JPS62144199A - 連続音声認識装置 - 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】 〔概　要〕 連続音声認識装置において、音声の入力パターンを標準
パターンと連続ＤＰ照合を行い、得られた照合距離の極
小値のフレームから終端（又は始端）候補を求め、その
候補の位置するフレームから始端（又は終端）方向への
ＤＰ照合を行って部分区間照合距離を求め、この部分区
間照合距離の合計が最小となる様にＤＰ処理を行って認
識結果を求める。

〔産業上の利用分野〕

本発明は、複数の単語を連続的に発声した音声を認識す
る連続音声認識装置、特に動的計画法（Ｄｙｎａｍｉｃ
　ｐｒｏｇｒａｍｍｉｎｇ　、以下ＤＰという）により
行う連続音声の認識を効率良く行う様に改良した連続音
声認識装置に関する。

〔従来の技術〕

音声単語は同じ単語を同じ様に発声しても、その音声パ
ターンは変化し、特に時間軸方向に伸縮する為、その音
声認識を困難にしている。更に複数の単語が連続して発
声される連続音声の場合は、これに加えて各単語の区切
り目が不明瞭である為、一層その音声認識を困難にして
いる。

この様な連続音声を高い認識率をもって効率良く認識す
る方法として、２段ＤＰ照合方式による連続音声認識処
理が用いられている（例えば、［日経エレクトロニクス
Ｊ　１１．７．１９８３年ｐｐ、１７１〜２０７参照）
。

この２段ＤＰ照合による連続音声認識方式は高い認識率
が得られるが、一般に演算量が極めて多い為に認識処理
に長時間を要するという欠点があった。

そこで、２段ＤＰ照合による連続音声認識処理における
演算量を減らして処理時間を大幅に短縮させ、効率良く
連続音声認識を行うことが出来る様に改良した連続音声
認識装置が同一出願人によって提案されている（例えば
、特願昭５９−２２７０８７）又は特願昭５９−２２７
０８９参照）。

第６図は、前記先願発明（特願昭５９−２２７０８９）
基本構成をブロック図で示したものである。

第６図において、連続ＤＰ照合部２２０は、人力された
音声の入力パターンを標準パターン辞書部２１０に格納
されている複数の標準パターンについて始端をフリー状
態とする連続ＤＰ照合を実行してその連ｉＤＰ照合距離
を出力する。

端部候補選択処理部２３０は、連続ＤＰ照合部２２０よ
り入力された連続ＤＰ照合距離を所定闇値（ＤＲＴＨ）
と比較して候補となる標準パターンを限定し、更にこの
限定された標準パターンから入力パターンの各フレーム
毎にそのフレームう終端（又は始端）とする複数個の標
準パターンを候補として選択して出力する。

単語始終端レベルＤＰ処理部２４０は、逆時間（又は順
時間）ＤＰ照合を行うことにより、前記選択された候補
の始端（又は終端）を決定してその終始端のＤＰ距離（
部分区間照合距離）を求め、更に、この部分区間照合距
離に基づいて部分区間候補を選択して出力する。この候
補の始端（又は始端）へのＤＰ距離を求める処理は、単
語始終端レベルＤＰと呼ばれる。

文レベルＤＰ処理部２５０は、入力された部分区間候補
の部分区間照合距離から入力パターンの各桁毎の部分区
間照合距離の合計が最小となる組合せをＤＰ照合により
求め、その結果から入力パターンが何桁入力であるかを
判別して認識結果を求める。

以上の様に、始端をフリー状態とする連続ＤＰ照合を行
うことにより区間別候補を求める演算量が大幅に減少し
、更に連続ＤＰ照合の結果から終端（又は始端）候補の
フレームを限定しているので、従来の２段ＤＰ照合によ
る連続音声認識方式よりも、大幅に認識処理時間を短縮
して効率良く連続音声の認識を行うことが出来る。

なお、前記先願発明については、後記「３、発明の詳細
な説明」中において本願発明に関する詳細な説明と関連
して更に詳しく説明する。

〔発明が解決しようとする問題点〕

前述の先願発明では、入力パターンと複数の標準パター
ンとを連続照合を行い、その結果与えられる入力パター
ンの各フレーム毎を終端（又は始端）とする標準パター
ン毎のＤＰ距離から各フレーム毎の終端（又は始端）候
補を選択していた。

従って、入力パターンの全フレームに終端（又は始端）
候補が存在することになるので、以降の単語始終端レベ
ルＤＰをそれら全部の候補について行わなければならな
かった。この為、それだけ演算量が多く、認識処理時間
の短縮化が妨げられて早いレスポンスタイムが得られな
いという問題があった。

本発明は、連続ＤＰ照合の結果から終端（又は始点）候
補の存在するフレームを限定し、この限定された候補に
ついて以降の単語始終端レベルＤＰを行うことにより先
願発明より演算量を大幅に減少し、早いレスポンスタイ
ムをもって極めて効率良く連続音声の認識を行うことが
出来る連続音声認識装置を提供することを目的とする。

〔問題点を解決するための手段〕

前記先願発明における前述の問題点を解決する為に本発
明が講じた手段を、第１図を参照して説明する。

第１図は、本発明の構成をブロック図で示したものであ
る。

第１図において、１１０は標準パターン辞書部で、複数
の音声単語の標準パターンが格納されている。

１２０は連３ｉＤＰ照合部で、連続音声の人カバターン
を標準パターン辞書部１１０に格納されている複数の標
準パターンについて連続動的計画法による照合（連ｉＤ
ｐ照合）を実行する。

１３０は端部候補限定選択処理部で、連続ＤＰ照合部１
２０の照合結果から極小値の存在するフレームを選択し
、入力パターンのそのフレーム毎にそのフレームを終端
（又は始端）とする複数個の標準パターンを終端（又は
始端）候補として選択する。

１４０は単語始終端レベルＤＰ処理部で、前記選択され
た候補が位置するフレームから始端（又は終端）方向へ
の動的計画法による照合（ＤＰ照合）を行って部分区間
の照合距離を求める。

１５０は文レベルＤＰ処理部で、単語始終端レベルＤＰ
処理部１４０より入力された部分区間照合距離に基づい
て入力パターンの各桁毎に部分区間照合距離の合計が最
小となる組合せを動的計画法による照合（ＤＰ照合）に
より求め、その結果から入力パターンが何桁入力である
かを判別して認識結果を求める。

なお、標準パターン辞書部１１０、連続ＤＰ照合部１２
０、単語始終端レベルＤＰ処理部１４０及び文レベルＤ
Ｐ処理部１５０の各構成は、前述の先願発明の対応する
各構成２１０，２２０，２４０及び２５０と同じである
。

〔作　用〕

第１図の作用を、第２図及び第３図を参照して説明する
。

第２図は連続動的計画法による照合法（連続ＤＰ照合法
）の説明図、第３図は逆時間動的計画法による照合法（
逆時間ＤＰ照合法）の説明図である。

連続ＤＰ照合部１２０は、連続音声の入力パターンを標
準パターン辞書部１１０に格納されている複数の標準パ
ターンについて連ＭＤＰ照合を実行する。

連続ＤＰ照合法は、第２図（Ａ）に示す様に、入力パタ
ーンと標準パターンを横軸と縦軸にとり、入力パターン
の任意のフレームを終端（又は始端）とし且つ始端（又
は終端）はフリーとなるＤＰ照合を行う方法である。こ
の連ＭＤＰ照合を行うことにより、入力パターンの各フ
レーム毎にそのフレームを終端（又は始端）とした最適
卒照合経路（第２図（Ａ）の太線）が抽出されて、その
連続ＤＰ照合距離が求められる。

第２図（Ｂ）は、この様にして求められた入力フレーム
と連続ＤＰ照合距離の関係を示したものである。横軸は
入力フレームを示し、縦軸は時間正規化された連続ＤＰ
照合距離（ＤＲ）を示している。又、ＤＲＴＨは閾値で
、これよりＤＲ値の少いフレームは、その標準パターン
の終端フレームと合致している可能性の高いものである
。

前述の先願発明はこの様な闇値ＤＲＴ）ｔを設け、この
ＤＲＴＨ以下のフレーム、即ちＥ。−Ｅ　、、及び１Ｆ
ｂｓ〜Ｆ’ｂａ内に存在する全てのフレームを終端候補
選択の候補として単語始終端レベルＤＰを行うものであ
った。その為、単語始終端レベルＤＰの演ｘｔが多く、
早いレスポンスタイムが得られなかった。

然しなから、その後の実験によれば、第２図（Ｂ）のＤ
Ｒ値特性の極小点Ｆａｔ〜Ｆ□４及びＦｂｌ〜Ｆ、３．
について単語始終端レベルＤＰを行えば、前述の先願発
明より大幅に少い演算量で先願発明の様にＦ　ａｘ”’
　Ｆ　ｍｅ及びＦ　ｂｉ−Ｆ　ｂｅ内に存在する全ての
フレームについて単語始終端レベルＤＰを行った場合と
同様な結果が得られることが明らかになった。

本発明は、この新規に知見に基づいて、終端（又は始端
）候補の存在するフレームを限定し、以後の単語始終端
レベルＤＰの演算量を大幅に減少させる様にしたもので
ある。

即ち、端部候補限定選択部１３０は、連続ＤＰ照合部１
２０の照合結果である連続ＤＰ照合距離から、その極小
値の存在するフレームを選択し、入力パターンのそのフ
レーム毎にそのフレームを終端（又は始端）とする複数
個の標準パターンを終端（又は始端）候補として選択す
る。

単語始終端レベルＤＰ処理部１４０は、前記選択された
候補について、その候補が位置するフレームから始端（
又は終端）方向への動的計画法てによる照合（ＤＰ照合
）を行って部分区間の照合距離を求める。

第３図は、終端候補がその位置するフレームから始端方
向へのＤＰ照合を示したものである。その照合方法は通
常の順時間方向のＤＰ照合を単にパターンを時間方向に
反転して照合することによって行われ、逆時間ＤＰ照合
と呼ばれる。

文レベルＤＰ処理部１５０は、単語始終端レベルＤＰ処
理部１４０より入力された部分区間照合距離から入力パ
ターンの各桁毎に部分区間照合距離の合計が最小となる
組合せをＤＰ照合により求め、その結果から入力パター
ンが何桁入力であるかを判別して認識結果を求める。

なお、連′ｆｔＤＰ照合部１２０、単語始終端レベルＤ
Ｐ処理部１４０及び文しヘルＤＰ処理部１５０の各処理
動作は、前述の先願発明の対応する各構成２２０．２４
０及び２５０と同じである。

以上の様に、終端（又は始端）候補の存在するフレーム
を大幅に限定する様にしたので、従来の２段ＤＰ照合に
よる連続音声認識方式よりはもちろんのこと、前述の先
願発明よりも始終端レベルＤＰ照合を行う量が大幅に減
少して、早いレスポンスタイムをもって極めて効率良く
連続音声認識を行うことが出来る。

〔実施例〕

本発明の一実施例を、第２図〜第５図を参照シて説明す
る。

第４図は本発明の一実施例の構成の説明図、第５図は同
実施例の終端候補選択部の動作説明図である。第２図及
び第３図については、既に説明した通りである。

第４図に示す本発明の一実施例は、第１図の連続ＤＰ照
合部１２０において順時間方向に連続ＤＰ照合を行い（
単語終端レベルＤＰ）、単語始終端レベルＤＰ処理部１
４０において逆時間ＤＰ照合を行う場合の実施例を示し
たものである。

（Ａ）実施例の構成 第４図において、標準パターン辞書部１１０、連続ＤＰ
照合部１２０、端部候補限定選択部１３０、単語始終端
レベルＤＰ処理部１４０及び文レベルＤＰ処理部１５０
については、第１図で説明した通りである。

端部候補限定選択部１３０において、１３１は終端候補
フレーム限定部で、連続ＤＰ照合部１２０から入力され
た連続ＤＰ照合距離を正規化し、その値が極小値となる
フレームを選択することにより終端フレーム候補を限定
する。１３２は終端候補選択部で、限定された終端フレ
ーム候補中からその正規化された連Ｖｔ　Ｄ　Ｐ照合距
離の最小のものから特定個数を終端候補として選択する
。

単語始終端レベルＤＰ処理部１４０において、１４１は
逆時間ＤＰ照合部で、選択された終端候補を逆時間方向
にＤＰ照合することにより始端を決定してその始終端の
ＤＰ照合距離を求める。１４２は部分区間候補選択部で
、始終端ＤＰ照合距離を正規化し、その値に基づいて部
分機関候補を選択する。

文レベルＤＰ処理部１５０において、１５１は文しヘル
ＤＰ照合部で、単語始終端レベルＤＰ処理部１４０より
入力された部分区間候補の部分区間照合距離に基づいて
、最適な単語の結合をＤＰ照合により求める。１５２は
認識結果処理部で、文レベルＤＰ照合部１５１の結果に
基づいて入力パターンが何桁入力であるかを判別して認
識結果を求める。

１６０はマイクロホン、１７０は入力された連続音声の
特徴を抽出して音声の入力パターンに変換する音声特徴
抽出部、１８０はこの音声の入力パターンが格納される
入力パターンバッファである。

（Ｂ）実施例の動作 使用者は、マイクロホン１６０から連続単語からなる連
続音声を入力し、音声特徴抽出部１７０において特徴抽
出を行って照合用の音声の入力パターンに変換し、入力
パターンバッファ１８０に格納する。

連続ＤＰ照合部１２０は、入力パターンバッファ１８０
から読み出された入力パターンを標準パターン辞書部１
１０に格納しである複数の標乍パターンと照合する。

このときの音声の人カバターンＡを次の様に表わす。

Ａ＝ａ（１）、ａ（２１，ａ（３ｍ　・ａ（ｍｌ　−ａ
（ｒ）ここで、ａ　（ｍｌはフレームｍにおけるパラメ
ータで、例えば周波数方向を１６チヤンネルに区分して
各区分におけるパワースペクトル値で表われ、一般にベ
クトル量である。最後の■は入力パターンの終端フレー
ムで、且つ入力パターンへの語長を意味する。

なお、フレームは音声区間（正しくは窓関数によって切
り出した音声区間）のことであり、例えば単語の各文字
が明瞭に発音された場合の各文字区間は、それぞれ音声
区間を形成する。

同様に、標準パターン辞書部１１０に格納されている標
準パターンは、単語ｎの標準パターンをＢ　（ｎ）とし
て、次の様に表わす。

Ｂ（ｎｌ＝　ｂ　（１，ｎＬｂ（２，ｎ）　＋　Ｈｂ（
ｊ、ｎ）　＋　Ｈｂ（Ｊ（ｎＬｎ）ここで、ｂ（Ｌｎ）
は、単語ｎのフレームｊにおけるパラメータで、入力音
声と同様に例えば１６チヤンネルのパワースペクトル値
で表わされるベクトル量である。Ｊ　（ｎ）は単語ｎの
終端フレームで、且つ標準パターンＢ　（ｎ）の語長を
表わす。

（Ｂ−１）連続ＤＰ照合部１２０の動作（単語終端レベ
ルＤＰ） 人カバターンＡと標準パターンＢ　（ｎｌとの連ＶｔＤ
Ｐ照合により、入力パターンＡの各フレーム毎にそのフ
レームを終端とした最適な照合距離が抽出されて連続Ｄ
Ｐ照合距離が求まる。この結果より入力パターンＡ中に
標準パターンＢ（０）が存在しそうか、そして、存在し
そうな場合に入力パターンＡのどのフレームを終端とす
るかが容易に求められる。

入力パターンのｍフレームを終端とする標準パターンＢ
　（ｎｌの連続ＤＰ照合距離をＤＣ（ｍ、ｎ）で表現す
ることにする。連続ＤＰ照合部１２０からは、このＤ　
Ｃ（ｍ、ｎ）が出力される。

以上の連続ＤＰ照合部１２０において行われた処理は、
単語終端レベルＤＰと呼ばれている。

（Ｂ−２）終端候補フレーム限定部１３１の動作連続Ｄ
Ｐ照合距離Ｄｃ　（ｍ　＋　ｎ）は、このままでは単語
ｎの標準パターンＢ　（ｎ）の個々の語長Ｊ　（ｎｌに
よって短いもの程その値が小さくなる傾向が出る為、入
力パターンＡ及び標準パターンＢ　（ｎ）の各パターン
長の和で各ＤＣ（ｍ、ｎ）の値を割って時間正規化を行
う。正規化された連続ＤＰ照合距離ＤＣ（ｍ、ｎ）をＤ
　Ｒ（ｍｌ　ｎ）とすると、Ｄ　Ｒ（ｍ、ｎ）は下式で
表わされる。

Ｄ　Ｒ（ｍ、ｎ）　　＝　Ｄ　Ｃ（ｍ、ｎ）　／　２　
Ｊ　（ｎｌここで、２　Ｊ　ｆｎ＋を用いる理由は、入
力パターンＡが標準パターンＢ　（ｎ）と正しくマンチ
ングした場合には、対応する入力パターン長はＪ　（ｎ
ｌに近い値をとると想定されるからである。もし、何ら
かの手法で連続ＤＰ照合距離Ｄｃ　（ｍｌ　ｎ）のｍに
対する始端Ｌ（ｍ、ｎ）が判明している場合には、ＤＲ
（ｍ、ｎ）は次式で求められる。

ＤＲ（ｍ、ｎ）　　−ＤＣ（ｍ、ｎ）　／（Ｊ（ｎ）＋
　（ｍ−Ｌ（ｍ、ｎ）　　＋　１）　）第２図（Ａ）は
連続ＤＰ照合経路を示したものであり、第２図（Ｂ）は
各連続ＤＰ照合経路における正規化連ＭＤＰ照合距離Ｄ
Ｒを示したものである。

このＤ　Ｒ（ｍ、ｎ）は、第２図（Ａ）の太線で示す様
に標準パターンＢ（ロ）（せんだい）とうまく照合する
様な経路を通ったフレーム（入力パターンの各「ぜんだ
い」の部分）では、第２図ＣＢ）の示す様に値が小さく
、そうでないフレームでは大きい値をとる。

従って、このＤ　Ｒ（ｍ、ｎ）の特性からその標準パタ
ーンの終端フレームを他の標準パターンのＤＲ値と比較
すること無しに限定することが出来る。

先ず、第２図（Ｂ）に示す様に、正規化連続ＤＰ照合距
離ＤＲに成る闇値ＤＲＴＨを設け、このＤＲＴＨより小
さければ、そのフレームはその標準パターンの終端フレ
ームと合致している可能性が高いとする。ＤＲＴＨより
大きいものは標準パターンの終端フレームと合致する可
能性が低いとして以降の終端候補選択の候補には含めな
い様にする。

前述の先願発明は、ＤＲＴＨ以下のフレーム、即ちＦ　
ａｓ〜Ｆ　ａａ及びＦ　ｂｅ””　Ｆ　ｂｅ内に存在す
る全てのフレームを終端候補選択の候補とするものであ
り、その為、単語始終端レベルＤＰの演算量が多くなっ
て早いレスポンスタイムが得られなかった。

この実施例では、この問題点を解決する為にＤＲＴＨよ
り小さい区間の極小値の存在するフレームを、その標準
パターンの終端フレームの可能性と合致する可能性が高
いとし、そうでなければ終端フレームの可能性が低いと
して、以降の終端候補選択の候補に含めない様にする。

これにより、以降の単語始終端レベルＤＰの演算量を大
幅に減少させることが出来る。

この限定されたＤ　Ｒ（ｍ、ｎ）をＤ　Ｓ　（ｍ、ｎ）
　　とし、ＤＲＴＨより小さく且つ極小値を取るフレー
ム以外は最大値を設定して区別出来る様にする。

（Ｂ−３）終端候補選択部１３２の動作終端候補選択部
１３２は、このＤ　Ｓ　（ｍ、ｎ）をｍフレーム毎に０
個の終端候補を選択する。もしそのフレームに終端候補
が０個以下しかない場合には、全部を採用する。このＣ
の値が小さいと演算精度が低下し、大きいと演算量が多
くなるので、両者を考慮して選定される。もちろん、候
補が無い場合には、そのフレームには終端候補がないも
のとする。

以上に様にして選択された終端候補の単語ｎをＮ　Ｅ　
（ｍ　＋　ｃ）に設定する。終端候補が無い場合は、“
０”を設定する。

第５図は、ＤＲＴＨ以下の連続するフレーム内での極小
値のフレームを終端候補とした場合のＤＳ（ｍ、ｎ）と
Ｎ　Ｅ　（ｍ、ｃ）の例を示したものである。

Ｄ　Ｓ　（ｍ　＋　ｎ　）はｎ毎に異なった距離特性を
示し、このＮｆｌＭｌのＤ　Ｓ　（ｍ、ｎ）をｍフレー
ム毎に値の小さいものから最大０個（第５図の例では２
個）選択して、そのｎをｍフレームを終端とする候補と
して、ＮＥ（ｍ、ｃ）に設定する。また、入力パターン
の終端フレームには性質上必ず候補が存在する筈である
ので、その終端フレームに必ず候補が残る様にする。

（Ｂ−４）逆時間ＤＰ照合部１４１の動作逆時間ＤＰ照
合部１４１は、ＮＥ（ｍ、ｃ）に示される終端候補を、
第３図に示す様に逆時間方向にＤＰ照合することにより
始端を決定してその始終端即ち部分区間のＤＰ照合距離
を求める。この処理は逆時間ＤＰ照合と呼ばれる。

逆時間ＤＰ照合は、通常の順時間方向のＤＰ照合を単に
パターンを時間方向に反転して照合する様にしたもので
、これにより、入力パターンＡの部分区間（１−ｍ）の
ＤＰ照合距離Ｄ　Ｉ　（１，ｍ、ｃ）が求められる。

（Ｂ−５）部分区間候補選択部１４２の動作部分区間候
補選択部１４２は、逆時間ＤＰ照合部１４１で求められ
たＤ　Ｉ　（１，ｍ、ｃ）を部分パターン長（ｍ−１＋
１）　　と標準パターン長Ｊ　（ＮＥ（ｍ、ｃ））の和
で割って時間正規化する。この時間正規化された部分区
間のＤＰ照合距離をＤ　Ｉ　Ｒ（’１　＋　ｍ　＋　ｃ
）とすると、次式で求められる。

Ｄ　Ｉ　Ｒ（Ｌｍ、ｃ） −Ｄ　Ｉ　（Ｌｍ、ｃ）　／　（Ｊ　（Ｎ　Ｅ　（ｍ、
ｃ）＋（ｍ−１＋１））次に部分区間候補選択部１４２
は、このＤＩＲ（ｔ　＋　ｍｌ　ｃ）をＣについて最小
のもので選択してＤ（１、ｍ）とし、対応する標準パタ
ーンｎをＮＳ（＋、ｍ）に設定する。もし終端候補が無
いｍの場合は、ＮＳ（Ｌｍ）に“０″を設定し、Ｄ（Ｌ
ｍ）に最大値を設定しておく。即ち、 Ｄ（１，ｍ）　＝ｍｔｎ　［Ｄ　Ｉ　Ｒ（１，ｍ、ｃ）
　］ＮＳ（１，ｍ）　＝ＮＥ　［ｍ、ａｒｇ　ｍｉｎ　
（Ｄ　Ｉ　Ｒ（１，ｍ、ｃ）　）コで表わされる。

ここで、“ａｒｇ　ｍｉｎ　”は、（）内の最小化条件
を満足するＣを選定する機能をもったオベレー　゛りで
ある。

このＤ（Ｌｍ）とＮ　Ｓ　（１，ｍ）によって入力パタ
ーンの部分パターン（１−ｍ）の最適な照合距離（Ｄ（
１、ｍ））と照合相手（Ｎ　Ｓ　（１，ｍ）　）が決定
されることになる。

（Ｂ７６）文しベルＤＰ照合部１５１の動作文レベルＤ
Ｐ照合部１５１は、単語始終端レベルＤＰ処理部１４０
より入力されたＤ（Ｌｍ）とＮＳ（Ｌｍ）を用いて、最
適な単語の結合をＤＰ照合により求める。

ここで、連続単語中の各単語を先頭がら１折目、２折目
・・・Ｘ桁目という表現で位置関係を表現することにす
る。

（イ）１折目の設定 １折目は、入力パターンの始端フレームからｍフレーム
の部分区間の距離をＴ　（ｍ、　ｌ）に設定する。

即ち、 Ｔ　（ｍ、１）　　＝　Ｄ　（Ｌｍ） 又、その標準語の始端がどこにあるがを、ＬＴ（ｍ、　
１）に設定する。即ち、 ＬＴ（ｍ、ｌ）　＝１ ここで、部分区間候補が存在しないＤ（Ｌｍ）について
は処理は行わず、Ｎ　Ｔ　（ｍ、　１）に“０”を、Ｔ
　（ｍ、　１）に最大値を設定しておく。

（ロ）Ｘ桁目の設定 Ｘ桁目では、ｌの位置が未定の為、次のＤＰ漸化式で決
定する。即ち、 この場合もＤ（１，ｍ）とｍについて部分区間候補が存
在しない場合は処理しないで、Ｎ　Ｔ　（ｍ　＋　Ｘ）
に“０″を、Ｔ　（ｍ　＋　ｘ　）に最大値を、またＬ
Ｔ（ｍ、ｘ）には（不定値で良いが）“１”を設定して
おく。

（１３−７）認識結果処理部１５２の動作認識結果処理
部１５２は、文しベルＤＰ照合部１５１により送られた
Ｔ（ｍ、ｘ）　　、ＮＴ（ｍ、ｘ）及びＬＴ（ｍ、ｘ）
中のＴ（ｍ、ｘ）から、先ず入力単語の桁数Ｘを、次式
から求める。

Ｘ　＝ａｒｇ　ｍｉｎ　［Ｔ（Ｔ、ｘ）／ｘ　］ここで
、■は入力パターンの終端フレームである。

次に、認識結果処理部１５２は、Ｘ桁の認識結果をＬ　
Ｔ　（ｍ、　ｘ）とＮ　Ｔ　（ｍ、　ｘ）がら次の（伺
及び（ロ）によって求める。ここで、Ｘ桁の認識結果を
Ｎ　Ｒ（Ｘ）とし、又Ｎ　Ｒ（Ｘ）の始端フレームをＬ
　（Ｘｌとする。

（イ）Ｘ桁目の認識結果 ＮＲ（Ｘ）＝ＮＴ（ＬＸ） Ｌ（χ）　＝ＬＴ（Ｉ、Ｘ） （ロ）ｘ−７折目の認識結果 ＮＲ（Ｘ−ｙ）　　　＝ＮＴ　　［Ｌ（Ｘ−ｙ＋１）、
Ｘ−ｙ　　コＬ（Ｘ−１）　　　＝ＬＴ　　［Ｌ（Ｘ−
ｙ＋１）、Ｘ−ｙ　　Ｅ以上の様にして、認識結果Ｎ　
Ｒ（Ｘ）が求められる。

なお、本実施例では順時間方向に連続ＤＰ照合を行う単
語終端レベルＤＰにより終端候補を求めているが、本発
明はこの実施例に限定されるものでなく、逆時間方向に
連続ＤＰ照合を行って始端候補を求め（単語始端レベル
ＤＰ）、単語始終端レベルＤＰで順時間のＤＰにより、
部分区間候補を求める場合も含むものである。

〔発明の効果〕

以上説明した様に、本発明は終端（又は始端）候補の存
在するフレームを大幅に限定する様にしたので、従来の
２段ＤＰ照合法による連続音声認識方式よりはもちろん
のこと、前述の先願発明よりも始終端レベルＤＰ照合を
行う量を大幅に減少して、早いレスポンスタイムをもっ
て極めて効率良く連続音声認識を行うことが出来る。

【図面の簡単な説明】

第１図・・本発明の構成のブロック説明図、第２図・・
連続動的計画法による照合法（連続ＤＰ照合法）の説明
図、 第３図・・逆時間動的計画法による照合法（逆時間ＤＰ
照合法）の説明図、 第４図・・本発明の一実施例の構成の説明図、第５図・
・同実施例の終端候補選択部の動作説明図、 第６図・・先願発明の基本構成のブロック説明図。 第１図及び第４図において、 １１０・・・標準パターン辞書部、１２０・・・連続Ｄ
Ｐ照合部、１３０・・・端部候補限定選択部、１４０・
・・単語始終端レベルＤＰ処理部、１５０・・・文しベ
ルＤＰ処理部。

Claims (1)

1. 【特許請求の範囲】 複数の単語が連続的に発声された音声を音声特徴抽出部
   において入力パターンに変換し、該入力パターンを複数
   の標準パターンと照合して区間別候補を選択し、各区間
   の照合距離が最小となるものを求めて認識を得る連続音
   声認識装置において、（ａ）入力パターンを複数の標準
   パターンについて連続動的計画法による照合を行う連続
   ＤＰ照合部（１２０）と、 （ｂ）連続ＤＰ照合部１２０の照合結果から極小値の存
   在するフレームを選択し、入力パターンのそのフレーム
   毎にそのフレームを終端（又は始端）とする複数個の標
   準パターンを終端（又は始端）候補として選択する端部
   候補限定選択部（１３０）と、 （ｃ）前記選択された候補が位置するフレームから始端
   （又は終端）方向への動的計画法による照合を行って部
   分区間の照合距離を求める単語始終端レベルＤＰ処理部
   （１４０）と、 （ｄ）単語始終端レベルＤＰ処理部１４０より入力され
   た部分区間照合距離に基づいて入力パターンの各桁毎に
   部分区間照合距離の合計が最小となる組合せを動的計画
   法による照合により求め、その結果から入力パターンが
   何桁入力であるかを判別して認識結果を求める文レベル
   ＤＰ処理部（１５０）、 を備えたことを特徴とする連続音声認識装置。