JPS58136098A - 認識パタ−ン学習方式 - Google Patents
認識パタ−ン学習方式Info
- Publication number
- JPS58136098A JPS58136098A JP57018662A JP1866282A JPS58136098A JP S58136098 A JPS58136098 A JP S58136098A JP 57018662 A JP57018662 A JP 57018662A JP 1866282 A JP1866282 A JP 1866282A JP S58136098 A JPS58136098 A JP S58136098A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- recognition pattern
- recognition
- sample information
- learning
- 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
- 238000000034 method Methods 0.000 claims description 24
- 238000010606 normalization Methods 0.000 claims description 6
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 230000001568 sexual effect Effects 0.000 claims 1
- 238000001228 spectrum Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 101100412093 Schizosaccharomyces pombe (strain 972 / ATCC 24843) rec16 gene Proteins 0.000 description 2
- 235000009508 confectionery Nutrition 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 239000013256 coordination polymer Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 102100031437 Cell cycle checkpoint protein RAD1 Human genes 0.000 description 1
- 101001130384 Homo sapiens Cell cycle checkpoint protein RAD1 Proteins 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004898 kneading Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000009941 weaving Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
本ず１゛明は音声認識装置における認識パターン学習方
式に係り、特に使用する各用語ごとに作成される照合パ
ターントレーニングのために入力される音声により加１
平均化学習せしめ、より安定した認識結果を得ることが
できる認識パターン学習方式に関するものでを〕る。 従来、入力音声をスペクトル分析フィルタを用いて所定
周波数帯域別にサンプリングした後正知化して所定の情
報−リイズに圧縮し、音声認識のだめの認識パターンを
作成する方式としては種々のものが提案されている。 そして、この発明の出願人は最近、スペクトル分析フィ
ルタを用いてサンプリングした各周波数帯域における入
カザンプル情報を入力音声の語。 句、音韻の長さおよび発声の時間変化、音量の時間変化
に関係なく一定数のセグメントにグループ化した上、各
セグメントにおける周波数帯域別サンプル情報の総和を
求め、各セグメント内の総和のうち最大値に刻
式に係り、特に使用する各用語ごとに作成される照合パ
ターントレーニングのために入力される音声により加１
平均化学習せしめ、より安定した認識結果を得ることが
できる認識パターン学習方式に関するものでを〕る。 従来、入力音声をスペクトル分析フィルタを用いて所定
周波数帯域別にサンプリングした後正知化して所定の情
報−リイズに圧縮し、音声認識のだめの認識パターンを
作成する方式としては種々のものが提案されている。 そして、この発明の出願人は最近、スペクトル分析フィ
ルタを用いてサンプリングした各周波数帯域における入
カザンプル情報を入力音声の語。 句、音韻の長さおよび発声の時間変化、音量の時間変化
に関係なく一定数のセグメントにグループ化した上、各
セグメントにおける周波数帯域別サンプル情報の総和を
求め、各セグメント内の総和のうち最大値に刻
【７て正
規化のための基準数価を与え、他の総和にれ１最人総和
との比に比例し、た数値を与えることにより人力音声の
サンプル情報を正規什して認識バタ一二／を作成する１
１式を榔案し。 ている。 この方店によりｙ川内な極めて優れ六認識装置が得られ
ているが、本来の発明の方式におしするｊｌ（１合パタ
ーンは各用語ごとに１回だけの発声人力によって作成さ
れるだめ、作成時の入力音声が史ｆ′９：に使用される
Ｗ）台の発声と異なるＳ＠も考メ亡１れ、また、夕１来
Ｍ音が滑入し、悪い認識パターンを作成することもあり
イ１１ろ。！？＃、％ ｆｉｓｔ合パターン作成時と実
際に使用すＺ）どきが時間的に舒過１．てＢ声のｊｐｉ
が相当変ることもあり得る。 このようが場合、最新の入ノ）音声のパターンを重ねて
学習するとどにより、より安定した良好なパターンに改
良する必要７５１ ｌｔｇじてくる３、ぞ【７１、実際
に使用する場合、ｈ、２識装楢はこのよう庁パターンの
学習機能を持っていた方がより安定した認識性能を発揮
することができる。 本発明は１臥土の点に鑑み、このようｈ問題を解決しか
かる？望ｆθ〜足すべくなされた認識パターン学習方式
を提供するもので、学習のための人力音声の開繊パター
ンを７１応するエレメントごとに加重平均１ＨＪｌ−て
学習パターンを作りソするようにしたものである。 」ソ下、図面に基づき庫発明の実施例を詳細に説明する
。 まず、実施例を酪）３明する前に本発明の理解を容易に
するため、本発明に用いる認識パターン作成方式につい
て説明−４乙。 第１図はこの認識パターン作成方式を適用した音声自ｖ
Ｉ認識装置の一例を示すブロック図である。 図において、入力音声はマイクロフォンＭＩＣによって
収集された拶、増幅器Ａにより適当々レベルに増幅され
てスペクトル分析器ＳＡに供給される。 このスペクトル分析器ＳＡケｆ／１１えば、１６チヤン
ネルの帯域フィルタ旧’Ｆ＋−ＢＰＦ］６を有し、入力
音声はこのスペクトル分析器ＳＡによって所定周波数帯
域別のエネルギーｌとして分解される。 そして、各帯域フィルタＢＰＦＩ〜ＢＰＦ］６ の出
力けぞれぞれ整流器ＲＥＣ］ ］ヘーＲＥＣ１６によっ
て直流信号に唆捗されてアナログマルチプレクサＭＰを
介してＡｎ変換器ＡＤＣに伊、給される。このアリログ
マルチプレクサＭＰはｆ流器ＲＥＣ１−ＲＥＣ１６の出
力信号を＋Ｉ：１分割でＡＤ変換器Ａｒ）Ｃに供給り２
、ＡＤ＜σ中黒Ａｔ）Ｃに各帯域別の直流信局を所定時
間間隔でサンプリングしてテイジタル値に変検させるも
のである。こねにより、ＡＤ変捧器ＡＤＣからは入力音
声に含まれる各帯域別のエネルギーを表わすサンプル情
報が得られる。そして、このサンプル情報は語領域検出
器ＤＩＤＴの制御により原始テ・−タメモリＭＥＭに一
時記惰される。この場合は、原始データメモリＭｇＭに
は藺の始１りからｐＶ）ｔでのサンプル情報が記・隠さ
れることに々るそシテ、こｏｇ領域検出器ＤＥＴは、秒
１１えＶ、丁Ｍ ｌ！］ｌのサンプリング時における全
帯域のサンプノド情報を Ｆｃ＝（ｆｌ（ｔｃ）、ｆｚ（ｔｃ）、 ＋＋＋＋＋
ｆｌ６（ｔｅ））−ｆｔｌとし、今回のサンプリング時
に」、・け乙全帝城の″！Ｊンプル情報を ＦＬ＝（ｆｌ（ｔＴＪ）、ｆｚ（ｔＬ）・・・・・・ｆ
ｌ６（ｔＬ））・・・ （２１とした時、 （ｊ＝１．２． ・・・・・・・・・・・・１６）を
計算し、ｄＣがある変化限界Ｔを越えている条件（ｄａ
＞Ｔ）においては入力音声が持続しているものと見做し
、各サンブリンク動作毎のサンプル情報を原始データメ
モリＭＥＭに記憶させるように構成されるものである。 原始データメモＱＭＥＭＫ配憶された入力音声のサンプ
ル情報は、本発明による認識パターン作成方式を利用し
た認識パターン作成部ＣＰＤにおいて正規化圧縮処理さ
れて音声認識用の認識パターンに質請される。・ぞし、
−Ｃ１この認識パターンは、認ｍパターンメモリＣＰ−
ＭＥＭに配憶されるが、この後、照合パターンメモＩＪ
ＲＦ・ＭＩＥＭに予め記憶されている複数の語に関する
照合パターン（リファレンスパターン）と照合部ＲＥＦ
において照合され、入力音声に該当する飴の判定がなさ
ハる。この藺の判定結栄は出力部ＯＵＴを介して文字情
報等の形態で出力される。これによって、マイクロフォ
ンＭＩＣから収集さ第１る入力音声の目脂ｒｉｉＪ！Ｆ
＃を行うことができる。 さて＼認識パターン作成部ＣＰＤはまず次のようにして
認識パターンを作成する。 まず、原始データメモリＭＥＭには、第２図のデータマ
ツプに示すように入力音声の時間長に１−１′例してｉ
個のサンプル情報がスペクトル分析器ＳＡの各周６Ｑ数
帯域別に？すられる。なお、第２図において、８１〜Ｓ
ｉはザンブリングタイムスロットの番号、ｆｌ〜ｆｎ（
ｎ：実施例では１６）ｌｄスペクトル分析器ＳＡにおけ
るフィルタチャンネル、０３２゜０２８ ・・・の数字
はサンプル情報を表わしている。 この場合、入力音声のザンブリング間隔は例えば５ｍｓ
程度に選ばれるが、畑い語や単音節の場合には約１００
ｍ５程度の発声時間となり、＞ｒｒ＋常使用される語句
は約１秒程度の発声時間と庁るため、約２０〜２００側
根度のサンプル情報が得られる。 そこで、このように入力音声の時間長に応じて情報数が
変化すＺ）サンプル情報を、入力音声の時間長に関係力
〈正規化するため、１個のサンプリング情報は第３図に
示すように所定数却位で均一に例えば８個のセグメン）
Ｔｌ〜Ｔ８にグループ化され、各セグメント内でのサン
プル情報の総和が求められる。この場合、セグメント数
は認識ｙｒＲ度を勘案して決定されるが、飴の長さに関
係々く一定とすれば照合パターンとの照合処理が簡単に
なる。 ここで、セグメン）ＴＮ（Ｎ＝１〜８）におけるフィル
タチャンネルｆｎ（ｎ＝１〜１６）のサンプル情報総和
を ｆ−７”表わすと、各セグメントＴ１〜Ｔ８ にお
けるサンプル情報総和のデータ群１ｉ’ −Ｆに。 Ｆ−（ｆ、、ｆ ２≧・・・・・・・ｆ１６）として表
わすことができる。これにより、１個のサンプル情報の
時間軸上での正規化が行表われたことに々る。 次に−もセグメン）Ｔｌ〜Ｔ８のそれぞれに卦いてエネ
ルギーの正規化を行うため、各セグメント内のザンブル
情報縫和ｆ のうち最大値を基準に正規化の数値が各総
和ｆ に与えられる。この場１ 合の数値は例えば４ビツトのバイナリデータによ’）４
９成され、１０ｉ１ｆｉ衣示の基準数値「１５」がｆ０
の最大値に幻し２て割当てられ、最大値Ｊ〕ノ下の総和
ｆ には基準数値に当該総和と最大総和とのｉｔｆ：乗
じた数値「Ｏ〜１５」が割当てられる。例えば、セグメ
ントＴ】におけるザンブル情報総２＋１のデータ群Ｆｌ
の各総和ｆ 、ｆ ・・・・・・ｆ が第３図に示
ｊ ２ １６ すようなものであった場合、最大総和はｆ の「６ ４３２」であるからこれに正規化用の基準数値「１５」
の正規化用の数値が割当てられる。とれにより、各セグ
メントＴ１〜Ｔ８におけるサンプル情報総和のデータ群
は基準数値「】５」に比ｆ！ｌ して正規化されたこと
になる。この結果、認識パターンメモリＣＰ−ＭＥＭＶ
Ｃは、第４図に示すような正規化数値「０〜１５」で表
わされた認識パターンが少られる。 すなわち、入力音声が ８（セグメント） Ｘ ］、 ６ （フィルタチャンネ
ル）×４（ピッ１−）＝５１２（ビット） に圧縮された認識パターンがイ信らノする。 このように、ｉ個のづンプル情報をＮ個のセグメントに
グループ什し、各セグメント内の各フィルタチャンネル
別のサンプル情報の総和を求めることにより、時間１１
４１＋−上でのＨ１ｔｌ化を行い、この後裔セグメント
内の総和の最大値ｆ基準にし、てエネルギーの正規化を
行うことにより、入力音声の時間長、音１０時間変化に
関係なく、時間軸に泊ったＮセグメントから力る正帰化
情報、す彦わち認識パターンを得ることができる。特に
、エネルギ−面での正規化によシ、各セグメントの正帰
化情報は入力音声のフォルマント情報をほぼ忠実に反映
したものとなり、入力音声のビッグが若干ずわた場合で
あってもフォルマン１の顔向を調べるととにより入力音
声に該当する語を簡単に判定することができる。さらに
、このような照合処理は認識パターンのビット長が短い
ため、汎用の演ａ装置を利用して央時間で処理すること
が可能に々る。 女お、以上の説明においては、各セグメントの最大総和
を基準として比例的に小さく々る正月化用の数値を割当
てる場合を例にとって説明したが、照合処理の都合によ
っては比例的に大きく々る１規化用の数値を割当てるよ
うにしても構わ彦い。 さて、本発明は次のように実施される。 第５図は本発明による認識パターン学習方式の一実施例
を示すブロック図で、説明に必要々部分のみを示す。図
において、ＲＦＰは用語ＮＫγＩする照合パターン、Ｃ
Ｐは学習時に得られる人力音声の認識パターン、ＡＤＤ
は照合パターンＲＦＰと認識パターンｃｐとを加重する
加重計算機部である。そ［７応するエレメント毎に加重
平均計算して学習パターンを作成するようにｍ成されて
いる。 つぎにこの第５図に左す実施例の動作を説明する。捷ず
、実際にこのよう力学習方式を使用すると、在来の方デ
ーに較べ相当の認識性能の改善が期待できる。 いま、Ｒ１は用語Ｎに対して配憶されている照合パター
ン、Ｒｐに］学習時に入力された音声の認識パターンと
する。 そして、第５図の照合パターンＲＦＰに対応する照合パ
ターンＲＰＮは ＲＰＮ：（Ｅｌｌ 、Ｅ］２・・・・・・Ｅｉｊ ・・
・・・・Ｅ８．１６）で表わされ、第５図の認識パター
ンＣＰＫ対応する認識パターンＲＰ’Ｎは ＲＰ’Ｎ＝（Ｅ’１］ 、Ｅ’＋ ２・・・・・・Ｅ’
ｉｊ ・叩・Ｅ’８．１６）で表わされる。ただし、ｉ
＝１・・・８．ｊ＝１・・・１６である。 上記式でＢｉ ｊ ｓｉ’ｌｊ はそれぞれのパターン
の各エレメントであり、ｌはセグメントを示し、ｊは周
波数チャンネルを示す。 そして、学習の加重引算は第５図に示す加重計嘗機部Ａ
Ｉ）Ｄにおいて、 の引算式により行なわれ、新らしいｎｌ・算値Ｅｉｊが
配憶されることになる。なお上記式、において、ｎは力
０重値で経験上゛３″が使用されているが、これはパ２
”でも”′４”でも弗支４ない。 以上薄明したように、本発明は認識バ・ターンを作成す
る方式において、学習のための入力音声の認識パターン
を対応するエレメント毎に加重平均計ａして学習パター
ンを作成するようにしたものであるから、従来のこの種
の方式に辻し７て相当の認識性能を改善することができ
るので、実用上の効果は極めて犬である。また、よシ安
ｔピＩ７た開織結果を得ることができるという点におい
て極めて有効である。
規化のための基準数価を与え、他の総和にれ１最人総和
との比に比例し、た数値を与えることにより人力音声の
サンプル情報を正規什して認識バタ一二／を作成する１
１式を榔案し。 ている。 この方店によりｙ川内な極めて優れ六認識装置が得られ
ているが、本来の発明の方式におしするｊｌ（１合パタ
ーンは各用語ごとに１回だけの発声人力によって作成さ
れるだめ、作成時の入力音声が史ｆ′９：に使用される
Ｗ）台の発声と異なるＳ＠も考メ亡１れ、また、夕１来
Ｍ音が滑入し、悪い認識パターンを作成することもあり
イ１１ろ。！？＃、％ ｆｉｓｔ合パターン作成時と実
際に使用すＺ）どきが時間的に舒過１．てＢ声のｊｐｉ
が相当変ることもあり得る。 このようが場合、最新の入ノ）音声のパターンを重ねて
学習するとどにより、より安定した良好なパターンに改
良する必要７５１ ｌｔｇじてくる３、ぞ【７１、実際
に使用する場合、ｈ、２識装楢はこのよう庁パターンの
学習機能を持っていた方がより安定した認識性能を発揮
することができる。 本発明は１臥土の点に鑑み、このようｈ問題を解決しか
かる？望ｆθ〜足すべくなされた認識パターン学習方式
を提供するもので、学習のための人力音声の開繊パター
ンを７１応するエレメントごとに加重平均１ＨＪｌ−て
学習パターンを作りソするようにしたものである。 」ソ下、図面に基づき庫発明の実施例を詳細に説明する
。 まず、実施例を酪）３明する前に本発明の理解を容易に
するため、本発明に用いる認識パターン作成方式につい
て説明−４乙。 第１図はこの認識パターン作成方式を適用した音声自ｖ
Ｉ認識装置の一例を示すブロック図である。 図において、入力音声はマイクロフォンＭＩＣによって
収集された拶、増幅器Ａにより適当々レベルに増幅され
てスペクトル分析器ＳＡに供給される。 このスペクトル分析器ＳＡケｆ／１１えば、１６チヤン
ネルの帯域フィルタ旧’Ｆ＋−ＢＰＦ］６を有し、入力
音声はこのスペクトル分析器ＳＡによって所定周波数帯
域別のエネルギーｌとして分解される。 そして、各帯域フィルタＢＰＦＩ〜ＢＰＦ］６ の出
力けぞれぞれ整流器ＲＥＣ］ ］ヘーＲＥＣ１６によっ
て直流信号に唆捗されてアナログマルチプレクサＭＰを
介してＡｎ変換器ＡＤＣに伊、給される。このアリログ
マルチプレクサＭＰはｆ流器ＲＥＣ１−ＲＥＣ１６の出
力信号を＋Ｉ：１分割でＡＤ変換器Ａｒ）Ｃに供給り２
、ＡＤ＜σ中黒Ａｔ）Ｃに各帯域別の直流信局を所定時
間間隔でサンプリングしてテイジタル値に変検させるも
のである。こねにより、ＡＤ変捧器ＡＤＣからは入力音
声に含まれる各帯域別のエネルギーを表わすサンプル情
報が得られる。そして、このサンプル情報は語領域検出
器ＤＩＤＴの制御により原始テ・−タメモリＭＥＭに一
時記惰される。この場合は、原始データメモリＭｇＭに
は藺の始１りからｐＶ）ｔでのサンプル情報が記・隠さ
れることに々るそシテ、こｏｇ領域検出器ＤＥＴは、秒
１１えＶ、丁Ｍ ｌ！］ｌのサンプリング時における全
帯域のサンプノド情報を Ｆｃ＝（ｆｌ（ｔｃ）、ｆｚ（ｔｃ）、 ＋＋＋＋＋
ｆｌ６（ｔｅ））−ｆｔｌとし、今回のサンプリング時
に」、・け乙全帝城の″！Ｊンプル情報を ＦＬ＝（ｆｌ（ｔＴＪ）、ｆｚ（ｔＬ）・・・・・・ｆ
ｌ６（ｔＬ））・・・ （２１とした時、 （ｊ＝１．２． ・・・・・・・・・・・・１６）を
計算し、ｄＣがある変化限界Ｔを越えている条件（ｄａ
＞Ｔ）においては入力音声が持続しているものと見做し
、各サンブリンク動作毎のサンプル情報を原始データメ
モリＭＥＭに記憶させるように構成されるものである。 原始データメモＱＭＥＭＫ配憶された入力音声のサンプ
ル情報は、本発明による認識パターン作成方式を利用し
た認識パターン作成部ＣＰＤにおいて正規化圧縮処理さ
れて音声認識用の認識パターンに質請される。・ぞし、
−Ｃ１この認識パターンは、認ｍパターンメモリＣＰ−
ＭＥＭに配憶されるが、この後、照合パターンメモＩＪ
ＲＦ・ＭＩＥＭに予め記憶されている複数の語に関する
照合パターン（リファレンスパターン）と照合部ＲＥＦ
において照合され、入力音声に該当する飴の判定がなさ
ハる。この藺の判定結栄は出力部ＯＵＴを介して文字情
報等の形態で出力される。これによって、マイクロフォ
ンＭＩＣから収集さ第１る入力音声の目脂ｒｉｉＪ！Ｆ
＃を行うことができる。 さて＼認識パターン作成部ＣＰＤはまず次のようにして
認識パターンを作成する。 まず、原始データメモリＭＥＭには、第２図のデータマ
ツプに示すように入力音声の時間長に１−１′例してｉ
個のサンプル情報がスペクトル分析器ＳＡの各周６Ｑ数
帯域別に？すられる。なお、第２図において、８１〜Ｓ
ｉはザンブリングタイムスロットの番号、ｆｌ〜ｆｎ（
ｎ：実施例では１６）ｌｄスペクトル分析器ＳＡにおけ
るフィルタチャンネル、０３２゜０２８ ・・・の数字
はサンプル情報を表わしている。 この場合、入力音声のザンブリング間隔は例えば５ｍｓ
程度に選ばれるが、畑い語や単音節の場合には約１００
ｍ５程度の発声時間となり、＞ｒｒ＋常使用される語句
は約１秒程度の発声時間と庁るため、約２０〜２００側
根度のサンプル情報が得られる。 そこで、このように入力音声の時間長に応じて情報数が
変化すＺ）サンプル情報を、入力音声の時間長に関係力
〈正規化するため、１個のサンプリング情報は第３図に
示すように所定数却位で均一に例えば８個のセグメン）
Ｔｌ〜Ｔ８にグループ化され、各セグメント内でのサン
プル情報の総和が求められる。この場合、セグメント数
は認識ｙｒＲ度を勘案して決定されるが、飴の長さに関
係々く一定とすれば照合パターンとの照合処理が簡単に
なる。 ここで、セグメン）ＴＮ（Ｎ＝１〜８）におけるフィル
タチャンネルｆｎ（ｎ＝１〜１６）のサンプル情報総和
を ｆ−７”表わすと、各セグメントＴ１〜Ｔ８ にお
けるサンプル情報総和のデータ群１ｉ’ −Ｆに。 Ｆ−（ｆ、、ｆ ２≧・・・・・・・ｆ１６）として表
わすことができる。これにより、１個のサンプル情報の
時間軸上での正規化が行表われたことに々る。 次に−もセグメン）Ｔｌ〜Ｔ８のそれぞれに卦いてエネ
ルギーの正規化を行うため、各セグメント内のザンブル
情報縫和ｆ のうち最大値を基準に正規化の数値が各総
和ｆ に与えられる。この場１ 合の数値は例えば４ビツトのバイナリデータによ’）４
９成され、１０ｉ１ｆｉ衣示の基準数値「１５」がｆ０
の最大値に幻し２て割当てられ、最大値Ｊ〕ノ下の総和
ｆ には基準数値に当該総和と最大総和とのｉｔｆ：乗
じた数値「Ｏ〜１５」が割当てられる。例えば、セグメ
ントＴ】におけるザンブル情報総２＋１のデータ群Ｆｌ
の各総和ｆ 、ｆ ・・・・・・ｆ が第３図に示
ｊ ２ １６ すようなものであった場合、最大総和はｆ の「６ ４３２」であるからこれに正規化用の基準数値「１５」
の正規化用の数値が割当てられる。とれにより、各セグ
メントＴ１〜Ｔ８におけるサンプル情報総和のデータ群
は基準数値「】５」に比ｆ！ｌ して正規化されたこと
になる。この結果、認識パターンメモリＣＰ−ＭＥＭＶ
Ｃは、第４図に示すような正規化数値「０〜１５」で表
わされた認識パターンが少られる。 すなわち、入力音声が ８（セグメント） Ｘ ］、 ６ （フィルタチャンネ
ル）×４（ピッ１−）＝５１２（ビット） に圧縮された認識パターンがイ信らノする。 このように、ｉ個のづンプル情報をＮ個のセグメントに
グループ什し、各セグメント内の各フィルタチャンネル
別のサンプル情報の総和を求めることにより、時間１１
４１＋−上でのＨ１ｔｌ化を行い、この後裔セグメント
内の総和の最大値ｆ基準にし、てエネルギーの正規化を
行うことにより、入力音声の時間長、音１０時間変化に
関係なく、時間軸に泊ったＮセグメントから力る正帰化
情報、す彦わち認識パターンを得ることができる。特に
、エネルギ−面での正規化によシ、各セグメントの正帰
化情報は入力音声のフォルマント情報をほぼ忠実に反映
したものとなり、入力音声のビッグが若干ずわた場合で
あってもフォルマン１の顔向を調べるととにより入力音
声に該当する語を簡単に判定することができる。さらに
、このような照合処理は認識パターンのビット長が短い
ため、汎用の演ａ装置を利用して央時間で処理すること
が可能に々る。 女お、以上の説明においては、各セグメントの最大総和
を基準として比例的に小さく々る正月化用の数値を割当
てる場合を例にとって説明したが、照合処理の都合によ
っては比例的に大きく々る１規化用の数値を割当てるよ
うにしても構わ彦い。 さて、本発明は次のように実施される。 第５図は本発明による認識パターン学習方式の一実施例
を示すブロック図で、説明に必要々部分のみを示す。図
において、ＲＦＰは用語ＮＫγＩする照合パターン、Ｃ
Ｐは学習時に得られる人力音声の認識パターン、ＡＤＤ
は照合パターンＲＦＰと認識パターンｃｐとを加重する
加重計算機部である。そ［７応するエレメント毎に加重
平均計算して学習パターンを作成するようにｍ成されて
いる。 つぎにこの第５図に左す実施例の動作を説明する。捷ず
、実際にこのよう力学習方式を使用すると、在来の方デ
ーに較べ相当の認識性能の改善が期待できる。 いま、Ｒ１は用語Ｎに対して配憶されている照合パター
ン、Ｒｐに］学習時に入力された音声の認識パターンと
する。 そして、第５図の照合パターンＲＦＰに対応する照合パ
ターンＲＰＮは ＲＰＮ：（Ｅｌｌ 、Ｅ］２・・・・・・Ｅｉｊ ・・
・・・・Ｅ８．１６）で表わされ、第５図の認識パター
ンＣＰＫ対応する認識パターンＲＰ’Ｎは ＲＰ’Ｎ＝（Ｅ’１］ 、Ｅ’＋ ２・・・・・・Ｅ’
ｉｊ ・叩・Ｅ’８．１６）で表わされる。ただし、ｉ
＝１・・・８．ｊ＝１・・・１６である。 上記式でＢｉ ｊ ｓｉ’ｌｊ はそれぞれのパターン
の各エレメントであり、ｌはセグメントを示し、ｊは周
波数チャンネルを示す。 そして、学習の加重引算は第５図に示す加重計嘗機部Ａ
Ｉ）Ｄにおいて、 の引算式により行なわれ、新らしいｎｌ・算値Ｅｉｊが
配憶されることになる。なお上記式、において、ｎは力
０重値で経験上゛３″が使用されているが、これはパ２
”でも”′４”でも弗支４ない。 以上薄明したように、本発明は認識バ・ターンを作成す
る方式において、学習のための入力音声の認識パターン
を対応するエレメント毎に加重平均計ａして学習パター
ンを作成するようにしたものであるから、従来のこの種
の方式に辻し７て相当の認識性能を改善することができ
るので、実用上の効果は極めて犬である。また、よシ安
ｔピＩ７た開織結果を得ることができるという点におい
て極めて有効である。
第１図は本発明に用いる認識パターン作成方式の一例を
示すブロック図、第２図〜第４図は認識パターン作威力
法の説明に供するデータマツプ、第５図は本発明による
認識パターン学習方式の一実施例を示すブロック図であ
る。 ＭＩＣ・・・愉マイクロフォン、５Ａ−−・・スペクト
ル分析器、ＡＤＣ−・・・ＡＤ変換器、ＤＥＴ−−・・
語領域検出器、ＭＥＭ・・・・原始データメモリ、ＣＰ
Ｄ・・・・認識パターン作成部、Ｃｐ−ＭＥＭ＃ ＠
６ ａ Ｂｉ＆ハターンメモリ、ＲＦ・ＭＥＭ・・・・
照合パターンメモＩＪ、ＲＥＦ・・・・照合部、ＲＦＰ
・・−０照合パターン、ｃＰｅ・、・認識パターン、Ａ
ＤＤ・・・・加１ｉ計舅磯部。 特許出願人 株式会社 京三製作所 代理人 山川政樹（ほか１名） 第１図 第２図 第３図 第４図 ６４５−
示すブロック図、第２図〜第４図は認識パターン作威力
法の説明に供するデータマツプ、第５図は本発明による
認識パターン学習方式の一実施例を示すブロック図であ
る。 ＭＩＣ・・・愉マイクロフォン、５Ａ−−・・スペクト
ル分析器、ＡＤＣ−・・・ＡＤ変換器、ＤＥＴ−−・・
語領域検出器、ＭＥＭ・・・・原始データメモリ、ＣＰ
Ｄ・・・・認識パターン作成部、Ｃｐ−ＭＥＭ＃ ＠
６ ａ Ｂｉ＆ハターンメモリ、ＲＦ・ＭＥＭ・・・・
照合パターンメモＩＪ、ＲＥＦ・・・・照合部、ＲＦＰ
・・−０照合パターン、ｃＰｅ・、・認識パターン、Ａ
ＤＤ・・・・加１ｉ計舅磯部。 特許出願人 株式会社 京三製作所 代理人 山川政樹（ほか１名） 第１図 第２図 第３図 第４図 ６４５−
Claims (1)
- 入力音声をスペクトル分析フィルタを用いて所定周波数
帯域別にサンプリングした拶、そのサンプル情報を入力
音声の語１句、音韻の長さおよび発声の時間変化、音量
の時間変化に関係なく一定のセグメントにグループ分け
した上、各セグメントにおける周波数帯域別サンプル情
報の総和を求め、その総和のうち最大値に正規化のため
の基準値を与え、他の総和には前記基準の数値に比例し
た数値を与えることによ多入力音声のサンプル情報を正
規化して認識パターンを作成する方式において、学習の
ための入力音声の認識パターン今対応するエレメント毎
に加重平均計算して学習パターンを作成し得るようにし
たことを性徴とする認識パターン学習方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57018662A JPS58136098A (ja) | 1982-02-08 | 1982-02-08 | 認識パタ−ン学習方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57018662A JPS58136098A (ja) | 1982-02-08 | 1982-02-08 | 認識パタ−ン学習方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS58136098A true JPS58136098A (ja) | 1983-08-12 |
Family
ID=11977818
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57018662A Pending JPS58136098A (ja) | 1982-02-08 | 1982-02-08 | 認識パタ−ン学習方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS58136098A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6227798A (ja) * | 1985-07-29 | 1987-02-05 | 株式会社日立製作所 | 音声認識装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS4919324A (ja) * | 1972-06-14 | 1974-02-20 | ||
| JPS53114601A (en) * | 1977-03-17 | 1978-10-06 | Fujitsu Ltd | Voice recognition system |
| JPS5651799A (en) * | 1979-10-04 | 1981-05-09 | Sanyo Electric Co | Sound signal handling system in acoustic device |
| JPS5683800A (en) * | 1979-12-11 | 1981-07-08 | Sanyo Electric Co | Voice handler |
| JPS5688199A (en) * | 1979-12-21 | 1981-07-17 | Hitachi Ltd | Pattern pretreatment method in voice identifier |
| JPS5713498A (en) * | 1980-06-28 | 1982-01-23 | Tokyo Shibaura Electric Co | Voice recognition device |
-
1982
- 1982-02-08 JP JP57018662A patent/JPS58136098A/ja active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS4919324A (ja) * | 1972-06-14 | 1974-02-20 | ||
| JPS53114601A (en) * | 1977-03-17 | 1978-10-06 | Fujitsu Ltd | Voice recognition system |
| JPS5651799A (en) * | 1979-10-04 | 1981-05-09 | Sanyo Electric Co | Sound signal handling system in acoustic device |
| JPS5683800A (en) * | 1979-12-11 | 1981-07-08 | Sanyo Electric Co | Voice handler |
| JPS5688199A (en) * | 1979-12-21 | 1981-07-17 | Hitachi Ltd | Pattern pretreatment method in voice identifier |
| JPS5713498A (en) * | 1980-06-28 | 1982-01-23 | Tokyo Shibaura Electric Co | Voice recognition device |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6227798A (ja) * | 1985-07-29 | 1987-02-05 | 株式会社日立製作所 | 音声認識装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5056150A (en) | Method and apparatus for real time speech recognition with and without speaker dependency | |
| US4624011A (en) | Speech recognition system | |
| US6691090B1 (en) | Speech recognition system including dimensionality reduction of baseband frequency signals | |
| Ali et al. | Gender recognition system using speech signal | |
| JPS58134698A (ja) | 音声認識方法および装置 | |
| EP0950239A1 (en) | Method and recognizer for recognizing a sampled sound signal in noise | |
| GB1569990A (en) | Frequency compensation method for use in speech analysis apparatus | |
| JPS634200B2 (ja) | ||
| Sugamura et al. | Isolated word recognition using phoneme-like templates | |
| JP2001166789A (ja) | 初頭／末尾の音素類似度ベクトルによる中国語の音声認識方法及びその装置 | |
| Elenius et al. | Effects of emphasizing transitional or stationary parts of the speech signal in a discrete utterance recognition system | |
| Li et al. | A high-performance auditory feature for robust speech recognition. | |
| JPS58136098A (ja) | 認識パタ−ン学習方式 | |
| JPH04369698A (ja) | 音声認識方式 | |
| JP2983364B2 (ja) | 隠れマルコフモデルと音声信号との類似度計算方法 | |
| Saha et al. | Modified mel-frequency cepstral coefficient | |
| Makhoul | Methods for nonlinear spectral distortion of speech signals | |
| JPS61228500A (ja) | 音声認識方法 | |
| JPS6126680B2 (ja) | ||
| Nikhate et al. | Determination of Extent of Similarity between Mimic and Genuine Voice Signals Using MFCC Features | |
| Tomas et al. | Determination and evaluation pitch harmonics parameters with emotions classification | |
| JPS58136096A (ja) | 認識パタ−ン作成方式 | |
| JPH0323920B2 (ja) | ||
| JPS60200296A (ja) | 音声認識装置 | |
| JPS5999500A (ja) | 音声認識方法 |