JPH10143190A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPH10143190A JPH10143190A JP29830296A JP29830296A JPH10143190A JP H10143190 A JPH10143190 A JP H10143190A JP 29830296 A JP29830296 A JP 29830296A JP 29830296 A JP29830296 A JP 29830296A JP H10143190 A JPH10143190 A JP H10143190A
- Authority
- JP
- Japan
- Prior art keywords
- state
- transition
- duration
- likelihood
- 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.)
- Pending
Links
Abstract
(57)【要約】
【課題】 ＨＭＭ（ヒドンマルコフモデル）を用いた音
声認識装置において、状態継続時間の制御処理を少ない
計算量の増加で行う事により、実時間認識システムの認
識精度の向上を図る。 【解決手段】 ＨＭＭのトレリス計算上で前状態の継続
時間によって累積尤度の重みづけを行う尤度計算部、す
なわちトレリス上で計算対象とする状態ｊの一つ前の状
態j-1が過去に連続して自己遷移した回数ｍを記憶して
おき、その回数ｍを用いて状態j-1から状態ｊへの遷移
に重み付けを行う計算部を備えた事により、ＨＭＭ状態
継続時間の制御を少ない計算量の増加で行ない、実時間
処理のシステムにおいても認識精度の向上を図る事がで
きる。
声認識装置において、状態継続時間の制御処理を少ない
計算量の増加で行う事により、実時間認識システムの認
識精度の向上を図る。 【解決手段】 ＨＭＭのトレリス計算上で前状態の継続
時間によって累積尤度の重みづけを行う尤度計算部、す
なわちトレリス上で計算対象とする状態ｊの一つ前の状
態j-1が過去に連続して自己遷移した回数ｍを記憶して
おき、その回数ｍを用いて状態j-1から状態ｊへの遷移
に重み付けを行う計算部を備えた事により、ＨＭＭ状態
継続時間の制御を少ない計算量の増加で行ない、実時間
処理のシステムにおいても認識精度の向上を図る事がで
きる。
Description
【０００１】
【発明の属する技術分野】本発明は、話者が登録した音
声をＨＭＭ（ヒドンマルコフモデル）により認識する音
声認識装置に関するものである。
声をＨＭＭ（ヒドンマルコフモデル）により認識する音
声認識装置に関するものである。
【０００２】
【従来の技術】ＨＭＭ方式による音声認識システムにお
いて、状態継続時間を検知して認識のためのパラメータ
に加えるようにすれば認識性能の向上に有効である事が
知られている。一般的な継続時間モデルでは、例えばＶ
iterbiアルゴリズムにおいて継続時間の最小値と最大値
の範囲でそれぞれの累積尤度とその継続時間の発生確率
を各時間別々に計算し、それらのなかで最も尤度が高く
なる継続時間のパスをフレーム毎に選択していく。
いて、状態継続時間を検知して認識のためのパラメータ
に加えるようにすれば認識性能の向上に有効である事が
知られている。一般的な継続時間モデルでは、例えばＶ
iterbiアルゴリズムにおいて継続時間の最小値と最大値
の範囲でそれぞれの累積尤度とその継続時間の発生確率
を各時間別々に計算し、それらのなかで最も尤度が高く
なる継続時間のパスをフレーム毎に選択していく。
【０００３】
【発明が解決しようとする課題】上記の一般的な状態継
続時間モデルを用いた場合、トレリス上の累積尤度の計
算回数が継続時間の最大値に応じて決まり、トレリス上
の累積尤度の計算量が非常に増大し、演算部の負荷が大
きくなる。
続時間モデルを用いた場合、トレリス上の累積尤度の計
算回数が継続時間の最大値に応じて決まり、トレリス上
の累積尤度の計算量が非常に増大し、演算部の負荷が大
きくなる。
【０００４】例えばＡＴ＆ＴのＲabinerらによる方法
（“Ｒecognition of Ｉsolated Ｄigits Ｕsing Ｈid
den Ｍarkov Ｍodels Ｗith Ｃontinuous Ｍixture Ｄ
ensities”ＡＴ＆Ｔ Ｔechnical Ｊournal Ｖol６
４，Ｎo．６）では、演算量が継続時間の最大値の二乗
に比例するため、通常のビタビアルゴリズムの数十倍の
演算量になってしまう。このため、状態継続時間の制御
は認識精度の向上に有効であっても実時間の音声認識シ
ステムにはあまり用いられていない。
（“Ｒecognition of Ｉsolated Ｄigits Ｕsing Ｈid
den Ｍarkov Ｍodels Ｗith Ｃontinuous Ｍixture Ｄ
ensities”ＡＴ＆Ｔ Ｔechnical Ｊournal Ｖol６
４，Ｎo．６）では、演算量が継続時間の最大値の二乗
に比例するため、通常のビタビアルゴリズムの数十倍の
演算量になってしまう。このため、状態継続時間の制御
は認識精度の向上に有効であっても実時間の音声認識シ
ステムにはあまり用いられていない。
【０００５】本発明は、状態継続時間を検知してパラメ
ータに加え、しかも少ない計算量で処理して認識性能を
向上させることができる音声認識装置を提供することを
目的とする。
ータに加え、しかも少ない計算量で処理して認識性能を
向上させることができる音声認識装置を提供することを
目的とする。
【０００６】
【課題を解決するための手段】本発明は以上の課題を解
決するため、認識に用いる単語モデルの作成時に、その
全状態について状態ｊがｍフレーム継続する確率：Ｐ'j
（ｍ）を算出し、このＰ'j（ｍ）を継続時間ｍの最大値
と０の間での和が１になるように正規化し、それからＰ
ｊ（ｍ）＝Σm i=0 Ｐ'j（i）を算出し、これをｍに対
するテーブルの形式でＨＭＭ標準パターンに追加する。
そして、認識処理時のビタビアルゴリズムを次のように
修正することにより、継続時間の分布モデルＰｊ（ｍ）
を尤度計算に適用する。すなわちトレリス上で計算対象
とする状態ｊの一つ前の状態j-1が過去に連続して自己
遷移した回数ｍを記憶しておき、その回数ｍを用いて状
態j-1から状態ｊへの遷移に重み付けを行う。
決するため、認識に用いる単語モデルの作成時に、その
全状態について状態ｊがｍフレーム継続する確率：Ｐ'j
（ｍ）を算出し、このＰ'j（ｍ）を継続時間ｍの最大値
と０の間での和が１になるように正規化し、それからＰ
ｊ（ｍ）＝Σm i=0 Ｐ'j（i）を算出し、これをｍに対
するテーブルの形式でＨＭＭ標準パターンに追加する。
そして、認識処理時のビタビアルゴリズムを次のように
修正することにより、継続時間の分布モデルＰｊ（ｍ）
を尤度計算に適用する。すなわちトレリス上で計算対象
とする状態ｊの一つ前の状態j-1が過去に連続して自己
遷移した回数ｍを記憶しておき、その回数ｍを用いて状
態j-1から状態ｊへの遷移に重み付けを行う。
【０００７】
【発明の実施の形態】本願発明の請求項１に記載の発明
は、音声信号を入力し、デジタル値に変換する音声信号
入力部と、音声信号をフレーム分割し、各フレームの音
声特徴量を算出する特徴抽出部と、登録済み単語音声の
ＨＭＭを格納する標準データ格納部と、入力信号の特徴
量の時系列に対する各ＨＭＭの出力尤度を計算する尤度
計算部と、上記尤度計算においてトレリス上で計算対象
とする状態ｊの一つ前の状態j-1が過去に連続して自己
遷移した回数ｍを記憶しておき、その回数ｍを用いて状
態j-1から状態ｊへの遷移に学習データの継続時間分布
で重み付けを行う継続時間制御部とを備え、上記尤度計
算部と継続時間制御部により得られる出力尤度を用いて
認識結果の判定を行う認識結果判定部とを備えたもので
あり、この構成により、状態ｊの継続時間ｍは強制的に
Ｐ'j（ｍ）と同じ分布に従うように制御され、トレリス
上の尤度の計算回数が継続時間の最大値に関係なく通常
のビタビアルゴリズムと同一になるため、計算量の増加
が少ない（２倍以下）。また、理論的に最大値をこえる
回数の継続時間にも対応できる。
は、音声信号を入力し、デジタル値に変換する音声信号
入力部と、音声信号をフレーム分割し、各フレームの音
声特徴量を算出する特徴抽出部と、登録済み単語音声の
ＨＭＭを格納する標準データ格納部と、入力信号の特徴
量の時系列に対する各ＨＭＭの出力尤度を計算する尤度
計算部と、上記尤度計算においてトレリス上で計算対象
とする状態ｊの一つ前の状態j-1が過去に連続して自己
遷移した回数ｍを記憶しておき、その回数ｍを用いて状
態j-1から状態ｊへの遷移に学習データの継続時間分布
で重み付けを行う継続時間制御部とを備え、上記尤度計
算部と継続時間制御部により得られる出力尤度を用いて
認識結果の判定を行う認識結果判定部とを備えたもので
あり、この構成により、状態ｊの継続時間ｍは強制的に
Ｐ'j（ｍ）と同じ分布に従うように制御され、トレリス
上の尤度の計算回数が継続時間の最大値に関係なく通常
のビタビアルゴリズムと同一になるため、計算量の増加
が少ない（２倍以下）。また、理論的に最大値をこえる
回数の継続時間にも対応できる。
【０００８】また請求項２に記載の発明は、請求項１記
載の音声認識装置において、前状態j-1からの遷移に加
えて、状態ｊの自己遷移についても過去に継続した回数
ｎを記憶しておき、その回数ｎを用いて状態ｊの自己遷
移に学習データの継続時間分布で重み付けを行うように
構成したものであり、この構成により、請求項１に記載
のものよりも計算量が若干多くなるが、より精密な継続
時間制御を行うことができる。
載の音声認識装置において、前状態j-1からの遷移に加
えて、状態ｊの自己遷移についても過去に継続した回数
ｎを記憶しておき、その回数ｎを用いて状態ｊの自己遷
移に学習データの継続時間分布で重み付けを行うように
構成したものであり、この構成により、請求項１に記載
のものよりも計算量が若干多くなるが、より精密な継続
時間制御を行うことができる。
【０００９】以下、本発明の実施の形態である音声認識
装置について図面を参照しながら説明する。
装置について図面を参照しながら説明する。
【００１０】（実施の形態１）図１は本発明の実施の形
態における音声認識装置の構成ブロック図であり、１は
音声信号を入力し、デジタル値に変換する音声信号入力
部、２はフレーム分割と各フレームの音声特徴量を算出
する特徴抽出部、３は登録済み単語音声のＨＭＭを格納
するＨＭＭ標準パターン格納部、４は入力された音声特
徴量の時系列に対する出力尤度を算出する尤度計算部、
５は４の尤度計算において継続時間制御の処理を行う継
続時間制御部、６は認識結果の決定を行なう認識結果判
定部である。
態における音声認識装置の構成ブロック図であり、１は
音声信号を入力し、デジタル値に変換する音声信号入力
部、２はフレーム分割と各フレームの音声特徴量を算出
する特徴抽出部、３は登録済み単語音声のＨＭＭを格納
するＨＭＭ標準パターン格納部、４は入力された音声特
徴量の時系列に対する出力尤度を算出する尤度計算部、
５は４の尤度計算において継続時間制御の処理を行う継
続時間制御部、６は認識結果の決定を行なう認識結果判
定部である。
【００１１】図２は本発明の実施の形態における音声認
識装置の回路ブロック図であり、７はマイク、８は中央
処理装置（ＣＰＵ）、９は読み出し専用メモリ（ＲＯ
Ｍ）、１０は書き込み可能メモリ（ＲＡＭ）、１１は出
力装置である。
識装置の回路ブロック図であり、７はマイク、８は中央
処理装置（ＣＰＵ）、９は読み出し専用メモリ（ＲＯ
Ｍ）、１０は書き込み可能メモリ（ＲＡＭ）、１１は出
力装置である。
【００１２】構成ブロック図における音声信号入力部１
はマイク７とＣＰＵ８により、ＨＭＭ標準パターン格納
部はＲＡＭ１０により、特徴抽出部とＨＭＭ計算部と継
続時間制御部と認識結果判定部はＣＰＵ８がＲＯＭ９に
書かれたプログラムを実行し、ＲＡＭ１０にアクセスす
ることにより実行される。
はマイク７とＣＰＵ８により、ＨＭＭ標準パターン格納
部はＲＡＭ１０により、特徴抽出部とＨＭＭ計算部と継
続時間制御部と認識結果判定部はＣＰＵ８がＲＯＭ９に
書かれたプログラムを実行し、ＲＡＭ１０にアクセスす
ることにより実行される。
【００１３】次に本発明に関わるＨＭＭ標準パターン学
習処理について説明する。認識に用いる単語モデルの作
成時に、その全状態についてＰ'j（ｍ）すなわち状態ｊ
がｍフレーム継続する確率を算出しておく。このＰ'j
（ｍ）は単語モデルの学習過程において直接推定される
ものではなく、トレーニングデータを学習後の単語モデ
ルで尤度計算することにより得られるものである。
習処理について説明する。認識に用いる単語モデルの作
成時に、その全状態についてＰ'j（ｍ）すなわち状態ｊ
がｍフレーム継続する確率を算出しておく。このＰ'j
（ｍ）は単語モデルの学習過程において直接推定される
ものではなく、トレーニングデータを学習後の単語モデ
ルで尤度計算することにより得られるものである。
【００１４】次に、Ｐ'j（ｍ）を継続時間ｍの最大値と
０の間での和が１になるように正規化し、それから次の
（数１）に示すようにＰｊ（ｍ）を算出し、これをｍに
対するテーブルの形式でＨＭＭ標準パターンに追加す
る。
０の間での和が１になるように正規化し、それから次の
（数１）に示すようにＰｊ（ｍ）を算出し、これをｍに
対するテーブルの形式でＨＭＭ標準パターンに追加す
る。
【００１５】
【数１】
【００１６】そして、認識処理時のビタビアルゴリズム
を次のように修正することにより、継続時間の分布モデ
ルＰｊ（ｍ）を尤度計算に適用する。
を次のように修正することにより、継続時間の分布モデ
ルＰｊ（ｍ）を尤度計算に適用する。
【００１７】次ぎに、標準パターン学習時の処理内容に
ついて、図４のフローチャートに基づき説明する。
ついて、図４のフローチャートに基づき説明する。
【００１８】ｓｔｅｐ（１）では、ユーザーが発声した
単語音声を標準パターンとして音声入力部から取り込
み、デジタル信号に変換する。ｓｔｅｐ（２）では、入
力される音声信号がフレーム長に達する毎にフレーム分
割を行う。各フレームは半区間ずつ重複し、ハニング窓
を用いて切り出される。
単語音声を標準パターンとして音声入力部から取り込
み、デジタル信号に変換する。ｓｔｅｐ（２）では、入
力される音声信号がフレーム長に達する毎にフレーム分
割を行う。各フレームは半区間ずつ重複し、ハニング窓
を用いて切り出される。
【００１９】ｓｔｅｐ（３）では、音声特徴量（音声パ
ワーやケプストラム係数など）を切り出されたフレーム
単位で算出する。ｓｔｅｐ（４）では、各フレームの音
声特徴量の時系列を用いて、対応するＨＭＭの各種パラ
メータの推定を行う。
ワーやケプストラム係数など）を切り出されたフレーム
単位で算出する。ｓｔｅｐ（４）では、各フレームの音
声特徴量の時系列を用いて、対応するＨＭＭの各種パラ
メータの推定を行う。
【００２０】ｓｔｅｐ（５）では、標準パターンの音声
特徴量をそれに対応するＨＭＭ及び他の標準パターンの
ＨＭＭに与え、通常のビタビアルゴリズムによる出力尤
度を計算する。ｓｔｅｐ（６）では、ｓｔｅｐ（５）の
尤度計算時に最適パスを算出するトレリス上でＨＭＭの
各状態が何フレーム継続したか、その回数をカウントす
る。
特徴量をそれに対応するＨＭＭ及び他の標準パターンの
ＨＭＭに与え、通常のビタビアルゴリズムによる出力尤
度を計算する。ｓｔｅｐ（６）では、ｓｔｅｐ（５）の
尤度計算時に最適パスを算出するトレリス上でＨＭＭの
各状態が何フレーム継続したか、その回数をカウントす
る。
【００２１】ｓｔｅｐ（７）では、ＨＭＭの各状態につ
いて、それぞれの継続時間を記録した標準パターンの個
数を算出し、その値を全継続時間の和が１になるように
正規化したテーブルをＨＭＭ標準パターンに付加する。
いて、それぞれの継続時間を記録した標準パターンの個
数を算出し、その値を全継続時間の和が１になるように
正規化したテーブルをＨＭＭ標準パターンに付加する。
【００２２】ｓｔｅｐ（８）では、登録する全ての標準
パターンについて、ｓｔｅｐ（１）からｓｔｅｐ（７）
までを繰り返す。
パターンについて、ｓｔｅｐ（１）からｓｔｅｐ（７）
までを繰り返す。
【００２３】本発明におけるトレリス計算の一例を図３
に示す。この方式では、トレリス上で計算対象とする状
態ｊの一つ前の状態j-1が過去に連続して自己遷移した
回数ｍを記憶しておき、その回数ｍを用いて（数２）に
示すように状態j-1から状態ｊへの遷移に重み付けを行
う。図ではｍ＝２回になっており、この場合は状態j-1
から状態ｊへの遷移についてｍ＝２回に対応した重み付
けを行う。
に示す。この方式では、トレリス上で計算対象とする状
態ｊの一つ前の状態j-1が過去に連続して自己遷移した
回数ｍを記憶しておき、その回数ｍを用いて（数２）に
示すように状態j-1から状態ｊへの遷移に重み付けを行
う。図ではｍ＝２回になっており、この場合は状態j-1
から状態ｊへの遷移についてｍ＝２回に対応した重み付
けを行う。
【００２４】
【数２】
【００２５】（数２）において、αは状態間遷移の継続
時間制御の重み付け係数である。ただし、状態j-1の自
己遷移回数ｍが継続時間の最大値よりも大きい時はＰj-
1（ｍ）＝１として確率の重み付けは行わない。
時間制御の重み付け係数である。ただし、状態j-1の自
己遷移回数ｍが継続時間の最大値よりも大きい時はＰj-
1（ｍ）＝１として確率の重み付けは行わない。
【００２６】次ぎに、音声認識時の処理内容について、
図９のフローチャートに基づき説明する。
図９のフローチャートに基づき説明する。
【００２７】ｓｔｅｐ（１）では、ユーザーが発声した
登録単語音声を音声入力部より取り込み、デジタル信号
に変換する。ｓｔｅｐ（２）では、入力された音声信号
をフレーム分割し、各フレームの音声特徴量（音声パワ
ーやケプストラム係数など）を算出する。ｓｔｅｐ
（３）では、入力音声の音声特徴量の時系列を全てのＨ
ＭＭに与え、ビタビアルゴリズムによるトレリス計算を
ＨＭＭの先頭の状態から開始する。
登録単語音声を音声入力部より取り込み、デジタル信号
に変換する。ｓｔｅｐ（２）では、入力された音声信号
をフレーム分割し、各フレームの音声特徴量（音声パワ
ーやケプストラム係数など）を算出する。ｓｔｅｐ
（３）では、入力音声の音声特徴量の時系列を全てのＨ
ＭＭに与え、ビタビアルゴリズムによるトレリス計算を
ＨＭＭの先頭の状態から開始する。
【００２８】ｓｔｅｐ（４）では、トレリス上で計算対
象とする状態ｊの一つ前の状態j-1が過去に連続して自
己遷移した回数ｍを記憶しておき、その回数ｍを用いて
状態j-1から状態ｊへの遷移に重み付けをする。ただ
し、状態j-1の自己遷移回数ｍが継続時間の最大値より
も大きい時は確率の重み付けは行わない。
象とする状態ｊの一つ前の状態j-1が過去に連続して自
己遷移した回数ｍを記憶しておき、その回数ｍを用いて
状態j-1から状態ｊへの遷移に重み付けをする。ただ
し、状態j-1の自己遷移回数ｍが継続時間の最大値より
も大きい時は確率の重み付けは行わない。
【００２９】ｓｔｅｐ（５）では、トレリス計算がＨＭ
Ｍの最終状態に達するまでｓｔｅｐ（４）を繰り返す。
Ｍの最終状態に達するまでｓｔｅｐ（４）を繰り返す。
【００３０】ｓｔｅｐ（６）では、ＨＭＭの最終状態に
おける累積尤度をその単語の尤度とし、認識結果判定部
で全ての単語の尤度を比較し、最も尤度が高い標準パタ
ーンのラベル番号を認識結果として出力する。
おける累積尤度をその単語の尤度とし、認識結果判定部
で全ての単語の尤度を比較し、最も尤度が高い標準パタ
ーンのラベル番号を認識結果として出力する。
【００３１】図５は音声認識を具体的に説明するもので
あり、入力された音声［ま］［つ］［し］・・・・ は半区
間ずつ重複されたフレームで切り出される。これらフレ
ームを時間順にｔ＝1，ｔ＝2，ｔ＝3 ・・・・ とする。こ
の音声が図６に示すようにマッチングしたものとする。
ここではｔ＝1で状態１から状態２へ遷移し、ｔ＝2，3
で状態２を継続し、ｔ＝4で状態２から状態３へ遷移
し、ｔ＝5，6で状態３を継続し、ｔ＝7で状態３から状
態４へ遷移している。
あり、入力された音声［ま］［つ］［し］・・・・ は半区
間ずつ重複されたフレームで切り出される。これらフレ
ームを時間順にｔ＝1，ｔ＝2，ｔ＝3 ・・・・ とする。こ
の音声が図６に示すようにマッチングしたものとする。
ここではｔ＝1で状態１から状態２へ遷移し、ｔ＝2，3
で状態２を継続し、ｔ＝4で状態２から状態３へ遷移
し、ｔ＝5，6で状態３を継続し、ｔ＝7で状態３から状
態４へ遷移している。
【００３２】この例でのトレリス図は図７（ａ）に示す
ようになる。トレリス図では、１つの状態に移って来る
矢印は図７（ｂ）に示すように２通りのみでａまたはｂ
の何れかであり、ａまたはｂのうちで確立の大きい方を
取る。本発明では、モデルの元データすなわちモデルに
おいて前の状態が継続した時間ｍに最も近い場合が最大
確率となるように重み付けされているので、例えば図８
に示すように元データが２回継続（ｍ＝２）ならば、
（イ）や（ハ）の場合はｂの遷移が選択される確率が高
くなり、（ロ）の場合はａの遷移が選択される確率が高
くなる。このように重み付けがなされるので、状態の継
続時間がモデルの元データに近付くようになる。
ようになる。トレリス図では、１つの状態に移って来る
矢印は図７（ｂ）に示すように２通りのみでａまたはｂ
の何れかであり、ａまたはｂのうちで確立の大きい方を
取る。本発明では、モデルの元データすなわちモデルに
おいて前の状態が継続した時間ｍに最も近い場合が最大
確率となるように重み付けされているので、例えば図８
に示すように元データが２回継続（ｍ＝２）ならば、
（イ）や（ハ）の場合はｂの遷移が選択される確率が高
くなり、（ロ）の場合はａの遷移が選択される確率が高
くなる。このように重み付けがなされるので、状態の継
続時間がモデルの元データに近付くようになる。
【００３３】以上、本発明の継続時間制御方法により、
状態ｊの継続時間ｍはＰ'j（ｍ）と同じ分布に従うよう
強制的に制御される。この方式では、トレリス上の尤度
の計算回数が継続時間の最大値に関係なく通常のビタビ
アルゴリズムと同一になるため、計算量の増加が少ない
（２倍以下）。また、理論的に最大値をこえる回数の継
続時間にも対応できる。
状態ｊの継続時間ｍはＰ'j（ｍ）と同じ分布に従うよう
強制的に制御される。この方式では、トレリス上の尤度
の計算回数が継続時間の最大値に関係なく通常のビタビ
アルゴリズムと同一になるため、計算量の増加が少ない
（２倍以下）。また、理論的に最大値をこえる回数の継
続時間にも対応できる。
【００３４】（実施の形態２）請求項２では、前状態j-
1からの遷移に加えて、状態ｊの自己遷移についても重
み付けを行う。状態ｊが過去に連続して自己遷移した回
数ｎを記憶しておき、その回数ｎを用いて（数３）に示
すように状態ｊの自己遷移に重みを加える。図ではｎ＝
３回になっている。
1からの遷移に加えて、状態ｊの自己遷移についても重
み付けを行う。状態ｊが過去に連続して自己遷移した回
数ｎを記憶しておき、その回数ｎを用いて（数３）に示
すように状態ｊの自己遷移に重みを加える。図ではｎ＝
３回になっている。
【００３５】
【数３】
【００３６】（数３）において、βは自己遷移の継続時
間制御の重み付け係数である。ただし、状態ｊの自己遷
移回数ｎが継続時間の最大値よりも大きい時はＰｊ
（ｎ）＝１として計算し、確率の重み付けは行わない。
間制御の重み付け係数である。ただし、状態ｊの自己遷
移回数ｎが継続時間の最大値よりも大きい時はＰｊ
（ｎ）＝１として計算し、確率の重み付けは行わない。
【００３７】請求項２の実施の形態では、前実施の形態
１のｓｔｅｐ（４）において上記の処理に加えて以下の
処理を行う。
１のｓｔｅｐ（４）において上記の処理に加えて以下の
処理を行う。
【００３８】ｓｔｅｐ（４）では、前状態からの遷移と
同様に状態ｊの自己遷移についても、状態ｊが過去に連
続して自己遷移した回数ｎを記憶しておき、その回数ｎ
を用いて状態ｊの自己遷移に重み付けをする。ただし、
状態ｊの自己遷移回数ｍが継続時間の最大値よりも大き
い時はＰｊ（ｍ）＝１として計算する。これにより、継
続時間の制御をより精密に行うことができる。
同様に状態ｊの自己遷移についても、状態ｊが過去に連
続して自己遷移した回数ｎを記憶しておき、その回数ｎ
を用いて状態ｊの自己遷移に重み付けをする。ただし、
状態ｊの自己遷移回数ｍが継続時間の最大値よりも大き
い時はＰｊ（ｍ）＝１として計算する。これにより、継
続時間の制御をより精密に行うことができる。
【００３９】以上、本発明の継続時間制御方法により、
状態ｊの継続時間ｍはＰ'j（ｍ）と同じ分布に従うよう
強制的に制御される。この方式では、トレリス上の尤度
の計算回数が継続時間の最大値に関係なく通常のビタビ
アルゴリズムと同一になるため、計算量の増加が少ない
（２倍以下）。また、理論的に最大値をこえる回数の継
続時間にも対応できる。
状態ｊの継続時間ｍはＰ'j（ｍ）と同じ分布に従うよう
強制的に制御される。この方式では、トレリス上の尤度
の計算回数が継続時間の最大値に関係なく通常のビタビ
アルゴリズムと同一になるため、計算量の増加が少ない
（２倍以下）。また、理論的に最大値をこえる回数の継
続時間にも対応できる。
【００４０】また、請求項２の方法では請求項１よりも
計算量が若干多くなるが、より精密な継続時間制御を行
うことができる。
計算量が若干多くなるが、より精密な継続時間制御を行
うことができる。
【００４１】
【発明の効果】以上のように本発明により、状態ｊの継
続時間ｍはトレーニングデータによる状態ｊの継続時間
の分布Ｐ'j（ｍ）と同じ分布に従うよう強制的に制御さ
れる。この方式では、トレリス上の尤度の計算回数が継
続時間の最大値に関係なく、通常のビタビアルゴリズム
と同一の回数になるため、少ない計算量の増加でＨＭＭ
継続時間の制御を行うことができる。そして本発明を実
時間動作の音声認識システムに適用することにより、そ
の認識性能を向上させることができる。
続時間ｍはトレーニングデータによる状態ｊの継続時間
の分布Ｐ'j（ｍ）と同じ分布に従うよう強制的に制御さ
れる。この方式では、トレリス上の尤度の計算回数が継
続時間の最大値に関係なく、通常のビタビアルゴリズム
と同一の回数になるため、少ない計算量の増加でＨＭＭ
継続時間の制御を行うことができる。そして本発明を実
時間動作の音声認識システムに適用することにより、そ
の認識性能を向上させることができる。
【図１】本発明の実施の形態における音声認識装置の構
成ブロック図
成ブロック図
【図２】同音声認識装置の回路ブロック図
【図３】同音声認識装置のトレリス計算の一例を示す図
【図４】同音声認識装置の標準パターンの登録時の動作
を示すフローチャート
を示すフローチャート
【図５】同音声認識装置の音声認識を具体的に説明する
ための説明図
ための説明図
【図６】同音声認識装置の音声認識を具体的に説明する
ための説明図
ための説明図
【図７】同音声認識装置の音声認識に用いるトレリス計
算の一例を示す図
算の一例を示す図
【図８】同音声認識装置の音声認識における重み付けを
説明するための説明図
説明するための説明図
【図９】同音声認識装置の音声認識時の動作を示すフロ
ーチャート
ーチャート
１ 音声信号入力部 ２ 特徴抽出部 ３ ＨＭＭ標準データ格納部 ４ 尤度計算部 ５ 継続時間制御部 ６ 認識結果判定部 ７ マイク ８ ＣＰＵ ９ ＲＯＭ １０ ＲＡＭ １１ 出力装置
Claims (2)
- 【請求項１】音声信号を入力し、デジタル値に変換する
音声信号入力部と、音声信号をフレーム分割し、各フレ
ームの音声特徴量を算出する特徴抽出部と、登録済み単
語音声のＨＭＭを格納する標準データ格納部と、入力信
号の特徴量の時系列に対する各ＨＭＭの出力尤度を計算
する尤度計算部と、上記尤度計算においてトレリス上で
計算対象とする状態ｊの一つ前の状態j-1が過去に連続
して自己遷移した回数ｍを記憶しておき、その回数ｍを
用いて状態j-1から状態ｊへの遷移に学習データの継続
時間分布で重み付けを行う継続時間制御部と、上記尤度
計算部と継続時間制御部により得られる出力尤度を用い
て認識結果の判定を行う認識結果判定部とを備えること
を特徴とする音声認識装置。 - 【請求項２】継続時間制御部において、前状態j-1から
の遷移に加えて、状態ｊの自己遷移についても過去に継
続した回数ｎを記憶しておき、その回数ｎを用いて状態
ｊの自己遷移に学習データの継続時間分布で重み付けを
行うことを特徴とする請求項１記載の音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP29830296A JPH10143190A (ja) | 1996-11-11 | 1996-11-11 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP29830296A JPH10143190A (ja) | 1996-11-11 | 1996-11-11 | 音声認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH10143190A true JPH10143190A (ja) | 1998-05-29 |
Family
ID=17857894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP29830296A Pending JPH10143190A (ja) | 1996-11-11 | 1996-11-11 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH10143190A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8484514B2 (en) | 2009-05-15 | 2013-07-09 | Nec Corporation | Fault cause estimating system, fault cause estimating method, and fault cause estimating program |
| CN105700389A (zh) * | 2014-11-27 | 2016-06-22 | 青岛海尔智能技术研发有限公司 | 一种智能家庭自然语言控制方法 |
| JP2018163313A (ja) * | 2017-03-27 | 2018-10-18 | カシオ計算機株式会社 | 音声認識装置、音声認識方法、プログラム及びロボット |
-
1996
- 1996-11-11 JP JP29830296A patent/JPH10143190A/ja active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8484514B2 (en) | 2009-05-15 | 2013-07-09 | Nec Corporation | Fault cause estimating system, fault cause estimating method, and fault cause estimating program |
| CN105700389A (zh) * | 2014-11-27 | 2016-06-22 | 青岛海尔智能技术研发有限公司 | 一种智能家庭自然语言控制方法 |
| JP2018163313A (ja) * | 2017-03-27 | 2018-10-18 | カシオ計算機株式会社 | 音声認識装置、音声認識方法、プログラム及びロボット |
| US10540972B2 (en) | 2017-03-27 | 2020-01-21 | Casio Computer Co., Ltd. | Speech recognition device, speech recognition method, non-transitory recording medium, and robot |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8019602B2 (en) | Automatic speech recognition learning using user corrections | |
| JPH08110791A (ja) | 音声認識方法 | |
| EP1355295A2 (en) | Speech recognition apparatus, speech recognition method, and computer-readable recording medium in which speech recognition program is recorded | |
| KR101014086B1 (ko) | 음성 처리 장치 및 방법, 및 기록 매체 | |
| JPH09230888A (ja) | パターンマッチング方法及び装置 | |
| EP1376537B1 (en) | Apparatus, method, and computer-readable recording medium for recognition of keywords from spontaneous speech | |
| JP2002215187A (ja) | 音声認識方法及びその装置 | |
| JPH10143190A (ja) | 音声認識装置 | |
| JP4048473B2 (ja) | 音声処理装置および音声処理方法、並びにプログラムおよび記録媒体 | |
| JPH11311994A (ja) | 情報処理装置および方法、並びに提供媒体 | |
| EP1369847B1 (en) | Speech recognition method and system | |
| JP3532248B2 (ja) | 学習音声パタンモデル使用音声認識装置 | |
| JP2003271185A (ja) | 音声認識用情報作成装置及びその方法と、音声認識装置及びその方法と、音声認識用情報作成プログラム及びそのプログラムを記録した記録媒体と、音声認識プログラム及びそのプログラムを記録した記録媒体 | |
| JP3400474B2 (ja) | 音声認識装置および音声認識方法 | |
| JP3583930B2 (ja) | 音声認識装置及びその方法 | |
| JP3316352B2 (ja) | 音声認識方法 | |
| JP3841342B2 (ja) | 音声認識装置および音声認識プログラム | |
| JP2003345384A (ja) | 音声認識装置、音声認識方法および音声認識プログラム | |
| JPH1097270A (ja) | 音声認識装置 | |
| JP2000267691A (ja) | 音声認識システムにおける認識辞書選択方法 | |
| JP2001228890A (ja) | 音声認識装置 | |
| JPH08110797A (ja) | パターンマッチング装置 | |
| JPH1011085A (ja) | 音声認識方法 | |
| JPH05241594A (ja) | 音声認識方法 | |
| JPH07261780A (ja) | 発声変形音声認識装置 |