JPH10500781A - 話者識別および確証システム - Google Patents

Abstract

(57)【要約】 本発明は、非音声領域成分を減衰しスピーチ成分を正規化するためスピーチの各フレームに適応成分加重を供給する話者認識方法およびシステムに関する。線形予測の全ポールモデルは運動平均成分を有する新しい伝達関数を形成するために使用される。正規化されたスペクトルは新しい伝達関数から決定される。スピーチ成分の改良された特性を有する正規化されたスペクトルが限定される。改良されたスピーチ成分から、チャンネル上で改良された話者認識が得られる。

Description

【発明の詳細な説明】 話者識別および確証システム ［発明の技術的背景］ １．技術分野 本発明は、スピーチのスペクトルを正規化するためスピーチの各フレームの成 分に適応加重を与え、それによってチャンネルの影響を減少する話者認識システ ムまたは類似の装置に関する。 ２．関連技術の説明 話者識別システムの目的は発声からそこにいる話者を決定することである。代 りに、話者確証システムの目的は発声から話者の主張する身元を確証することで ある。話者識別および話者確証システムは話者認識の一般的カテゴリーに限定さ れることができる。 典型的な電話交換システムはしばしば異なったチャンネルで同一の開始および 終了位置間の呼びを経路設定することが知られている。各チャンネルで決定され たスピーチのスペクトルはチャンネルの影響により異なった形状を有することが できる。さらに、雑音環境で発声されたスピーチのスペクトルは静寂な環境で同 一の話者により発声されたスピーチのスペクトルとは異なった形状を有すること ができる。非音声領域成分によりスピーチのスペクトルが変化するために異なっ たチャンネル上または雑音環境でのスピーチ認識はそれ故困難である。 一般的な方法はスペクトル形状を訂正するためにスピーチスペクトルの正規化 を試みる。米国特許第5,001,761 号明細書は雑音の影響を有するある周波数周辺 でスピーチを正規化する装置を開示している。スピーチのスペクトルは予め定め られた周波数で分割される。それぞれ分割されたスペクトルの線形近似ラインが 決定され、近似ラインはスペクトルを正規化するため予め定められた周波数で結 合される。この装置は、スピーチの各フレームが雑音の影響を有する予め定めら れた周波数に対して正規化されるだけであり、スピーチのフレームはスペクトル の周波数範囲で生じることができる非音声領域の影響を減少するために正規化さ れない欠点を有する。 米国特許第4,926,488 号明細書はスピーチ信号を伴う雑音を考慮するため発声 された入力を強調するようにスピーチを正規化する方法を開示している。この方 法はスピーチの特徴ベクトルを発生する。特徴ベクトルは複数のパラメータを含 んだオペレータ関数により正規化される。最も近いプロトタイプのベクトルは正 規化されたベクトルのために決定され、オペレータ関数は正規化されたベクトル を最も近いプロトタイプに近付けるように変更される。変更されたオペレータベ クトルは正規化されたベクトルへ変換するため次の特徴ベクトルに与えられる。 この特許は１以上の周波数にわたって生じる非音声領域の影響を考慮しないとい う限定を有する。 スピーチは一般的に人間の音声領域を模倣する方法でモデル化される。線形予 測コード（ＬＰＣ）はスピーチセグメントのスペクトルエンベロープで位置スペ クトル（周波数）とピーク形状（帯域幅）に変換されることができるパラメータ を使用してスピーチの短いセグメントを記述するために使用されている。セプス トラル係数は信号のパワースペクトルの対数の逆フーリエ変換を表している。セ プストラル係数は周波数スペクトルまたは線形予測ＬＰ係数から得られることが できる。セプストラル係数は話者認識の主要な特性として使用されることができ る。典型的に１２のセプストラル係数がスピーチの各フレームに対して形成され る。 減少された組のセプストラル係数はスピーチの合成または認識に使用されるこ とができることが発見されている。米国特許第5,165,008 号明細書にはスピーチ 合成方法を開示されており、ここでは５つのセプストラル係数が話者の独立した データの各セグメントに使用される。５つのセプストラル係数の組は係数加重係 数を決定するため線形予測解析により決定される。係数加重係数は音声領域のリ ソース空間におけるベクトルの各素子の２乗されていない予測エラーを最小にす る。同一の係数加重係数がスピーチの各フレームに供給され、非音声領域の影響 を考慮しない。 非音声領域の影響を減少しながら信号の音声領域特徴を改良するスピーチの各 フレームに対するスピーチ成分の適応加重を与えるためスピーチのスペクトルが 正規化されるスピーチ認識システムを提供することが所望される。 ［発明の要約］ 本発明の方法は、時間に関する成分のスペクトル形状を伴って、スピーチ成分 と、非音声領域成分との間に差が存在する事実を使用する。チャンネル、雑音成 分のような非音声領域成分がスピーチ成分の帯域幅よりも実質上大きいスペクト ルの帯域幅を有することが発見されている。スピーチインテリジェンスは大きい 帯域幅成分の減衰し、一方スピーチに関する小さい帯域幅成分の強調することに より改良される。改良されたスピーチインテリジェンスは高性能話者認識装置の ような製品で使用されることができる。 この方法はデジタルスピーチの連続フレームを発生するためにアナログスピー チ信号をデジタル形態に変換することによるアナログスピーチ信号の解析を含ん でいる。デジタルスピーチのフレームは話者のスペクトルと予測係数として知ら れている１組のスピーチパラメータを抽出するため線形予測解析を使用して適切 に解析される。予測係数はスピーチのフレームの成分を特徴づける全ポールフィ ルタの複数のポールを有する。スペクトル成分は関連する帯域幅に基づいて顕著 な成分の貢献を強調するため正規化されることができる。適応成分加重はスピー チに関連する成分を強調し、スピーチではない影響に関する成分を減衰するため にスペクトル成分に供給される。セプストラル係数はスピーチ信号の強調された 特徴を与えるために正規化されたスペクトルに基づいて決定される。改良された 分類は強調された特徴に基づいてスピーチ認識システムで行われる。 好ましくは本発明の話者認識システムはクレジットカード処理、電話料請求カ ード処理、コンピュータ回路網の利得アクセス用の電話システムで個人の身元を 確証するために使用されることができる。さらに、話者認識システムはドアの音 声付勢ロック、音声付勢自動車エンジン、音声付勢コンピュータシステムに使用 されることができる。 本発明は後述の図面を参照してさらに理解されよう。 ［図面の簡単な説明］ 図１はシステムの訓練期間中における本発明のシステムのフロー図である。 図２は評価期間における本発明のシステムのフロー図である。 図３は特徴抽出および特徴強調のための本発明の方法のフロー図である。 図４は適応成分加重フィルタ処理のない従来技術のスピーチスペクトルのグラ フである。 図５は適応成分加重フィルタ処理を有する図４で示されたスピーチスペクトル のグラフである。 図６Ａは適応成分加重フィルタ処理のないスペクトルである。 図６Ｂは適応成分加重フィルタ処理を有するスペクトルである。 図７は適応成分加重フィルタ処理のない場合とある場合とのスペクトルの比較 である。 図８は伝達関数（１−０．９ｚ^-1）に対する運動平均フィルタ（ＦＩＲ）の応 答特性である。 ［好ましい実施例の詳細な説明］ 説明において、同一符号は本発明を図示する異なった図面にしたがった同様の 素子を示すために使用されている。 図１はシステムの訓練中のスピーチ認識システム10のフロー図を示している。 スピーチ訓練入力信号はデジタルスピーチの連続フレームを与えるためにアナロ グデジタルコンバータ11に供給される。特徴抽出モジュール12はデジタルスピー チのフレームを受信する。特徴抽出モジュール12はデジタルスピーチのフレーム の特性パラメータを獲得する。話者認識では、特徴抽出モジュール12で抽出され た特徴は適切な話者認識を可能にするために話者に特有である。 特徴強調モジュール14は特徴抽出モジュール12で抽出された特徴を強調する。 特徴強調モジュール14はまた複数の抽出特徴を話者認識に必要とされる主要特徴 に減少する。強調特徴における分類がブロック16で行われる。好ましくは分類は 各話者に対するユニバーサルコードブックを生成するためにベクトル量子化の一 般技術で行われることができる。代りの例では、分類は多重層知覚、神経回路網 、ラジアル基礎関数回路網、陰蔽マルコフモデルにより行われることができる。 技術で知られている他の分類方法が本発明の方法で使用されることが認識されよ う。 図２では、話者認識システム10が話者識別または確証用に示されている。スピ ーチ評価入力信号はアナログデジタルコンバータ11でデジタル化され、特徴抽出 モジュール12に供給される。スピーチ入力信号の強調された特徴はテンプレート 整合モジュール18で受信される。テンプレート整合モジュール18は話者の同一で あることを決定するかまたは話者がユニバーサルコードブック中にエントリーを 有するかを確証するためユニバーサルコードブックまたは典型的な分類システム で最も近い整合を決定する。 図３は特徴抽出ブロック12と特徴強調ブロック14を実行するための好ましい実 施例のフロー図を示している。スピーチｓ（ｋ）のフレームは変調モデル（ＭＭ ）により表されることができる。変調モデル（ＭＭ）は振幅変調（ＡＭ）および 周波数変調（ＦＭ）成分の数Ｎを表したパラメータを含んでいる。スピーチフレ ームは次の式により表されることができる。 ここで、Ａ_i（ｋ）はｉ番目の振幅変調成分であり、φ_i（ｋ）はｉ番目の瞬間位 相成分であり、η（ｋ）はモデルエラーである。 振幅変調成分Ａ_i（ｋ）と瞬間位相成分φ_i（ｋ）は典型的に狭帯域幅の信号で ある。次式を得るため、線形予測解析は１ピッチ期間の時間間隔にわたる変調関 数を決定するために使用されることができる。 ここでＧ_iは成分利得であり、Ｂ_iは帯域幅であり、ω_iは中心周波数であり、θ_i は相対的遅延である。 スピーチ信号ｓ（ｋ）は線形予測コード化（ＬＰＣ）係数を得るためにブロッ ク110へ供給される。スピーチ信号のＬＰ多項式Ａ（ｚ）は以下の式により限定 されることができる。 ここでａ_iは線形予測係数であり、Ｐは係数のオーダーである。 線形予測コード化解析では、音声領域の伝達関数は次式により限定されるＰ番 目のオーダーのＬＰ解析により与えられる時変化の全ポールフィルタによりモデ ル化されることができる。 Ａ（ｚ）のルートは次式を得るためそのルートによってＬＰ多項式Ａ（ｚ）を 係数化することによりブロック112 で決定されることができる。 ここでｚ_iはＬＰ多項式Ａ（ｚ）のルートであり、ＰはＬＰ多項式のオーダーで ある。通常、ＬＰ多項式のルートは複素数であり、原点から複素数ｚ平面までほ ぼ１の放射状距離に位置する。 衰しスピーチに対応する小さい帯域幅成分を強調するためブロック114 において 決定される。 ができる。 剰余ｒ_iは各成分ｉの相対的利得と、位相オフセットを表し、これは複合スペク トルのスペクトル傾斜として限定されることができる。 大きい帯域幅のスペクトル成分は非音声領域成分に対応し、非音声領域成分は 大きい剰余値を有することが発見されている。 正規化された残余ｒ_iは、その帯域幅に基づいてスペクトルの各成分ｉの比例 した貢献を生じる。剰余ｒ_iの正規化はｒ_iを１のような定数に設定することによ り行われる。例えばｒ_iが１に設定されるならば、成分ｉの貢献はほぼ以下のよ うになる。 これは次式に等しい。 式114 から各成分ｉの貢献は帯域幅Ｂ_iに反比例し、成分ｉが大きな帯域幅Ｂ_iで あるならば、式114 の値は成分ｉが小さい帯域幅Ｂ_iを有する場合よりも小さい ことが示される。剰余ｒ_iの正規化は帯域幅に基づく加重をスピーチの各フレー ムのスペクトル成分に供給する適応成分加重（ＡＣＷ）として限定されることが できる。 前述の発見に基づいて、スピーチ成分を増加しながら非音声領域成分を減衰す はオーダーＰ−１の運動平均成分（ＭＡ）を有し、これは信号のスピーチ成分の 貢献を正規化する。 セプストラル係数はM.R.Schroeder の“Direct（nonrecursive）relation bet ween cepstrals and predictor coefficients”、Proc．IEEE 29:297-301、1981 年４月で記載されているようなスペクトル情報として使用されることが技術で知 られている。セプストラル係数は次式のセプストラル指数に正規化されたポール のパワー合計により限定されることができる。 ここでｃ_nはセプストラル係数である。 セプストラル係数ｃ_nは式106 により限定されているＬＰ多項式Ａ（ｚ）のル ートにより表されることができる。 予測係数ａ_iは実数であることが知られている。式106 により限定されるＬＰ多 項式Ａ（ｚ）のルートは実数であるか共役複素数対で生じる。ＬＰ多項式Ａ（ｚ ）の各ルートは以下の関係で中心周波数ωと帯域幅Ｂ_iに関連される。 中心周波数ω_iと帯域幅Ｂ_iは以下のようにして発見されることができる。 ここでＩｍ（ｚ_i）は虚数ルートであり、Ｒｅ（ｚ_i）は実数ルートである Ｂ_i＝−１ｎ｜ｚ_i｜ （１２２） 式118 を式117 に代入すると、以下のように限定されることができるスピーチ 信号ｓ（ｋ）のセプストラル係数が得られる。 ここでｎ番目のセプストラルｃ_n係数はＭＭパラメータの非線形変換である。周 波数指数ｎは式100 の時間変数ｋに対応し、相対遅延φ_iはゼロに設定され、相 対利得Ｇ_iは１に設定される。 がブロック116 で決定されることができる。Ｎ（ｚ）は次式のように限定される ことができるスピーチスペクトルのチャンネルおよびスペクトル傾斜を表したＬ Ｐ多項式である。 ここでｂは線形予測係数を表しており、Ｐは多項式のオーダーである。信号のス ピーチ成分を正規化するＦＩＲフィルタは以下のように限定されることができる 。 式126 により限定されるようにＬＰ多項式Ｎ（ｚ）を係数化し、式110 により限 定されているようにＡ（ｚ）を係数化すると次式のように限定される新しい伝達 ここでｚ_iは式126 により限定されたＬＰ多項式のルートである。 適応成分加重（ＡＣＷ）を有するスペクトルは次式によりその正規化されたセ はブロック118 で計算される。正規化されたセプストラルは非音声領域成分を減 衰し、一般的なセプストラルスペクトルのスピーチ成分を増加する。ブロック11 8 から決定された正規化されたセプストラルスペクトルは分類ブロック16または テンプレート整合ブロック18で使用されることができる。 図４は伝達関数Ｈ（ｚ）からの１つのチャンネル上での話者に対する従来技術 によるスピーチスペクトル分解を示している。１−４と符号の付けられた成分は 音声領域の共振を表している。共振のピークはω₁−ω₄で示された中心周波数で 生じる。各共振はＢ₁−Ｂ₄と示されるそれぞれの帯域幅を有する。５、６で示さ れた成分は非音声領域の影響を表している。図４は非音声領域の影響を表したＢ₅ 、Ｂ₆で示された帯域幅がスピーチ成分のＢ₁−Ｂ₄とラベルされた帯域幅よりも 非常に大きいことを示している。 ーチスペクトルの分解を示している。図５では成分１−４のピークが強調され、 成分５、６のピークは減衰される。 図６Ａは音声領域および非音声領域成分を含んだスピーチ信号の従来技術のス ペクトルを示している。図６Ｂは適応成分加重フィルタの適用後のスピーチ信号 のスペクトルを示している。図６Ｂは信号のスピーチ成分を強調するためピーク １−４を約３０ｄｂの値に正規化している。 図７は図６Ｂで示されたスペクトルにおけるＮ（ｚ）により限定された運動平 均フィルタの応答特性を示している。 との比較を示している。伝達関数Ｈ（ｚ）はチャンネルの影響を含んでいる。伝 テキスト独立話者識別例が行われた。同じ（ニューイングランド）方言の３８ 人の話者を表すＤＡＲＰＡ ＴＩＭＩＴデータベースのサブセットが使用された 。 各話者は１発声当り３秒の平均継続時間で１０回発声した。５発声がブロック16 の訓練システム10で使用され、５発声がブロック18の評価用に使用された。伝達 関数Ｈ（ｚ）から得られた第１の組のセプストラル特性は適応成分加重伝達関数 訓練および試験はスピーチ信号のチャンネルの影響なしに行われた。Ｈ（ｚ） ９３％の同一の認識率を有した。 訓練および試験がチャンネルの影響を含んだスピーチ信号で行われ、ここでチ ャンネルは伝達関数（１−０．９ｚ^-1）によりシミュレートされた。Ｈ（ｚ）か （ｚ）から決定された第２の組のセプストラル特性は７４．４％の認識率を有し た。認識率を２４．６％に改良することが適応成分加重により決定されるセプス トラル特性を使用して発見された。 本発明はスピーチ信号の特徴の改良によりチャンネル等における話者認識を改 良する利点を有する。スピーチ信号の非音声領域成分は減衰され、音声領域成分 は強調される。本発明は好ましくは電話システムまたは雑音環境にわたる話者認 識に使用される。 本発明を好ましい実施例を参照して説明したが、この説明は限定を意図するも のではない。変形が本発明の技術的範囲を逸脱することなく行われることが当業 者に認識されるであろう。

【手続補正書】特許法第１８４条の８ 【提出日】１９９５年６月１６日 【補正内容】 【図１】 【図２】 【図３】 【図４】 【図５】 【図６】 【図７】 【図８】 【図９】 【手続補正書】特許法第１８４条の８ 【提出日】１９９５年８月２８日 【補正内容】 請求の範囲 （１）話者認識方法において、 スピーチセグメントを複数のスピーチフレームへウィンドウ処理し、 それぞれの前記スピーチフレームの線形予測多項式から線形予測係数を決定し 、前記線形予測係数から第１のセプストラル係数を決定することによって前記ス ピーチセグメントを第１のセプストラル情報へ解析し、前記第１のセプストラル 情報は前記第１のセプストラル係数を有しており、 適応成分加重セプストラルを生成するために前記第１のセプストラル情報から 予め定められた成分へ加重を供給し、前記スピーチ信号中の広帯域幅成分を減衰 させ、 前記適応成分加重セプストラルと、複数の話者により発声される複数のスピー チパターンとの類似性を前もって計算することにより前記適応成分加重セプスト ラルを認識するステップを含んでいる方法。 （２）前記スピーチセグメントを解析する前記ステップにおいて、 全ポールフィルタを前記線形予測多項式に適用し、 前記全ポールフィルタのポールから前記線形予測多項式の複数のルートを決定 し、それぞれの前記ルートは剰余成分を含んでおり、 前記スピーチ信号のスピーチフォルマントを強調し、前記剰余成分を減衰する ために有限インパルス応答フィルタを決定し、 前記有限インパルス応答フィルタから適応成分加重を決定し、 ｚ平面の単位円内の予め定められた数の前記ルート数を有する前記フレームの １つを選択し、前記選択されたフレームは前記第１のセプストラル情報の前記予 め定められた成分を形成するステップをさらに有する請求項１記載の方法。 （３）スピーチ信号を複数のデジタルスピーチフレームに変換する手段と、 各前記スピーチフレームの線形予測多項式から線形予測係数を決定し、前記線 形予測係数から第１のセプストラル係数を決定することによって前記デジタルス ピーチを第１のセプストラル情報へ変換し、前記第１のセプストラル情報は前記 第１のセプストラル係数を有するスピーチパラメータ抽出手段と、 前記スピーチ信号の広帯域幅成分を減衰するために適応成分加重セプストラル を生成する前記第１のセプストラルパラメータへ適応加重を適用するスピーチパ ラメータ強調手段と、 前記適応成分加重セプストラルと、複数の話者により発声された複数のスピー チサンプルとの類似性を前もって決定する評価手段とを具備している話者認識用 システム。 （４）前記パラメータ抽出手段において、 ＬＰ多項式を決定する手段と、 前記ＬＰ多項式の複数のルートを決定する手段と、 ｚ平面の単位円内の予め定められた数の前記ルートを有する前記フレームの１ つを選択する手段とをさらに具備し、前記選択されたフレームは前記第１のセプ ストラル情報の前記予め定められた成分を形成する請求項３記載のシステム。 （５）スピーチセグメントを複数のスピーチフレームへウィンドウ処理し、 それぞれの前記スピーチフレームに対する線形予測多項式から線形予測係数を 決定し、 前記線形予測係数から第１のセプストラル係数を決定し、ここで第１のセプス トラル情報は前記第１のセプストラル係数を構成し、 全ポールフィルタを前記線形予測多項式へ適用し、 前記全ポールフィルタのポールから前記線形予測多項式の複数のルートを決定 し、各前記ルートは剰余成分を含んでおり、 ｚ平面の単位円内の予め定められた数の前記ルートを有する前記フレームの１ つを選択し、それにおいて前記選択されたフレームは前記第１のセプストラル情 報の前記予め定められた成分を形成し、 前記第１のセプストラル情報からの予め定められた成分へ加重を適用して前記 スピーチ信号中の広帯域幅成分を減衰するために適応成分加重セプストラルを生 成し、有限インパルス応答フィルタを決定して前記スピーチ信号のスピーチフォ ルマントを強調し、前記剰余成分を減衰する有限インパルス応答を決定するステ ップにおいて、前記スピーチ信号のスピーチフォルマントを強調して前記剰余成 分を減衰するために有限インパルス応答フィルタを決定し、前記有限インパルス 応答フィルタから適合成分加重係数を決定し、前記適合成分加重係数から第２の セプストラル係数を決定し、前記適応成分加重セプストラルを形成するために前 記第１のセプストラル係数から前記第２のセプストラル係数を減算するステップ を有し、 前記適応成分加重セプストラルと、複数の話者により発声される複数のスピー チパターンとの類似性を前もって計算することにより前記適応成分加重セプスト ラルを認識するステップを含んでいる話者認識方法。 （６）前記有限インパルス応答フィルタは前記第１のスペクトルの前記剰余成分 を正規化する請求項５記載の方法。 （７）前記有限インパルス応答フィルタが次式の適応成分加重スペクトルに対応 し、 ここでｂ_iは前記適応成分加重係数であり、ＰはＬＰ解析のオーダーである請求 項６記載の方法。 （８）前記適応成分加重セプストラルを分類手段において前記複数のスピーチパ ラメータとして分類するステップをさらに有する請求項７記載の方法。 （９）前記適応成分加重セプストラルを前記分類手段において前記分類された適 応成分加重セプストラルと整合することにより前記適応成分加重セプストラルと 前記スピーチパターンとの前記類似性を決定するステップをさらに有する請求項 ８記載の方法。 （１０）話者認識システムにおいて、 スピーチ信号をデジタルスピーチの複数のフレームに変換する手段と、 前記デジタルスピーチを第１のセプストラル情報へ変換し、前記ＬＰＣフィル タのそれぞれは剰余成分を含む複数のルートを決定するために全ポール線形予測 （ＬＰＣ）フィルタ手段を具備しているスピーチパラメータ抽出手段と、ｚ平面 の単位円内の予め定められた数の前記ルートを有する前記フレームの１つを選択 する手段であって、前記選択されたフレームは前記第１のセプストラル情報の前 記予め定められた成分を形成するフレーム選択手段と、 前記第１のセプストラル情報へ適応加重を供給して、前記スピーチ信号の広帯 域幅成分を減衰するための適応成分加重セプストラルを生成し、前記スピーチ信 号のスピーチフォルマントを強調して前記剰余成分を減衰するための有限インパ ルス応答フィルタと、前記有限ィンパルス応答フィルタから適応成分加重係数を 計算する手段と、前記適応成分加重係数から第２のセプストラル係数を計算する 手段と、前記適応成分加重セプストラルを形成するために前記第１のセプストラ ル係数から前記第２のセプストラル係数を減算する手段とを具備しているスピー チパラメータ強調手段と、 前記適応成分加重セプストラルと、複数の話者により発声された複数のスピー チサンプルとの類似性を前もって決定する評価手段とを具備している話者認識用 システム。 （１１）前記有限インパルス応答フィルタは以下の適応成分加重スペクトルに対 応し、 ここでｂ_iは前記適応成分加重係数であり、ＰはＬＰ解析のオーダーである請求 項１０記載のシステム。 （１２）前記複数のスピーチパターンとして前記適応成分加重セプストラルを分 類する手段をさらに具備している請求項１１記載のシステム。 （１３）前記適応成分加重セプストラルを前記分類手段において前記記憶された 適応成分加重セプストラルと整合することにより前記適応成分加重セプストラル と前記スピーチパターンとの類似性を決定する手段をさらに具備している請求項 １２記載のシステム。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ， ＤＫ，ＥＳ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，Ｍ Ｃ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ，ＣＧ ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ，ＳＮ， ＴＤ，ＴＧ)，ＡＭ，ＡＴ，ＡＵ，ＢＢ，ＢＧ，ＢＲ， ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＺ，ＤＥ，ＤＫ，ＥＳ，Ｆ Ｉ，ＧＢ，ＧＥ，ＨＵ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ ，ＫＺ，ＬＫ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＮ， ＭＷ，ＭＸ，ＮＬ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，Ｒ Ｕ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＴＪ，ＴＴ，ＵＡ ，ＵＧ，ＵＺ，ＶＮ (72)発明者 アッサーレー、カーレッド・ティー アメリカ合衆国、ニュージャージー州 08904、ハイランド、ハイランド・アベニ ュー 17

Claims (1)

1. 【特許請求の範囲】 （１）第１のスペクトル情報へスピーチ音声を解析し、 正規化された第２のスペクトルを発生するため前記第１のスペクトル情報から 予め定められた成分へ加重を供給し、 前記第２のスペクトルと、前もって複数の話者により発声された複数のスピー チパターンの類似性を計算することにより前記第２のスペクトルを認識するステ ップからなる話者認識方法。 （２）前記スピーチ音声は前記スピーチ音声を複数のフレームに分離することに より解析され、それぞれのフレームは予め定められた時間を有し、線形予測解析 を通じてそれぞれの前記スピーチ音声のＬＰＣ係数を獲得する請求項１記載の方 法。 （３）第１の加重は第１の予め定められた成分に供給され、第２の加重は第２の 予め定められた成分に供給される請求項２記載の方法。 （４）前記第１の加重は前記第１の成分を増加し、前記第２の加重は前記第２の 成分を減衰する請求項３記載の方法。 （５）前記第１、第２の加重は各前記フレームのために決定される請求項４記載 の方法。 （６）前記第２の成分は大きい帯域幅を有する請求項５記載の方法。 （７）前記ＬＰＣ係数のルートを決定し、それぞれの前記ルートは剰余成分を含 んでおり、 各前記ルートの前記剰余成分を正規化するステップにより前記第１、第２の加 重が決定される請求項６記載の方法。 （８）前記第２のスペクトルは以下の変換により限定され、 ここでＰは解析のオーダーであり、ｚ_iは前記スピーチ音声の帯域幅と周波数を 表す複素数のルートである請求項７記載の方法。 （９）スピーチの前記第２のスペクトルの正規化セプストラルを決定するステッ プをさらに有する請求項８記載の方法。 （１０）前記セプストラルが次式により限定され、 ここでＰは係数の数であり、ｚ_iは前記第２のスペクトルの複素数のルートであ る請求項９記載の方法。 （１１）前記複数のスピーチパターンとして分類手段中に前記第２のスペクトル を記憶するステップをさらに有する請求項１０記載の方法。 （１２）前記第２のスペクトルを前記分類手段の前記記憶された第２のスペクト ルと整合することによって前記第２のスペクトルと前記スピーチパターンとの前 記類似性を決定するステップをさらに有する請求項１１記載の方法。 （１３）スピーチ信号をデジタルスピーチの複数のフレームに変換する手段と、 前記デジタルスピーチを１組の第１のスペクトルパラメータに変換するスピー チパラメータ抽出手段と、 正規化された第２のスペクトルを発生するために適応加重を前記第１のスペク トルパラメータに供給するスピーチパラメータ強調手段と、 前記第２のスペクトルと、前もって前記話者により発声された複数のスピーチ サンプルとの類似性を決定する評価手段とを具備している話者認識用システム。 （１４）前記複数のスピーチサンプルが前記第２のスペクトルにより発生される 請求項１３記載のシステム。 （１５）前記第１のスペクトルが前記スピーチ信号を全ポールのＬＰＣフィルタ を通してフィルタ処理することにより発生される請求項１４記載のシステム。 （１６）前記スピーチ信号が音声領域および非音声領域成分を含んでおり、前記 スピーチパラメータ強調手段は前記非音声領域成分を減衰し、前記音声領域成分 を増加するための運動平均フィルタ手段を含んでいる請求項１５記載のシステム 。 （１７）前記複数のスピーチサンプルを量子化するベクトル量子化手段と、 前記量子化されたサンプルをコードブックに記憶する手段をさらに具備してい る請求項１６記載のシステム。 （１８）前記評価手段が前記第２のスペクトルを前記コードブックに記憶された 前記サンプルに整合することにより前記第２のスペクトルと前記複数のスピーチ サンプルとの類似性を決定するテンプレート整合手段を具備している請求項１７ 記載のシステム。 れは次式により定められる請求項１８記載のシステム。