JPS61138298A - 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】 産業上の利用分野 本発明は、標準パタンと入力音声パタンとのパタンマツ
チングにより認識結果を導き出す音声認識装置に関する
ものである。

従来の技術 一般に、音声認識装置では、入力音声パタンと辞書に蓄
えられた標準パタンとの類似度を評価す・　　るのに、
動的計画法（ダイナミック・プログラミング法）を用い
たパタンマツチング（以下ＤＰマツチングと記す）を行
ない、距離の最小となる標準パタンを認識結果とする方
法が行なわれている。

特に、単語音声認識装置では、すべての標準パタンと単
語音声パタン全体に渡ってＤＰマツチングを行ない、高
い認識率を得ている。

例えば、文献「ダイナミック　プログラミングオブティ
ミゼイション　フォ　スポークン　ワード　レコグニン
ｇ　７　Ｊ　（Ｈ、５ａｋｏｅ　ａｎｄ　Ｓ、Ｃｈｉｂ
ａ。

”Ｄｙｎａｍｉｃ　Ｐｒｏｇｒａｒｒｔｎｉｎｇ　ｏｐ
ｔｉｍｉｚａｔｉｏｎ　ｆｏｒｓｐｏｋ＠ｎ　ｗｏｒｄ
　ｒｅｃｏｇｎｉｔｉｏｎ”ＩＥＥＥ　Ｔｒａｎ１＋。

Ａｃｏｕｓｔ、、　５ｐｅｅｃｈ、　Ｓｉｇｎａｌ　Ｐ
ｒｏｃｅｓｓｉｎｇ。

マｏ１．　ＡＳＳＰ−２７ＰＰ、３３６−３４９．１９
７９．）発明が解決しようとする問題点 しかしながら上記の音声認識装置では、例えばＯＫＡＹ
ＡＭＡ（岡山）、！：ＷＡＫＡＹＡＭＡ（和歌山）のよ
うな類似した単語同志のパタンマツチングを行なうと、
岡山の００部分と和歌山のＷＡの部分の違いが、単語全
体に渡ってＤＰマツチングを行なうことにより吸収され
てしまい、単語間の距離が小さくなり誤認識を生じやす
いという問題点を有していた。

また、異単語のＤＰマツチングでも、極端なマツチング
が生じることがあり誤認識を生じる原因となっていた。

本発明は上記問題点に鑑み、類似単語間での誤認識およ
び極端なりＰマツチングによる誤認識を極力抑えること
のできる音声認識装置を提供するものである。

問題点を解決するための手段 上記問題点を解決するために本発明の音声認識装置は、
入力音声からエネルギー系列を含めた特徴ベクトルの時
系列を出力する音声分析手段と、前記音声分析手段から
出力されるエネルギー系列からエネルギーレベルがある
閾値を一定区間下回る区間を検出し、その区間の個数と
フレーム位置を記憶する無音区間検出手段と、前記無音
区間検出手段により得られる無音区間の個数が同数であ
る入力音声パタンと標準パタンの間でのみ、無音区間の
フレーム位置の交点をマッチングバスが必ず通過するよ
うに制限したパタンマツチングを行ない、入力音声パタ
ンと標準パタン間の距離を求めるパタンマツチング手段
を備えたものである。

作　　用 本発明は上記に述べた構成によって、入力音声パタンと
標準パタンの無音区間のフレーム位置を合わせて必ずそ
の交点をマツチングバスが通るように制限することによ
り、類似単語同志のマツチングの場合、音韻の異なった
部分の距離が従来の音声ｇ歳装置に比べて全体の距離に
より大きく反映し、誤認識を極力防止することができる
。また、無音区間に基づいた予備選択手段を用いること
により、標準パタン全てとのパタンマツチングを行なう
必要がなくなるため、マツチング計算の短縮にもなり、
極端なマツチングによる誤認識も防ぐことができる。

実施例 以下本発明の一実施例の音声認識装置について、図面を
参照しながら説明する。

第１図は本発明の一実施例における音声認識装置のブロ
ック図である。第１図において、１は音−入力部で、話
者の音声がマイクロホン等を通して入力される。２は音
声分析手段で、入力された音声信号からエネルギー系列
を含む特徴ベクトルの時系列を抽出する。３は雑音分析
手段で、無音区間検出のため音声入力する以前の一定区
間の雑音部分のエネルギー値から一定の閾値を決定する
。

４は無音区間検出手段で、音声の特徴ベクトルの時系列
から無音区間部分を判別し、各標準パタンについて無音
区間の個数およびそのフレーム位置を検出し記憶するり
５は音声分析手段２から出力される特徴ベクトルの時系
列を音声の標準パタンとして記憶するパタン記憶手段、
６は予備選択手段で、入力音声パタンと無音区間の個数
の一致する標準パタンを選択する。７はパタンマツチン
グ手段で、パタン記憶手段６に蓄えられた標準パタンと
入力音声パタンとの間で、無音区間検出手段４と予備選
択手段６の結果をもとにパタンマツチングを行なう。８
は認識手段で、パタンマツチング手段７の結果から認識
候補音声を導き出す。９は音声出力部で、認識結果をＬ
ＥＤ等に表示する。

第２図は本実施例の構成を示す回路ブロック図で、上記
雑音分析手段３．無音区間検出手段４．予備選択手段ｅ
パタンマツチング手段７．認識手段８をマイクロコンピ
ュータ１６で実現したものである。

第２図において、１０は音声の入力を行なうマイクロホ
ン、１１はマイクロホン１０から入力された音声信号を
アナログ−ディジタル変換するアナログ−ディディジタ
ル変換器（以下Ａ／Ｄ変換器という）である。１２は変
換された音声信号にもとすき特徴ベクトルの時系列を抽
出する音声分析部、１３は入力音声の特徴ベクトルの時
系列を記憶する入力パタンメモリ、１４は標準パタ／の
特徴ベクトルの時系列を記憶する標準パタンメモリ、１
５は演算制御部１６ａと記憶部１５ｂより成るマイクロ
コンピュータ、１６は認識候補音声を表示する認識結果
表示器である。

第３図は本実施例のマイクロコンピュータの動作を説明
するための要部７０−チャートである。

以上の榊成による本実施例の動作を、入力音声パタンの
無音区間が１個存在する場合について第３図のフローチ
ャートに沿って詳細に説明する。

まず、音声信号を入力する以前の雑音信号をマイクロホ
ン１０より入力し、雑音分析を行なう。

この分析は、一定時間内の雑音信号を取り込み、一定時
間内の雑音エネルギー値系列の平均値を求め、これを無
音区間検出のだめの閾値（ＮＳ）として設定する（ステ
ップ２１）。ステップ２２では、マイクロホーン１ｏよ
り音声を入力し、Ａ／Ｄ変換器１１で音声信号がアナロ
グ−ディジタル変換器、音声分析部１２で、音声の特徴
ベクトル（例えば、１０次元の線形予測系数）の時系列
とエネルギー値系列を求め、入力パタンメモリ１３に記
憶する。

この後、ステップ２３で無音区間を検出する。これは、
ステップ２２で求めた入力音声のエネルギー系列からエ
ネルギー値が閾値ＮＳを下回る区間が一定時間七〇を超
える区間を無音区間として検出し、無音区間の数ＩＮと
無音区間の最終フレーム位置！Ｆを記憶部１ｔｓｂに記
憶する。無音区間検出後、標準パタンメモリ１４内の先
頭の標準パタンの無音区間の数駅と入力パタンの無音区
間の個数ＩＮが同数であるかをステップ２４で判断する
。ステップ２４０条件が満たされると以下に示す処理に
より入力パタンと標準パタンとのパタンマツチングを行
なう。

標準パタン中の無音区間の最終７レ一ム位置をＲＦとす
ると、１ず、ステップ２６で入力パタンの第１フレーム
から第１Ｆ７レームまでと標準パタンの第１フレームか
ら第ＲＦ　７レームまでとの間でＤＰマツチングを行な
い、累積距離Ｄ１を算出し、記憶部１ｓｂに記憶する。

次にステップ２６で、入力パタンの第１Ｆフレームから
最終フｖ−ムＩＥまでと、標準パタンの第１Ｆ７レーム
から最終フレームＲＥ−ｊでとの間でＤＰマツチングを
行ない累積距離Ｄ２　を算出する。この後ステップ２６
で入力パタンと標準パタン間の距離りを次式で算出する
。

ただし、ｄＩＦ、ＲＦ　は、入力パタンのＩＦ７レーム
の特電ベクトルと標準パタンのＲＦ７レームの特徴ベク
トルとのベクトル間距離である。

また、ここではＤＰマツチングの漸化式を次式のように
設定した。

Ｄｌ、１＝ｄ１，１ ここでＤｌ、１　は入力パタンの第１フレーム、標準バ
タ／のＪｔｉフレームでのＤＰマツチングの累積距離で
ある。ステップ２７で算出された距離値りは記憶部１５
ｂに記憶される。この距離値りは、入力パタンのＩＦ７
レームと標準パタ／のＲＦフレームの交点をマッチング
バスが必ず通るように制限したＤＰマツチングにより得
られる結果である。

パタンマツチング処理終了後、ステップ２８に進み標準
パタンメモリ１４に蓄えられたすべての標準パタ／につ
いて上記の処理をし終わったかを判断し、この条件を満
たさなければ、ステップ２４に戻り次の標準パタンにつ
いて以下同様の処理を続ける。ステップ２日の条件が満
たされるとステップ２９で記憶部１５ｂに記憶された距
離値のうち、最小値を与える標準パタンを認識候補音声
と判定し、認識結果表示器１６に認識候補音声を表示す
る。

なお、本実施例では、入力パタンの無音区間の個数が１
個の場合について説明したが、無音区間が２個以上存在
する時も同様の処理を行なうことができる。

以上のように本実施例によれば、音声パタンの無音区間
を検出する無音区間検出手段と、入力パタンと標準パタ
ンの無音区間で各パタンを分割し、分割されたそれぞれ
のパタン間のＤＰマツチングを行なった後、全パタン間
の距離値を求めるパタンマツチング手段を設けることに
より、特に音韻的に類似した単語間のマツチング距離に
パタン間の相違が全体の距離により大きく反映し、誤認
識を減らすことができる。また、無音区間の個数により
ＤＰマツチングを行なう標準パタンをあらかじめ選択す
る予備選択手段を設けることにより、マツチング計算時
間を大幅に短縮することができる。

発明の効果 以上のように本発明は、音声パタン中の無音区間を検出
し、その個数とフレーム位置を記憶する無音区間手段と
、無音区間の個数が入力パタンと一致する標準パタンを
選択する予備選択手段と、入力パタンと標準パタンの無
音区間のフレーム位置を合わせ、その交点をマッチング
バスが必ず通るように制限したＤＰマツチングを行なう
パタンマツチング手段を設けたことにより、音韻の類似
したパタン間の誤認識、および極端なマツチングによる
誤認識を極力抑えることのできる音声認識装置を提供す
ることができる。

また上記予備選択手段を設けたことによりマツチングに
かかる計算時間を大幅に短縮することができる。

【図面の簡単な説明】

第１図は本発明の一実施例における音声認識装置の構成
を示すブロック図、第２図は同装置の構成を示す回路ブ
ロック図、第３図は同装置の動作説明のための要部フロ
ーチャートである。

Claims (2)

【特許請求の範囲】
1. （１）入力音声からエネルギー系列を含む特徴ベクトル
   の時系列を出力する音声分析手段と、前記音声分析手段
   から出力される特徴ベクトルの時系列を音声の標準パタ
   ンとして記憶するパタン記憶手段と、前記音声分析手段
   の結果から、音声パタン中の音声部分と無音声部分を判
   別し無音区間の個数およびそのフレーム位置を検出し記
   憶する無音区間検出手段と、前記無音区間検出手段より
   検出された無音区間の個数が入力音声パタンと一致する
   標準パタンを選択する予備選択手段と、前記予備選択手
   段で選択された標準パタンと入力パタン間でのみ前記無
   音区間検出手段で検出された無音区間のフレーム位置の
   交点をマッチングバスが必ず通過するように制限したパ
   タンマッチングを行ない両者間の距離を算出するパタン
   マッチング手段と、前記パタンマッチング手段により得
   られた入力音声パタンと各標準パタンとの距離のうち最
   小値を与える標準パタンを認識結果とする認識手段を備
   えたことを特徴とする音声認識装置。
2. （２）無音区間検出手段は、音声入力する以前の一定区
   間の雑音部分のエネルギー値から一定の閾値を定める雑
   音分析手段を有し、音声区間のエネルギー値系列が前記
   閾値を一定時間下回る区間を無音区間として検出するこ
   とを特徴とする特許請求の範囲第１項記載の音声認識装
   置。