JPS59171999A - 音声認識方法 - 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】 産業上の利用分野 本発明は音声を認識する音声認識装置に関する。

背景技術とその問題点 音声ｇ誠においては、特定話者に対する単語認識による
ものかすでに実用化されている。これはあらかじめ認識
対象とする全ての単語について特定話者にこれらを発音
させ、バンドパスフィルタバンク等によりその音響パラ
メータを検出して記憶（登録）しておき、特定諸省が発
声したときその音響ノ°（ラメータを検出し、登録され
た各単語の音響パラメータと比較し、これらが一致した
ときその乎語であるとの認識を行う。

このような装置において、話者の発声の時間軸が登録時
と異なっている場合には、−短時間（５〜２０ｍ（５）
ン毎に抽出される音響パラメータの時系列を伸縮して時
間軸を整合させる。これによって発声速度の変動に対処
させるようにしている。

ところがこの装置の場合、認識対象とする全ての単語に
ついてその単語の全体の音響パラメータをあらがじめ登
録格納しておかなければならず、膨大な記憶容量と演算
を必要とする。このため認識語い数に限界があった。

これに対して音韻（日本語でいえはローマ字衣記したト
＠）Ａ、　Ｉ　、　Ｕ、　Ｂ、　０．　Ｋ、　Ｓ、　’
ｒ等）　アルイ。

は音節（ＫＡ、　ＫＩ　、　ＫＵ等）単位での認識を行
うことが提系されている。しかしこの場合に、母音等の
準定常部を有する音韻の認識は容易であっても、破裂音
（Ｋ、Ｔ、Ｐ等ンのよ５に音韻的特徴が非常に短いもの
を音響パラメータのみで一つの音韻に特定することは極
めて困難である。

そこで従来は、各音節ごとに離散的に発音された音声を
登録し、離散的に発声された音声を単語認識と同様に時
間軸整合させて認識を行っており、特殊な発声な行うた
めに限定され１こ用途でしか利用できなかった。

さらに、不特定話者を認識対象とした場合には、音響パ
ラメータに個人差による大きな分散かあり、上述のよう
に時間軸の整合だけでは認識を行うことかできンよい。

そこで、例えは一つの単語について複数の音響パラメー
タを登録して近似の音響パラメータを認識する方法や、
単語全体を固定次元のパラメータに変換し、識別函数に
よって判別する方法が提案されているか、いずれも膨大
な記憶容量を８妥としたり、演算量が多（、認識語い数
が極めて少（なってしまう。

ところで音韻の発声現象を観察すると、母音や摩擦音（
Ｓ、Ｈ等）の音韻は長く伸して発声することかできるこ
とがわかる。例えは゛はい”という発声を考えた場合に
、この音韻は第１図人、に示すように「無音→Ｈ，−＋
に→■→無音」に変化する。これに対して同じ゛はい”
の発声を第１図Ｂのように行うこともできるものである
。

またここで、Ｈ，Ａ、Ｉの準定常部の長さは発声ごとに
変化し、これによって時間軸の変動を生じる。ところが
この場合に、各音韻間の過渡部（斜線で示すンは比較的
時間軸の変動が少いことか判明した。

この為、この音韻間の過渡部に着目して不特定話者に対
しても良好に音声認識を行えるようにした第２図に示す
如き音声認識装置が提案されている。以下、第２図乃至
第５図を参照してこの音声認識装置の提案例について睨
明する。

第２図において、（１）は音声分析部を示し、この音声
分析部（１）は次に述べるように、音声信号を音響パラ
メータ時系列に変換するものである。まず、マイクロフ
ォン（２）に供給された音声イキ号がマイクアンプ（３
）、５．５ｋＨｚ以下のローパスフィルタ（４）を通じ
てＡＤ変換回路（５）に供給される。また一方、クロッ
ク発生器（６）からの１２．５ｋＨｚ　（８０μ派間隔
）のサンプリングクロックがＡＤ変換回路（５）に供給
され、このタイミングで音声信号がそれぞれ所定ビット
数（＝１ワード〕のデジタル信号に変換される。そして
、この変換された音声信号が５×６４ワードのレジスタ
（７）に供給される。また、クロック発生器（６）から
の５．１２ｍ５（資）間隔のフレームクロックが５進カ
ウンタ（８）に供給され、このカウント値がレジスタ（
７）に供給されて音声信号が６４ワードずつシフトされ
、シフトされた４Ｘ６４ワードの信号がレジスタ（力か
ら取り出される。

Ｉこのレジスタ（力から取り出された４　Ｘ　６４＝２
５６ワードの信号が尚速フーリエ変換（Ｆ’ＦＴ）回路
（９）に供給される。このＦＦＴ回路（９）においては
、・例えはＴの時間長に含まれるｎｆ１ｕ￥１のサンプ
リングデータによって衣される波形函数を Ｕｎ　（Ｔ（ｔ）　　　　　　　　　　　　　　　　　
　　　　　　　　　　　　　　−−（１）としたとき、
これをフーリエ変換して、＝ＵｘｎｒＴＣｆ）＋ｊＵｚ
ｎ（Ｔ＜ｆ）　　　　　　−−−−−−（２）の信号が
得られるごとくなされる。

さらに、とのＦＦＴ回路（９）からの信号がパワースペ
クトルの検出回路ＱＱＩに供給され、１　（ｉＪ２１　
＝Ｕ１ｎｌ　Ｔ　（ｆ）　十Ｕ２ｎ（Ｔ　（ｆ）　　　
　　　−・・（３１のパワースペクトル信号が取り出さ
れる。ここでフーリエ変換された信号は周波数軸上で対
称になっているので、フーリエ変換によって取り出され
るｎｆ個のデータの半分は冗長データである。そこで、
半分のデータを排除して−ｎｆ個のデータが取つ出さ庇
るよ５になされる。すなわち、上述のＦＦＴ回路（９）
に供給された２５６ワードの信号が変換されて１２８ワ
ードのパワースペクトル信号が取り出される。

このパワースペクトル信号がエンファシスＩＰ！ｌ路ａ
υに供給されて聴感上の補正を行うための凰み付けが行
われる。ここで１み付けとしては、例えは周波数の高域
成分を増強する補正が行われる。

このようにして音声分析部（１）において、音声信号の
音響パラメータ時系列として重み付けされたパワースペ
クトル信号が得られる。そして、この音声分析部（１）
からの重み付けされたバヮースペクトル信号が過渡パラ
メータ抽出部（１７Ｊ及び過渡点検出部０に夫々供給さ
れる。この過渡パラメータ抽出部α力は音声分析部（１
）からの音声信号の音響パラメータ時系列から音声信号
の音韻的特徴を保持した低次の過渡点パラメータを抽出
゛するものであり、また過渡点検出部（１３）は音声分
析部（１）からの音声信号の音響パラメータ時系列から
音声信号の過渡点を検出して過渡点検出信号を発生する
ものであり、この過渡点検出部（１３）からの過渡点検
出信号が過渡パラメータ抽出部（Ｉ２１に供給され、過
渡パラメータ抽出部（１２１において過渡点における音
声信号の音韻的特徴を保持した低次の過渡点パラメータ
が抽出される。

以下、これら過渡パラメータ抽出部（１り及び過渡点検
出部（１３１について説明する。

音声分析部（１）のエンファシス回路αυからの重み付
けされたパワースペクトル信号が帯域分割回路圓に供給
され、聴感特性に合せて周波数メルスケールに応じて例
えば３２の帯域に分割される。ここでパワースペクトル
の分割点と異なる場合にはその信号が各帯域に按分され
てそれぞれの帯域の信号の量に応じた信号□が取り出さ
れる。これによって上述の１２８ワードのパワースペク
トル信号が、音響的特徴を保存したまま３２ワードに圧
縮される。

この信号が対数回路（１５）に供給され、信号がその信
号の対数値に変換される。これによって上述のエンファ
シス回路（１１）での重み伺は等による冗長度が排除さ
れる。この対数パワースペクトルｔｏｇ　ｌ　Ｕ　ｎ　
（Ｔ　（ｆ）　ｌ　　　　　　　　　　・−・（４１を
スペクトルパーラメータｘ（ｉ）（ｉ＝ｏ　、　１・・
・・・・３１）と称することにする。

このスペクトルパラメータＸ（ｉ）が離散的フーリエ変
侠（ＤＦＴ）回路α６ｊに供給される。ここでこのＤＦ
Ｔ回路ｕＱにおいて、例えば分割された帯域の数をＭと
すると、このＭ次元スペクトルパラメータＸ（１）（ｉ
−０，１・叩・Ｍ−１）を２Ｍ点の実数対称パラメータ
とみなしてＤＦＴを行う。従って −ｆ、シ０）櫂ムｄｉ　　　　　　　・・・・・・（５
）但し、ｗ’ｉ着　−６−」（−） Ｍ ｍ＝０．１−・−・−２Ｍ−１ となる。さらにとのりＦＴを行う函数は偶函数とみなさ
れるため 、Ｆ、−ＱＱＳ（２ｙｒ　−ｉ　−ｍ。

Ｍ となり、これらより Ｍ−１ Ｘ（７１４１−Σ　Ｘ　（ｉ）　ＣＯＳ”’−”’　　
　　　　、、、、、、　（６１１−ＯＭ となる。、このＤＦＴによりスペクトルの包絡特性を表
現する音響パラメータが抽出される。

このようにしてＤＦＴされたスペクトルパラメータＸ（
ｊ）について、低次元で各音韻の変化例えばＨ→Ａ、Ａ
→■等間を分離性の良いパラメータに圧縮するタメ泣周
波数軸方向における３２ワードからなる信号がらＤＦＴ
　Ｋよりｏ−ｐ−１（例えはＰ−８）次までの低次成分
であるＰ次元の値が取り出され、これをローカルパラメ
ータＬ（ｐ）　（ｐ、＝Ｑ　、　１・・・・・・Ｐ−１
）とするｉ ・・・・・・（力 となり、ここでスペクトルパラメータが対称であること
を考慮して ｘ（ｉ）＝Ｘ（２Ｍ−ｉ−，１）　　　　　　　　　　
−−−−−−（８１とおくと、ローカルパラメータＬ（
ｐ〕は・・・・・・（９） 但し、ｐ＝０．ｌ・・・・・・ｐ−１ となされる。このようにして周波数軸方向における３２
ワードの信号がＰ（例えば８）ワードに圧縮される。

このローカルパラメータＬ（ｐ）がメモリ装置（Ｉ７）
に供給される。このメモリ装置σηは１行Ｐ　’７−　
）”の記憶部が例えば１６行マトリクス状に配されたも
ので、ローカルパラメータＬ　（１））が各次元ごとに
順次記憶されると共に、上述のクロック発生器（６）か
らの５．１２ｒｒｒＨ聞隔のフレームクロックが供給さ
れて、各行のパラメータが順次横方向ヘシフトされる。

これによってメモリ装置ａ力には５．１２ｎｎ（８）間
隔のＰ次元のローカルパラメータＬ　（ｐ）が１６フレ
ーム（８１，９２ｍ　５ｅｃ）分記憶され、フレームク
ロックごとに順次新しいパラメータに更新される。

一方、音声分析部（１）のエンファシス回路Ｕυからの
重み付けされた信号が過渡点検出部０：３１の帯域分割
回路賭に供給され、上述と同様にメルスケールに比；じ
てＮ（例えは２０）の帯域に分割され、それぞれの帯域
の信号の量に応じた信号Ｖ（ｎ）（ｎ：＝−Ｏ９ｌ・・
・・・・Ｎ−１）か取り出される。この信号がバイアス
付き対数回路α坤に供給されて ｕ’＜ｒｏ　＝　Ｌｏｇ　　（ｖ（ｎ＞　十Ｂ　　）　
　　　　　　　　　　　　　　　　　　−・・（１０）
か形成される。また信号Ｖ（ｎ）が累算回路ｕＯ）に供
給されて Ｖ、−Σ　■＜ｎ）／２゜ ｎ＝１ が形成され、この信号Ｖａが対数回路（ｌ坤に供給され
て ”ａ　−１０ｇ　（ｖａ十Ｂ　）　　　　　　　　　　
　・・・・・・（１υが形成される。そしてこれらの信
号が演算回路しυに供給されて υ（ｎ）　””　ｖα−ｖ（ＩＩ）　　　　　　　　　
　　…′°゛仏４が形成される。′ ここで上述のような信号ν（ｎ）を用いることにより、
この信号は音−から音韻への変化に対して各法（ｎ＝０
．１・・・・・・Ｎ−１）の変化が同程度となり、音頭
の種類による変化量のばらつきを回避できる。

また対数をとり演算を行って正規化パラメータν（ｎ）
を形成したことにより、入力音声のレベルの変化による
パラメータｖ（ｎ）の変動が排除される。

さらにバイアスＢを加算して演算を行ったことにより、
仮りにＢ→ωとするとパラメータｖ（ｎ）→０となるこ
とから明らかなように、入力音声の微少成分（ノイズ等
）に対する感度を下げることができる。

このパラメータυ（ｎ）がメモリ装置四に供給されて２
〜ν＋１（例えば９）フレーム分が記憶される。この記
１息された信号か演算回路し島に供給されてＹｎ　、ｔ
＝　　ｍｍ　　　（ｖ（ｎパリ）　　　　　　　　　　
　　・−−−−・ｕ３ｉＩ（ＧＦＮ 但し、ＧＦＮ＝　（１；−Ｗ十ｔ≦■≦ｗ＋ｔ）か形成
され、この信号とパラメータν（ｎ）が演算回路Ｑ・υ
に供給されて Ｔ　（ｔ）−Σ　Σ　（”（ｎ）　（Ｉ＋ｔ）　−Ｙｎ
　、　ｔ）　・’−・−・Ｈｉｄｎ＝ＯＩ＝−ｗ か形成される、このＴ（ｔ）が過渡点検出パラメータで
あって、このＴ（ｔ）かピーク判別回路（ハ）に供給さ
れて、入力音声信号の音韻の過渡点が検出される。

ここでパラメータＴ（ｔ）が、フレームｔを挾んで前後
Ｗフレームずつで定義されているので、不要な凹凸や多
極を生じるおそれがない。なお第３図は例えば”ゼロ”
という発声を、サンプリング周波数１２．５ｋＨｚ　、
　１２ビツトデジタルデータとし、５、１２ｍ灘フレー
ム周期で２５６点のＦＦＴを行い、帯域数Ｎ−２０、バ
イアスＢ＝０、検出フレーム数２ｗ＋１＝９で上述の検
出を行った場合を示している。図中Ａは音声仮形１．Ｂ
は音韻、Ｃは検出信号であって、「無音うＺ」　「Ｚ−
＋Ｅ」　「Ｅ→Ｒ」　「Ｒ→０」「０→無音」の各過渡
部で顕著なピークを発生する。ここで無音部にノイズに
よる多少の凹凸か形成されるがこれはバイアスＢを太き
（することにより破線図示のように略０になる。

この過渡点検出信号Ｔ　（ｔ）が過渡ノ（ラメータ抽出
部（１２＋のメモリ装置（ｌηに供給され、この検出信
号のタイミレグに相当す、るローカルノ（ラメータＬ　
（１））が８番目の行にシフトされた時点でメモリ装置
α７）の読み出しが行われる。ここでメモリ装置α７）
の読み出しは、各次元Ｐごとに１６フレ一ム分の信号か
横方向に読み出される。そして読み出された信号がＤＦ
Ｔ回路（至）に供給される。ここでこのＤＦＴ回路（２
ｂＪにおいて、例えばメモリ装置（１７）から読み出さ
れた１６フレ一ム分の信号をＰ＜ｎ）（ｎ＝１．２　、
・・・・・・３０）とすると、ＤＦＴ回路（ホ）におい
て、供給された１６フレ一ム分の信号が第６図に示す如
（対称化され、この３０個の時系列データに対して対称
性が考、慮されてＤＦＴが行なわれ ２π１（ｎ−１）　　　　　　・・・・・・（１５）＝
、４１Ｐ（ｎ）ｃｏｓ　　３０ が得られる。この場合、低次元で各音韻の変化例えばＨ
−＋　Ａ　、　Ａ　−＋　Ｉ等間を分離性の良いノくラ
メータに圧縮するために時間軸方向における１６フレ一
ム分の信号からＤＦＴにより１〜Ｑ（例えばＱ＝３）次
までの低次成分であるＱ次元の値が取り出される。

この様にして音響パラメータ時系列の時間的変化の包絡
特性か抽出される。このＤＦＴを各次元Ｐごとに行い、
全体でＰＸＱ（＝、２４）ワードの過渡点ノくラメータ
Ｋ（１）　、　ｑ）（１）＝０　、１・・・・・・Ｐ−
１）　（ｑ＝０　、１・・・・・・Ｑ−１）が形成され
る。ここで、Ｋ（ｏ、ｏ）は定数なので、ｐ−＝Ｑのと
きにＱ＝１〜Ｑとしてもよい。

すなわち第４図において、Ａのような入力音声信号（Ｈ
ＡＩ）に対してＢのような過渡点が検出されている場合
に、この信号の全体のパワースペクトルはＣのようにな
っている。そして例えば「Ｈ→Ａ、Ｊめ過渡点のパワー
スペクトルがＤのようであったとすると、この信号がエ
ンファシスされてＥのようになり、メルスケールで圧縮
されてＦのようになる。この信号がＤＦＴされてＧのよ
うになり、Ｈのように前後の１６フレ一ム分がマトリク
スされ、この信号が順次時間軸を方向にＤＦＴされて例
えば（８ｘ３＝−）’２４の過渡点パラメータＫ（ｐ　
、　ｑ）が形成される。

この様にして得られた過渡パラメータ抽出部αカからの
゛過渡点パラメータＫ（ｐ、ｑ）が音声判定部（２７）
に供給され、この音声判定部（２力において音声信号の
認識判定かなされる。以下、この音声判定部（２７）に
ついて説明する。

過渡パラメータ抽出部αりのＤＦＴ回路（Ｉ！ｂｒから
の過渡点パラメータＫ（ｐ、　ｑ）が音声判定部（２７
）のマノ１ラノビス距離算出回路弼に供給されると共に
、メモリ装置（ハ）からのクラスタ係数がマハラノビス
距離算出回路困に供給されて各クラスタ係数とのマハラ
ノビス距離が算出される。ここでクラスタ係数は複数の
話者の発音から上述と同様に過渡点パラメータを抽出し
、これを音韻の内容に応じて分類し統計解析して得られ
たものである。

そしてこの算出されたマノ・マノビス距離が判定回路イ
０）に供給され、検出された過渡点が、何の音韻から例
の音韻への過渡点であるかが判定され、出力端子（３υ
に取り出される。

すなわち例えば“はい”いいえ”０（ゼロ）〜“９（キ
ュウ）”の１２単語について、あらかじめ多数（巨Å以
上）の話者の音声を前述の装置に供給し、過渡点を検出
し過渡点パラメータを抽出する。この過渡点パラメータ
を例えば第５図に示すようなテーブルに分類し、この分
類（クラスタ）ごとに統計解析する。図中＊は無音を示
す。

これらの過渡点パラメータについて、ｆ意のサン７’　
／Ｌ／をＩ（ｒ”＋ンｎ　（ｒ’＝　１　、２−−２４
　）　（ａはクラスタ指標で例えはａ　＝＝　１は＊→
Ｈ，ａ＝２はＨ−＋Ａに対応する。

１１は話者番号）として、共分散マトリクスＡｒ（ａ）
ｓ＝Ｅ（Ｒｒ守籟−Ｒｒ（ａ））（Ｒ８（？）ｎ−Ｉ−
ｔＳ（８う　　・・・・・・αｂ）但し、Ｒｒ（ａ）−
Ｅ（Ｒｒ’？Ａ　）Ｅはアンサンプル平均 を計数し、この逆マトリクス Ｂｒ（？”　””（Ａｔ（？）ｕ）；１．ｓ　　　　　
　　　　°叩’　１７１を求める。

ここで、任意の過渡点パラメータＫｒとクラスタａとの
距離か、マハラノビスの距離 ・・・・・・ｕ８Ｉ で求め゛られる。

従ってメモリ装置Ｇｌに上述のＢｒ’？Ｓ及びＲｒ（ａ
）を求めて記憶してお（ことにより、マノ１ラノビス距
離算出回路（支）にて入力音声の過渡点パラメータとの
マハラノビス距離が算出される。

これによってマハラノビス距離算出回路（ハ）から入力
音声の過渡点ごとに各クラスタとの最小距離と過渡点の
順位が取り出される。これらが判定回路ｃ３０）に供給
され、入力音声が無音になった時点において認識判定を
行う。例えば各単語ごとに、各過渡点パラメータとクラ
スタとの最小距離の平方根の平均値による単語距離を求
める。なお過渡点設点の順位関係がテーブルと異なって
いるものはリジェクトする。そしてこの単語距離が最小
になる単語を認識判定する。

こうして音声認識か行われるわけであるが、かかる構成
よりなる音声認識装置によれば音声の過渡点の音韻の変
化を検出しているので、時間軸の変動がなく、不特定話
者についても良好な認識を行うことができる。

また過渡点において上述のようなパラメータの抽出を行
ったことにより、一つの過渡点を例えは２４次元で認識
することになる。

ところで、この音声認識装置に関連してより効率的な過
渡部の情報圧縮技術を必要とした。

例えば、２次元対称化Ｌ）ＦＴ［ｇｌ路剛によりＮｘＭ
次元（上述例では２４次元）に情報圧縮された過渡点パ
ラメータＫｒ（ｒ−１，・・・・・・、ＮＸＭ）を音声
認識基本単位とする場合、予め多数話者のデータから各
過渡クラスタの平均ベクトル、共分散マトリクス等を求
めマハラノビス距離等で識別を行なうことになる。この
場合、統計的に十分なサンプルが集められれば、学習外
データに関する認識率と学習データに対する認識率は等
しくなってくる。パラメータの次元か増えるとそれに応
じて統計的に十分１よりンプル数として多（を必要とす
る。１そのため、゛低次元でクラスタ間の分離度のよい
最適過渡点パラメータを得ることが望まれた。そして、
かかる低次元゛の過渡点パラメータを用いて、不特定話
者についての音声の認識を認識効率よべ行なえるように
する要請があった。

発明の目的 本発明はかかる点に鑑み、不特定話者についての音声の
認識を認識効率よく行なえる音声認識装置を提供せんと
するものである。

発明の概要 本発明音声認識装置は、・マイクロホンを有し、該マイ
クロホンからの音声信号な聴感上の処理を施した音響パ
ラメータ時系列に変換し、該音響バラメータ時系列から
過渡点パラメータを得、該過渡点パラメータなに−Ｌ変
換して情報圧縮するようにしたもので、不特定話者につ
いての音声の認識を認雛効率よく行なえる音声認識装置
を提供せんとするものである。

実施例 以下、第６図を参照して本発明音声認識装置の一実施例
について説明しよう。この第６図において、第２図に対
応する部分には同一符号を付し、それらの詳細な説明は
省略する。

この実施例においては、過渡パラメータ抽出部（ｌ乃の
ＤＦＴ回路（ト）から得られる過渡点パラメータＫ（ｐ
、　ｑ）Ｅ）Ｐｉを、統計学上周知の主成分分析手法と
して知られるに−Ｌ変換を行なうに−Ｌ変換回路６２１
に供給し、このに−Ｌ変換回路６２１の出力を、マハラ
ノビス距離算出回路弼に供給するようにする。

ここで、このに−Ｌ変換回路の２１においては過渡点パ
ラメータの成分間の相関を利用し、クラスタの分離に対
して冗長な座標を所定数除去するようにする。このに−
Ｌ変換はｍ個の特性値（そのとる値は対象ととに異なる
から、それらはいずれも変数）のもつ情報を、ｍより小
数個の総合特性１ｍ　（これを主成分とよぷ）に要約す
る手法として統計学上よく知られている。

具体的には、過渡点バラメークを所定の順番でＰＨ（ｉ
＝１．・・・・・・、　２４＝ＮＸＭ）としたとき、新
たに最適化された過渡点パラメータＱＡ（Ａ−１，・・
・・・・、１５）を、なる計゛算式で求める。ここで、
Ａ４ｉは次のように決めるものである。多数話者の全ク
ラスタに対する過渡パラメータから求める場合には、か
かる過渡パラメータについての共分散マトリクスを計算
し、この共分散マトリクスの固有値と固有ベクトルを求
め固有値の大きい朧に固有ベクトルを並べかえてそれを
Ａ４ｉとする。つまり、固有イ直最大の固有ベクトルは
Ａ、１ｉ　ｓ　２査目のものはＡ２□、・・・・・・。

Ａ１５　ｉという具合にＡＡｉｋ決定していく、この決
定の仕方は、Ｋ−Ｌ変換について知られる主成分の係数
の決定と同じものである。Ｋ−Ｌ変換にあっては、共分
散マトリクスの固有値の大きい方からｊ胆にとつた対応
づ−る固有ベクトルによって第１主成分、第２主成分、
・・・・・・というようにｌｌＴｈ次決定していき、こ
のに−Ｌｉ換を行なうと、情報が効率よく要約され少な
い情報で効率よく情報が伝達できるという周知の事項に
対応するものである。

このようにに−Ｌ変換により新たに最適化し情報圧縮し
た過渡点パラメータＱＡ（Ａ＝１．・・・・・・、１５
）をマハラノビス距離算出回路（２団に供給するように
する。

また、メモリ装Ｗ　１２９Ｊにおけるクラスタ係数も功
たに最適化した過渡点パラメータに対応させて従来例に
おけるクラスタ′恍数につ＠に−Ｌ変俣を行ない、過渡
点パラメータに対応させる順序に谷係飲により自己する
ようにする。

他の部分は、前述提案例の音声認識装置と同様に構成す
るものとする。

このように構成したこの実施例にあっては、マイクロホ
ン（２）からの音声信号か聴感上の処理を施した音響パ
ラメータ時系列に変換され、音曽バラ２メータ蒔系列か
ら過渡点パラメータが得られる、提案側同様の動作の後
、前述提案例における過渡点バラメースに対しに−Ｌ変
換が施され、過渡点パラメータが最適化されマハラノビ
ス距離算出回路（ハ）に供給される。また一方に−Ｌ変
換の施されたクラスタ係数がマハラノビス距離與出回路
（ハ）に供給されて谷クラスタ係数とのマハラノビス距
離か算出される。

そして、この算出されたマハラノピス距離が判定回ｍ　
’ｃｂａ＋に供給され、以下、前述提案例同様検出され
た過渡点が、何の音韻から何の音韻への過渡点であるか
が判定され、出力端子６υに取り出されることになる。

以上述べたように本実施例によれば、低次元でクラスタ
の分離度のよい最適な、過渡点パラメータを得ることが
できる利益かある。そして、かかる低・次元に懺約され
た過渡点パラメータを用いて不特定話者についての音声
の認識を認識効率よ（行なえる利益かある。

また、上述実施例においては、Ｋ−Ｌｚ侠に際し、多数
話者の全クラスタ（対する過渡パラメータの共分散マト
リクスの固有値と固有ベクトルを求めるようにしたがこ
れに替えて多数話者の全クラスタに対する相関マトリク
スの固有値と固有ベクトルを求めるようにしても上述実
施例同様の作用効果が得られることは容易に理解できよ
う。

また、Ｋ−’Ｌ変換回路いりにおいて、各クラスタの平
均ベクトルを用いて共分散マトリクスあるいは相関マト
リクスの固有値と固有ベクトルを求めてに−Ｌ変換する
ようにするを可とする。

発明の効果 以上述べたように、本発明音声認識装置によれは、不特
定話者についての音声の認識を認識効率よく行なえる利
益がある。

【図面の簡単な説明】

第１図、第３図、第４図、第５図は音声認識装置の説明
に供する線図、第２図は音声認識装置の提案例を示す構
成図、第６図は本発明音声認識装置の一実施例を示す構
成図である。 （１１は音声分析部、（２）はマイクロホン、（１２１
は過渡パラメニタ抽出部、ｕ４は過渡点検出部、（３力
はに−Ｌ変換回路である。 代理人　伊膝　貞 同　　松岐秀盛 手続補正書 １．事件の裏車 昭和５８年特許願第　４６４５４　号 ２、発’０１　ノ名称　　　音声認識装置３、補正をす
る番 中１件との関係　　　９寺ｉｉ’ｌ’　ＩＩＰ＋願人４
、代　理　人　東京都ｉ：ｌｉ宿区西ｉ’Ｊｉ宿１丁ｌ
」８番１ルじ・（ｉ′１１イト己ル１’ｌ’ｌら■、東
工；１、＋０３＋３４３−５８２１　ｆ代）、）！３３
８８　）　　弁理士　伊　　　　藤　　　　貞５、袖］
止蘭令の［Ｉイ・１　　　昭和　　年　　月　　１−１
６、前止により増加するブ己明の故 ７、補正　の　ＪＪ　　象　　　明細書の発明の詳細な
説明の欄。 ８、袖“正の内ｆ’Ｆ ４マヘ （１）　　明細書中、第８頁第１６行から第１７行Ｋか
けて「２Ｍ点め実数対称パラメータとみなしてＤＥＴを
行う」とあるを、ｒ２Ｍ−１点の実数対称パラメータと
みなして２Ｍ−２点のＤＢＴを行う」に訂正する。 （２）同、第８頁第１９行から第２０行にかけて、と屍
るを、 Ｋ訂正する。 −（３（同、第９頁第１行から第２行にかけて、ｍ″″
０・１°”°−２Ｍ−ｔ　」 とあるを、 １＝０・ｌ゛”−２Ｍ−ａ　　」 に訂正する。 （４）同、第９頁第５行から第６行にかけて、とあるを
、 に訂正する。 （５）同、第９頁第８行において、 とあるを、 に訂正する。 （９）　　同、第１０負第１行において、とあるを、 に訂正する。 （７）同、第１０頁第２行及び第３′行を削除する。 （８）同、第１０頁第７行において、 ｒ　　　ｘ（ｉ）　＝ｘ（ｚＭ−ｉ−ｘ　）　　　Ｊと
あるを、 ［ｘ（ｉ）　＝ｘ（２Ｍ−１−２）　　　Ｊに訂正する
。 （９）　　同、第１０頁第９行において、とあるを、 ａα　同、第１３頁第７行において、 とあるを、 に訂正する。 （１１）同、第１５頁第１４行から第１５行くかけて、
ｒＫ（０，０）は定数なので」とあるをｒＫ（０゜０）
は音声波形のパワーを表現しているのでパワー正規化の
ため」に訂正する。 ａ’ａ　　同、第２１頁第１２行ニオイテ、ｒ（ｐ、ｑ
）３Ｐｉとあるを、ｒ（ｐ、ｑ）Ｊに訂正する。 以上 −７′

Claims (1)

【特許請求の範囲】
1. マイクロホンを有し、該マイクロホンからの音声信号を
   聴感上の処理を施した音響ノ（ラメータ時系列に変換し
   、該音響パラメータ時系列から過渡点パラメータを得、
   該過渡点パラメータをに−Ｌ変換して情報圧縮するよう
   にしたことを特徴とする音声認識装置。