JPS6255700A - 音声母音認識方法 - 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〕 ５つの母音からそれぞれ得られるケプストラム係数を特
徴とする特徴ベクトルの特徴ベクトル空間での相対位置
関係を利用して母音を認識することにより、認識率を向
上させた母音認識方法。

〔産業上の利用分野〕

本発明は、音声認識特に５母音の認識方式の改良に関す
るものである。

音声の個人差は不特定話者音声の＝　識’ｔ　ｑ現する
うえで大きな障害となっている。その問題の難しさは音
声の個人性情報は音韻情報と比べてあいまいで、しかも
音声波のさまざまな性質に分散しているという所にある
。その対策として、スペクトルパターンの修正や周波数
軸の伸縮、ホルマントの修正などの個人差の正規化方法
がある。しかし、個人性の原因は多様なのでそのような
方法は問題の解決にまだ十分対応できないのが現状であ
る。一方、識別関数やマルチテンプレートの作成、また
は適当な尺度で話者金分顛するなどのパターンマツチン
グの手法も試みられた。このような方法は実用の可能性
Ｉ′ｉあるが問題の本質に十分に触れず、話者への適応
能力が限られる。そこで学習を通して認識機械を話者の
個人性に適応させることが、個人差問題全解決する基本
的な方法の一つであると思われるが、この方向への研究
はまだ少ない。本発明ではこの方向を目指すものとして
、教師なし学習を基にした不特定話者音声母音認識の手
法について述べる。

音韻の中でも母音は個人性の重要な要因をなす声道構造
の基本特性を反映しているので、母音における個人差は
もっとも大きいと言える。そこで不特定話者音声中の母
音を高い信頼度で認識し、これを基礎にして単語ないし
連続音声の認識へと展開することが行なわれて来ている
。

〔従来技術〕

従来、母音を認識する方式として、第１７図に示す様に
母音の第一、第二ホルマントを軸とする特徴空間におけ
る、５つの母音（ａ、ｉ、ｕ、ｅ、ｏ）の相対位置関係
を利用することが行なわれている。

つまり、例えば、母音（ｉ）ｋ基準にとると、母音１と
Ｕ間の距離ｄｉｕ　、　ｉと０間の距離ｄｉｏ　、　ｉ
とａの距離ｄｉａ　ｌ　（１）と（ｅ）の距離ｄｉｅの
大小関係を利用して、入力母音の認識を行なう様にして
いる。

このため話者とは無関係の標準パターンにおける上記母
音間の距離を予め求めてメモリに記憶しておく。

そして、入力母音のそれぞれについて、第１゜第２ホル
マントから最初にある母音と仮定する。

ついで、この仮定が正しいか否かを検定するために、仮
定した母音間の距離をそれぞれ求め、これらの大小関係
が標準パターンにおける母音間の距離の大小関係と合致
しているか否かを調べる。

合致しておれば仮定が正しいと判断し、合致していなけ
れば、他の母音に仮定をやシ直して、再び同様のことを
行なう。

以上のことを繰り返し行なって、最終的に入力母音が何
であったかを認識する〇 次に前記の如く、話者への適合性を高めるために、標準
パターンの修正を行なう。

つ１力、上記認識全何回か行ない認識する毎に求めた母
音の絶対値の平均値を標準パターンとし、更にこのパタ
ーンから母音間の距離を求め、次に入力する母音の認識
に利用する。

〔従来技術の問題点〕

以上の様に、従来においては、入力母音の第１゜第２ホ
ルマントを利用しているが、この第１．第２ホルマント
の抽出を正確に行なうことが困難であるので、認識率が
低いと言う問題があった。

〔問題点を解決するための手段〕

本発明においては、このために、低次のケプストラム係
数金利用して認識を行なう様にした。

このケプストラムは、スペクトル包絡を求める方法の一
つである。

ケプストラムは、音声信号全高速フーリエ変換して求め
たパワスペクトルの対数をとったものを、さらに高速フ
ーリエ逆変換処理ヲ施したものとして、定義される。

音声のパワスペクトルはピッチ周波数の影響を受けて、
細かく波打った形状となる。一方、スペクトル包絡は、
この細かく波打ったパワスペクトルの概形を示している
。そこで、この波打ったパワスペクトルをある信号波形
とみなして、高速フーリエ逆変換を行なえば、その低周
波成分としてスペクトルの概形、すなわちスペクトル包
絡の情報が得られる。そして、この低周波成分のみをも
う一度高速フーリエ変換することにより、そのスペクト
ル包絡特性だけが求まることになる。

このように、音声信号のパワスペクトルの対数をとった
ものに、フーリエ逆変換処理を施して得られた波形をケ
プストラムとよんでいる。第１図（ｂ）は、（ａ）に示
す母音６ア”に対するケプストラムを求めたものであシ
、（Ｃ）は（ｂ）に示すケプストラムの低周波成分の１
から１６までの係数を用いて、７−リエ変換して求めた
スペクトル包絡特性の例である。この低周波成分だけを
切り出す関数は、コムリフタ（ｃｏｍｂ　−１ｉｆｔｅ
ｒ　；　１ｉｆｔｅｒはｆｉｌｔｅｒの通読）とよばれ
ている。

また（ｂ）図に示すケプストラムでは、本来パワスペク
トルの周波数関数となっている波形を、時間軸とみなし
てフーリエ逆変換処理を施している。

したがって横軸をｆｒｅｑｕｅｎｃｙ　　の通読をして
、ケフレンシ（ｑｕｅｆｒｅｎｃｙ　）とよんでおり、
このケフレンシの次元は時間となっている。

ケプストラムを求める際にパワスペクトルの対数をとる
のは、次式に示すように、音声Ｓ　（ｚ）が声道の伝達
関数Ｈ（ｚ）と、音源の伝達関数Ｕ　（ｚ）の積、ｌ　
５（ｚ）　ｌ　”　＝＝　ｌ　Ｈ（ｚ）　ｌ″ｌ’［Ｊ
（ｚ）ｌ”となっていて、その対数をとることにより、
次のように和の形に分離することができるためであるＯ
Ｌｏｇ　ｌ　５（ｚ）　ｌ：　１０ｇ　ｌ　Ｈ（ｚ）　
ｌ　＋　ｌｏｇ　ｌ　Ｕ（ｚ）　１また、スペクトルの
小さな変化の部分が対数をとることにより、拡大するた
めにもよる。

ケプストラムの特徴として、第１図（ｂ）に示したよう
に、鋭いピークが存在する場合は、音声のパワスペクト
ルに、ある一定の周期が存在している。

そして、このピークのケフレンシは、そのまま元の波形
の周期となシ、これがピッチ周期となる。

以上の様にして求めたケプストラム係数金用いて前述し
た特徴空間における５母音間の相対位置関係を調査して
みると、話者に依存せず不変と見做し得る関係が存在す
ることが分かった。

従って本発明においては、とのケプストラム係数全用い
て表わされる母音間の相対位置関係全利用して、母音認
識のための標準パターンの修正及びこの修正した標準パ
ターンを用いて母音認識を行なう様にしだ。

以下このことについて詳細に説明する。

一部の話者についての実験結果を第２図に示す。

第２図は、１次から１０次までのケプストラム係数から
なる特徴ベクトル９間を考え、この空間における５母音
の位置の分布を主成分分析の方法で第一２ｗ、二主軸平
面へ写像したものである。第２図の異なる５角形は異な
る話者に対応する。第２図から異なる母音の絶対位ｔ（
５角形の頂点に対応する〕の分布が、話者の間で重なり
合っていることがわかる。この現象は主に声道構造など
の個人差によるものと見られる。また、５母音の絶対位
置を繋ぐ５角形の形状も話者により一様ではない。これ
は声道構造の差のほか調音の仕方などの　。

差もあることを示している。これらのことは、平行移動
、伸縮などの簡単な正規化処理では個人差問題に対応し
にくいことを示している。

一方、同一話者の各母音の相対的な位置関係が話者によ
らずほぼ一定していることが実験結果（例えば後述する
第３図）から分かった０つまシ、ある母音の位ｔを始点
（原点）にとれば、それと他の母音の位置との距離の大
小関係がほぼ不変であるということである。次に、この
ことについてより詳しく説明しよう。

先ず特徴ベクトル空間における二つの母音の特徴ベクト
ルＸｖ　、　Ｘｖ間の距離ａＶＷ金で表す。ここで、ｘ
ｖｊはＸｖの第ｊ成分、Ｍｌ−１ベクトルの次元数で、
ここでは１次から１０次のケプストラム係数を用いるの
でＭ＝１０とする。ある母音の特徴ベクトルＸｖと他の
すべての母音の特徴ベクトル’１ｒＸｚ（ｚ（（ａ、ｉ
、ｕ、ｅ、ｏ））との距離を要素とする集合をＤｖで表
す。

Ｄｖ＝（ｄｙｚｌＺ（（ａ＋ｉ＋ｕ＋ｅ＋ｏｌ）　　　
　（２）ｄｖｚは話者により一般に異なっている。しか
し、同一話者に関するＤｖの各要素間には、第２図の５
角形の特徴からみて、話者によらないで成立すると仮定
し得る一定の大小関係が存在する。例えば母音ｉと０の
距離ｄｉｏとｉとａの距離ｄｉａがｄｔｏ　＜　ｄｉａ
　　　　　　　　　　　　　　（３）となることは、例
外はないとはいえないが、まずどの話者についても成立
するものと考えてよい。

式（３）の大小関係ｋｉｔｏ＋ａに関する３項関係と呼
ぶ。第３図は式（３）が成立することを支持する資料の
１つである。すなわち、第４図に示すｄａｔａ　ｔｙｐ
ｅＩの音声貸料（Ａ組２５人分）を用い、先ずそれぞれ
の話者に対して、すべての結合可能なＣｖ音節の組み合
わせ（ｉ、ｏ、ａｎ各１５個のとき、（１５）”＝　３
３７５通り）についてｄｄｉ　：ｏａ　”　ｄｉａ　　
ｄｉｏの頻度を求め、ついでその頻度全２５人について
平均したものが第３図のヒストグラムｆ　（ｄｄ）であ
る。この資料ではｄｄｉ：。ａ　＞　０　　となってい
るので、式（３）は話者によらず成立すると考えるのが
妥当であることが分かる。一般にすべての話者について
成立するものと見なされるような３項関係：ｄｖｗ＜ｄ
ｖｚ＋１．ｅ−＋ｄｄｙ：ｗｚ＝ｄｖｚ　　ｄｙｙ＞０
　　（４）ｆ：総称して母音間の相対関係と呼ぶことに
する。

但し、Ｖ、Ｗ、Ｚは５母音からなる集合Ｖ＝（ａ、ｅ。

ｉ、ｏ、ｕ）の要素である。本発明において、不変な相
対関係として採用した３項関係を第５図に示す。表のＲ
ｖは相対関係として採用された３項関係の中でｖｆ始点
とする３項関係の集合（Ｒｖの右の欄の大小関係の集ま
り）を表す。第５図の理解を扶けるために、特徴空間に
おける５角形の例を第６図に示す。５母音の相対関係の
全体（ここでは第５図）を関係モデルと呼びＲで表す。

Ｒ＝　Ｒａ　Ｕ　ＲＩ　Ｕ　Ｒｕ　Ｕ　Ｒ（Ｉ　Ｕ　Ｒ
ｏ　　　　　　　（５）関係モデルＲを用いると、同じ
話者の母音の特徴ベクトルを次のように特性化すること
ができる０すなわち、Ｘｉが母音Ｖの特徴ベクトルでお
るためには、Ｒｖに含まれる３項関係をすべて満足する
ことが必要である。つまり、Ｒｖに含まれる３項関係の
１つをｄｙｙ＜ｄｙ□、ＸｊとＸｋはそれぞれ母音Ｗと
ｚの特徴ベクトルであるとするとき、次式で定義される
関数Ｒｖ　：ｔｖｚ　（Ｘｌ　ｒＸｊｌｘｋ）の値が１
となることが必要であり　、Ｒｖの他の３項関係につい
ても同様である。

〔作　用〕

ここで行われる教師なし学習の目的は、話者とは無関係
に予め用意された母音の標準パターンを初期値として、
話者に適応した標準パターンを作ることである。この時
、初期値として用いられる標準パターンのセットをＳｅ
ｘで表し、外部情報源と呼ぶことにする。また、話者の
発話音声から適当な方法で切シ出された母音に該当する
標本（特“徴ベクトルで表す）を学習データセットと呼
び、（ＸＩ−）＝（Ｘｉ、・・、ＸＮ）で表す。（ＸＬ
）のサイズに関する検討は次章で行う。

５母音の場合、不特定話者においてもパターンマツチン
グで未知の入力母音に対する候補を定めると、第三位ま
での候補の中に入力母音に該当するものが存在する確率
はほぼ１００　％に近いと考えられる。そこで、以下に
述べる学習アルゴリズムでは、（ＸＬ）のどの学習デー
タＸｔについてもＳｅｘとのパターンマツチングによっ
て定める候補は第３位までとし、第一候補から順にＣｉ
ｘ　、　Ｃｉｚ　、Ｃ１ｓで表す。Ｘｉに対する候補ｔ
−まとめて、Ｃ１＝（Ｃｔｘ。

Ｃ１３Ｃｉａ）、ｉ＝１　、・・・Ｉ　Ｎ　＋また（Ｘ
Ｘ、）に対する候補リストをＣ＝（ＣＩ、・・・、ＣＭ
）と表し、ＣＬ−１ｉａｔと呼ぶ。

第７図のフローチャートにしたがって学習のアルゴリズ
ムを説明する。

ステップＳ１・・・（ＸＸ、）に対する予備認識を行う
。

予備認識では（Ｘｔ、）の各データＸと外部標準パター
ンＳａｘとの間でマツチング（マハラノビス距離を用い
る）を行りて、三位までの候補を決め、ＣＬ−１１ｓｔ
ｔ−作る（第８図（ａ）参照）０ステツプＳｌ’・・・
丁ぺての学習データｘｉ、Ｘｊ（（Ｘｔ、ｌについて式
（１）によシ、ｄ　ｉ　ｊ　＝　ｄ　（ＸＩ　＃　Ｘｊ
滓計算し、これをｉ行、ｊ列の要素とする行列（ｄｉｊ
）（関係行列と呼ぶ）′５ｒ、作成する。

ステップＳ３・・・関係モデルＲを評価基準として、Ｃ
Ｌ　−１ｉｓｔ　　の各候補の正当性をチェックする。

まず学習データＸ１の第一候補Ｃ１ｔ＝ｖが正しいと仮
定し、他のすべての学習データの中で第一候補がＷであ
るものｋＸｊ、第一候補が２であるものｆ揄とおく。こ
のとき、すべてのＸｊとＸｋについて得られる学習デー
タの組＜　Ｘｌ、Ｘｊ　、Ｘｋ　＞のそれぞれについて
、第５図のＲｖに含まれる相対関係 Ｒｖ　：　ｗｚ　（Ｘｉ　＋Ｘｊ　＋Ｘｋ　）　＝　１
　ｒつｔ　’）　ｄｉｊ　＜　ｄｉｋを満たすか否かを
調べる（式（６）参照）。もし上の３項関係を満足すれ
ば、その都度Ｃｈの得点Ｓｉｔに１ポイントヲ加え、そ
うでない時は０を加える。

但し、Ｓｉｌの初期値は０とする。Ｒｖに含まれる、他
のすべての３項関係Ｒｖ　：　ｗ’ｚ’　、　Ｒｖ　：
　ｗ”ｚ”　、−についても同様にＳｉｌに加点する方
法で評価し、その結果を得点Ｓｉｌで代表する。

次にＸｉの第二候補Ｃ１ｚ＝ｖ’、第三候補Ｃ１５＝ｖ
“についても他のＸｊ　、Ｘｋの第一候補を用いて、Ｃ
１ｌのときと全く同じ方法で、それぞれ、Ｒｖ′及びＲ
ｖ″を用いて評価し、それらの結果をそれぞれ得点Ｓｉ
２及びＳｉ３で表す。

すべてのＸｉ　（（ＸＬ　）に対して以上の評価を行う
。

ステップＳ４・＝Ｎｅｗ−ＣＬ−１ｉａｔｌ、２．３−
ｆ作成する。すなわち、三つの候補の得点Ｓｂ、Ｓｉ２
゜Ｓ＋ｓｆ評価回数で平均（評価回数で割った）した後
比較し、得点の高い順に新しい候補リストＮｅｗ−ＣＬ
　−１ｉｓｔ　　に登録し、その得点を改めてＳｉｘ　
＋３ｉｚ、Ｓｉｓ　　とおく０もし、（ｌ　Ｓｂ　−Ｓ
ｉｚ　ｌ　／　（Ｓｉ１＋５ｉｚ））＜Ｔならば、Ｘｉ
に対応する母音は未定とする。Ｔは適当に定めたしきい
値である。

ステップＳ５・・・対応する母音が未定となる学習デー
タがある場合、或いは学習する前後でｃＬ−１１ｓｔに
変化がある場合にはステップＳ３に戻り、同じ手順でＮ
ｅｗ　−Ｃｂ　−１ｉｓｔの各候補の正当性を評価する
。未定の学習データがなくなるか、或いは学習によって
Ｎｅｗ−Ｃ−Ｌ−１ｓｔに変化がなくなるか、または適
当に定めた繰り返し数になるまで学習した場合には、学
習を終了し、Ｘｉにラベル（母音名）　Ｌｉ　＝Ｃ１ｔ
　（＝ｖ　）　、　１≦ｉ≦Ｎ、？つける。

ステップＳ６・・学習の結果に基づいて話者に適合した
標準パターンＳＬ　＝（ＳＬａ　ｒ　ＳＬｅ　＋　ＳＬ
　ｌ　＋　ＳＬＯｒＳＬｕ　）が作られる。但し、母音
Ｖの標準パターンＳＬｖはラベルＬｉがＶであるすべて
の学習データＸ１（Ｑはその数とする）の平均ベクトル
とする。

つまり、 以上の様にして、話者に応じた母音の標準パターンを生
成し、次に入力してくる母音の認識に用いる。

〔実施例〕

第９図によシ、本発明の詳細な説明する。

図中１は信号抽出部、２は高速７一リエ変換部、３は対
数部、４は高速７一リエ逆変換部、５は低ケフレンシ抽
出部、６は予備認識部、７は関係行列生成部、８は検定
部、９は標準パターン生成部である。

信号抽出部１には母音信号が入力するが、時間窓を設け
、一定時間だけ母音信号を抽出し高速７一リエ変換部２
へ入力する。高速フーリエ変換部では、入力信号のフー
リエ変換を行なって、パワースペクトラムを抽出し、対
数部３へ入力する０対数部３では、パワースペクトラム
の対数ヲ求めて、高速フーリエ逆変換器４へ入力し、逆
変換を行なう。

これによって得られたケブヌトラムの内１〜１０次まで
の低ケフレンシ（特徴ベクトル）を低ケフレンシ抽出部
５において抽出し、予備認識部６へ入力する。予備認識
部６は抽出した１〜１０次の特徴ベクトルと、外部標準
パターンの特徴ベクトルの間でマハラノビス距離を用い
てマツチングを行ない各入力母音毎に第３位までの候補
を決める０次に、関係行列生成部７において、各母音の
候補毎に式（１）に従ってｄｉｊｔ−求め、これによ９
１行。

ｊ列の関係行列（ｄｉｊ）ｔ：求める。

次に検定部８においては、前述の如く、関係行列から得
られる（５）式の関係モデルＲを評価基準として各候補
の正当性をチェックでる。

この様に、Ｘｉの各候補全評価する時、ほかのすべての
データＸｊの第一候補Ｃｈが正しいと仮定して評価に臨
む。Ｃｊｌの中に真でないものがある場合には、当然学
習に悪い影！＃を与える。したがって、第一候補が正し
い割合が高ければ高いほどこのような影響が少なくなる
。学習の効果としては第８図の如（Ｎｅｗ−ＣＬ　−１
ｉｓｔを生成する度に第一候補の正しい割合が高くなる
。この例には、−回ずつの学習後のＣｔ、　−１ｉｓｔ
　ｉたＩｄ　Ｎｅｗ　−ＣＬ−１ｉｓｔの各要素の変化
を示す。母音の記号に下線がついた候補は真であること
を示し、１！”は未定を示す。この例では話者の母音の
特性と外部Ｍ［パターンＳｅｘの特性との差が大きいの
で、Ｃ１，−１ｉｓｔの第一候補の正答率は６０％しか
ないが、３回繰り返し学習をした後、第一候補の正答率
は１００％になる。一般的に言えは繰シ返し学習によっ
て学習結果の信頼性が高くなってくる。

〔不特定話者音声母音の学習と認識実験〕ここで、多数
話者の音声を対象として、教師なし学習のシミュレーシ
ョンを行い、関係モデルＲと学習アルゴリズムの有効性
を評価する。また、（Ｘｌ、）のサイズの影響、外部情
報源の影響などについて検討する。更に学習結果に基づ
いて母音認識を行い、不特定話者音声認識への適用効果
の実験結果を示す。

■　音声資料の構成と分析条件 実験に用いる音声データベースと分析条件を第４図に示
す。本発明では主に個人差問題に注目しているため調音
結合の影響を強く受けていない単音節母音（ｔｙｐｅ　
！音声資料）を基本音声資料として用いる０またこの方
法に及ぼす調音結合の影響を検討するため３連鎖母音を
含む文節データ（ｔｙｐｅ■音声資料）についても実験
全行う。

ｔｙｐｅ　Ｉ音声資料の６６人の話者金２５人（Ａ組〕
。

４１人（Ｂ組）の２グループに分ける。ｔｙｐｅ■音声
資料の２３人の話者（Ｂ組の話者に含まれる）を０組と
する。Ａ組の話者（全部成るいは一部）のデータから外
部標準パターンＳｅｘを作成する。

次の認識実験はすべてＢ組、０組のデータに対して行う
。つまり異なる話者によるオープン実験である。

■　認識実験方法 ■−１学習データセッＮＸＬｌの生成方法学習データセ
フ）（ＸＬ）は認識されるデータの一部としてダイナミ
ックに取ｐ出されることが望せしい。−人あたりの認識
データセット（Ｘ）のサイズが大きくない場合（第４図
のＢ組では７５個／人）のシミュレーションとして、ラ
ンダムに（Ｘ）から学習データを取シ出す方法で（ＸＬ
）を生成する。以下の実験報告では（Ｘｔ、）はすべて
この方式で生成する。

■−２認識方法 認識の基本的方法は、先ず話者ごとにその認識の対象と
なるデータセフ）　（ｘｌから学習データセット（ＸＬ
）ｋ生成し、（ＸＬ）と外部標準パターンＳｅｘとのマ
ツチングによすＣＬ　−１ｉａｔ　　を作成する。

次に関係モデルＲｔ−評価基準とする教師なし学習を行
い、各候補の正当性の評価に基づいてその話者に適応し
た標準パターンのセットＳｅｘが得られる０認識は発声
データＸとＳとのマツチングにおける距離に基づいて行
われる。以下、この認識方法をＲＵＬ　（Ｒｅｃｏｇｎ
ｉｔｉｏｎ　ｂａｓｅｄ　ｏｎ　Ｕｎｓｕｐｅｒｖｉａ
ｅｄ　Ｌｅａｒ　−ｎｉｎｇ　）法と呼ぶ。

また従来の方法（Ｘと外部標準パターンＳｅｘとのマツ
チングによる方法）ｔＭ法と呼び、ＲＵＬとＭ法の比較
実験を行う。

■　実験結果と検討 次の３項目に重点おいて実験を行う０１）教師なし学習
の効果。２〕　本認識方式に対する外部情報源の影響。

３）不特定話者の影響。

■−１学習の効果とその検討 ■−１に述べたランダム方式で（Ｘｔ、）を生成して教
師なし学習のシミュレーションを行う。第１０図にＳｅ
ｘの作成に用いた人数と（ＸＬ）の要素数（以下、それ
ぞれＳ　−５ｉｚｅ　、　Ｌ　−５ｉｚｅ　　と呼ぶこ
とがある）をパラメータとする学習結果の正答率（ラベ
ルセラ）（Ｌｌｌの正答率ンをＢ組について示す。学習
結果は第１０図に示すように、いづれの場合もほぼ９９
％以上である。また、学習の正答率はほとんどＳｅｘの
構成人数と（ＸＬＩのサイズに影！＃キれないことが分
かる。即ち高い正答率が維持されるのは、主に学習デー
タが互いに提供し合う相対関係だ関する情報によるもの
であり、ＲＵＬ法の原点もここにある。

ＣＬ　−１ｉｓｔ　　の第一列（すべての第一候補）が
真である割合Ｐｉは話者によりかなシ違う。学習に及ぼ
すこの影響音調べるために、Ｃｒ、　　１ｉｓｔの第一
候補を第２、第３候補とランダムに入れ替えて、Ｐ＋ｆ
ｆｉ変化させ、学習を行なった。第１１図にＢ組につい
てこのようなシミュレーションの結果を示す。Ｐｌは６
０チ以上であれば、満足できる正答率が得られることが
表から分かる。またこの結果は相対関係モデルＲの妥当
性も裏付けている。

■−２認識笑験に関する検討 ■−２に述べた方法で母音認識実験を行い、ＳｅＸの作
成に用いた人数をパラメータとし、ＲＵＬ法とＭ法のそ
れぞれに対する実験結果（Ｂ組）全第１２図に示す。Ｓ
　−５ｉｚｅ　の減少とともにＭ法の認識率が顕著に低
下する。これはオーブン実験によく見られる傾向である
。しかしＲＵＬ法の認識率はわずかに下がるだけである
。ＲＵＬ法の認識は学習結果に基づいて行われるが、学
習の結果はＳｅｘにほとんど影響されないので（第１０
図）安定な認識が期待できる。

Ｂｍデータについて、認識結果に対すル（ＸＬ）のサイ
ズの影響を第１３図に示す。この表から分かるように（
ＸＬ）のサイズがｌＯ個程度以上であれば認識率はすべ
て９８チ以上である。（ＸＬＩのサイズがあまり少ない
と学習の結果が正しくてもそこから生成される標準パタ
ーンの信頼性が低くなり、認識率が落ちる。しかし、第
１３図に示すように（ｘＬ）のサイズがある程度以上で
あれば安定した高い認識率が得られる。

Ｂ組について理想的な認識条件、つまり完全なりローズ
実験（話者ごとに自分自身の標準パターンとのマツチン
グにより認識を行う場合）の認識率は９９２％であるが
、ＲＵＬ法は９９チに近い認に率が得られ、学習による
認識の限界に近づいているように見える。

■−３不特定話者の影響 不特定話者母音認識のシミュレーションとして、話者の
数を次第に増やして認識実験全行い、認識率の変化から
話者の数の影響を検討する。第１４図にＲＵＬ法とＭ法
についての実験結果を示す。

ここでは、ＳｅＸば１５人のデータから生成される。

横軸の最初の１０人はＳｅｘの生成に用いた１０人であ
る。この図に示すように話者数が増えてもＲＵＬ法の認
識率はほとんど変わらない、これはＭ法の認識率の低下
と対照的である。両方法の認識率の差はＳｅｘとの個人
差が大きい一部の話者について特に明らかである。第１
５図にこのような孟者について話者ごとの認識率全示す
。ＲＵＬ法による話者別の最低の認識率は９６％に対し
てＭ法によるのは７０．７係である。

以上の植種の実論結果から、ＲＵＬ法は不特定話者の環
境のもとて個人差を吸収して安定かつ高い認識率を得る
ための有効な方法であると思われる。同時にＲＵＬ法の
基礎となる関係モデルＲの妥当性、そして教師なし学習
アルゴリズムの有効性も明らかにされた。

■−４３連鎖母音を含む文節データに関する実験 以上の実験は個人差の問題に焦点を絞ったので、調音結
合の影響が相対的に少ないＢ組のデータを対象にしたも
のである。ここでは、６組の文節データ中の３連鎖母音
についての学習と認識結果全示す。第１６図より、学習
結果も認識結果も外部情報源にあまり依存しない傾向は
Ｂ組の結果と同様である。このように認識率が安定して
いることは不特定話者音声認識の場合に特に重要な意味
があると思われる。またＲＵＬ法とＭ法における認識率
の差はＲＵＬ法による話者適応の結果とみられる。しか
し、６組についての認識率はＢ組についての認識率より
低い。この原因は第４図に示された文節中の３連鎖母音
は強い調音結合を受け、パターンがかなり変形されるた
めと思われる。このような場合は本手法を適用する前に
パターンの修正など調音結合の特性を考慮した対策を取
ることが望ましい。

〔効果〕

以上の如く、本発明においては、低次のケブヌトラム係
数を特徴とする特徴ベクトルの相対位置関係を用いて母
音の認識を行なっているので認識率を向上させることが
可能となる。

【図面の簡単な説明】

第１図はケプストラム全説明する図、第２図は主軸平面
における話者ごとの５母音の位ｔ’を示す図、第３図は
三項関係の不変性金側を示した図、第４図は音声資料全
説明する因、第５図は母音間の不変な相対関係をまとめ
た図、第６因は特徴空間における母音間の相対関係を示
す模式図、第７図は教師なし学習アルゴリズムを示す図
、第８図は学習の例を示す図、Ｗ、９図は実施例を示す
図、第１０図は学習の正答率を示す図、第１１図は第１
候補の正答峯Ｐ＋に変えたときの学習シミュレ−ジョン
の結果を示す図、第１２図は認識率とＳ−５ｉｚｅ及び
Ｌ−ｓｉｚｅ　　との関係を示す図、第１３図は学習デ
ータサイズと母音認識率（チ）の関係を示す図、第１４
図は話者人数と認識率の関係を示す図、第１５図はＲＵ
Ｌ法とＭ法の話者ごとの認識率の比較結果を示す図、第
１６図は文節中の３連鎖母音の学習と認識結果金示す図
、第１７図は従来の認識方法を示す図である。 図中２は高速フーリエ変換部、３は対数部、４は高速フ
ーリエ逆変換部、５は低ケフレンシ抽出部、６は予備認
識部、７は関係行列生ｆｙ、部、８は検定部、９は標準
パターン生成部である。 ゲブ各トラ、６１の３愛日月πう 情５　１　　目 ゼ中山平面１″−みける銘肴ごとの５母音の４並量第　
２　侶 三工内聞Ａ系のイｌり 第　３　図 音戸側科 愼　４　図 ｅ＠ルｎの不堪シ塚昶Ｉ升實ト訃とＬＺボ昶川用な３瀉
陶蘭Ｙ斤、第　５　肥 躬賛政隻間にふ、けクチ音間の１１１間４先の一イ列を
毘丁配檗　６　刀 第７　口 （ａノ　　　　　　　　　　　　　（か　　　　　　　
　　　　　　　（Ｃ）　　　　　　　　　　　　　　（
ｄ）τ羽のイ列 第６　図 りｒ　１３　っ　正答室ピ　（＝／＝）第１Ｏ５ 寥１イ１戻誦’／）ＩＥ濱聾診β乞夷ししたときの？習
シミコし一シタン句占ＪＫ寥！１　記 立５識孝くヒ５−ｓｔＺｅとの開孫 第　グ２　凹 ライ・習テ゛−タサ４ス゛と母＠粉３名１Ｎ、」督串ノ
’）関イ拓宴１３児 菖占看人劣丈と認、宮酢、哨＜ｆ）６１かＲ惚　ｆ４　
侶 ＲＵＬ法とＭ法の８占看ごとの認、がへやつに嘩叉Ｚ　
　ｔｓ　　図 文節中の３街貢母吉クダ雪と認梼に鮎Ｘ嘉１６　　目 寥２ホルマ；）　（ｆ２） 擬木の↓芯割収゛方法を斤、す図 嘉１７図

Claims (1)

【特許請求の範囲】
1. ５つの音声母音からそれぞれ得られる１次からｎ次まで
   のケプストラム係数を要素とする特徴ベクトルの特徴ベ
   クトル空間（１次からｎ次までのケプストラム係数から
   構成される空間）での相対位置関係を予め求めておき、
   入力音声母音を上記相対位置関係を用いて認識すること
   を特徴とする母音認識方法。