｎ）の軌跡をサンプリン
グし、入力パターンとしての新たな特徴パラメータ系列
Ｘ（ｊ）（ｊ＝１，２，・・・，Ｊ）を入力パターンメ
モリ４（図１）に供給する。

【００２３】なお、図３に示す特徴パラメータＰ（ｎ）
の軌跡長をＬ_Xとすると、Ｋ＝Ｌ_X／Ｔである。

【００２４】入力パターンメモリ４は、装置の動作モー
ドが認識モードの場合に、ＮＡＴ処理部３より供給され
る、入力パターンとしての新たな特徴パラメータ系列Ｘ
（ｊ）を一時記憶する。標準パターンメモリ６は、装置
の動作モードが登録モードの場合に、ＮＡＴ処理部３よ
り供給される、標準パターンとしての新たな特徴パラメ
ータ系列Ｒ（ｋ）を記憶する。

【００２５】ＤＰマッチング部５は、始点フリーのＤＰ
マッチングを行う。即ち、ＤＰマッチング部５は、標準
パターンＲ（ｋ）の時間軸ｋ、または入力パターンＸ
（ｊ）の時間軸ｊのうちの一方の、例えば標準パターン
Ｒ（ｋ）の時間軸ｋを、他方のパターンである入力パタ
ーンＸ（ｊ）に最も類似するように（標準パターンＲ
（ｋ）と入力パターンＸ（ｊ）との距離を最小にするよ
うに）歪ませる歪関数Ｆ、即ちＤＰパスを、次のように
して求める。

【００２６】図５に示す縦軸ｋに標準パターンＲ（１）
乃至Ｒ（Ｋ）を並べ、横軸ｊに入力パターンＸ（１）乃
至Ｘ（Ｊ）を並べた平面図において、この平面上の格子
点（ｊ，ｋ）（図中、・印で示す）における入力パター
ンＸ（ｊ）と標準パターンＲ（ｋ）との、例えばユーク
リッド距離をｄ（ｊ，ｋ）（＝｜Ｘ（ｊ）−Ｒ（ｋ）｜
²）とし、格子点（ｊ，ｋ）を含む任意のＤＰパスに沿
って求めた、この格子点（ｊ，ｋ）までのユークリッド
距離の総和（累積距離）をｇ（ｊ，ｋ）とする。そし
て、この場合、ＤＰマッチング部５は、例えば以下の漸
化式（制限）にしたがって、ＤＰパスを求めるとともに
標準パターンの終点（ｋ＝Ｋ）までの累積距離ｇ
（ｊ_x，Ｋ）（ｊ_xは、１乃至Ｊの範囲の値）を求める。
ｋ＝１のとき、ｇ（ｊ，１）＝ｄ（ｊ，１）（１）但し、１≦ｊ≦Ｊｋ＝２のとき、ｇ（ｊ，２）＝ｇ（ｊ−１，１）＋２ｄ（ｊ，２）（２）但し、２≦ｊ≦Ｊｋ＝２ｊのとき、ｇ（ｊ，ｋ）＝ｇ（ｊ−１，ｋ−２）＋２ｄ（ｊ，ｋ−１）＋ｄ（ｊ，ｋ）（３）但し、２≦ｊ≦Ｊ，３≦ｋ≦Ｋｋ＝２ｊ−２、またはｋ＝２ｊ−１のとき、

【数１】ｋ≦２ｊ−３のとき、

【数２】なお、ｍｉｎ［］は、［］の中の最小値をとる。

【００２７】式（漸化式）（５）は、ＤＰパスを図６に
示すように制限する。なお、図６において、ＤＰパス上
に付してある数字１または２は重み係数である。また、
ＤＰパスの始点が、ｊ＝１またはｊ＝２から始まる場合
に、式（１）乃至（５）により与えられるＤＰパスの初
期状態、およびその上限を図５に示す。

【００２８】格子点（ｊ，ｋ）までのＤＰパスの長さ
（パス長）Ｃ（ｊ，ｋ）は、上述した重み係数の累積和
と定義され、始点（ｊ（ｊ_x），１）（ｊ（ｊ_x）は、１
乃至Ｊの範囲の値）、終点（ｊ_x，Ｋ）のＤＰパスＰ_xに
したがって計算された累積距離ｇ（ｊ_x，Ｋ）を、ＤＰ
パスＰ_xのパス長Ｃ（ｊ（ｊ_x），ｊ_x）で正規化した正
規化距離Ｇ（ｊ_x）（＝ｇ（ｊ_x，Ｋ）／Ｃ（ｊ
（ｊ_x），ｊ_x））が、そのＤＰパスＰ_xにしたがった入
力パターン（Ｘ（１），Ｘ（２），・・・，Ｘ（Ｊ））
と標準パターン（Ｒ（１），Ｒ（２），・・・，Ｒ
（Ｋ））との距離（スコア）とされる。

【００２９】ＤＰマッチング部５は、この正規化距離Ｇ
（ｊ_x）、それが得られたＤＰパスＰ_xの始点（ｊ
（ｊ_x），１）、および終点（ｊ_x，Ｋ）をワードスポッ
ティング判定部７に供給する。

【００３０】なお、ＤＰパスＰ_xの始点（ｊ（ｊ_x），
１）は、式（漸化式）（１）乃至（５）にしたがって、
入力パターンと標準パターンとの距離計算を行うとき
に、始点側、即ち式（１）乃至（５）の右辺を保持する
ことにより与えられる。従って、ＤＰパスＰ_xの始点
（ｊ（ｊ_x），１）は、その終点（ｊ_x，Ｋ）が決まれ
ば、一義的に決まるので、始点（ｊ（ｊ_x），１）を終
点（ｊ_x，Ｋ）の関数として記述してある。

【００３１】また、ＤＰマッチング部５は、式（漸化
式）（１）乃至（５）で制限される（与えられる）すべ
てのＤＰパスに対する入力パターンと標準パターンとの
距離を計算し、さらに標準パターンメモリ６に記憶され
ている、例えばＷ個のすべての標準パターンＲ₁（ｋ）
乃至Ｒ_W（ｋ）に対して以上の処理を行う。

【００３２】ワードスポッティング判定部７は、まず、
ＤＰマッチング部５より供給される各ＤＰパスの始点、
および終点から、終点が異なっていても、始点が同一で
あるＤＰパスを検出する。即ち、ＤＰマッチング部５よ
り、例えば図７（ａ）に示すようなＤＰパスＰ₁乃至Ｐ₉
の始点と終点が供給された場合、ワードスポッティング
判定部７は、所定の値Ｃ（図７においては、Ｃ＝５とな
っている）だけ連続して始点が同一となっているＤＰパ
スＰ₁乃至Ｐ₅（図７（ｂ））を検出する。

【００３３】なお、所定の値Ｃは、例えば標準パターン
メモリ６に記憶されている標準パターンの長さに対応し
て、あらかじめ設定される値である。

【００３４】そして、ワードスポッティング判定部７
は、検出した同一始点を有するＤＰパスにしたがって計
算された距離のうち、最小のものを入力パターンと標準
パターンとのパターン間距離（スコア）として、内蔵す
るメモリ（図示せず）に記憶するとともに、そのパター
ン間距離となるＤＰパスの始点と終点の間を、入力パタ
ーン中における、標準パターンの範囲（入力パターン中
における、標準パターンが発声された区間）の候補とし
て、内蔵するメモリに記憶する。

【００３５】ワードスポッティング判定部７は、以上の
ようにしてＤＰマッチング部５より供給される、標準パ
ターンメモリ６に記憶されているすべての標準パターン
に対するパターン間距離（スコア）およびそのパターン
間距離となるＤＰパスの始点と終点の間を、内蔵するメ
モリに記憶した後、そのメモリにあらかじめ登録されて
いる辞書を参照して、音声認識結果としての標準パター
ン（単語）と、それが発声された位置（範囲）を出力す
る。

【００３６】次に、その動作について説明する。まず、
装置の動作モードが登録モードである場合、マイク１に
入力された音声が、音響分析部２のフィルタバンクにお
いて全波整流されて平滑化され、音声の特徴パラメータ
としてのパワーＰ（ｎ）（パワーＰ_i（ｎ）の周波数方
向に対応するサフィックスｉを省略してある）が検出さ
れる。

【００３７】ＮＡＴ処理部３の補間間隔設定器３ａ（図
２）において、音響分析部２により検出された特徴パラ
メータＰ（ｎ）（図３または図４で、・印で示す）が、
図３または図４に示すような２次元のパラメータ空間内
に描く軌跡をサンプリングするための、あらかじめ設定
された間隔（サンプリング間隔）Ｔが補間点抽出器３ｂ
に供給される。

【００３８】補間点抽出器３ｂにおいて、音響分析部２
より供給された特徴パラメータＰ（ｎ）がパラメータ空
間内に描く軌跡を直線近似した軌跡に沿って、図４に○
印で示すように、補間間隔設定器３ａに設定されている
サンプリング間隔Ｔで、特徴パラメータＰ（ｎ）の軌跡
がサンプリングされ、標準パターンとしての新たな特徴
パラメータ系列Ｒ（ｋ）が標準パターンメモリ６（図
１）に供給され、記憶される。

【００３９】次に、装置の動作モードが認識モードであ
る場合、それが登録モードである場合と同様にして、音
響分析部２で検出された特徴パラメータが、ＮＡＴ処理
部３の補間点抽出器３ｂ（図２）に供給され、そこで特
徴パラメータＰ（ｎ）がパラメータ空間内に描く軌跡を
直線近似した軌跡に沿って、図３に○印で示すように、
補間間隔設定器３ａに設定されているサンプリング間隔
Ｔで、特徴パラメータＰ（ｎ）の軌跡がサンプリングさ
れ、入力パターンとしての新たな特徴パラメータ系列Ｘ
（ｊ）が入力パターンメモリ４（図１）に供給され、一
時記憶される。

【００４０】そして、入力パターンメモリ４から、入力
パターンが読み出されるとともに、標準パターンメモリ
６から、そこに記憶されているすべての標準パターンが
順次読み出され、ＤＰマッチング部５において、始点フ
リーのＤＰマッチングが行われる。

【００４１】即ち、ＤＰマッチング部５において、前述
した漸化式（１）乃至（５）にしたがって、入力パター
ンメモリ４から読み出された入力パターンと、標準パタ
ーンメモリ６から読み出された標準パターンとの間距離
が算出されるとともに、それが得られたＤＰパスの始
点、および終点が算出され、ワードスポッティング判定
部７に供給される。

【００４２】ワードスポッティング判定部７において、
まず、ＤＰマッチング部５より供給された各ＤＰパスの
始点、および終点から、終点が異なっていても、始点
が、所定の値Ｃだけ連続して同一となるＤＰパスが検出
される。そして、同一始点を有するＤＰパスにしたがっ
て計算された距離のうち、最小のものが入力パターンと
標準パターンとのパターン間距離（スコア）として、内
蔵するメモリに記憶されるとともに、そのパターン間距
離となるＤＰパスの始点と終点の間が、入力パターン中
における、標準パターンの範囲（入力パターン中におけ
る、標準パターンが発声された区間）の候補として、内
蔵するメモリに記憶される。

【００４３】さらに、ワードスポッティング判定部７に
おいて、標準パターンメモリ６に記憶されているすべて
の標準パターンに対するパターン間距離（スコア）およ
びそのパターン間距離となるＤＰパスの始点と終点の間
が、内蔵するメモリに記憶された後、そのメモリにあら
かじめ登録されている辞書が参照され、音声認識結果と
しての標準パターン（単語）と、それが発声された位置
（範囲）が出力される。

【００４４】次に、図８のフローチャートを参照して、
装置の動作モードが認識モードである場合の動作につい
て、さらに説明する。まず最初に、ステップＳ１におい
て、始点が連続して同一となるＤＰパスをカウントする
変数ＣＯＵＮＴが０にリセットされる。そして、マイク
１に音声が入力されると、その音声に対して、音響分析
部２およびＮＡＴ処理部３において、上述した音声処理
が１フレームごとに行われ、フレームごとの入力パター
ン、即ちマイク１に入力された音声に対応する入力パタ
ーンを構成するシンボル（ＮＡＴ処理部３より出力され
る、各フレームごとの新たな特徴パラメータ）が入力パ
ターンメモリ４に供給される。

【００４５】入力パターンメモリ４に入力パターンを構
成するフレームごとのシンボルが供給されると、ステッ
プＳ２に進み、そのフレームまでのシンボル（入力パタ
ーン）と、標準パターンメモリ６に記憶されている標準
パターンとの距離が、漸化式（１）乃至（５）にしたが
って計算され、ステップＳ３において、その結果、終点
に達したＤＰパスがあるか否かが判定される。ステップ
Ｓ３において、終点に達したＤＰパスがないと判定され
た場合、音響分析部２およびＮＡＴ処理部３から、次フ
レームのシンボル（入力パターン）が出力されるのを待
って、ステップＳ２に戻る。

【００４６】ステップＳ３において、終点に達したＤＰ
パスがあると判定された場合、ステップＳ４に進み、そ
のＤＰパスの始点が、以前に終点に達したＤＰパスと同
じ始点であるか否かが判定される。ステップＳ４におい
て、ステップＳ３で終点に達したと判定されたＤＰパス
の始点が、以前に終点に達したＤＰパスと同じ始点であ
ると判定された場合、ステップＳ５に進み、始点が連続
して同一となるＤＰパスをカウントする変数ＣＯＵＮＴ
が１だけインクリメントされるとともに、ステップＳ３
で終点に達したと判定されたＤＰパス、または以前に終
点に達したＤＰパスにしたがって計算された入力パター
ンと標準パターンとの距離のうち、最小の距離ＳＣ_MIN
が入力パターンと標準パターンとのパターン間距離とし
て、変数ＳＣにセットされ、ステップＳ２に戻る。

【００４７】一方、ステップＳ４において、ステップＳ
３で終点に達したと判定されたＤＰパスの始点が、以前
に終点に達したＤＰパスと同じ始点でないと判定された
場合、ステップＳ６に進み、変数ＣＯＵＮＴが所定の値
Ｃ以上であるか否かが判定される。ステップＳ６におい
て、変数ＣＯＵＮＴが所定の値Ｃ以上でないと判定され
た場合、即ち現時点で、始点が、所定の値Ｃだけ連続し
て同一となるＤＰパスがない場合、ステップＳ７をスキ
ップしてステップＳ１に戻る。

【００４８】ステップＳ６において、変数ＣＯＵＮＴが
所定の値Ｃ以上であると判定された場合、即ち現時点
で、始点が、所定の値Ｃだけ連続して同一となるＤＰパ
スがある場合、ステップＳ７に進み、変数ＳＣに記憶さ
れている距離と、その距離となるＤＰパスの始点と終点
とが、ワードスポッティング判定部７の内蔵するメモリ
に、認識候補として記憶され、ステップＳ１に戻る。

【００４９】即ち、ステップＳ７において、同一始点を
有するＤＰパスにしたがって計算された距離のうち、最
小のものが入力パターンと標準パターンとのパターン間
距離（スコア）として、ワードスポッティング判定部７
の内蔵するメモリに記憶されるとともに、そのパターン
間距離となるＤＰパスの始点と終点の間が、入力パター
ン中における、標準パターンの範囲（入力パターン中に
おける、標準パターンが発声された区間）の候補とし
て、ワードスポッティング判定部７内蔵するメモリに記
憶される。

【００５０】以上の処理が、標準パターンメモリ６に記
憶されているすべての標準パターンに対して施された
後、ワードスポッティング判定部７のメモリにあらかじ
め登録されている辞書が参照され、音声認識結果として
の標準パターン（単語）と、それが発声された位置（範
囲）（ＤＰパスの始点と終点）が出力される。

【００５１】なお、ＤＰマッチング部５における、ＤＰ
パスを算出するときの漸化式、即ち入力パターンと標準
パターンとの距離を算出するときの漸化式は、本実施例
で言及した式（１）乃至（５）に限定されるものではな
い。

【００５２】

【発明の効果】請求項１に記載の音声認識装置によれ
ば、音声から入力パターンを作成し、この入力パターン
と、標準パターン記憶手段に記憶されている標準パター
ンとを対応させてＤＰマッチングする。そして、入力パ
ターンと標準パターンとを対応させたＤＰパスの始点に
注目して、入力パターン中における標準パターンを絞り
込む。従って、例えば入力パターンと標準パターンとの
距離に注目して標準パターンを絞り込む場合に比べ、音
声認識結果としての標準パターンが時系列上で重複する
位置に存在することがなくなり、音声の認識率を向上さ
せることができる。

【００５３】請求項２に記載の音声認識装置によれば、
絞り込み手段に、同一の始点を有するＤＰパス数に対応
して、入力パターン中における標準パターンを絞り込ま
せる。従って、音声の認識率を向上させることができ
る。

【００５４】請求項３に記載の音声認識装置によれば、
音声をフレーム分けして、フレーム内の音声から、入力
パターンとなるシンボルを順次作成し、このシンボルが
出力されるごとに、入力パターンと標準パターンとを対
応させてＤＰマッチングする。そして、マッチング結果
が出力されたときのＤＰパスの始点と同一の始点を有す
るＤＰパスを検出し、同一始点パス数をカウントして、
その同一始点パス数に対応して、入力パターン中におけ
る標準パターンを絞り込む。従って、例えば入力パター
ンと標準パターンとの距離に注目して標準パターンを絞
り込む場合に比べ、音声認識結果としての標準パターン
が時系列上で重複する位置に存在することがなくなり、
音声の認識率を向上させることができる。

【００５５】請求項４に記載の音声認識装置によれば、
入力パターン作成手段に、入力パターンとなるシンボル
系列の軌跡をサンプリングさせ、新たなシンボル系列か
らなる入力パターンを作成させる。従って、入力パター
ンの時間軸補正があらかじめ行われるので、音声の認識
率をさらに向上させることができる。

【図面の簡単な説明】

【図１】本発明の音声認識装置の一実施例の構成を示す
ブロック図である。

【図２】図１の実施例のＮＡＴ処理部３のより詳細なブ
ロック図である。

【図３】入力パターンとしての音声の特徴パラメータの
軌跡を示す平面図である。

【図４】標準パターンとしての音声の特徴パラメータの
軌跡を示す平面図である。

【図５】ＤＰマッチングを説明するための図である。

【図６】ＤＰマッチングのＤＰパスの制限（傾斜制限）
を示す図である。

【図７】図１の実施例のワードスポッティング判定部７
で、同一始点のＤＰパスが検出される様子を示す図であ
る。

【図８】図１の実施例の動作を説明するためのフローチ
ャートである。

【符号の説明】

１マイク２音響分析部３ＮＡＴ処理部４入力パターンメモリ５ＤＰマッチング部６標準パターンメモリ７ワードスポッティング判定部

Claims

【特許請求の範囲】

【請求項１】音声から入力パターンを作成する入力パ
ターン作成手段と、所定の単語の標準パターンをあらかじめ記憶している標
準パターン記憶手段と、前記入力パターン作成手段により作成された入力パター
ンと、前記標準パターン記憶手段に記憶されている標準
パターンとを対応させてＤＰマッチングするＤＰマッチ
ング手段と、前記ＤＰマッチング手段により前記入力パターンと前記
標準パターンとを対応させたＤＰパスの始点に注目し
て、前記入力パターン中における前記標準パターンを絞
り込む絞り込み手段とを備えることを特徴とする音声認
識装置。
【請求項２】前記絞り込み手段は、同一の始点を有す
る前記ＤＰパス数に対応して、前記入力パターン中にお
ける前記標準パターンを絞り込むことを特徴とする請求
項１に記載の音声認識装置。
【請求項３】音声をフレーム分けして、前記フレーム
内の音声から、入力パターンとなるシンボルを順次作成
する入力パターン作成手段と、所定の単語の標準パターンをあらかじめ記憶している標
準パターン記憶手段と、前記入力パターン作成手段より前記シンボルが出力され
るごとに、前記入力パターンと前記標準パターンとを対
応させてＤＰマッチングするＤＰマッチング手段と、前記ＤＰマッチング手段のマッチング結果が出力された
ときのＤＰパスの始点と同一の始点を有するＤＰパスを
検出し、同一始点パス数をカウントする検出カウント手
段と、前記検出カウント手段によりカウントされた前記同一始
点パス数に対応して、前記入力パターン中における前記
標準パターンを絞り込む絞り込み手段とを備えることを
特徴とする音声認識装置。
【請求項４】前記入力パターン作成手段は、入力パタ
ーンとなるシンボル系列の軌跡をサンプリングし、新た
なシンボル系列からなる入力パターンを作成することを
特徴とする請求項１乃至３のいずれかに記載の音声認識
装置。