JPS61277999A - 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
チングによる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
えられた各標準パタンとの類似度を計算し、類似度の最
大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。二つの音声パタンの類似度を計算するためには動
的計画法（ダイナミック　プログラミング法）を用いて
、二つのパタンの時間軸を非線形に伸縮するパタンマツ
チング（以下、ＤＰマツチングと記す。）が使用されて
いる。特に、単語音声認識装置では、とのＤＰマツチン
グ法により高い認識率を得ている。（例えば、「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　レコダ＝　’ｙ　−１ン−Ｊ　（
Ｈ，５ａｋｏｅ　ａｎｄ　Ｓ、　Ｃｈｉｂａ、Ｄｙｎａ
ｍｉｃｐｒｏｇｒａｍｍｉｎｇ　　ｏｐｔｉｍｉｚａｔ
ｉｏｎ　　ｆｏｒ　　ｓｐｏｋｅｎｗｏｒｄ　　ｒｅｃ
ｏｇｎｉｔｉｏｎ”、　ＩＲＥ］Ｅ　　Ｔｒ２Ｌｎｓ、
ムｃｏｕｓｔｉＣ，５ｐｅｅｃｈ　、　Ｓｉｇｎａｌ　
　Ｐｒｏｃｅｓｓｓｉｎｇ、　ｔｏ　ｌ　。

ム５ＳＰ−２７ｐｐ。３３６−３４９．１９７９））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、異なった音声パ
タン間のＤＰマツチングにおいても、極端な時間軸の非
線形伸縮のため両者の距離がｌトさくなる場合があシ、
誤認識を生じる原因となっていた。

また、類似した音声パタン間のＤＰマツチングでは、音
声パタン全体に渡ってＤＰマツチングを行なうため、両
者間の違いが埋もれてしまい、その結果、パタン間の距
離が小さくなシ誤認識を生じやすいという問題点を有し
ていた。

本発明は上記問題点に鑑み、類似音声パタン間での誤認
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。

問題点を解決するだめの手段 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
されるエネルギー系列から、音声パタン中の音声部分と
無音声部分を判別し、無音声区間の個数およびそのフレ
ーム位置を検出する無音区間検出手段と、パタンマツチ
ングにより得られる入力パタンと各標準パタンとの距離
のうち最小値を与えるものから順に複数個選択し、それ
らに対応した各標準パタンと入力パタンとの間で、無音
声区間のフレーム位置の交点をマツチングパスが必ず通
過するように制限を加えたパタンマツチングを行ない、
両者間の距離を算出し、距離の最小となる標準パタンを
認識結果とする認識結果検証手段と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、あらかじめ音声パ
タン中の無音区間を検出しておき、パタン全体に渡るパ
タンマツチング後、距離の小さなものから上位複数候補
を選択し、それらと入力音声パタンとの間で無音区間の
フレーム位置を合わせて必ずその交点をマツチングパス
が通過するように制限をしたパタンマツチングを行ない
認識結果の検証を行なうことにより、類似パタン間の誤
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は音声入力部で、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特徴ベクトルの
時系列を抽出する。

３は無音区間検出手段で、音声のエネルギー系列から無
音区間部分を検出する。４は音声分析手段２より得られ
る特徴ベクトルの時系列を標準パタンとして記憶し、ま
た無音区間検出手段３より得られる無音声区間の個数お
よびそのフレーム位置を記憶する記憶手段、６はパタン
マツチング手段で、記憶手段４により蓄えられた標準パ
タンと入力音声パタンとの間でパタンマツチングを行な
い両者間の距離を算出する。６は認識結果検証手段で、
無音区間検出手段３とパタンマツチング手段６の結果か
ら認識結果の検証を行ない認識候補音声を導き出す。７
は認識結果出方部で、認識結果をＬＥＤ等に表示する◇ 第２図は本実施例の構成を示す回路図で、上記の無音区
間検出手段３．記憶手段４．パタンマツチング手段５．
認識結果検証手段６をマイクロコンピュータ１６で実現
したものである。１ｏは音声の入力を行なうマイクロホ
ン、１１はマイクロポン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−ディジタル変
換器（以下ム／Ｄ変換器という。）である。１３は入方
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は標準パタン音声の特徴ベクトルの時系列を記
憶する標準パタンメモリ、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
するだめの要部フローチャートであり、第４図は第３図
のフローチャートを説明するだめの図である。以上の構
成による本実施例の動作を、第３図の７０−チャートに
沿って詳細に説明する。

まず、ステップ２１でマイクロホン１ｏから音声を入力
し、ム／Ｄ変換器１１で音声信号をアナログ−ディジタ
ル変換したあと、音声分析部１２で音声パタンの特徴ベ
クトル（例えば、１０次元の線形予測係数）の時系列と
エネルギー系列を求め、入力パタンメモリ１３に記憶す
る。次に、ステップ２２で入力パタンメモリ１３に、記
憶されたエネルギー系列からエネルギー値がしきい値を
下回る区間が一定時間ＴＯを超える区間を無音区間とし
て検出し、無音区間の個数と無音区間の最終フレーム位
置を記憶部１６ｂに記憶する。なお、各標準パタンの特
徴ベクトルの時系列が標準パタンメモリ１４に、各標準
パタンに対応した無音区間の個数とフレーム位置が記憶
部１５ｂにあらかじめ蓄えられているものとする。

ステップ２３では、入力パタンメモリ１３に記憶された
入力音声パタンと標準パタンメモリ１４に記憶された標
準パタンとの間でＤＰマツチングを行ない、すべての標
準パタンとのＤＰマツチングが終了したかをステップ２
４で判定する。ステップ２３で得られるＤＰ短距離逐次
記憶部１５ｂに記憶される。ステップ２３の条件が満た
されるとステップ２５で記憶部１６ｂに記憶されたＩＩ
Ｐ距離のうち最小値を与えるものから上位複数候補を選
択する。ここでは上位３候補を選択する場合について説
明するが　それ以外の場合についても同様に処理できる
。

まず、ステップ２６でカウンタを３にセットする。次に
、ステップ２７で第一番目の候補の標準パタンと入力音
声パタンの無音区間の個数が一致するかを判定する。ス
テップ２７の条件が満たされるとステップ２８以下の処
理によυ両者の距離を算出する。ここでは入力パタンと
標準パタンの無音区間の個数が１つ存在する場合につい
て説明する。

入力パタンのフレーム長をＩ、その無音区間の最終フレ
ーム位置を”ｊ　　＋標準パタンのフレーム長をＪ、そ
の無音区間の最終フレーム位置を５１とする。ステップ
２８では、 ０＜ｉ＜１１　かつ　Ｊｌ＜ｊ≦Ｊ または １１〈１≦工　かつ　Ｏ＜ｊ＜Ｊｊ の条件を満たす入力パタンの第ｉフレームと標準パタン
の第ｊフレームとの特徴ベクトル間の距離を無限大にセ
ットする。この設定は第４図において、斜線の部分に対
応する各ベクトル間距離を無限大に設定することであり
、すなわちマツチングバスが斜線の部分を絶対に通過し
ないように制限を加えたことと等価である。

ステップ２８の設定が終ると、ステップ２９により入カ
パタンと標準パタン間でＤＰマツチングを行ない、両者
間の距離を算出し記憶部１５ｂに記憶する。ここで得ら
れる距離は、入力パタンの第三１フレームと標準パタン
の第５１　フレームの交点をマツチングパスが必ず通過
するように制限を加えたＤＰマツチングを行なった時に
得られる結果である。ここで、入力パタンの第三１　　
フレームと標準パタンの第１１　　フレームの交点が整
合窓の範囲を超える場合は両者のＤＰマツチングは不可
能であるためこの標準パタンは認識候補からはずす。こ
の後、ステップ３０でカウンタをデクリメントしステッ
プ３１でカウンタが０であるかを判定し、０でなければ
ステップ２７に戻シ第二。

第三候補の標準パタンについて同様の処理を続ける。ス
テップ３１の条件が満足すると、ステップ３２で、ステ
ップ２７の条件を満たしさらにステップ２９で得られた
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
する場合に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、音声パタン中の無音区
間を検出する無音区間検出手段と、ＤＰマツチングの結
果から上位複数候補についてさらに、無音区間の個数の
一致するものについて入力パタンと標準パタンの無音区
間のフレーム位置の交点を通過するように制限を加えた
ＤＰマツチングを行ない、認識結果の検証を行なう認識
結果検証手段を備えたことにより、極端なマツチングに
よる誤認識、および音韻的に類似したパタン間の誤認識
を減少させることができる。

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の個数
とそのフレーム位置を検出する無音区間検出手段と、Ｄ
Ｐマツチングの結果亦ら、距離の最小値を与えるものか
ら上位複数候補を選択し、それらについてさらに無音区
間の個数の一致する入力パタンと標準パタンで無音区間
のフレーム位置を合わせ、その交点をマツチングバスが
必ず通過するように制限したＤＰマツチングを行ない、
距離の最小となる標準パタンを認識結果として導き出す
認識結果検証手段を設けたことにより、音韻の類似した
パタン間での誤認識、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。

【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図
、第３図は同装置の動作説明のための要部７０−チャー
ト、第４図は第３図の７０−チャート説明のための特性
図である。 ２・・・・・・音声分析手段、３・・・・・・無音区間
検出手段、４・・・・・・記憶手段、６・・・・・・パ
タンマツチング手段、６・・・・・・認識結果検証手段
、１０・・・・・・マイクロホン、１３・・・・・・入
力パタンメモリ、１４・・・・・・標準パタンメモリ、
１５・・・・・・マイクロコンピュータ。 代理人の氏名　弁理士　中　尾　敏　男　ほか１名第　
１　図 第　２　図

Claims (1)

【特許請求の範囲】
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
   力されるエネルギー系列から、音声パタン中の音声部分
   と無音声部分を判別し、無音声区間の個数およびそのフ
   レーム位置を検出する無音区間検出手段と、前記音声分
   析手段より得られる特徴ベクトルの時系列を標準パタン
   として記憶し、また前記無音区間検出手段より得られる
   無音声区間の個数およびそのフレーム位置を記憶する記
   憶手段と、前記記憶手段により蓄えられた標準パタンと
   入力パタンとの間で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パタンと各標準パタン
   との距離のうち最小値を与えるものから順に複数個選択
   し、それらに対応した各標準パタンと入力パタンとの間
   で、前記記憶手段に記憶された無音声区間のフレーム位
   置の交点をマッチングパスが必ず通過するように制限を
   加えたパタンマッチングを行ない、両者間の距離を算出
   し、距離の最小となる標準パタンを認識結果とする認識
   結果検証手段とを備えたことを特徴とする音声認識装置
   。