JPS59131999A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPS59131999A JPS59131999A JP58007781A JP778183A JPS59131999A JP S59131999 A JPS59131999 A JP S59131999A JP 58007781 A JP58007781 A JP 58007781A JP 778183 A JP778183 A JP 778183A JP S59131999 A JPS59131999 A JP S59131999A
- Authority
- JP
- Japan
- Prior art keywords
- similarity
- phonemes
- speech recognition
- calculation
- calculation unit
- 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.)
- Granted
Links
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
【発明の詳細な説明】
産業上の利用分野
本発明は音声認識装置に関するものである。
従来例０構−とその問題点
音声の認識を行なう場合、マイクロホンによって電気信
号に変換された時系列の音声信号を、フレームと呼ばれ
る単位に区切って、各々のフレームを単位として分析を
行ない、特徴パラメータに変換し、音声−号を特徴パラ
メータ系列に変換するのが一般的な方法である。この場
合、１フレームは１０ ｍ５ｅｃ 程度に選ばれる。ま
た分析方法として、フィルタ分析法や線形予測（ＬＰＣ
）分析法がよく利用される。
号に変換された時系列の音声信号を、フレームと呼ばれ
る単位に区切って、各々のフレームを単位として分析を
行ない、特徴パラメータに変換し、音声−号を特徴パラ
メータ系列に変換するのが一般的な方法である。この場
合、１フレームは１０ ｍ５ｅｃ 程度に選ばれる。ま
た分析方法として、フィルタ分析法や線形予測（ＬＰＣ
）分析法がよく利用される。
次に、特徴パラメータを複数の音素または擬音素（音素
に類するもの；例えば／ｈｉ／と／ｈａ／では／ｈ／の
パターンが異なり、前者を／ｈ／ とじ後者を／ｈ＊／
とする）の標準パターンと比較して、特徴パラメータと
の類似、度が最も大きい音素または擬音素を標準パター
ンの中から選び、その符号３１・−ジ でフレームを代表させる手法がよく使われる。このよう
にすれば、各フレームごとに多くの記憶容量を必要とす
る音声信号（たとえば精度１２ビツトで１２曲サンプリ
ングされたデータは１０１１１８８０あだり１４４０ビ
ットである）が８ビット程度に圧縮されることになり、
以後の認識過程が簡単となる。
に類するもの；例えば／ｈｉ／と／ｈａ／では／ｈ／の
パターンが異なり、前者を／ｈ／ とじ後者を／ｈ＊／
とする）の標準パターンと比較して、特徴パラメータと
の類似、度が最も大きい音素または擬音素を標準パター
ンの中から選び、その符号３１・−ジ でフレームを代表させる手法がよく使われる。このよう
にすれば、各フレームごとに多くの記憶容量を必要とす
る音声信号（たとえば精度１２ビツトで１２曲サンプリ
ングされたデータは１０１１１８８０あだり１４４０ビ
ットである）が８ビット程度に圧縮されることになり、
以後の認識過程が簡単となる。
従来例の代表として、上記の方法において特徴パラメー
タとして自己相関関数を用い、類似度を予測残差距離で
求める方法を説明する。
タとして自己相関関数を用い、類似度を予測残差距離で
求める方法を説明する。
いま未知特徴パラメータを、
Ｖ ” （’ｌ）、−Ｚ７２−−’ｌ）ｎ ）
・” −（１）ただし彷は１次の自己相関関数、ｎ
はパラメータ数 音素または擬音素ｊ（ｊ二１．・・・・・・ｌ；ｌは標
準パターンの数）に対する標準パターンをムｊ ＝（Ｉ
Ｌｊｌ、！Ｌｊｚ、−・・＆ｊｎ ） −・・
・（２）ただしａｊ１４ｄ ｉ次の最大スペクトルパラ
メータとすると、類似度（距離） ｄｊは ｄｊ＝Ａ、１・Ｖ ・・・・・・（３
）Ｔは転置を表わす。
・” −（１）ただし彷は１次の自己相関関数、ｎ
はパラメータ数 音素または擬音素ｊ（ｊ二１．・・・・・・ｌ；ｌは標
準パターンの数）に対する標準パターンをムｊ ＝（Ｉ
Ｌｊｌ、！Ｌｊｚ、−・・＆ｊｎ ） −・・
・（２）ただしａｊ１４ｄ ｉ次の最大スペクトルパラ
メータとすると、類似度（距離） ｄｊは ｄｊ＝Ａ、１・Ｖ ・・・・・・（３
）Ｔは転置を表わす。
である。ｊ ＝ｊｍのときｄｊが最小となれば、ｊｍに
相当する音素または擬音素をそのフレームの結果とする
。
相当する音素または擬音素をそのフレームの結果とする
。
第１図は従来法を実現するだめのブロック図である。マ
イクロホンで電気信号に変換された音声信号はＡＤ変換
器１でディジタル信号に変換され、フレームごとに相関
器２で自己相関関数ｖ１〜ｖｎ（特徴パラメータ）に変
換される。３は距離計算部で、標準パターンメモリ４か
ら標準パターンムｊｉを読み出し、自己相関関数ｖｉ
との間に式（３）の計算を行なって、類似度ｄｊ
が最小となるｊｍｊｍを求め、ｊｍに相当する音素また
は擬音素を出力する部分である。音声認識部６は、フレ
ームごとに入ってくる音素、擬音素を単語辞書６の辞書
項目と比較し、最も類似度の高い単語を認識結果として
出力する。
イクロホンで電気信号に変換された音声信号はＡＤ変換
器１でディジタル信号に変換され、フレームごとに相関
器２で自己相関関数ｖ１〜ｖｎ（特徴パラメータ）に変
換される。３は距離計算部で、標準パターンメモリ４か
ら標準パターンムｊｉを読み出し、自己相関関数ｖｉ
との間に式（３）の計算を行なって、類似度ｄｊ
が最小となるｊｍｊｍを求め、ｊｍに相当する音素また
は擬音素を出力する部分である。音声認識部６は、フレ
ームごとに入ってくる音素、擬音素を単語辞書６の辞書
項目と比較し、最も類似度の高い単語を認識結果として
出力する。
この方法は計算式が簡単で、高速の認識に適した方法で
ある。特定話者を対象とする場合や、小数語の不特定話
者を対象とする場合には、このよ６１＼−ジ しかし不特定話者、多数語を対象とする一合には、調音
結合の微妙な影響や個人性による特徴パラメータの差異
によって、認識率が低下する。不特定話者、多数語を対
象として高い認ｉ率を確保するためには、特徴パラメー
タとして、調音結合や個人性の影響を受けにくいものを
極用し、類似度の計算に対しては、これらの変動による
ばらつきを考慮に入れた距離尺度を使用讐る必要がある
。しかし、そのような方法は一般に認−に要する計算が
複雑であり、高速で認識できるシステムを構成すること
が不可能であった。
ある。特定話者を対象とする場合や、小数語の不特定話
者を対象とする場合には、このよ６１＼−ジ しかし不特定話者、多数語を対象とする一合には、調音
結合の微妙な影響や個人性による特徴パラメータの差異
によって、認識率が低下する。不特定話者、多数語を対
象として高い認ｉ率を確保するためには、特徴パラメー
タとして、調音結合や個人性の影響を受けにくいものを
極用し、類似度の計算に対しては、これらの変動による
ばらつきを考慮に入れた距離尺度を使用讐る必要がある
。しかし、そのような方法は一般に認−に要する計算が
複雑であり、高速で認識できるシステムを構成すること
が不可能であった。
発明の目的
本発明は不特定話者・多数語を対象として高い認識率を
確保し、高速（リアルタイム）で認識処理を行なうこと
ができる音声認識装置を提供することを目的とする。
確保し、高速（リアルタイム）で認識処理を行なうこと
ができる音声認識装置を提供することを目的とする。
発明の構成
本発明は上記目的を達成するもので、音声信号を音素ま
たは擬音素の系列に変換し、これを単語６１、ジ 辞書と照合することによって音声認識を行なう音声認識
装置であって、音声信号を音素育たば擬音素系列に変換
するために、特徴パラメータとしてＬＰＣｊケプストラ
ム係数を算出する部分と、この特徴パラメータと音素ま
たは擬音素の標準パターンを照合するためにベイズ判定
に基く距離、マハラノピス距離や線形判別関数などの統
計的な距離尺度によって類似度を算出するブロックを有
することを特徴とする音声認識装置を提供するものであ
る。
たは擬音素の系列に変換し、これを単語６１、ジ 辞書と照合することによって音声認識を行なう音声認識
装置であって、音声信号を音素育たば擬音素系列に変換
するために、特徴パラメータとしてＬＰＣｊケプストラ
ム係数を算出する部分と、この特徴パラメータと音素ま
たは擬音素の標準パターンを照合するためにベイズ判定
に基く距離、マハラノピス距離や線形判別関数などの統
計的な距離尺度によって類似度を算出するブロックを有
することを特徴とする音声認識装置を提供するものであ
る。
実施例の説明
本発明の基本的な考え方は調音結合や個人性による変動
の影響を受けにくい特徴パラメータとしてＬＰＣケブヌ
トラム係数を使用し、また調音結合や個人性の影響によ
る特徴パラメータのばらつきを考慮した距離尺度として
、マノ・マノビス距離、ベイズ判定や線形判別関数など
の統計的距離尺度を使用するものである。
の影響を受けにくい特徴パラメータとしてＬＰＣケブヌ
トラム係数を使用し、また調音結合や個人性の影響によ
る特徴パラメータのばらつきを考慮した距離尺度として
、マノ・マノビス距離、ベイズ判定や線形判別関数など
の統計的距離尺度を使用するものである。
第２図は本発明を実現するだめのブロック図を示したも
のである。図において１はムＤ変換器で７ｔ・−ジ あり第１図と同じである。７は特徴パラメータ算出部で
あり、窓計算、ＬＰＧ分析およびＬｐｃケプストラム計
算を行なう部分である。ＬＰＣケプストラム係数は、Ｌ
ＰＣ分析によって音声波から声帯音源の特性を除去し、
その後に得られるスペクトルの包絡特性を記述するパラ
メータである。
のである。図において１はムＤ変換器で７ｔ・−ジ あり第１図と同じである。７は特徴パラメータ算出部で
あり、窓計算、ＬＰＧ分析およびＬｐｃケプストラム計
算を行なう部分である。ＬＰＣケプストラム係数は、Ｌ
ＰＣ分析によって音声波から声帯音源の特性を除去し、
その後に得られるスペクトルの包絡特性を記述するパラ
メータである。
ＬＰＣケブヌトラム係数は、ＬＰＣ分析によって得られ
る線形予測係数を使って式（４）で計算できる。
る線形予測係数を使って式（４）で計算できる。
（ｉ＝１．２・・・・・・ｎ）
ただしαｉは１次の線形予測係数である。
８は類似度計算部で、本実施例では距離尺度として、マ
ハラノビス距離、ベイズ判定や線形判別関数などの統計
的距離尺度を使用する。前者２つの距離尺度はパラメー
タの分布状態を標準パターンの中に所持している。また
後者は、パラメータの特開昭５９−１３１９９９Ｃ８） 分布を考慮して係数の値を設定したものである。
ハラノビス距離、ベイズ判定や線形判別関数などの統計
的距離尺度を使用する。前者２つの距離尺度はパラメー
タの分布状態を標準パターンの中に所持している。また
後者は、パラメータの特開昭５９−１３１９９９Ｃ８） 分布を考慮して係数の値を設定したものである。
距離尺度は次のようにして算出される。
音素または擬音素ｊに対する標準パターンとして、その
平均値をｌｌｊ、共分散行列をＷｊ とすると、未知
入力ベクトルｒに対する確率密度は式（５）で表・・・
・・・（６） ただし、ＩＷＩは行列式の値、曹 は逆行列。
平均値をｌｌｊ、共分散行列をＷｊ とすると、未知
入力ベクトルｒに対する確率密度は式（５）で表・・・
・・・（６） ただし、ＩＷＩは行列式の値、曹 は逆行列。
添字：Ｔは転置を表わす。
式（６）で標準パターンμｊ、町は音素基が判っている
多くのデータ（ＬＰＣケプストラム係数）を使用して、
あらかじめ作成しておく。したがって、これらは定数で
ある。またＸは判別すべきデータ（ＬＰＧケプストラム
係数）である。
多くのデータ（ＬＰＣケプストラム係数）を使用して、
あらかじめ作成しておく。したがって、これらは定数で
ある。またＸは判別すべきデータ（ＬＰＧケプストラム
係数）である。
ベイズ判定は式（四を最大とする音素または擬音素ｊ＝
ｊｍを判別結果とする方法である。式（６）の自然対数
を求めて １１ｊ−’ （ｆ ／ｊｊｌＷｉ１・（Ｌ−Ｐｊ） −
Ｌｊ −−（６）ただＬ Ｌｊ−１ｏｇｅ （（２Ｊ
・ｌ町１÷）９ページ として式（６）を最大とする音素または擬音素を求めて
も同じ結果となり、しかも計算量が減少する。
ｊｍを判別結果とする方法である。式（６）の自然対数
を求めて １１ｊ−’ （ｆ ／ｊｊｌＷｉ１・（Ｌ−Ｐｊ） −
Ｌｊ −−（６）ただＬ Ｌｊ−１ｏｇｅ （（２Ｊ
・ｌ町１÷）９ページ として式（６）を最大とする音素または擬音素を求めて
も同じ結果となり、しかも計算量が減少する。
本発明では式（６）を使用している。
マハラノビス距離は式（６）の第１項で定義される。
すなわち
ｄｊ”（ｇ−Ｐｊダ・Ｗ貨（ｒ−Ｌｊ） ・・・・・
・（力である。判別結果はｄｊを最小とするｊ＝ｊｍを
求めることによって得られる。
・（力である。判別結果はｄｊを最小とするｊ＝ｊｍを
求めることによって得られる。
いずれにしても統計的距離尺度はム・β・仄（ムはベク
トル、Ｂマトリックス）という演算が基本である。類似
度計算部８では標準パターンメモリ９に格納しである標
準パターンとの間で式（６）または式（ηの計算を行な
う。１０は判別部であり、ベイズ判定の場合は最大値を
、マハラノビス距離の場合は最小値を求めて、該当する
音素または擬音素の符号を出力する。５は音声認識部、
６は単語辞書であり、音声認識部６により、フレームご
とに入ってくる音素、擬音素を単語辞書６の辞書項目と
比較し、最も類似度の高い単語を認識結果として出力す
る。
トル、Ｂマトリックス）という演算が基本である。類似
度計算部８では標準パターンメモリ９に格納しである標
準パターンとの間で式（６）または式（ηの計算を行な
う。１０は判別部であり、ベイズ判定の場合は最大値を
、マハラノビス距離の場合は最小値を求めて、該当する
音素または擬音素の符号を出力する。５は音声認識部、
６は単語辞書であり、音声認識部６により、フレームご
とに入ってくる音素、擬音素を単語辞書６の辞書項目と
比較し、最も類似度の高い単語を認識結果として出力す
る。
１０− う
このように、調音結合や個人性の影響によるばらつきの
少ない特徴パラメータと、ばらつきの状態を考慮した距
離尺度を組合わせることによって、不特定話者・多数語
を対象とした場合においても、高い認識率を確保するこ
とができる。第１表は、母音に関して従来の方法（自己
相関関数と予測残差距離）と、本実施例に関する方法を
比較したものである。比較のために使用したデータは、
男声話者１０名各々が発声した２１２単語の中の母音に
相当する全フレームである。比較の尺度は正しく認識で
きたフレームの数の全フレームに対する割合（チ表示）
である。
少ない特徴パラメータと、ばらつきの状態を考慮した距
離尺度を組合わせることによって、不特定話者・多数語
を対象とした場合においても、高い認識率を確保するこ
とができる。第１表は、母音に関して従来の方法（自己
相関関数と予測残差距離）と、本実施例に関する方法を
比較したものである。比較のために使用したデータは、
男声話者１０名各々が発声した２１２単語の中の母音に
相当する全フレームである。比較の尺度は正しく認識で
きたフレームの数の全フレームに対する割合（チ表示）
である。
第１表 認識結果
１１・−ジ
第１表から明らか々ように本実施例は従来例よりも格段
に良い結果を得ることができる。
に良い結果を得ることができる。
第２図の処理を実時間で行なう場合、ムＤ変換器１．特
徴パラメータ算出部７．類似度計算部８および判別部１
０のブロックはフレーム単位（たとえば１０ ｍ８６０
以内）で行なわねばならない。それに対して音声認識部
６の処理は単語単位でよい。
徴パラメータ算出部７．類似度計算部８および判別部１
０のブロックはフレーム単位（たとえば１０ ｍ８６０
以内）で行なわねばならない。それに対して音声認識部
６の処理は単語単位でよい。
したがって前者の高速化が大きな課題である。しかし、
１フレームの時間内にＬＰＣ計算と式（４）の計算およ
び式（６）または式（７）の計算を標準パターンの数だ
け行なうことは現在の技術では困難である。
１フレームの時間内にＬＰＣ計算と式（４）の計算およ
び式（６）または式（７）の計算を標準パターンの数だ
け行なうことは現在の技術では困難である。
特に特徴パラメータ算出部７と類似度計算部８の部分の
計算量が多い。
計算量が多い。
本実施例ではこの問題を、パイプライン処理を行なうこ
とによって解決している。
とによって解決している。
第３図はパイプライン処理によって実時間処理を行なう
方法を実施例によって説明したものである。また第４図
はパイプライン処理のタイムチャートである。第３図に
おいて第２図と同じ機能を持つブロックは同一の番号と
なっている。また破線の部分は第２図との対応を示して
いる。
方法を実施例によって説明したものである。また第４図
はパイプライン処理のタイムチャートである。第３図に
おいて第２図と同じ機能を持つブロックは同一の番号と
なっている。また破線の部分は第２図との対応を示して
いる。
以下第３図と第４図によって実施例の説明を行なう。本
実施例において、ＡＤ変換のサンプリング周波数は１２
ｋｌ（ｚ、フレーム長は１０１１１８６０、窓計算にお
ける窓長ｉｊ ２０ Ｉｎ１ｉ！６０ である。した
がって、１フレーム内のデータ数は１２０ワードである
。
実施例において、ＡＤ変換のサンプリング周波数は１２
ｋｌ（ｚ、フレーム長は１０１１１８６０、窓計算にお
ける窓長ｉｊ ２０ Ｉｎ１ｉ！６０ である。した
がって、１フレーム内のデータ数は１２０ワードである
。
葦だＬＰＣ分析におけるフィルタの次数は１６である。
第３図において、１１と１２はＡＤ変換器１後の入力デ
ータを蓄積しておくメモリであり、谷々１フレーム分の
データが蓄積できる容量（１２゜ワード）を有している
。１１をメモリＡ、１２をメモリＢと呼ぶことにする。
ータを蓄積しておくメモリであり、谷々１フレーム分の
データが蓄積できる容量（１２゜ワード）を有している
。１１をメモリＡ、１２をメモリＢと呼ぶことにする。
これらのメモリ１１゜１２の入出力はスイッチ１３と１
４によって切替えられる。スイッチ１３がａ側に接続さ
れている時スイッチ１４はｄに接続され、スイッチ１３
がｂ側のときスイッチ１４はｃ側に接続されるようにな
っている。これは、データの入力と計算を非同期で行々
うためである。１５はメモリム１１またはメモリＢ１２
から送出されたデータに対し、１３ページ 窓計算、自己相関計算、ＬＰＣ計算、ＬＰＣケプヌトラ
ム計算などを行なうための第１のディジタルシグナルプ
ロセッサ（ＤＳＰと記す）である。
４によって切替えられる。スイッチ１３がａ側に接続さ
れている時スイッチ１４はｄに接続され、スイッチ１３
がｂ側のときスイッチ１４はｃ側に接続されるようにな
っている。これは、データの入力と計算を非同期で行々
うためである。１５はメモリム１１またはメモリＢ１２
から送出されたデータに対し、１３ページ 窓計算、自己相関計算、ＬＰＣ計算、ＬＰＣケプヌトラ
ム計算などを行なうための第１のディジタルシグナルプ
ロセッサ（ＤＳＰと記す）である。
１６は共通メモリであり、前のフレームの終わりに第１
のＤＳＰ（ＤＳＰ−１）１５からＩ、ＰＣケフヌトラム
係数を受は取り次のフレームの初めにＷＪ２のＤＳＰ
（ＤＳＰ−２）１７へ送出する。１７は類似度の計算そ
の他を行うためのＤＳＰであり、入力パラメータと標準
パターンメモリ９に格納されている各標準パターンとの
間に式（６）″または式（７）の計算などを行なう。そ
して各標準パターンに対する類似度を類似度メモリ１８
に送出する。１９は単語認識部でフレームごとに送出さ
れてくる類似度データを受けと９、音素または擬音素の
系列になおして単語辞書６の辞書項目と比較して単語認
識を行なう部分である。
のＤＳＰ（ＤＳＰ−１）１５からＩ、ＰＣケフヌトラム
係数を受は取り次のフレームの初めにＷＪ２のＤＳＰ
（ＤＳＰ−２）１７へ送出する。１７は類似度の計算そ
の他を行うためのＤＳＰであり、入力パラメータと標準
パターンメモリ９に格納されている各標準パターンとの
間に式（６）″または式（７）の計算などを行なう。そ
して各標準パターンに対する類似度を類似度メモリ１８
に送出する。１９は単語認識部でフレームごとに送出さ
れてくる類似度データを受けと９、音素または擬音素の
系列になおして単語辞書６の辞書項目と比較して単語認
識を行なう部分である。
第４図は第３図で説明した処理を行なうタイムチャート
であり、各フレームのデータがパイプライン処理される
ことを示している。ＡＤ変換器１に入力された各フレー
ムの音声信号は４フレーム１４・ ７ の時間（４０ｍＢ６Ｑ ）で音素または擬音素に変換さ
れる。これによって見かけ上、処理時間を４倍に伸ばす
ことができる。図において例えば第１フレームのデータ
に対して最初の１０ ｍＢｆ３０の間にメモリム１１に
取り込み、次ノ１０１１１１１６０で第１（ｉ’）ＤＳ
Ｐ（ＤＳＰ−１）１５によって特徴パラメータを抽出し
、次ノ１０ｍ５ｅｃで第２（７）ＤＳＰ（ＤＳＰ−２）
１７によって類似度を計算し、次の１Ｑｔｎｌｉ１６０
でそれを単語認識部１９に送出する。第ｉ−ｚフレーム
のデータは最初メモリＢ１２へ取り込凍れ、その後は同
様である。このように同一の時間で、各ブロックが異な
ったフレームのデータを処理し、それを次々と伝送して
ゆくという方法（パイプライン処理）を行なえば複雑々
計算を実時間で行なうことができる。
であり、各フレームのデータがパイプライン処理される
ことを示している。ＡＤ変換器１に入力された各フレー
ムの音声信号は４フレーム１４・ ７ の時間（４０ｍＢ６Ｑ ）で音素または擬音素に変換さ
れる。これによって見かけ上、処理時間を４倍に伸ばす
ことができる。図において例えば第１フレームのデータ
に対して最初の１０ ｍＢｆ３０の間にメモリム１１に
取り込み、次ノ１０１１１１１６０で第１（ｉ’）ＤＳ
Ｐ（ＤＳＰ−１）１５によって特徴パラメータを抽出し
、次ノ１０ｍ５ｅｃで第２（７）ＤＳＰ（ＤＳＰ−２）
１７によって類似度を計算し、次の１Ｑｔｎｌｉ１６０
でそれを単語認識部１９に送出する。第ｉ−ｚフレーム
のデータは最初メモリＢ１２へ取り込凍れ、その後は同
様である。このように同一の時間で、各ブロックが異な
ったフレームのデータを処理し、それを次々と伝送して
ゆくという方法（パイプライン処理）を行なえば複雑々
計算を実時間で行なうことができる。
第２表は上に述べたパイプライン処理を行なった場合に
おいて、ＤＳＰ−１およびＤＳＰ−２で行なうべき計算
量を示したものである。ただし、ＤＳＰ−２の計算量に
おいて標準パターン数は３゜とした。各々のＤＳＰはこ
れだけの計算を１０ＩｎｓｅＣ１６１＼−ジ で行なえばよく、サイクルタイム２５０ ｎ５ｅｃ 程
ｇのものでよい。この程度のＤＳＰは市販のマイクロプ
ロセッサを使用して容易に作成することができる。
おいて、ＤＳＰ−１およびＤＳＰ−２で行なうべき計算
量を示したものである。ただし、ＤＳＰ−２の計算量に
おいて標準パターン数は３゜とした。各々のＤＳＰはこ
れだけの計算を１０ＩｎｓｅＣ１６１＼−ジ で行なえばよく、サイクルタイム２５０ ｎ５ｅｃ 程
ｇのものでよい。この程度のＤＳＰは市販のマイクロプ
ロセッサを使用して容易に作成することができる。
第２表 ｎｓｐの計算量
一方、パイプライン処理を行なわなければ、１０ｍ５ｅ
ｃ の間に第２表の両者を加えた回数に更にデータ転送
などの処理が加わるためサイクルタイム１ｏｏｎｓｅｃ
以内のＩ）ＳＰが必要となり、作成が困難である。
ｃ の間に第２表の両者を加えた回数に更にデータ転送
などの処理が加わるためサイクルタイム１ｏｏｎｓｅｃ
以内のＩ）ＳＰが必要となり、作成が困難である。
以上のように本実施例は特徴パラメータとしてＬＰＣケ
プストラム係数を用い、これと標準パターンを比較する
距離尺度として総計的距離尺度を用いることにより、不
特定話者・多数語の音声認識においても高い認識率が確
保できた。すなわち男女各２０名各々が発声した２０ｏ
単語に対して、単語認識率が平均で９６チという良い結
果を得ることができた。また特徴パラメータの計算と距
離計算（類似度計算）の部分に対してパイプライン処理
を適用すると、認識を実時間で行ない得ることが確認で
さた。
プストラム係数を用い、これと標準パターンを比較する
距離尺度として総計的距離尺度を用いることにより、不
特定話者・多数語の音声認識においても高い認識率が確
保できた。すなわち男女各２０名各々が発声した２０ｏ
単語に対して、単語認識率が平均で９６チという良い結
果を得ることができた。また特徴パラメータの計算と距
離計算（類似度計算）の部分に対してパイプライン処理
を適用すると、認識を実時間で行ない得ることが確認で
さた。
発明の効果
以上のように本発明は特徴パラメータとしてＬＰＣケプ
ヌトラム係数を算出する特徴パラメータ算出部と、前記
特徴パラメータと音素または擬音素の標準パターンとを
照合し統計的距離尺度によって類似度を算出する類似度
算出部とを少なくとも設け、前記両算出部を用いて音声
信号を音素または擬音素の系列に変換し、前記音素また
は擬音素を単語辞書と照合することによって音声認識を
行うもので、高い認識率と高速認識処理とが達成できる
。
ヌトラム係数を算出する特徴パラメータ算出部と、前記
特徴パラメータと音素または擬音素の標準パターンとを
照合し統計的距離尺度によって類似度を算出する類似度
算出部とを少なくとも設け、前記両算出部を用いて音声
信号を音素または擬音素の系列に変換し、前記音素また
は擬音素を単語辞書と照合することによって音声認識を
行うもので、高い認識率と高速認識処理とが達成できる
。
第１図は従来の音声認識装置のブロック図、第２図は本
発明の実施例である音声認識装置のプロ１７八〜シ ツク図、第３図は本発明の音声認識装置の具体構成のブ
ロック図、第４図は本実施例のタイミングチャートであ
る。 １・・・・・・ＡＤ変換器、２・・・・・・相関器、３
・・・・・・距離計算部、４・・・・・・標準パターン
（最大スペクトルパラメータ）格納部、５・・・・・・
音声認識部、６・・・・・・単語辞書、７・・・・・・
特徴パラメータ算出部、８・・・・・・類似度計算部、
９・・・・・・標準パターンメモリ、１０・・・・・・
判別部、１１．１２・・・・・・入力メモリ、１３．１
４・・・・・・切替スイッチ、１５・・・・・・第１の
ディジタルシグナルプロセッサ（ＤＳＰ−１）、 １６
・・・・・・共通メモリ、１７・・・・・・第２のディ
ジタルシグナルプロセッサ（ＤＳＰ−２）、１ ｓ・・
・・・・類似度メモリ、１９・・・・・・単語認識部。 代理人の氏名 弁理士 中 尾 敏 男 ほか１名へ 図 娶 臥 −Ｗ
発明の実施例である音声認識装置のプロ１７八〜シ ツク図、第３図は本発明の音声認識装置の具体構成のブ
ロック図、第４図は本実施例のタイミングチャートであ
る。 １・・・・・・ＡＤ変換器、２・・・・・・相関器、３
・・・・・・距離計算部、４・・・・・・標準パターン
（最大スペクトルパラメータ）格納部、５・・・・・・
音声認識部、６・・・・・・単語辞書、７・・・・・・
特徴パラメータ算出部、８・・・・・・類似度計算部、
９・・・・・・標準パターンメモリ、１０・・・・・・
判別部、１１．１２・・・・・・入力メモリ、１３．１
４・・・・・・切替スイッチ、１５・・・・・・第１の
ディジタルシグナルプロセッサ（ＤＳＰ−１）、 １６
・・・・・・共通メモリ、１７・・・・・・第２のディ
ジタルシグナルプロセッサ（ＤＳＰ−２）、１ ｓ・・
・・・・類似度メモリ、１９・・・・・・単語認識部。 代理人の氏名 弁理士 中 尾 敏 男 ほか１名へ 図 娶 臥 −Ｗ
Claims (3)
- （１）特徴パラメータとしてのＬＰＣケプストラム係数
を算出する特徴パラメータ算出部と、前記特徴パラメー
タと音素または擬音素の標準パターンとを照合し統計的
距離尺度によって類似度を算出する類似度算出部とを少
なくとも用いて、音声信号を音素または擬音素の系列に
変換し、前記音素または擬音素を単語辞書と照合するこ
とによって音声認識を行うことを特徴とする音声認識装
置。 - （２） 統計的距離尺度が、ベイズ判定に基づく距離
、マハラノビス距離、線形判別関数のいずれかでし あることを特徴とする特許請求の範囲第１項記載の音声
認識装置。 - （３）特徴パラメータ算出部と類似度算出部とが各フレ
ームごとにパイプライン処理されることを特徴とする特
許請求の範囲ｗＪ１項記載の音声認２１−シ 識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58007781A JPS59131999A (ja) | 1983-01-19 | 1983-01-19 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58007781A JPS59131999A (ja) | 1983-01-19 | 1983-01-19 | 音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS59131999A true JPS59131999A (ja) | 1984-07-28 |
| JPH0345839B2 JPH0345839B2 (ja) | 1991-07-12 |
Family
ID=11675211
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP58007781A Granted JPS59131999A (ja) | 1983-01-19 | 1983-01-19 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS59131999A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59223499A (ja) * | 1983-06-02 | 1984-12-15 | 松下電器産業株式会社 | 音素認識装置 |
| JPS6067996A (ja) * | 1983-09-22 | 1985-04-18 | 松下電器産業株式会社 | 音声認識方法 |
| JPS6383799A (ja) * | 1986-09-29 | 1988-04-14 | 株式会社東芝 | 連続音声認識方式 |
| JPS63205698A (ja) * | 1987-02-23 | 1988-08-25 | 株式会社東芝 | パタ−ン識別装置 |
| JPH01149100A (ja) * | 1987-11-05 | 1989-06-12 | American Teleph & Telegr Co <Att> | 音声認識システム |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5548812A (en) * | 1978-10-02 | 1980-04-08 | Yorimoto Tanno | Compressing and expanding unit for time axis of audio |
| JPS56168695A (en) * | 1980-05-30 | 1981-12-24 | Dainippon Printing Co Ltd | Voice recognizing device |
| JPS5734596A (en) * | 1980-08-11 | 1982-02-24 | Matsushita Electric Ind Co Ltd | Voice recognizing device |
| JPS6336678A (ja) * | 1986-07-31 | 1988-02-17 | Matsushita Electric Ind Co Ltd | 復調装置 |
-
1983
- 1983-01-19 JP JP58007781A patent/JPS59131999A/ja active Granted
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5548812A (en) * | 1978-10-02 | 1980-04-08 | Yorimoto Tanno | Compressing and expanding unit for time axis of audio |
| JPS56168695A (en) * | 1980-05-30 | 1981-12-24 | Dainippon Printing Co Ltd | Voice recognizing device |
| JPS5734596A (en) * | 1980-08-11 | 1982-02-24 | Matsushita Electric Ind Co Ltd | Voice recognizing device |
| JPS6336678A (ja) * | 1986-07-31 | 1988-02-17 | Matsushita Electric Ind Co Ltd | 復調装置 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59223499A (ja) * | 1983-06-02 | 1984-12-15 | 松下電器産業株式会社 | 音素認識装置 |
| JPH0345840B2 (ja) * | 1983-06-02 | 1991-07-12 | Matsushita Electric Ind Co Ltd | |
| JPS6067996A (ja) * | 1983-09-22 | 1985-04-18 | 松下電器産業株式会社 | 音声認識方法 |
| JPH0344320B2 (ja) * | 1983-09-22 | 1991-07-05 | Matsushita Electric Ind Co Ltd | |
| JPS6383799A (ja) * | 1986-09-29 | 1988-04-14 | 株式会社東芝 | 連続音声認識方式 |
| JPS63205698A (ja) * | 1987-02-23 | 1988-08-25 | 株式会社東芝 | パタ−ン識別装置 |
| JPH01149100A (ja) * | 1987-11-05 | 1989-06-12 | American Teleph & Telegr Co <Att> | 音声認識システム |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0345839B2 (ja) | 1991-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Valle et al. | Mellotron: Multispeaker expressive voice synthesis by conditioning on rhythm, pitch and global style tokens | |
| JP3114975B2 (ja) | 音素推定を用いた音声認識回路 | |
| JP3055691B2 (ja) | 音声認識装置 | |
| US5528725A (en) | Method and apparatus for recognizing speech by using wavelet transform and transient response therefrom | |
| KR0123934B1 (ko) | 저렴한 음성 인식 시스템 및 방법 | |
| EP0533614A2 (en) | Speech synthesis using perceptual linear prediction parameters | |
| US5890113A (en) | Speech adaptation system and speech recognizer | |
| JPS58134700A (ja) | 連続音声認識の改良 | |
| JPH0612089A (ja) | 音声認識方法 | |
| JPS6254297A (ja) | 音声認識装置 | |
| KR19990024267A (ko) | 포만트 유사도 측정에 의한 피솔라를 이용한 음성 파형 부호화방식 | |
| 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 | |
| JPS6128998B2 (ja) | ||
| Christensen et al. | A comparison of three methods of extracting resonance information from predictor-coefficient coded speech | |
| JPS59131999A (ja) | 音声認識装置 | |
| JPH0345840B2 (ja) | ||
| JPH0215080B2 (ja) | ||
| US4790017A (en) | Speech processing feature generation arrangement | |
| JP2980382B2 (ja) | 話者適応音声認識方法および装置 | |
| GB2216320A (en) | Selective addition of noise to templates employed in automatic speech recognition systems | |
| JPH1097278A (ja) | 音声認識方法および装置 | |
| Kim et al. | A speech feature based on bark frequency warping-the non-uniform linear prediction (nlp) cepstrum | |
| JPH0738114B2 (ja) | フオルマント型パタンマツチングボコ−ダ | |
| JPH0246960B2 (ja) | ||
| Pols | Analysis and synthesis of speech using a broad-band spectral representation |