JPS6061800A - 音声認識方式 - 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】 改橢分敷 ７本発明は、パターンマツチング技術を用いた音声認識
方式に関する。

従来技術 単語音声を認識するための新しいパターンマツチング方
式として、本出願人は、先に、周波数と時間を変数とす
るスペクトルグラフを基本として２種類の２次元パター
ン（ローカルピークの軌跡を表わす細線化パターンと２
値化されたブロードパターン）の重なり具合を用いて類
似度を算出する方式について種々提案した。

更に詳細に説明すると、単語の音声認識を目的として、
マイクロホンから取り入れた単語の音声信号を特徴抽出
部に導き、何らかの方法によって数ｎｌ　Ｓ　ｅ　Ｃ〜
数十ｍ５ｅｃ程度の時間間隔で周波数分析し、音声信号
の短時間パワースペタトルをめ、これを特徴量とした場
合、これ等のｑ；ｙ　ｒｂ量を周波数と時間を２軸とし
て２次元平面上に表示したパターンは音声のタイ１１ス
ベタ１−ルパターンとして知られている。本発明は、こ
のタイムスペクトルパターンを基本として、そのローカ
ルビークを連ねた細線化パターン（第１図）と、ある閾
値を設け、これによって２値化したブロードパターン（
第２図）との２種類のパターンの重畳比較により類似度
を算出し、認識をおこなう方式に係わるものである。而
して、上記２種類のパターンのマツチング処理をおこな
う場合、各時間軸と周波数を揃えて比較する必要がある
。しかしなから、同一話者による同一単語であっても発
声毎の発声速度のバラツキによってマツチングをすべき
辞書″のパターンと入カバターンの時間軸の長さが異な
りそのままではマツチングができない。したかつて、従
来は辞書または入力のいずれか一方のタイムスペクトル
パターンの時間軸を線形し；伸縮して他方のパターンの
時間軸の長さに合せて類似度ａｌ算をおこなう線形伸縮
マツチンタ′方弐殻用いていた。しかしなから、単語音
声の発声速度の変動は必ずしも線形ではなく、単語を構
成する音声によって速度変動か異なり、そのため線形マ
ツチングでは十分な認識率が得られなかった。

目　的 本発明は、上述のごとき実情に鑑みてなされたもので、
特に、発声毎の発声速度の変動によって生じるタイムス
ペクトルパターンの時間軸の長さのバラツキを吸収でき
、線形伸縮マツチングにおいても良好な認識率が得られ
るようにした音声認識方式を提供することを目的として
なされたものである。

構　成 本発明の構成について、以下、一実施例に基づいて説明
する。

第３図は、本発明による音声認識方式の一実施例を説明
するための電気的ブロック線図で、図中、１はマイクロ
ホン、２は前処理部、３は周波数分析部、４は登録／認
識切替スイッチ、５は２値ソロ−ドパターン作成部、６
はＮ個のパターンを保持するレジスタと加算器、７は辞
書パターンメモリ部、８はローカルピーク細線化パター
ン作成部。

９は線形伸縮および類似度計算部で、本発明においては
、２１直化されたブロードパターンｌ　辞書パターンと
して予め登録しておくが、その際、同一単語についてそ
れぞれＮ回（複数回）発声を試みこの結果生しるＮ個の
２値化ブロードパターンを線形伸縮によって時間軸の長
さを揃えて加算したものをその単語音声の辞書とした登
録しておく。

この様にして作成した辞書パターンはＮ個の２値化パタ
ーンの加算で作られるため、Ｎ段階のレベルを有するパ
ターンとなる。従って、この辞書パターンは発声の際に
発声速度が変動しにくい部分（タイムスペクトルパター
ン上において）は大きな値を持つのに対し、発声速度が
変動しやすい部分は、小さな値となり１時間軸方向にわ
たって。

重み付されたパターンとなる。この場合、人カバターン
としては、ローカルピークの軌跡である細線化パターン
を用いるので、発声速度の安定度が重みイ」けされた辞
書を用いることにより通常の線形伸縮マツチングでも十
分に発声速度の吸収ができ、十分良好な認識率を得るこ
とか出来る。

（例１） Ｎ＝３こした場合の類似度ａ１算式は、ただし、Ｉ−類
似度 ＰＯ：辞書と入力が重なった点数に荷重をかけた値Ｐｏ
′：辞書と入力が重なった点数 Ｐｄ：辞書の点数（レベル”　２　”以の数）Ｐｒ：入
力の点数（レベル”　１　”の数）となる。

（例２） 荷重辞書作成の方法として、発声の異なるＮ個の２値パ
ターンを加算する方法以外に、例えは通常の振幅レベル
を持ったタイｔ１スペクトルパターンをＮ個加算した後
の適当な段階に複数のスレシホール（へを設けて適当な
数Ｍ段階に量子化して不；５重辞書を作る方法もある。

（例３） 辞書パターンをＮ段階に荷重したパターンとして、入カ
バターンをローカルピータによる細線１ヒバターンでな
く２値のブロードパターンにしてマツチングをおこなう
方法もある。

（例４） 辞書パターンと入カバターンを共にローカルビータ軌跡
の細線化パターンにしてもよく、このようにしても指定
話者の場合は効果がある。この場合、辞書の細線パター
ンは時間軸方向に発声毎の安定度の重みがＮ段階にわた
って分布したものを用いる。

（例５） 辞書に荷重された細線化パターンを用いて、人力に２値
のブロードパターンを用いてもよい。

１−□米 以上の説明から明らかなように、本発明によると、発声
毎の発声速度の変動によった生しるタイムスペクトルパ
ターンの時間軸の長さのハラツギを吸収することができ
るので、線形伸縮マツチングにおいても良好な認識率を
得ることかで−きる。

【図面の簡単な説明】

第１図は、４１１１線化パターン、第２図は、ブロー１
〜パターン、第３図は、本発明の一実施例製説明するた
めの電気的フロック線図である。 １・・マイクロホン、２　前処理部、３・・周波数分析
部、４　登８／認識切替スイッチ、５・・２値フロート
パターン作成部、６・・・Ｎ個のパターンを保持するレ
ジスタと加算器、７　・辞書パターンメモリ部、８　ロ
ーカルピーク細線化パターン作成部、９・・・線形伸縮
および類似度ｄｉ算部。

Claims (1)

【特許請求の範囲】
1. 周波数と時間を変数とする２次元平面上で表わせるタイ
   １１スペクトルパターンを基本として辞書および入力の
   タイ１１スペクトルパターンをそれぞれ２値またはそれ
   以」二のレベルに分割した後、これら２種の２次元パタ
   ーンの重なり具合を用いて類似度を算出する単語音声認
   識方式において、辞書イウ二成の際に同一単語の複数回
   の発声によるタイムスペクトルパターンを加算すること
   によって祠られる重みの付いたパターンを辞書のパター
   ンとして用いるようにしたことを特徴とする音声認識方
   式。