JPS58149099A - パタ−ン認識方式 - Google Patents

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。

Description

【発明の詳細な説明】 発明の対象 本発＃３Ｆｉ、パターンに織方式に係シ、肴に音声入カ
ッリーンと標準音声パターンとのマツチングにより、・
母ターンの認識を行なう・ぞター／ＶＢ敵方式この柚の
従来技術によるパターン認識方式は、未知の入力音声ａ
＋ターン（以下、入力音声パターンという）全その時に
同時に認識できる対象となる標準音声・母ターン（以下
、標準パターンという）との間でマツチングさせ、これ
らのベクトル間の距離を演算することにより類似度七１
４．出し、対応する標準ノ４ターンを探し出して入力音
声パター７０社ｍ’ｔするものである。この場合、パタ
ーンのマツチングは対象となる榛準ノやターン全部につ
いて演算を行ない、類似度が一番高いもの會選択してい
る。例えは、標準パターンの％徴ごとのクラス分は會行
えない°場合（％定話者を対象として祢準パターン會登
録し、入力音声パターン１に認識するような場合など）
には、入力音声パターンと同時に認識できる対象となる
全標革／母ターンとのマツチングを行なった上で、ノ母
ターンル」の距＆を求め、判別している。

このときの各入力音声パターンの認識は、特徴ベクトル
の系列として表現されるノリーン情報全体について演算
ｔ？Ｔなりた上でなけれはならす、同時１＆を緘する語
数が増えるとパターンマツチングの演算量も増えるとい
う問題がある。したがって、同時細緻できる＠数が演算
量の関係から逆に制限【受け、ｌ！ｔＩＩｉ！の拡大が
できないという欠点があったー 発明の目的 本発明の目的は、かかる従来技術の状況に鑑みなされた
もので、パターン細織における演算量を減少させること
によって実効演算速度を上げることに５１ｒ目し、もっ
て同時認識できる語数を増加させるようにしたＩリーン
認識方式を提供するものである。

発明の総括的軌間 上記目的上達成するために、本発明の橋成例と、（シて
は、Ｉｆ！ｌ微ベクトルの系列として表現される入力音
声パターンと振数の標準パターイとを記憶し、この入力
音声／にターンと標準パター／とのベクトル間の距離を
演算し、これらの数低度を算出して入力音声／ｆターン
の誌ｗＩＩｔｔ−行なうパターン認識方式において、前
記類似度の算出上所定長さのに鎖部分に対応する語頭ベ
クトル部分について行なってその類似度を判定し、類似
度の高い順に所定数の標準パターン管選択し、尚骸遇択
された所定数のｌ１ｌＩ準パターンに対して全体のベク
トル、または前記ｉＩｔ頭ベクトル部分を除いｆｃ残部
のベクトル部分につき類似度ｔ−算出する仁とによシ、
入力音声パターンｔ−認識することにある・ ところで、音声入カッ母ターンのマツチング（おいては
、入力音声自体がその時々の発声の仕方により異なると
いう性質があり、安定的な音声認識が難しい。即ち、話
者の発声速度社一様で扛なく、単ｇｉｔｔ−構成する各
音韻はそれぞれ伸縮して全体としては時間軸に対して非
線形な形ｍｔとる。このため、非線形な伸縮を正規化し
て・り一ン間のマツチングを行なうことが必要になる。

この時間正規化の方法として動的計画法を利用して特徴
ベクトル間の演３１を行ない、類似度を評価することが
行なわれる。また、音声／臂ターンは、一般に特徴ベク
トルａ　の時系列１ｋ　ｇ＝　ｊｌ　ｍｌ　ｍＢ・・・
ａｌ・・・ａｌとして表現される。ａｉとして祉例先は
Ｎチャンネルのパントノ９スフイルタの出力ａ’（ｔ）
　ａ２（ｔ）　°・°・・・ａ”（ｔ）を時間棒本化し
て、町＝（，１，，２，・・・ケ）ヲ考えることができ
る。そして、本発明はこのような特徴ベクトルの系列と
して表現される２つの音声パターンの類似度を算出する
ことによってパターンｇ＊ｔ−行なうものである・ 発明の実施例 以下、本発明について図面に示す実施例と共に＃Ｉｔ明
する。

鉋１図は本発明の一譬り―ン認識方式を適用した音声入
カバターン認繊装置のブロック線図を示すもので、話者
の音声社マイクロホン１會介して電気信号（音声情報）
に変換され、パッファアング２に供給される。咳パ、フ
ァア／グ２の出力信号はバンドパスフィルタ群ａ−１、
３−２、・・・３−ＪＣ（−れぞれ送出される。該バン
ドパスフィルタ群３−１゜（５） ３−２．・・・３−Ｎは通常１６〜２０チヤンネルで構
成され、およそ２００〜６０００　Ｈｚの音声陶’ｔｓ
数を過切な帯域に分割するように割当てられる。

各パントノ臂スフィルタ群３−１　、３−２　、・・・
３−Ｎノ出力信号はそれぞれに対応するローパスフィル
タＮ　４−１　、４−２　、・・・４−Ｎに供給される
。該ローパスフィルタ群４−１　、４−２”、　・・・
４−Ｎ１１５０ｍ８　＠度Ｏ＠を定数ｔ−有しておシ、
各チャンネル毎の出力信号はここで音声波形のエンペロ
ーフ″波形に変換され取シ出される。このように取シ出
された各チャンネル毎の出力信号は該各チャンネルに対
応するアナログスイッチ回路５に供給される。該アナロ
グスイッチ回路５は制御１ＩＩ１１１６によ多制御を受
け、各チャンネルに対応する約２０ｍ５（１フレーム）
毎に導通して時分割によシ、アナログデジタルコンバー
タ７（以下、へ・Ｄコンバータ７という）に出力信号を
送出する。これによシ、音声信号は２０　ｍｓ、１フレ
ームとしての音声区間に区分けされる。

φコンバータ７では各チャンネルに対応した１フレーム
毎のアナログ信号が８〜１２ビ、トの（６） デジタル値に変換され、バッファメモリ８に各チャンネ
ル毎に一時的に記憶される。そして、これらのデジタル
信号はそれぞれ１フレ一ム分のスペクトル悄軸を形成す
ることになる。

前記バッファメモリ８に一時的に記憶されたデジタル信
号は、演算処理ｓ９の処理を受け、次の（１）式に基づ
いて正規化され、記憶され直すことになる。

ここでＰｌはチャンネルｌのスペクトルノ４ワー、ｎは
全チャンネル数、Ｃは定数である。

例えば、８ビツトに正規化する場合には、Ｃ−２５６と
する。そして、これらの演算はマイクロコンピュータで
構成された周知の演算ユニットｔ−令する演算処理部９
で集村される。

また、演算処理部９は内部にプログラムを肩し、パ、７
アメモリ８または後述のランダムアクセスメモリ１０に
配憶されたデジタル値を各チャンネルの標本値をもとに
演算し、その標本値に対応するベクトル値上算出する。

さらに、演算処理部９は後述する処理機能の他、制Ｎ部
６の制御のもとに音声の＠顧と語尾を検出する処理をし
、その結果上バッファメモリ８に記憶する制御をする。

なお、＠頭と語尾とを検出する処理としては、各チャン
ネル毎に１フレーム（約２０ｍ５）毎のスペクトルノ膏
ワーの合計値ｔ−ｔｉ算することによって行なわれる。

即ち、あるチャンネルで規定の閾値に対してパワーが大
きいフレームが５フレ一ム以上続いた場合に、その先頭
フレームｔ＠頭としてバッファメモリ８の対応領域に記
憶する。また、規定のある閾値に対してそれより小さい
パワーを持ったフレームが１０フレーム以上続いた場合
に、その直前のフレームを飴地とする勢のアルゴリズム
でフレーム（音声区間）の検出を行なう。

ランダムアクセスファイル１０は標準パターンを登録す
る記憶装置で、該ランダムアクセスファイル１０は制御
部６の制御下で演算処理ｓ９が出力する標準パターンに
ついての出力信号ｔ−受は入れ、飴頭、語尾會含めて各
標準ノ譬ターン全デジタル値として、ｔたは演算処理部
９で演算されたベクトル値として各フレーム毎、各チャ
ンネル毎に区分し−て記憶する。

また、動的計画法によるマツチング５１１（以下、ＤＰ
マツチングｓ１１という）は、２つの音声ノ４ターンの
ベクトル間の整合距離を求める機能１ｃ有する。即ち、
バッファメモリ８に記憶された未知の入力音声パターン
のデジタル値とランダムアクセスファイル１０に記憶さ
れた標準・母ターンのデジタル値とが演算処理ｓ９に送
出され、骸演算処理８９でのベクトルノ臂ターンとして
の演算結果は繭記ＤＰマ、テングｓ１１に送られ、該Ｄ
Ｐ１ッデング［１１では前記演算結果に基づき９Ａ準ツ
クターンと入力音声）臂ターンとのベクトル相互間の整
合距離を求め、その結果と当該標準パターン番号とを判
定部１２に出力する。なお、ランダムアクセスファイル
１０にベクトル値として記憶されているときには、演算
処理ｓ９を経由せずＤＰマツチング部１１に直接出力し
うる。そして、前（９） ！ｅ　（Ｄ　ｊ　ウにＤＰマツチング部１１で入力音声
／豐ターンと１つの標準／臂ターンとの整合距離を求め
る演算が終了すると、演算処理部８は制御部６に終了信
号を発信し、その終了信号に基づき制御ｓ６は次の標準
パターンｔｖｔみ出す指令奮発し、ＤＰマツチングｓ１
１は演算処理部９を介して順次標準パターンについて相
互間の整合距離を求める演算を行ない、判定部１２に出
力する。

ＩＩＪ記判定ｓ１２ではＤＰマツチングｓ１１の演算結
果に基づき制御部６から与えられる整合距離を示す基準
値と訳ＤＰマツチングｓ１１との演算結果と全比較し、
２！Ｉ！−準値以下の標準パターンについてその番号と
整合距離とを順次記憶していく。

従って、判定ｓ１２はこのための記憶部ｔ−ｉしている
。

全標準パターンについてのマツチングが終了すると、制
御ｓ６の制御のもとに演算処理部９は判定ｓｔｚ’ｔア
クセスし、その候補数ｉ−判！Ｌｆｃ後１整合距離の小
さい順にｎ個の標準パターン番号または尚該標準・母タ
ーンのベクトル値會ワークメモ（１０） リ１３に１憶する制ａｔ行なう。このワークメモリ１３
にに憶された標準パターンは後述するフローに従ってＤ
Ｐマツチングｓ１１によって入力音声パターンとマツチ
ングが行なわれ、判定部１２に出力される。

かくして、判定ｓ１２では演算処理ｓ９からの出力指令
信号を受けると、この指令に対応する整合距離の取も小
さいもの（蝦も類似度の高いもの）についてのｍ準パタ
ーン番号會出力する。

ところで、ＤＰマツチング部１１の演算蓋は標準パター
ンの数と標準パターンのフレームｌｌｉ！（＆さ）の棟
に比例することになる。このため、演算速度一定の場合
に同時に認識、できる対象となる飴１（リアルタイムで
認識司書しなカテゴリ数）を増やすためには、標準パタ
ーンのフレーム数を知かくするか、ま次は演算量を減少
させなけれはならない。

そこで、本発明におっては例語か分の飴ｉｉＩ！齢分゛
′Ｉ　　　に対応するフレームについて類似度を判定し
、予め、候袖會絞っておいて、絞られた候補の榛準ノに
ターンについて全フレームまたは類似度を判定した語頭
部分を除く残シの部分について類似度を判定し、もって
演算量を減少させるものである。

以上の動作について、第２図および第３図を用いて説明
する。

第２図は実際の音韻に対する動作の説明図で、図中（ａ
）は標準・奇ターンとして登録しであるパターンの語例
を示し、実際にはデジタル値またはベクトル値としてラ
ンダムアクセスファイル１０に記憶されている。（ｂ）
はそのＭ頭部分を示し、（Ｃ）は整合距離をグラフ化し
たものである。一方、第３図は？Ｘ算処理ｓ８の内ｓｆ
ロダラムによる処理のフロー図である。

ます、第３図の５ＴＥＰ２に示すｐｌ」＜未知の入力音
Ｐパターンに対する認識対象となる標準パターンについ
て、＠頭部分標準ａ４ターン長を指定しておく。この指
定は全標準パターンとも一律であシ、その長さ以下のも
のは標準・９ターンの長さが適用され、このパターン長
は演算処理ｓ９のレジスタ等に予め記憶される。このレ
ジスタを第１のレジスタとし、該第１のレジスタで２０
フレ一ム分を指定しであるとする。これが実際の音韻で
は語頭部分の４文字分に相当すると仮定する。

入力音声パターンがｒ　ＴＯＫＹＯＴＯＪという音声情
報だとすこれば、これが各チャンネル毎のデジタル値と
してバッファメモリ８に記憶され、一方ランダムアクセ
スファイル１０には標準パターンとして第２図（１）に
示すのＴＯＫＹＯＴＯ。

■Ｋ　Ｙ　ＯＴ　ＯＦ　Ｕ　％■Ｎ　Ａ　Ｇ　ＯＹＡＩ
ｉＨＩ　、・・・・・・（１）Ｘｔ　Ｘ鵞ＸＩ　Ｘ４　
Ｘ＠　Ｘ・が順次同様に記憶されている。

ここで、謝３図の５ＴＥＰ３に示す動作として、演算処
理部９が制御部６からマツチング動作指令信号を受ける
と、前記第１のレジスタで指定された２０フレ一ム部分
につき各標準パターン毎にベクトル値を算出する演算処
理を開始する。この結果に基づいてＤＰマツチング８１
１で整合距離を演算し、得られた類似度は８ＴＥＰ４に
示す如く判定部１２ではＪ動部６から与えられる基準値
と判定され基準値以下の整合距離のものが記憶される。

（１３） ここで、飴顧部分で整合距離が小さくなるものは第２図
中で■の［ＴＯＫＹＪの４つの部分に対してである。一
般に１個の標準パターンについて語頭部分でマツチング
を行ない、その結果を小さいｊｌにｎ個（ｎ≦１）のカ
テゴリを抽出することがｉｉ’ｌ能である。例えば、標
準パターンが１０００個で諸頭部分類似！Ｆ［谷・９タ
ーン数を１００個とすれはａ＝１００となる。このｎ個
という数値は演算処理部９の第２のレジスタに予め記憶
され、これは制御ｓ６から与えられる類似度を示す閾値
（ｔｉ合距離）との関係で決定される。

法に、演算処理部９は制御１６から与えられている基準
整合距離以下となる標準の数をカウントしてその候補数
を抽出する。即ち、第３図の８ＴＥＰ５に示す如く、そ
の候補数がなかった場合には５ＴＥＰ１４のリノエクト
処理をしてｈａできなかったことにする。一方、５ＴＥ
Ｐ６に示す如く候補数がｎ以下でおれは、演算処理部９
は判定部１２をアクセスして小さい順に標準パターンの
番号を読み出し、レジスタ１３に記憶する。さらに、候
補（１４） 数が規定の数ｎ個を越えたときには、８ＴＥＰ７に示す
ように整合距離の小さい順にｎ個を選択してワークレジ
スタ１３に記憶する。

次に、５ＴＥＰ８でワークレジスタ１３からマツチング
候補の標準・ｆターンを抽出し、８ＴＥＰ９においてＤ
Ｐマツチング部１１は骸各標準！！ターン全体または先
に比較し九＠ａｍ分を残シの部分について入力音声パタ
ーンとマツチング処理を行ない、その結果Ｆｉ再び判定
部１２に記憶される。このとき、ｔｒたに制御ｉ４１部
６から基準整合距離が判定部１２に送出される。

さらに、演算処理ｓ９は上記のようにマツチングを行な
った結果と基準整合距離とを判定ｓ１２からアクセスし
、かつ該演算処理部９は５ＴＥＰ　１０　。

１１で示す如く整合距離の算出を行ない、その小さい順
ｔ／ｃ第１．１２の標準／譬ターン候補を抽出する。５
ＴＥＰ　１２に示す如く、１ｉ４１候補と第２候補との
整合距離ｄ差が規定閾値０以上であれは第１候補を答え
としてその橡準ノ臂ターン番号を示す出力指令を判定部
１２に出力する。また、前記差が規定閾値θ以下であれ
ば５ＴＥＰ　１４でリジェクト処理する。一方、５ＴＥ
ＰＩ　Ｏで第１候補がない場合（！１合距離が所定閾値
以下のものがない場合）にはリジェクト処理する。

なお、本発明の寮施例においては制ＮＮ６と演算処理ｓ
９とに分けているが、これらは一体として一つの１ｉ１
＋　１１部ｊたに処理装置とすることができる。また、
バッファメモリ８、ランダムアクセスファイルｌＯ、ワ
ークメモリ１３、判定＠１２の記憶ｓ１１前記制御装Ｗ
または処理装置の内部記憶装置の領域に設けられるもの
を使用してもよい。

発明の効果 本発明に係るノ母ターンｋｗｔ方式は以上畦細に述べた
如くであって、特徴ベクトルの系列として表現される音
声情報をデジタル情報として記憶し、語頭部分に対応す
るベクトル部分について類似度を判定し、類似度の高い
順に所定数の標準パターンを候補として選択し、この選
択された所定数の標準・母ターンに対して全体のベクト
ルまタハＩ！Ｆ＆頭部分を除いた残余のベクトル部分に
つき類似度を算出するように構成したから、同時認識対
象となる全ての標準パターン全体についての演算をする
必賛がなく、認識演算量を減少させることができるとい
う効果を庸する。この結果、同時認識対象を増加させる
ことがＷｌ能となる。

【図面の簡単な説明】

ｔ／１４１図は本発明のパターン認識方式を適用した音
声パターン認識装置のブロックｌＩｈ図、第２図は実際
の音ｖｓに対する動作の一例を示す説明図で、第２図（
ａ）は樟準ノ臂ターンとして登録しであるバタフ化しｆ
ｃ説明−１第３図社第１図中の演算処理部の内部プログ
ラムによる処理のフロー図である。 ｌ・・・マイクロホン、２・・・バッファメモリ、３−
１　、３−２　、・・・３−Ｎ・・・バンドパスフィル
タ、４−１　、４−２　、・・・４−Ｎ・・・ローパス
フィルタ、５・・・アナログスイッチ回路、６・・・制
御部、７・・Ａんコンバータ、８・・・バッファメモリ
、９・・・演算処理部、（１７） １０・・・ランダムアクセスファイル、１１・・・ＤＰ
マツチング部、１２・・・判定部。 （１８） 第１図 第２図 （ａ）　　　　（ｂ）　　　（Ｃ） １ １

Claims (1)

【特許請求の範囲】
1. 特徴ベクトルの系列として表現される入力音声１？ター
   ンおよび＊＊音声パターン會記憶し、該人力音声パター
   ンと標準音声パターンとの類似度會算出することによ）
   骸入力音声パターンのＳａｔ行なう・母ターン餡織方式
   において、前記類似度の算出を所定長さの飴ｍｓ分に対
   応するＩＮ頭ベクトル部分について行なってその類似度
   を判定し、類似度の高い順に所定数の標準音声ノ臂ター
   ンｌ＃！ｌ択し、選択された１５を定数の＃／Ａ準音声
   パターンに対して全体のベクトルまた祉鍵記飴頭部分を
   除いた残りのベクトル部分につＩｌｋ似度低度出して入
   力音声・櫂ターンの＆織を行なうこと１％像とするパタ
   ーン麹織方式。