JPS59176800A - 再照合単音節音声認識方式 - Google Patents
再照合単音節音声認識方式Info
- Publication number
- JPS59176800A JPS59176800A JP58051997A JP5199783A JPS59176800A JP S59176800 A JPS59176800 A JP S59176800A JP 58051997 A JP58051997 A JP 58051997A JP 5199783 A JP5199783 A JP 5199783A JP S59176800 A JPS59176800 A JP S59176800A
- Authority
- JP
- Japan
- Prior art keywords
- mid
- voiced
- energy
- high range
- verification
- 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
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】
〔発明の技術分野〕
本発明は音声認識装置において、初めに選択された候補
が「ｄａ ｊと「ｚａ」のように、有声破裂音／ｄ／と
有声摩擦音／ Ｚ ’／の場合にお（゛て、これらを正
確に識別できるようにした再照合単音節音声認識方式に
関する。
が「ｄａ ｊと「ｚａ」のように、有声破裂音／ｄ／と
有声摩擦音／ Ｚ ’／の場合にお（゛て、これらを正
確に識別できるようにした再照合単音節音声認識方式に
関する。
音Ｐ認識を行う場合、第１図に示す如（未知の音声入力
を例えはＦＦＴや帯域フィルタ等の適宜手段によシ周波
数分析し、これらのパラメータ抽出して未知音声入力の
％徴を求め、これを辞書に格納されているすべての既知
の音声の特徴パラメータとＤＰ照合を行い、その特徴の
もつとも類似し℃いるものを単数または複数認識結果と
して出力している。この場合、ＤＰ照合を行う場合、ど
んな音節に対しても同じ形でｖＰ照合をしている。
を例えはＦＦＴや帯域フィルタ等の適宜手段によシ周波
数分析し、これらのパラメータ抽出して未知音声入力の
％徴を求め、これを辞書に格納されているすべての既知
の音声の特徴パラメータとＤＰ照合を行い、その特徴の
もつとも類似し℃いるものを単数または複数認識結果と
して出力している。この場合、ＤＰ照合を行う場合、ど
んな音節に対しても同じ形でｖＰ照合をしている。
ところが単音節のＤＰ照合を行うとき、／ｋ ａ／と／
ｇａ／、／ｓａ／と／ｌ ａ／ｌ／ｐａ／と／ ｔ ａ
／ 、 ７ｍ ａ ／と／ｎａ／というように、相互
に特徴の似ているものが存在するため、単音節の音声認
識においては、ＤＰ方式という１律の手法のみでは必ず
しも完全に認識できないことかある。したかつてこのよ
う万場合では、初めに抽出された候補に応じた再照合を
行って正確な誌言；ｋを行うことが心太となる。
ｇａ／、／ｓａ／と／ｌ ａ／ｌ／ｐａ／と／ ｔ ａ
／ 、 ７ｍ ａ ／と／ｎａ／というように、相互
に特徴の似ているものが存在するため、単音節の音声認
識においては、ＤＰ方式という１律の手法のみでは必ず
しも完全に認識できないことかある。したかつてこのよ
う万場合では、初めに抽出された候補に応じた再照合を
行って正確な誌言；ｋを行うことが心太となる。
本発明の目的は、最初の照合によシ抽出された候補が「
ｄａ」と「ｚａ」のように音声破裂音／ｄ／と有声摩擦
音／Ｚ／の場合に、これ力・有声破裂音であるか有声摩
擦音であるかを正確に認識できるようにした再照合単音
節音声認識方式を提供することである。
ｄａ」と「ｚａ」のように音声破裂音／ｄ／と有声摩擦
音／Ｚ／の場合に、これ力・有声破裂音であるか有声摩
擦音であるかを正確に認識できるようにした再照合単音
節音声認識方式を提供することである。
この目的を達成するために本発明の再照合単音節音声認
識方式では、予め登録された単音節音声と未知入力単音
節音声とを照合しｃ；４Ｈ，られｆｃ 値数の再照合候
補を選出し、該再照合候補に適した識別照合方式によシ
再照合する音声認識装置において、入力音声の中高域成
分を抽出する中高域成分抽出手段と、この中高域成分の
パワー計算部する中高域パワー裏山手段と、入力音声の
始端を抽出する始端抽出手段と、変化量の最大点を検出
する変化量最大点検出手段と判Ｉ定手段を設け、この利
足手段に２種の閾値を設定し、再照合候補が有声破裂音
／ｄ／と有声摩擦音／Ｚ／の場合において上記変化量の
最大値が予め定められた２種の閾値のうち太々る閾値を
、越える場合／ｄ／と判定し、小なる閾値を越えない場
合は／ｚ／と判定し、その他の場合は再照合候補順位を
変更しないことを特徴とする。
識方式では、予め登録された単音節音声と未知入力単音
節音声とを照合しｃ；４Ｈ，られｆｃ 値数の再照合候
補を選出し、該再照合候補に適した識別照合方式によシ
再照合する音声認識装置において、入力音声の中高域成
分を抽出する中高域成分抽出手段と、この中高域成分の
パワー計算部する中高域パワー裏山手段と、入力音声の
始端を抽出する始端抽出手段と、変化量の最大点を検出
する変化量最大点検出手段と判Ｉ定手段を設け、この利
足手段に２種の閾値を設定し、再照合候補が有声破裂音
／ｄ／と有声摩擦音／Ｚ／の場合において上記変化量の
最大値が予め定められた２種の閾値のうち太々る閾値を
、越える場合／ｄ／と判定し、小なる閾値を越えない場
合は／ｚ／と判定し、その他の場合は再照合候補順位を
変更しないことを特徴とする。
本発明を一実施にもとづき詳述するに先立ち、本発明の
詳細な説明する。
詳細な説明する。
まず再照合に除して、入力音声を例えば中高域フィルタ
により中高域成分を抽出する。別に入力音声の始端を検
出し、この始端より中高域フィルタの出力の電力の変化
量を検出する。この電力の変化量の検出に際しては、互
に隣接、または−足区間長離れている２つの分析窓を設
け、これらの分析窓内のスペクトルの中高域電力の変化
量を奥出し、その最大値を求める。別に判定部を設けて
おき、この判定部に２つの閾値Ｈ１、Ｌを設け、Ｈ〉Ｌ
とする。そして上記最大値がＨよシ大きいときはこれを
有声破裂音／ｄ／と判定し、Ｌよシ小さいときは有声摩
擦音／Ｚ／と判定する。そしてその他の場合には再照合
候補を変更しない。
により中高域成分を抽出する。別に入力音声の始端を検
出し、この始端より中高域フィルタの出力の電力の変化
量を検出する。この電力の変化量の検出に際しては、互
に隣接、または−足区間長離れている２つの分析窓を設
け、これらの分析窓内のスペクトルの中高域電力の変化
量を奥出し、その最大値を求める。別に判定部を設けて
おき、この判定部に２つの閾値Ｈ１、Ｌを設け、Ｈ〉Ｌ
とする。そして上記最大値がＨよシ大きいときはこれを
有声破裂音／ｄ／と判定し、Ｌよシ小さいときは有声摩
擦音／Ｚ／と判定する。そしてその他の場合には再照合
候補を変更しない。
本発明の一実施例を第２図及び第３図にもとづき説明す
る。
る。
第２図は本発明の一実施例構成図、第３１ン１はその変
化量検出部の詳細図である。
化量検出部の詳細図である。
図中、１は周波数スペクトル分析部であって例えば１０
００〜４９００Ｈｚの帯域フィルタ、２は中高域パワー
計算部であつ１周波数スペクトル分析部ｌから出力され
た中高域成分のパワーを算出するもの、３は変化量検出
部であって第３図の如（分析窓１３ Ａ 、 １３ Ｂ
を有し、この分析窓１３Ａ。
００〜４９００Ｈｚの帯域フィルタ、２は中高域パワー
計算部であつ１周波数スペクトル分析部ｌから出力され
た中高域成分のパワーを算出するもの、３は変化量検出
部であって第３図の如（分析窓１３ Ａ 、 １３ Ｂ
を有し、この分析窓１３Ａ。
１３Ｂ内のパワー比を求めるもの、４はパワー計算部で
あって入力音声のパワーを計算するもの。
あって入力音声のパワーを計算するもの。
５は変化量探索範囲検出部であって音声始端を検出する
もの、６は変化量最大値検出部であって変化量検出部３
かも送出された変化量のうち最大値ＰＭを検出するもの
、７は変化量最大値検出部であって有声破裂用閾値設定
レジスタ８に設定された閾値Ｈ及び有声摩擦用閾値設定
レジスタ９に設定された閾値しとこの最大値ＰＭを比軟
するものである。ここで閾値Ｈ〉閾値りであシ、上記最
大値ＰＭがＰＭ〉Ｈのときこれを有声破裂音と判足し、
ＰＭ（Ｌのとき有声摩擦音と判定し、その他の場合には
無判定とする。
もの、６は変化量最大値検出部であって変化量検出部３
かも送出された変化量のうち最大値ＰＭを検出するもの
、７は変化量最大値検出部であって有声破裂用閾値設定
レジスタ８に設定された閾値Ｈ及び有声摩擦用閾値設定
レジスタ９に設定された閾値しとこの最大値ＰＭを比軟
するものである。ここで閾値Ｈ〉閾値りであシ、上記最
大値ＰＭがＰＭ〉Ｈのときこれを有声破裂音と判足し、
ＰＭ（Ｌのとき有声摩擦音と判定し、その他の場合には
無判定とする。
次に第３図によシ第２図に示す変化量パワー計算部３を
詳述する。
詳述する。
第３図において、１１は入力音声エネルギの時系列情報
を格納しているメモリ、１２はエネルキ差相対値の時系
列情報を格納するメモＩＪ 、 １３Ａ。
を格納しているメモリ、１２はエネルキ差相対値の時系
列情報を格納するメモＩＪ 、 １３Ａ。
１３Ｂは夫々分析窓、１４Ａ、１４Ｂは夫々パワー計算
部、１５はエネルギ差相対値計算都を表わしている。
部、１５はエネルギ差相対値計算都を表わしている。
上記分析窓１３Ａ、１３Ｂは夫々、第３図（ロ）におい
てＬＦＳ 、ＬＦＳとして示す如き時間幅の観測窓をも
ち他の部分をマスクするものであｐ、パワー計算部１４
Ａ、１４Ｂは夫々上記分析窓１３Ａ。
てＬＦＳ 、ＬＦＳとして示す如き時間幅の観測窓をも
ち他の部分をマスクするものであｐ、パワー計算部１４
Ａ、１４Ｂは夫々上記分析窓１３Ａ。
１３Ｂによって観測される範囲内の入力音声のエネルギ
を計算する。該エネルギとは、パワーないし帯域電力の
如き語で表現されるものと同じであると考え又よい。第
３図図示の場合、分析窓１３Ａにおいて観測されたエネ
ルギをＰ Ｗ １とし、分析窓１’３Ｂにおいて観測さ
れたエネルギをＰ Ｗ ２としておｐ、該２つの分析窓
１３Ａと１３Ｂとの間に時間間隔ＬＤをへたてた状態の
下で、入力音声エネルギの時系列情報１を走査するもの
として示し℃いる。万お、上記時間間隔ＬＤは値が零、
即ち２つの分析窓１３Ａと１３、Ｂとが接触していても
よい。
を計算する。該エネルギとは、パワーないし帯域電力の
如き語で表現されるものと同じであると考え又よい。第
３図図示の場合、分析窓１３Ａにおいて観測されたエネ
ルギをＰ Ｗ １とし、分析窓１’３Ｂにおいて観測さ
れたエネルギをＰ Ｗ ２としておｐ、該２つの分析窓
１３Ａと１３Ｂとの間に時間間隔ＬＤをへたてた状態の
下で、入力音声エネルギの時系列情報１を走査するもの
として示し℃いる。万お、上記時間間隔ＬＤは値が零、
即ち２つの分析窓１３Ａと１３、Ｂとが接触していても
よい。
上記走査が行われつつある間に、第３図（イ）における
相対値計算部１５は、上記夫々のエネルギＰＷ１とＰＷ
２との差がエネルギＰＷ１（又はＰＷ２＞に対してどの
程度の値をとるかを計算する。即ち、エネルギ差相対値
をＤとするとき、Ｄ＝（ＰＷ２−ＰＷＩ ）／ＰＷＩ 又は Ｄ＝（ＰＷ２−ｐｗｉ ）／ＰＷ２で塙えられる
１直を計算し、エネルギ差相対値の時系列情報をメモリ
１２内に得るようにされる。
相対値計算部１５は、上記夫々のエネルギＰＷ１とＰＷ
２との差がエネルギＰＷ１（又はＰＷ２＞に対してどの
程度の値をとるかを計算する。即ち、エネルギ差相対値
をＤとするとき、Ｄ＝（ＰＷ２−ＰＷＩ ）／ＰＷＩ 又は Ｄ＝（ＰＷ２−ｐｗｉ ）／ＰＷ２で塙えられる
１直を計算し、エネルギ差相対値の時系列情報をメモリ
１２内に得るようにされる。
上記走査は子音の先端部に対応して行われ、第３図（イ
）の如くメモリ１２内に時系列情報が抽出される。この
操作を変化量探索範囲検出部５によシ検出された音声始
端よシ遂行する。
）の如くメモリ１２内に時系列情報が抽出される。この
操作を変化量探索範囲検出部５によシ検出された音声始
端よシ遂行する。
このようにして抽出されたエネルギ差相対値りがエネル
ギ変化量であシ、第２図の変化量最大値検出部６はこの
メモリ１２に保持されたエネルギ差相対値りの最大値を
検出することによシ、これを変化量最大値ＰＭとして抽
出する。そし℃このＰＭを変化量最大値判定部７に送出
される。変化量最大値判定部７には、有声破裂用闇値設
定レジスタ８よ多閾値Ｈが伝達され、また有声摩擦用閾
値設定レジスタ９よ多閾値りが伝達されており、上記変
化量最大値ＰＭがこれらと比較される。その結果ＰＭ）
Ｈならばこれを有声破裂音と認識し、ＰＭ≦Ｌならばこ
れを有声摩擦音と認識する。そし、−（Ｈ）ＰＭ）Ｌの
場合には無判定とし、このときには再照合候補順位を変
化しない。
ギ変化量であシ、第２図の変化量最大値検出部６はこの
メモリ１２に保持されたエネルギ差相対値りの最大値を
検出することによシ、これを変化量最大値ＰＭとして抽
出する。そし℃このＰＭを変化量最大値判定部７に送出
される。変化量最大値判定部７には、有声破裂用闇値設
定レジスタ８よ多閾値Ｈが伝達され、また有声摩擦用閾
値設定レジスタ９よ多閾値りが伝達されており、上記変
化量最大値ＰＭがこれらと比較される。その結果ＰＭ）
Ｈならばこれを有声破裂音と認識し、ＰＭ≦Ｌならばこ
れを有声摩擦音と認識する。そし、−（Ｈ）ＰＭ）Ｌの
場合には無判定とし、このときには再照合候補順位を変
化しない。
なお上記説明では音声始端の検出に、パワー計算部４の
出力がある値を超えた点を変化量探索範囲検出部５で検
出し、これを音声始端としていたが、この音声始端の検
出手段とし壬、例えは第４図に示す如き回路を使用して
有声始端、無声始端を正確に検出し、これらの一方、例
えは有声始端を音声始端とし１使用することもできる。
出力がある値を超えた点を変化量探索範囲検出部５で検
出し、これを音声始端としていたが、この音声始端の検
出手段とし壬、例えは第４図に示す如き回路を使用して
有声始端、無声始端を正確に検出し、これらの一方、例
えは有声始端を音声始端とし１使用することもできる。
次に第４図にりい又説明する。
第４図において、２１は低域フィルタであって例えば５
０Ｈｚないし３５０Ｈｚの周波数成分をパスするもの、
２２は中高域フィルタであって例えば１１Ｇ−ｌｚない
し４．９Ｋ）′Ｉｚの周波数成分をパスするもの、２３
．２４は夫々パワー計算部であって夫々抽出されてきた
周波数成分についてエネルギを計り４するもの、２５．
２６は夫々閾値決定部、２７゜２８は夫々始端検出部で
あって本発明に（°う仮始端を検出するものを表わして
いる。
０Ｈｚないし３５０Ｈｚの周波数成分をパスするもの、
２２は中高域フィルタであって例えば１１Ｇ−ｌｚない
し４．９Ｋ）′Ｉｚの周波数成分をパスするもの、２３
．２４は夫々パワー計算部であって夫々抽出されてきた
周波数成分についてエネルギを計り４するもの、２５．
２６は夫々閾値決定部、２７゜２８は夫々始端検出部で
あって本発明に（°う仮始端を検出するものを表わして
いる。
フィルタ２１を通過した低域成分についてパワー計算部
２３においてエネルギＰｗＬが計算され、またフィルタ
２２を通過した中高域成分についてパワー計算部２４に
おいてエネルギＰｗＨが計算される。
２３においてエネルギＰｗＬが計算され、またフィルタ
２２を通過した中高域成分についてパワー計算部２４に
おいてエネルギＰｗＨが計算される。
有声始端検出部２７は、基本的には、上記エネルギＰｗ
Ｌが予め定めた閾値を越えるとぎ、有声子音についての
仮始端ｔｖ’を抽出するものである。しかし、本来のエ
ネルギＰｗＬは十分小さくても、中高域成分エネルギＰ
ｗＨが大きい場合に、漏洩が生じていて、パワー計算部
２３の見掛は上のエネルギが上記閾値よシも太き（なる
ことが生じる。このために、閾値決定部２石においては
、上記エネルギＰｗＨＯ値を導入して閾値を決定するよ
う構成されている。また閾値決定部２６においても、同
様であｐ、上記エネルギＰｗＬＯ値を縛大して閾値を決
定するようにしている。
Ｌが予め定めた閾値を越えるとぎ、有声子音についての
仮始端ｔｖ’を抽出するものである。しかし、本来のエ
ネルギＰｗＬは十分小さくても、中高域成分エネルギＰ
ｗＨが大きい場合に、漏洩が生じていて、パワー計算部
２３の見掛は上のエネルギが上記閾値よシも太き（なる
ことが生じる。このために、閾値決定部２石においては
、上記エネルギＰｗＨＯ値を導入して閾値を決定するよ
う構成されている。また閾値決定部２６においても、同
様であｐ、上記エネルギＰｗＬＯ値を縛大して閾値を決
定するようにしている。
上記始端検出部２７．２８における仮始端ｔｖ ’。
ｔｕ’の抽出は次のように行われる。
（Ｉ）無声始端検出部２８における処理。
上記エネルギＰｗＨに対して例えばｌＱｍｓの時間幅を
もつ観測窓を例えば時間２ ｍｓ間隔のサンプル点をと
るよう走査してゆく。そして成る時間位置での観測窓内
のエネルギが閾値 ＴＨｕ ＝ ３．０ ＋０．１ Ｘ ＰｗＬ −（１１
を超えるとき、無声子音についての仮始端ｔｕ’を抽出
する。
もつ観測窓を例えば時間２ ｍｓ間隔のサンプル点をと
るよう走査してゆく。そして成る時間位置での観測窓内
のエネルギが閾値 ＴＨｕ ＝ ３．０ ＋０．１ Ｘ ＰｗＬ −（１１
を超えるとき、無声子音についての仮始端ｔｕ’を抽出
する。
（１０有声始端検出部２７における処理。
上記エネルギＰｗＬに対して例えば５ ｍｓの時間幅を
もつ観測窓を例えば時間２ｍＳ間隔のサンプル点をとる
よう走査し１ゆく。そして（１）成る時間位置での観測
窓内のエネルギが閾値 ＴＨＬ１＝ ０．５ □ （２１を超
えた場合か、（１１）該第（２）式によって得られた仮
始端ｔ■′が仮始端ｔｕ’よシも遅れている場合には上
記成る時間位置での観測窓内のエネルギが閾値ＴＨＬ２
＝ １．０．０ ＋０．５ Ｘ ＰｗＨ’ −（３）
を超えた場合か、の（・すれかを砿つ℃−有声子音につ
いての仮始端ｔ■′を抽出、する。
もつ観測窓を例えば時間２ｍＳ間隔のサンプル点をとる
よう走査し１ゆく。そして（１）成る時間位置での観測
窓内のエネルギが閾値 ＴＨＬ１＝ ０．５ □ （２１を超
えた場合か、（１１）該第（２）式によって得られた仮
始端ｔ■′が仮始端ｔｕ’よシも遅れている場合には上
記成る時間位置での観測窓内のエネルギが閾値ＴＨＬ２
＝ １．０．０ ＋０．５ Ｘ ＰｗＨ’ −（３）
を超えた場合か、の（・すれかを砿つ℃−有声子音につ
いての仮始端ｔ■′を抽出、する。
上記の如くして仮始端ｔｕ’とｔｖ’とが得られるが、
始端ｔｕやｔｖは、これら仮始端の近傍において次の如
き処理を行って抽出するようにされる。
始端ｔｕやｔｖは、これら仮始端の近傍において次の如
き処理を行って抽出するようにされる。
〔匪無声始端ｔｕ０
上記仮始端ｔｕ’の近傍即ち（１ｕ’５ｍ５）の時間位
置から（ｔｕ’＋２０ ｍｓ ）の時間位置の範囲内で
、上記エネルギＰｗＨが急変した時点が検出された場合
、その時瀘を始端ｔｕとする。検出されなかった場合、
上記仮始端ｔｕ’を始端ｔｕとする。なお、ｔｖ’）ｔ
ｕ’であって、 かツ（ｔｕ’ ＋２０ ｍｓ ） ） ｔｖ’である場
合には、上記範囲を（ｔｕ’−５ｍ５）からｔｖ’まで
としている。
置から（ｔｕ’＋２０ ｍｓ ）の時間位置の範囲内で
、上記エネルギＰｗＨが急変した時点が検出された場合
、その時瀘を始端ｔｕとする。検出されなかった場合、
上記仮始端ｔｕ’を始端ｔｕとする。なお、ｔｖ’）ｔ
ｕ’であって、 かツ（ｔｕ’ ＋２０ ｍｓ ） ） ｔｖ’である場
合には、上記範囲を（ｔｕ’−５ｍ５）からｔｖ’まで
としている。
〔ハリ有声始端ｔｖ０
上記仮始端ｔｖ’の近傍即ちｔｖ’の時間位置から（ｔ
ｖ’−１−，５ｍｓ ）の時間位置の範囲内で、上記エ
ネルギＰｗＬが急変した時点が検出された場合、その時
点を始端ｔｖとする。検出されなかった場合、上記仮始
端ｔｖ’を始端ｔｖとする。
ｖ’−１−，５ｍｓ ）の時間位置の範囲内で、上記エ
ネルギＰｗＬが急変した時点が検出された場合、その時
点を始端ｔｖとする。検出されなかった場合、上記仮始
端ｔｖ’を始端ｔｖとする。
上記の如く、夫々の始端ｔｕ、 ｔｖが抽出されるか、
上′述にいうエネルギの急変時点は次のように抽出され
ると考え℃よい。即ち、始端ｔｕ油抽出場合、上記エネ
ルギＰｗＨに対しχ３ ｍｓの時間幅をもつ２つの観測
窓を例えは、連結して時間Ｑ、 ５ ｍｓ間隔のサンプ
ル点をとるよう走査してゆく。そして第１の観測窓での
エネルギＰＷＩと第２の観測窓でのエネルギＰＷ２とに
ついて、 を計算し、その値が１値３．０を超えるとき、的該例え
は連結位置に対応する時間位置において急変が生じてい
るとみなすようにする。また、始端１■抽出の場合、上
記エネルギＰｗＬに対して３ｍｓの時間幅をもつ２つの
観測窓を連結して時間０．５ ｍｓ間隔のサンプル点を
とるよう走査してゆく。そして、上記第（４）式に対応
するＤＰＷＯ値が閾値２．０を超えるとき、当該連結位
置に対応する時間位置において急変が生じているとみな
すようにする。
上′述にいうエネルギの急変時点は次のように抽出され
ると考え℃よい。即ち、始端ｔｕ油抽出場合、上記エネ
ルギＰｗＨに対しχ３ ｍｓの時間幅をもつ２つの観測
窓を例えは、連結して時間Ｑ、 ５ ｍｓ間隔のサンプ
ル点をとるよう走査してゆく。そして第１の観測窓での
エネルギＰＷＩと第２の観測窓でのエネルギＰＷ２とに
ついて、 を計算し、その値が１値３．０を超えるとき、的該例え
は連結位置に対応する時間位置において急変が生じてい
るとみなすようにする。また、始端１■抽出の場合、上
記エネルギＰｗＬに対して３ｍｓの時間幅をもつ２つの
観測窓を連結して時間０．５ ｍｓ間隔のサンプル点を
とるよう走査してゆく。そして、上記第（４）式に対応
するＤＰＷＯ値が閾値２．０を超えるとき、当該連結位
置に対応する時間位置において急変が生じているとみな
すようにする。
このようにして有声始端、無声始端を正確に求めること
ができるので、これらの一方、例えは有声始端を音声始
端として使用すれはよい。
ができるので、これらの一方、例えは有声始端を音声始
端として使用すれはよい。
本発明によシ実際に実験した結果を次に説明する。
（Ａｌ ディジタルフィルタを使用して中高域領域を
抽出した例王照合の結果１位、２位の候補が／Ｚ／と／
ｄ／の組み合ぜになったもの。１０人により実験した。
抽出した例王照合の結果１位、２位の候補が／Ｚ／と／
ｄ／の組み合ぜになったもの。１０人により実験した。
検出方法
ここでａ（ｔｎ）はテイジタルフィルタの出力で、■
９００〜３５００Ｈ２ ■ ２０００〜４９００Ｈｚ ０２種のフィルタを使用した例であシ、窓長はｌ Ｑ
ｍｓ、シフトはＱ、 ５ ｍｓで行い、サーチ範囲はｔ
ｕ−ｔｐｍａｘ とした。
９００〜３５００Ｈ２ ■ ２０００〜４９００Ｈｚ ０２種のフィルタを使用した例であシ、窓長はｌ Ｑ
ｍｓ、シフトはＱ、 ５ ｍｓで行い、サーチ範囲はｔ
ｕ−ｔｐｍａｘ とした。
その結果、閾値を足めたときの誤ｐ数は、閾値 誤り数
■ ｚａ−ｄａ ９ ０（１１
ｚｅ−ｄｅ ７ １（１１
ｚｏ−ｄｏ ７ ０（１１
■ ｚａ−ｄａ ７ ４（５１ｚ
ｅ −ｄｅ ６ ０ （０１ｚｏ−
ｄｏ ５ １（２１ここで０内の数
字は先端無音部が短かいためののエラーを含むものであ
る。
ｅ −ｄｅ ６ ０ （０１ｚｏ−
ｄｏ ５ １（２１ここで０内の数
字は先端無音部が短かいためののエラーを含むものであ
る。
（Ｂｌ 線形予測法−（ＬＰＣ）による中高域スペク
トル抽出の例 これも１０人によシ実験した例であｐ、（Ｎと同様の候
補の組合せによる。
トル抽出の例 これも１０人によシ実験した例であｐ、（Ｎと同様の候
補の組合せによる。
検出方法
ａ（ｔｎ） ＝Σ ５ｐ（ｆｉ、ｔｎ）ｓω（ｆｉ）−
０ ここで ５ｐ（ｆｉ、ｔｒ） ＬＰＣスヘ
クトルω 周波数ウェイト ｆｉ＝２５・ｉ Ｈｚ 窓長２００．シフトｌＯ サーチ範囲は先端より ２００ ｍｓである。ここで周
波数ウェイトωは、６００Ｈｚのときω（ｆｌ ＝ ０
５０００Ｈｚのときω（ｆ）＝１とし、６００〜９００
の内は直線的に変化するものとした。
０ ここで ５ｐ（ｆｉ、ｔｒ） ＬＰＣスヘ
クトルω 周波数ウェイト ｆｉ＝２５・ｉ Ｈｚ 窓長２００．シフトｌＯ サーチ範囲は先端より ２００ ｍｓである。ここで周
波数ウェイトωは、６００Ｈｚのときω（ｆｌ ＝ ０
５０００Ｈｚのときω（ｆ）＝１とし、６００〜９００
の内は直線的に変化するものとした。
その結果、閾値を定め識別したときの誤の数は、次の通
シである。
シである。
閾 値 ■数
ｚａ−’ｃＬａ 、 ７００ ２（５１ｚｅ −ｄｅ
４００ ４ （７１ ｚｏ−ｄｏ ７００ ０（５１ またペアマツチに関係するものに限るとし、閾値６００
〜１６００としたとき１次のようになった。
４００ ４ （７１ ｚｏ−ｄｏ ７００ ０（５１ またペアマツチに関係するものに限るとし、閾値６００
〜１６００としたとき１次のようになった。
ｚａ −ｄａ Ｏ（１１ｚｅ −ｄ
ｅ ｌ （１１ｚｏ−ｄｏ 、
０（１１ここで（１１”ｌの数字は先端
無音部が短かいためのエラーを含むものである。
ｅ ｌ （１１ｚｏ−ｄｏ 、
０（１１ここで（１１”ｌの数字は先端
無音部が短かいためのエラーを含むものである。
いままでは識別が困難な／Ｚ／と／ｄ／の認識を、最初
の候補がこの組合せのときに本発明の方式により再照合
することによシ、これを明確に識別することが可能と々
る。
の候補がこの組合せのときに本発明の方式により再照合
することによシ、これを明確に識別することが可能と々
る。
第１図は音声認識シスデム説明図、第２図は本発明の一
実施例構成図、第３図はその変化量検出部の詳細図、第
４図は始端検出手段の１例である。 図中、１は周波数スペクトル分析部、２は中高域パワー
計算部、３は変化量検出部、４はパワー計算部、５は変
化量最大値検出部、６は変化量最大値検出部、７は変化
音最大値判定部、８は有声破裂用閾値設定レジスタ、９
は有声摩擦用閾値設定レジスタ、１１は入力音声エネル
ギの時系列情報を格納しているメモＩＪ、１２はエネル
ギ差相対値の時系列情報を格納するメモリ、１３Ａ、１
３Ｂは分析窓、１４Ａ、１４Ｂはパワー計算部、１５は
エネルギ差相対値計算部、２１は低域フィルタ、２２は
中高域フィルタ、２３．２４はパワー４−Ｈｔ部、２５
．２６は閾値決定部、２７．２８は始端検出部を表わす
。 ｆｚＩ￥１ ＋ ５ （０） ＦＷＩ ＦＷ２
実施例構成図、第３図はその変化量検出部の詳細図、第
４図は始端検出手段の１例である。 図中、１は周波数スペクトル分析部、２は中高域パワー
計算部、３は変化量検出部、４はパワー計算部、５は変
化量最大値検出部、６は変化量最大値検出部、７は変化
音最大値判定部、８は有声破裂用閾値設定レジスタ、９
は有声摩擦用閾値設定レジスタ、１１は入力音声エネル
ギの時系列情報を格納しているメモＩＪ、１２はエネル
ギ差相対値の時系列情報を格納するメモリ、１３Ａ、１
３Ｂは分析窓、１４Ａ、１４Ｂはパワー計算部、１５は
エネルギ差相対値計算部、２１は低域フィルタ、２２は
中高域フィルタ、２３．２４はパワー４−Ｈｔ部、２５
．２６は閾値決定部、２７．２８は始端検出部を表わす
。 ｆｚＩ￥１ ＋ ５ （０） ＦＷＩ ＦＷ２
Claims (1)
- 予め登録された単音節音声と未知入力単音節音声とを照
合して得られた複数の再照合候補を選出し、該再照合候
補に適した識別照合方式によシ再照合する音声認識装置
にお（・て、入力音声の中高域成分を抽出する中高域成
分抽出手段と、この中高域成分のパワーを算出する中高
域パワー算出手段と、入力音声の始端を抽出する始端抽
出手段と、変化量の最大点を検出する変化量最大点検出
手段と判定手段を設け、この判定手段に２種の閾値を設
定し、再照合候補か有声破裂音／ｄ／と有声摩擦音／Ｚ
／の場合において上記変化量の最大値が予め定められた
２種の閾値のうち大なる閾値を越える場合／ｄ／と判定
し、小なる敵値を越え々い場合は／Ｚ／と判定し、その
他の場合は拘照合候補順位を変更しないことを特徴とす
る再照合単音節音声認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58051997A JPS59176800A (ja) | 1983-03-28 | 1983-03-28 | 再照合単音節音声認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58051997A JPS59176800A (ja) | 1983-03-28 | 1983-03-28 | 再照合単音節音声認識方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS59176800A true JPS59176800A (ja) | 1984-10-06 |
Family
ID=12902483
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP58051997A Pending JPS59176800A (ja) | 1983-03-28 | 1983-03-28 | 再照合単音節音声認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS59176800A (ja) |
-
1983
- 1983-03-28 JP JP58051997A patent/JPS59176800A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3955246B1 (en) | Voiceprint recognition method and device based on memory bottleneck feature | |
| Ying et al. | A probabilistic approach to AMDF pitch detection | |
| Olive | Automatic Formant Tracking by a Newton‐Raphson Technique | |
| JP2018180334A (ja) | 感情認識装置、方法およびプログラム | |
| Srinivas et al. | Combining phase-based features for replay spoof detection system | |
| Grieder et al. | Speech segmentation by variance fractal dimension | |
| JPS59176800A (ja) | 再照合単音節音声認識方式 | |
| Pálfy et al. | Pattern search in dysfluent speech | |
| Natarajan et al. | Segmentation of continuous Tamil speech into syllable like units | |
| Kelly et al. | The effects of windowing on the calculation of MFCCS for different types of speech sounds | |
| Niederjohn et al. | Computer recognition of the continuant phonemes in connected English speech | |
| Laleye et al. | Automatic boundary detection based on entropy measures for text-independent syllable segmentation | |
| Narendra et al. | Performance comparison of multitaper techniques for speaker verification with expressive speech | |
| JPS59181396A (ja) | 再照合音声認識方式 | |
| JPS59181395A (ja) | 無声破擦音再照合認識方式 | |
| JPS59176799A (ja) | 単音節音声再照合方式 | |
| Mermelstein | Recognition of monosyllabic words in continuous sentences using composite word templates | |
| Jain et al. | Vowel Onset Point Detection in Hindi Language Using Long Short-Term Memory | |
| Milacic et al. | Biologically inspired features used for robust phoneme recognition | |
| JPS59181397A (ja) | 単音節音声認識方式 | |
| Abdelkader et al. | Verification and identification of the speech signal using algebraic analysis and DWT | |
| JPS619698A (ja) | 音声メツセ−ジ識別方式 | |
| JPS6068000A (ja) | ピッチ抽出装置 | |
| Khaing et al. | Automatic speech segmentation for myanmar language | |
| Zbancioc et al. | Integrated system for prosodic features detection from speech |