JPS59195293A

JPS59195293A - パタ−ン比較装置

Info

Publication number: JPS59195293A
Application number: JP58069351A
Authority: JP
Inventors: 潤一郎藤本
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1983-04-20
Filing date: 1983-04-20
Publication date: 1984-11-06

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】蕉４Ｌ年ｌ一本発明は２次元面上の特徴量として表現されるパターン
を比較し、パターン間の類似度を求める音声認識装置に
関する。

災來茨権近年、音声認識のような音声パターンの類似度又はそれ
に準するものを計算し、それによって認識結果を選出す
る装置が種々考えられている。音声を取り扱う場合、こ
のような類似度を計算する上で二つの問題点がある。一
つは発声速度の相違から同じ単語音声パターンでも時間
長が異なるためそのままパターンの比較をして類似度の
計算ができないことであり、他は話者が変わるとホルマ
ント周波数が変化するため話者間の差が大きくなってし
まうことである。現在前者に対して最も広くわれている
方法が動的計画法（ＤＰ）によるパターンマツチングで
ある。

第１図は、ＤＰマツチングを説明する図で、パターンｆ
（ｔ）とｇ（ｔ）の始端と終端を合わせ、時間軸方向の
非線形伸縮をゆるしてｆ（ｔ）とｇ（ｔ）の類似度を求
めるものである。ｆ（ｔ）、ｇ（ｔ）は一定間隔でサン
プリングされたディスクリートな量となっており、各々
のサンプル点をｍｌ、〜２゜・・ｍＨ，ｎ□、ｎ２．・
・・ｎＮとすると二つのパターンはｆ（ｍｉ　）、ｆ（
〜２）、−ｆ（ｍＮ）、ｇ（ｎｘ　）、ｇ（ｎｚ）、・
・・ｇ（ｎｚｌ）で表わされる。パターンの始端ｆ（＋
ｎ１）とｇ（ｎｘ）及び終端ｆ（ｍＮ、）とｇ（ｎＮ）
が対応づけられるものとし、他の点は両パターン間の距
離が最小になるように対応づける。そのため□にはｆ　
（ｍ）の中の一点ｆ（ｍｉ）はｇ（ｎｉ）近傍の全ての
点に対応づけてみてその中から距離を最小にするような
点を選んで対応づける。その結果第１図に曲線へにて示
すような傾斜が求まり、これに従ってｆ（ｔ）をｇ（ｔ
）に写影した時の類似度が計算できる。

ところがこの方法には、演算量が非常に多いこと、また
パターンの時間長の変動は吸収することができるが周波
数上の変動を吸収することができないという欠点がある
。このように周波数軸と時間軸が形成する２次元面上の
パターンが両軸に対して変動を有するような場合、従来
は少ない計算量でこれを吸収できる方法がなかった。

目　　　　　的本発明は、斯かる事情に鑑みてなされたもので、少ない
計算量で時間軸と周波数軸方向の変動を吸収し、認識率
の良い音声認識装置を提供しようとするものである。

眉−−−収本発明の構成について、以下、実施例に基づき説明する
。

先ず例をひきながら本発明の詳細な説明する。

第２図はある話者が発声した単語”５ｉｚｅ”の音声パ
ターンを示す図で、横軸に周波数、縦軸に時間をとって
ｙ　ｓｉ　Ｚ、　、、と発声した時のスペクトル分布を
濃淡で表わしたものであり、黒く見える程レベルが大き
い。周波数は左側から右へ高くなり、２５０　Ｈｚ　〜
６　、３　Ｋ　Ｈｚを対数等間隔で１５等分しである。

同じ話者が同じ単語を別の機会に発声した例が第３図に
示したものであり、図から明らかなように両者は時間軸
方向への長さが異なっている。

ところで我々が発する音声を特徴づけるものにホルマン
トがある。或いはスペクトルのローカルピークという概
念〔音響学会誌第３２巻第１号、（１９７６）第１２〜
２３頁〕を用いても良いが、いずれにしても言語を発声
するために我々は声道の形態を変化させ、その影響が音
声スペクトル上にローカルピークとして現われる。そこ
でスペクトルのローカルピークの時間変化を表わす時間
−周波数パターン（以下Ｔ　ｉ　ｍ　ｅ　−Ｓ　ｐ　、
ｅ　ｃ　ｔ　ｒ　ｕｍ　　Ｐａｔｔｅｒｎ略してＴ、Ｓ
、Ｐと称する）の比較によって、発せられた言語を認識
することを考える。第２図、第３図に示したどちらのＴ
、Ｓ。

Ｐも冒頭のｌ　Ｏ−１５ｍ　ｓが／Ｓ八への１００ｍ５
位が／ａ八へ＜　１０ｍｓ弱が／ｉ／でその後の数ｍｓ
が／Ｚ八へ後が短くハ」／を表わすパターンである。図
に示されたような時間長の変化の他に発声者の差がピー
クの周波数変化として現われるがそのどちらも極端なも
のではない。

今、このようなパターンの簡単化したものを第４図（ａ
、）に示す。この図でレベルの大きい部分の中心を通る
線上、すなわち周波数軸上Ｓ１を通る線と時間軸上ｔ１
を通る線上における断面を各々同図（ｂ）、（Ｃ）に示
す。これらから明らかなようにこのパターンはファジィ
論理におけるメンバーシップ関数であると考えられる。

ファジィ論理とは人間の主観のようなあいまいさを論理
的に扱うために考案されたものである。通常１次元で取
り扱われ、ある事象Ｓ□らしさを表わす関数として第４
図（Ｃ）のような曲線を考え、これをメンバーシップ関
数と呼ぶ。ここで取り扱う２次元パターンである第４図
（ａ）は事象（ｔｌ１３１）らしさを表わす２次元のメ
ンバーシップ関数であると考えられる。ファジィ論理に
よるとファジィ集合ＡＨ。

Ａ　２　、　Ａ　３・・・の和は、ＡＩ　ＵＡ２　ＵＡ３Ｕ−＝ｍ　ａ　ｘ　Ｉ：ｍＡ１　
、ｍＡ２　。

ｍＡ３．・・・〕として表わされる。ただしＡ□、Ａ２．Ａ３・・・のメ
ンバーシップ関数をｍＡ１　、ｍＡ２　、ｍＡ３　、・
・とじて表わしている。そこで時間と周波数軸に延びて
いるパターンはいくつかのメンバーシップ関数の和であ
ると考えられる。このような例を第５図に示す。このパ
ターンは時間方向にＱ１延びたもので、（ｔｌ、Ｓｌ）
らしさ、（ｔ２　＋８１　）らＬさ、（ｔ３゜Ｓｌ）ら
しさを表わすメンバーシップ関数の集合和であり、Ｓｌ
あたりの周波数成分がだいたいｔｌごろからｔ３ごろま
で続くということを表わししている。こうしである単語
のパターンはいくつかのメンバーシップ関数の和として
表現できる。

ここでファジィ集合の補集合を考える。Ｔ、Ｓ、Ｐがい
くつかのメンバーシップ関数の集合和であるとして第６
図にそのモデルを示す。図において白い山形部分がＴ、
Ｓ、Ｐで黒く現われる部分を示している。この山形部分
の各々はＳｌらしさ、Ｓ３らしさを表わすメンバーシッ
プ関数ｍ　Ｓ　１　、　ｍ　５ｇであり、全体のＴ、Ｓ
、Ｐを表わす集合ＰはＰ＝Ｓ１ＵＳ３となる。Ｐの補集
合をＰとすると、Ｐ＝ＳＩＵＳ３＝Ｓ１ｎＳ３＝ｍｉｎ
　　［［１−ｍＪ　］　、　　［１−ｍｓ３　：ｌ　］
となり第６図の斜線の部分に相当し、これは５ｉｒ８３
らしくないことを表わしている。そこで、Ｓｌ、Ｓ３ら
しくないことを８４あたりより小さくはなく、ＳＺらし
くなくＳ５あたりよりは大きくないとし、パターンがこ
のように３４　ｒ　３２　ｒ　８５でない時に認識され
たと考える。そこでこのような二つのパターンを比較す
る場合に、一方のパターンのＳ４以下５２ｎＳ５に相当
する部分を細化して他方のパターンの上に重ね、その時
の７の部分の重なり度合から類似度を判定することがで
き、こうすることによりパターンの時間軸方向１周波数
軸方向り変動があっても細くしたパターン（Ｓ４　ｒ　
Ｓ　２　ｒ　３５に相当する部分）は他方のパターンか
らはみ出すことなくマツチングをとることができる。又
一つのパターンの３４．ｓ２．ｓ５の部分の幅を広くし
ておき、他方のパターンに重ねても良く、或いは一方を
広くし、他方を細くして重ねてＰ又はＶの重なりから類
似度を求めても良いことは言うまでもない。

第７図は以上のような原理に基づく本発明のパターン比
較装置の一実施例を示す図で、１はマイク、２はフィル
ターバンク、３は音声区間切り出し部、４は２値化部、
５は「１」と「ｏ」を反転する反転部、６は細線化部、
７は辞書部、８は照合部、９は結果出力部、Ｓはスイッ
チである。先ず辞書作成に際しては、スイッチＳを辞書
側にし、マイクから発声した単語音声が入力される。そ
してフィルター出力から単語区間だけがとり出され、２
値化される。２値化は情報量低減のためで必らずしも必
要ではない。反転部５では「１」と「０」を反転し、細
線化部６で「１」の部分（前述の３４　ｒ　８２　ｒ　
３５に相当する部分）を細くし、辞書内に登録しておく
。次に認識を行なう場合には、スイッチＳを認識側にし
、同様にマイクから音声を入力する。音声区間を切り出
して得たＴ、Ｓ、Ｐを２値化して反転し、辞書中の登録
パターンと照合される。この照合は一方のパターン上に
他のパターンを重ねると等しい操作で行なう。例えばパ
ターン上の対応する各点同士を加減乗除するような方法
で良い。辞書内の各登録パターンについてこれを行ない
、その結果類似度最大のものを認識結果として出力する
。

第８図は本発明による他の実施例で第７図の場合と異な
るのは細線化部６のかわりに太線化部ＩＯを使用してい
る点であり、作用は第７図の場合と同様である。

第９図は本発明の他の実施例で、登録する単語を太線化
部１１で太線化し、認識パターンを細線化部１２で細線
化して前述と同様の照合を行なう。

なお、太線化部１１と細線化部１２とは入れ替えてもよ
い。このようにしてパターンの２次元的変動を吸収する
ことができる。

以上、音声パターンを中心に２値化して説明したが、本
発明は音声パターンに限らず、どのような２次元パター
ンにも適用でき、また、２値化する必要もないことま明
らかである。

丈−一末以上のように本発明によれば、発声時におけるパターン
変動並びに発声者による周波数変動を吸収して精度の良
いマツチングを行なうことができ、また、音声パターン
に限ることなくどのような２次元パターンの各軸に対す
る変動も吸収してパターン比較を行なうことができる。

【図面の簡単な説明】

第１図はＤＰマツチングを説明するための図、第２図、
第３図は音声パターンを示す図、第４図、第５図は２次
元パターンを示す図、第６図は音声パターンのモデル図
、第７図、第８図、第９図は本発明によるパターン比較
装置の実施例を示す図である。１・・・マイク、２・・フィルターバンク、３・・音声
区間切り出し部、４・・・２値化部、５・・反転部、６
゜１２・・細線化部、７・・・辞書、８・・・照合部、
９・結果出力部、１０．１１・・・太線化部。洛　　１　　図９い３）第　２　図　　　　　　第　３　因業　４　図　　　　　　　第　５　図（Ｃ１第　　６　　図第７図

Claims

【特許請求の範囲】

（１）、２次元面上で表わされるパターンの情報を持つ
部分と持たない部分を反転する反転部と、反転部からの
パターンの２次元的な広がり幅を変える線幅変更部と、
線幅を変えたパターンを記憶する記憶部と、記憶された
パターンと反転部からのパターンを比較する照合部とを
備え、パターン中の情報を持たない部分の重なりの大き
さを求めることを特徴とするパターン比較装置。
（２）、前記線幅変更部が細線化部からなる特許請求の
範囲第（１）項記載のパターン比較装置。
（３）、前記線幅変更部が太線化部からなる特許請求の
範囲第（１）項記載のパターン比較装置。
（４）、２次元面上で表わされるパターンの情報を持つ
部分と持たない部分を反転する反転部と、反転部からの
パターンの２次元的な広がり幅を変える第１の線幅変更
部と、第１の線幅変更部からのパターンを記憶する記憶
部と、反転部からのパターンの２次元的な広がり幅を変
更する第２の線幅変更部と、記憶されたパターンと第２
の線幅変更部からのパターンを比較する照合部とを備え
、パターン中の情報を持たない部分の重なりの大きさを
求めることを特徴とするパターン比較装置。
（５）、前記第１の線幅変更部が太線化部からなり、前
記第２の線幅変更部が細線化部からなる特許請求の範囲
第（４）項記載のパターン比較装置。
（６）、前記第１の線幅変更部が細線化部からなり、前
記第２の線幅変更部が太線化部からなる特許請求の範囲
第（４）項記載のパターン比較装置。