JPS60166999A - 単語音声認識装置 - 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】 ［発明の技術分野］ この発明は単語音声認識装置に関し、特に、音声の特徴
抽出をピッチの定数倍の共振周波数を持つディジタルフ
ィルタで行なうピッチ適応型の単語音声認識装置におい
て、特徴パラメータ間の距離を計算する方法に関する。

［従来技術〕 第１図は従来のピッｙ−適応式単語音声認識装置の電気
的構成を示すブロック図である。まず、第１図を参照し
て従来の単回音声認識装置の構成について説明する。第
１図において、マイクロホン１１から入力された音声信
号は、マイクロホンアンプ１２に人力されて増幅された
後、ＡＧＣ回路１３に与えられる。ＡＧＣ回路１３は、
入力信号の大きさが変動しても、一定出力が得られるよ
うに、その内部に設けられた増幅器の利得を自動的に１
１ｍするものである。ＡＧＣ回路１３の出力は、Ａ／Ｄ
変換回路１４に与えられ、ディジタル信号に変換きれる
。Ａ／Ｄ変換回路１４の出力は、波形メモリ１５に与え
られる。この波形メモリ１５は、１フレームの入力波形
データを一時記憶するものである。波形メモリ１５の出
力は特徴抽出部２に与えられる。− 特徴抽出部２はピッチ周期抽出回路２１とフィルタ係数
設定回路２２とディジタルフィルタ２３とレベル計算回
路２５と始終端検出回路６を含む。

ピッチ周期抽出回路２１は波形メモリ１５に一時記憶さ
れた１フレームの入力音声波形におけるピッチ周波数を
抽出するものである。フィルタ係数設定回路２２はピッ
チ周期抽出回路２１によって抽出された入力音声波形の
ピッチ周波数に基づいて、フィルタの共振周波数がピッ
チ周波数の整数倍となるようにフィルタ係数を設定する
ためのものである。ディジタルフィルタ２３はフィルタ
係数設定回路２１で設定されたフィルタ係数に応じてフ
ィルタ係数を決定する。レベル計算回路２５は波形メモ
リ１５に一時記憶された入力音声波形レベルを計算する
ものである。このレベル計算回路２５の出力は認識処理
部５と始終端検出回路６とに与えられる。始終端検出回
路６はレベル計算回路２５で計算されたレベルを用いて
入力音声信号の始終端を検出するものである。

認識処理部５に関連して設けられる入カバターンメモリ
３は特徴抽出部２で分析された音声の特徴パラメータを
一時記憶するものである。また、登録パターンメモリ４
は登録時に分析抽出された登録語の特徴パラメータある
いは標準音声の特徴パラメータを記憶して、認識処理部
５に与えるためのものである。認識処理部５は入カバタ
ーンメモリ３に記憶された特徴パラメータと登録パター
ンメモリ４に予め登録されている特徴パラメータとを用
いてＵＳ処理を行なう。なお、認識処理部５はたとえば
マイクロプロセッサを中心にして構成される。

上述の第１図に示した１ＩＢｉ音声認識装置においては
、音声波形を一定時間のフレームに分割し、フレームご
とにピッチ周波数の整数倍における周波数スペクトラム
を特徴パラメータとして抽出する。認識処理時には、登
録単語と入力単語のフレーム間における音韻の差異を表
わす数値として、比較すべきフレーム間の距離が特徴パ
ラメータを用いて計算され、この値を使用してマツチン
グ処理が行なわれる。

第２図は第１図に示した認識処理部５に含まれる距離計
算部の構成を示すブロック図である。第２図において、
距離計算部５１は入カバターンメモリに記憶されている
分析された音声の特徴パラメータと、登録パターンメモ
リ４に記憶されている標準音声の特徴パラメータにおけ
るフレーム間の距離を計算するものである。この距離計
算部５１はパラメータ一時記憶メモリ５１１と５１２と
チェビシェフ距離計算回路５１３とを含む。パラメータ
ー詩記憶メモリ５１１は入カバターンメモリに記憶され
ている１フレ一ム分の特徴パラメータを一時記憶するも
のであり、パラメータ一時記憶メモリ５１２は登録パタ
ーンメモリに記憶されている１フレ一ム分の特徴パラメ
ータを一時記憶するものである。そして、チェとシェフ
距離計算回路５１３はパラメータ一時記憶メモリ５１１
に一時記憶した内容と、パラメータ一時記憶メモリ５１
２に一時記憶した内容とのチェビシェフ距離を計算する
ものである。チェごシェフ距離計算回路５１３によって
計算されたチェビシェフ距離はマツチング処理部５２に
与えられ、マツチング処連部５２は入カバターンメモリ
３に記憶している分析された音声の特徴パラメータと標
準音声の特徴パラメータとのマツチングを行なう。

次に、第１図および第２図を参照して従来の単語音声認
識装置における動作について説明する。

マイクロホン１１で取込まれた音声信号はマイクロホン
アンプ１２によって増幅されてＡＧＣ回路１３に与えら
れる。ＡＧＣ回路１３は音声信号の入力波形の最高値が
一定水準となるように調整し、Ａ／Ｄ変換回路１４に与
える。Ａ／Ｄ変換回路１４は所定のサンプリング点ごと
に入力波形をディジタル信号にコード化する。１フレ一
ム分のサンプリングデータは波形メモリ１５に与えられ
て一時記憶される。波形メモリ１５に記憶された波形デ
ータはレベル計算回路２５とピッチ周期抽出回路２１に
入力される。レベル計算回路２５は波形メモリ１５から
与えられた波形データのレベルを計算し、その計算結果
を認識処理部５と始終端検出回路６とに与える。

始終端検出回路６はレベル計算回路２５からの計算結果
に基づいて、音声信号の入力波形の始端と終端とを検出
して音声信号区間の判定を行ない、その判定結果を認識
処理ｖＳ５に与える。ピッチ周期抽出回路２１は波形メ
モリ１５から与えられた波形データに塁づいて、そのピ
ッチ周期を抽出して認識処理部５とフィルタ係ａ設定回
路２２とに与える。フィルタ係数設定回路２２はピッチ
周期抽出回路２１が計算したピッチ周期に基づいて、デ
ィジタルフィルタ２３がピッチ周波数の整数倍における
共振周波数をもつＪ：うにフィルタ係数をディジタルフ
ィルタ２３に設定する。ディジタルフィルタ２３は、フ
ィルタ係数設定回路２２によって設定されたフィルタ係
数に基づいて、波形メモリ１５から与えられた波形デー
タにおける１フレ一ム分の周波数スペクトラムを計算す
る。

上述の一連の動作により、特徴抽出部２は１単語分の特
徴パラメータとして、ピッチ周波数時系列［ｐｉ］、ス
ペクトラム時系列パターン［Ｃ１ｍ］、（ｉ＝１．２・
・・Ｉ）、（１＝１．２・・・Ｍ）。

（■：分析１１Ｎのフレーム数２Ｍニスペクトラム分析
のためのフィルタのｌｌりを得る。このようにして得ら
れた１単語分の特徴パラメータ【よ登録モードにおいて
は登録パターンメモリ４に記憶され、ｇ識モードにおい
ては入カバターンメモリ３に記憶した後、認識処理部５
がパターンマツチングの手法により認識処理を行なう。

！！！ｇｆｉｌ処理部５は第２図に示すように、入カバ
ターンと登録パターンとのフレーム間における距離を計
算する距離計痺部５１を有するが、入カッ（ターンメモ
リ３に記憶されている特徴パラメータを［ｆｐ；　Ｌ　
［ａ；イコとし、登録パターンメモリ４に記憶されてい
るマツチングを行なうためのテンプレートの特徴パラメ
ータをピッチ周波数時系列［ｆｌｊｌ、スペクトラム時
系列パターン［ｂｊｆｆ、］。

（ｊ−１，２，・・・、Ｊ）とすると、入カバターンの
フレームｉと登録パターンのフレームｊとの距離ｄ（１
，ｊ）は ｄ（ｉ、ｊ）＝Σ（ａｉ、　−ｂｊｍ　１−（１）ｆｆ
ｌｘ＋ となる。この計算を行なうために、マツチング処理部５
２が入カバターンメモリ３と登録パターンメモリ４とに
制御ＩＡ（：！　号を与えると、入カバターンメモリ３
から’ＩＩ　−（ａＩ　Ｉ＋ａ＋　２・・’ａｌｌｌ’
ｌ）がパラメータ一時記憶メモリ５１１に与えられ、登
録パターンメモリ４からｂＪ”　（ｂＪ、＊　ｂ　９’
＋　”’　＊ｂ　ｊ、ｙ、　）がパラメータ一時記憶メ
モリ５１２に与えられた後、チェビシェフ距離計算回路
５１３が前述の第（１）式の計算を行なって、ｄ（ｉ、
Ｊ）をめる。距離計算回路５１が計算したｄ　（１゜ｊ
）を用いてマツチング処理部５２は周知のパターンマツ
チングの手法を用いてマツチング処理を行なう。そして
、入カバターンと登録パターンとのマツチング距離がめ
られ、最小のマツチング距離を持つ登録パターンが認識
結果として選ばれる。

上述のごとく、従来の単語音声認識装置における特徴抽
出方法は、ａＩ、ｌｌ　とＪｍとの差を距離計算の主要
な値としているが、ａ−はｆ、ｉＸ…の周波数スペクト
ラムであり、ｂｊｍはｔ）ｊｘＩｌｌの周波数スペクト
ラムである。ところが、ｆト　と［、Ｊ　は一般に等し
くないので、異なる周波数でスペクトラムを比較するこ
とになり、ｆＰ；　とｆ）ｊ　とが大きく異なると、特
徴パラメータと１ノで不適当であり、Ｖ＆識性能が下が
るという欠点があった。

［発明の概要］ それゆえに、この発明の主たる目的は、スペクトルパタ
ーンを周波数軸上で正規化する手段を設けることにより
、より効果的な距離をめ、認識性能の優れた１１１語音
声認識装置を提供することである。

この発明の上述の目的およびその他の目的と特徴はＪＸ
下に図面を参照して行なう詳細な説明から一層明らかと
なろう。

［発明の実開１ 第３図はこの発明の一実施例による距離計算部の構成を
示すブロック図である。この第３図はスペクトラムの比
較を行なうための周波数を記憶する定比較周波数メモリ
５１４と、それぞれが入カバターンメモリ３と登録パタ
ーンメモリ４とのスペクトラムパターンに対して、周波
数軸上の正規化を行なうために、定比較周波数に合わせ
て１次た以外は前述の第１図および第２図と同じである
。

したがって、以下の説明では、距離計算８ＩＩ５１の動
作以外は前述の第１図と同じであるため、その詳細な動
作説明を省略する。

第４図はこの発明の一実施例によるスペクトラムパター
ンの補間の方法を示す図である。次に、第４図を参照し
てこの発明の一実施例の具体的な動作について説明づる
。１次補間回路５１５は、入カバターンメモリ３からフ
レーム１のスベク］・ラムパターン’　１−（ａ＋　ｌ
ａ２　、ｌ＋、ａ、　）を受取り、かつ定比較周波数メ
モリ５１４から定比較周波ａｒｃ−（ｆｃ＋、ｆｃｚ　
ｓ・・、１ｃｎ　）、ｎ−１゜２、・・・、ＮＯ（ＮＯ
は比較周波数の個数）を受取ると、ｒｃｎに合わせて、
ｆｒ＋　・（ｋ＋１＞＞ｒｃｎ≧ｒＰ＋　・１１なる整
数りをめる。第４図は補間の様子を示しているが、１次
補簡口路５１５はＭ４図に示すごとり、ａＩｌｃ　とａ
ｒＫ＋’を用い、線形１次補門により、周波数ｆＣ２に
対応するスペクトラムａｃＩｎを産出する。

以上の手順によりめた補間スペクトラムｆｌｃ＋−（ａ
ｃ＋＋＋ａｃ＋ｚ　＋”・＋ａＣＩＮｃ）Ｇよノ＜ラメ
ータ一時記憶メモリ５１１に記憶される。同じ手順によ
り、登録パターンメモリ４から出力されるスペクトラム
パターンｂＪ　は１次補間回路５１６によって補間され
、ｂｃｊ　＝（Ｅ’ｃｊ　＋　＊　ｂｃＪ　２　＋”’
＋ｂｅ　’　Ｎ　ｅ　）となり、パラメーター特記憶メ
モリ５１２に記憶される。チェビシェフ距離計算回路５
１３は、ａｃ、と１１ｃ、ｉ　の値を用１．％て距離ｄ
（ｉ、、１） ｄ（ｉ、ｊ）−Σｌ　ａＣｌ　１ｔ−ｂｅｊｌｌ　ｌ・
・・　（２） を計算する。

求められたｄ（＋、Ｊ）を使用してマツチング処理部５
２は前述の第１図の説明と同様の手法によりマツチング
処理を行なう。

なお、上述の実施例では、認識処＠！時に周波数軸上の
正規化を行なったが、音声入力時にスペク［・ラムパタ
ーンの周波数軸上の正炭化を行な１１〜、得られたパタ
ーンａ　ｃ　＋　、ｌ　−１，２，・”、Ｉ。

ｂｃｊ　１Ｊ−１，２，・・・、Ｊを予め入カバターン
メモリ３または登録パターンメモリ４に記憶するように
構成してもよい。

また、上述の実施例では、補間を線形１次補間で行なっ
たが、２次以上の補間方法を用いるようにしてもよい。

さらに、上述の実施例では、定比較周波数に合わせるよ
うに、スペクトラムパターンの補間を行なったが、補間
を行なわずに定比較周波数に最も近い周波数を持つスペ
クトラムを選択し、パラメータ一時記憶メモリ５１１．
５１２へ出力しても同等の効果を得ることができる。

第５図はこの発明の他の実施例における距離計算部の構
成を示すブロック図である。この第５図に示した実施例
は、入カバターンのピッチ周波数と登録パターンのピッ
チ周波数との比較を行なうピッチ周波数比較回路５１７
と、このピッチ周波数比較回路５１７の出力に応じて入
カバターンと登録パターンのスペクトラムパラメータを
１次福間回路５１５へ転送するかあるいはバラメーター
時記憶メモリ５１２ｔ＼転送づるかを決定する転送切換
回路５１８を新たに設番プ、定比較周波数メモリ５１４
と１次補間回路５１６を削除した以外は前述の第３図と
同じである。

第６図は第５図に示した実施例によるスペクトラムパタ
ーンの補間を示す図である。次に、第６図を参照してこ
の発明の他の実施例の動作について説明する。ピッチ周
波数比較回路５１７は、入カバターンメモリ３からｒｒ
＋を受取るとともに、登録パターンメモリ４から「ドを
受取ると、その大小比較を行ない、その結果を転送切換
回路５１８に与える。転送切換回路５１８はｆｒｌ　≧
「ｔＪの場合は、第５図に示した入力端ａと出力端ｄと
を接続しかつ入力端すと出力端Ｃとを接続する。

逆に、ｆ　Ｐ　ｌ　”Ｉ　の場合は入力端ａと出力端Ｃ
とを接続しかつ入力端すと出力端ｄとを接続する。

ここでは、説明の便宜上、ｆＰＩ≧ｆ＃ｊ　として話を
進める。入カバターンメモリ３のスペクトラムパターン
ａ１はパラメータ一時記憶メモリ５１２に入力され、５
１１１パターンメモリ４のスペクトラムパターンｂ、は
ｆ　Ｐ　Ｉ　１ｆｔｊとともに１次補間回路５１５に入
力される。

次に、ｆＰ、の整数倍の周波数でスベク、ドラムを比較
するために、 ｆ）ｊｘｈ≦ｒＰ＋　ｘｉ＜ｆ、ｊＸ（ｈ＋１）・・・
（３） を満足する整数りをめ、ｂｊＫとす１．ヤ、とを用いて
、線形１次補間により周波数ｆ２．ｘ−に対応するスベ
ク！・ルｔコ一を梓出する。前述の第（３）式における
計純と線形１次補間は、＋＋＋＝１からＭｂ＜Ｍまで行
なわれる。ここで、Ｍｂはスペクトラムの比較を行なう
周波数軸上の上限周波数ｒ１ＡＸによって決まる値であ
る。上述の動作により、１次補間回路５１５はｊ、７−
（ｊ　Ｊｌ　ｌ　ｔｊ２　１・・・、ｊ、ｊｒ＋ｂ　）
をめ、パラメータ一時記憶メモリ５１１に埴を出力する
。チェビシェフ距離計算回路５１３はａ、とｔｊ　の値
を用いて距離ｄ（＋。

ｊ） ｄ（ｉ、Ｊ）−Σｌ　ａ　ｌ＋ｎ　−ｔｊｍ　ｌ　−（
４）ｅｌｌ を計算する。得られたｄ（＋、、Ｊ）を使用してマツチ
ング処理部５２はマツチング処理を行なう。

なお、上述の実施例では、ピッチ周波数の低い方に合わ
せて周波数軸上の補間を行なったが、ピッチ周波数の高
い方に合わせて補間を行なうようにしてもよい。

また、補間を行なうのは入カバターン側か登録パターン
側のいずれであってもよい。

［発明の効果］ 以上のように、この発明によれば、入力された音声信号
のスペクトラムパターンを抽出し、このスペクトラムパ
ターンの周波数軸上の正規化を行なう周波数正規化手段
を設けるようにしたので、ピッチ周波数が大きく異なる
音響波形であっても、音韻の差を的確に距離として捉え
ることができ、認識性能の優れた単語名声０！識装置を
得ることができる。

【図面の簡単な説明】

第１図は従来のピッチ適応型の単市音声認１１！装置の
電気的構成を示すブロック図である。第２図は従来の単
筒音声ｍ識装置における距離計算部の構成を示すブロッ
ク図である。第３図はこの発明の一実施例による距離計
算部の構成を示すブロック図である。第４図はこの発明
の一実施例によってスペクトラムパターンを補間する方
法を説明づるための図である。第５図はこの発明の他の
実施例における距離計算部の構成を示すブロック図であ
る。第６図は第５図に示した実ｈ−例によるスペクトラ
ムパターンの補間方法を示す図である。 図において、１は音声入力部、２は特徴抽出部、３は入
カバターンメモリ、４は登録パターンメモリ、５はＶ＆
識処理部、６は始終端検出回路、１１はマイクロホン、
１２はマイクロボンアンプ、１３はＡＧＯ回路、１４は
Ａ／Ｄ変換回路、１５は波形メモリ、２１はピッチ周期
抽出回路、２２はフィルタ係数設定回路、２３はディジ
タルフィルタ、２５はレベル計算回路、５１は距離計算
部、５２はマツチング処理部、５１１．５１２はパラメ
ーター峙記憶メモリ、５１３はチェビシェフ距離計算回
路、５１４は定比較周波数メモリ、５１５．５１６は１
次補間回路、５１７はピッチ周波数比較回路、５１８は
転送切換回路を示す。 代理人　大　岩　増　雄 手続補正書（自発） 昭和５９年７　角９　日 事件の表示　特願昭　５９−２３２８５号発明の名称 単語音声認識装置 補正をする者 代表者片山仁へ部 代理人 ５、補正の対象 明細書の発明の詳細な説明の欄および図面６、補正の内
容 （１）　明細書第１２頁第７行の１次に、」を［次に、
第３図および」に訂正する。 （２）　明細書第１２頁第１３行および第１４行のｒｆ
ｃ＝（ｒｃ＋＋ｆｃｚ、−、ｆｃｒｌ）、ｎ−１，２，
・、　ＮＣＪをｒｆ　ｃ　−（ｆ　ｃ　＋、ｆｃ２　、
・・・、ｒｃＮ　Ｃ）　Ｊに訂正する。 （３）　明細書第１２頁第１６行のｒｆ　ｃ　ｎ≧ｒ、
、−ｈなる整数ｈ」をｒｆ　ｃ　ｎ≧ｆ、、−になる整
数ｋ」に訂正する。 （４）　明細書第１２頁第１９行の「周波数ｆＣ２Ｊを
「周波数ｆ’ｃｎＪに訂正する。 （５）　明細書第１３頁第１１行の第（２）式を下記の
とおりに訂正する。 記 ｄ（ｉ、Ｊ）−Σｌ　ａｃ＋ｎ　ｆｉｃｊ　ｎｌ・・・
　（２） （６）　明細書第１５頁第６行の「次に、」を［次に、
第５図および」に訂正する。 （７）　図面の第１図を別紙のとおり。 以上 手続補正書（自発） 昭和５９年８　イ１　日 ２、発明の名称 単語音声認識装置 ３、補正をする者 事件との関係　特許出願人 住　所　東京都千代田区丸の内二丁目２番３号名　称　
（６０１）三菱電機株式会社 代表者片山仁八部 ４、代理人 ５、補正の対象 明細書の発明の詳細な説明の欄 ６、補正の内容 明細書第１６頁の第（３）式を下記のとおりに訂正する
。 記 ｆｔｊＸｋ　≦ｆ　ｐ　ｌＸＩ　＜１１ＪＸ　（ｋ　＋
１　）・・・　（３） 以上

Claims (2)

【特許請求の範囲】
1. （１）　音声を電気信号に変換して入力するための音声
   信号入力手段、 予め設定されるフィルタ係数に応じて、その共振周波数
   が変化しかつ前記音声信号入力手段から入力された音声
   信号のスペクトラムデータを特徴パラメータとして抽出
   するディジタルフィルタを含む特徴パラメータ抽出手段
   、 前記特徴抽出手段で抽出された認識すべき単語音声の特
   徴パラメータを記憶する入カバターン記憶手段、 前記特徴パラメータ抽出手段で抽出された複数個の単語
   音声の特徴パラメータを予め記憶する登録パターン記憶
   手段、 前記入カバターン記憶手段に記憶された入力音声の特徴
   パラメータと、前記登録パターン記憶手段に記憶された
   複数個の単語音声の特徴パラメータとの類似度を計算し
   、音声の１！識処理を行なう音声ｉａ＊処理手段、およ
   び 前記特徴パラメータ抽出手段によって抽出されたスペク
   トラムデータにおける周波数軸上の正規化を行なう周波
   数正着化手段を備えた、単語音声認識装置。
2. （２）　前記周波数正規化手段は、予め定められた定比
   較周波数に合わせるようにスペクトラムパターンの補間
   を行なう補間手段を含む、特許請求の範囲第１項記載の
   単語音声認識側Ｌ（３）　前記周波数正規化手段は、比
   較するスペクトラムパターンのいずれか一方のパターン
   を他方のピッチ周波数に合わせるように補間を行なう手
   段を含む、特許請求の範囲第１項記載の単語音声Ｗｇｉ
   ｌ帽Ｌ