JPS6270898A

JPS6270898A - 音声認識装置

Info

Publication number: JPS6270898A
Application number: JP60210629A
Authority: JP
Inventors: 沢井　秀文
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1985-09-24
Filing date: 1985-09-24
Publication date: 1987-04-01

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】肢五分１本発明は、音声認識装置、より詳細には、音声認識装置
における音声パターン中の音韻認識に関する。

従来肢玉従来、音節、単語９文節や連続音声中の音韻認識を正確
で且つ高速に行うことは困難であるとされており、連続
音声中の母音で８０〜９０％、子音で６０〜８０％程度
の認識率に留まっている。

これは、前後の音韻による調音結合により同じ音韻でも
パターンが変形し、音韻標準パターンとの差異が大きく
なって誤認識が起こることが主な理由である。その他、
発声スピードに依る音韻パターンの変形、不特定話者用
音韻認識では、話者毎のパターンの違いによる誤認識が
考えられる。

胚本発明は、上述のごとき実情に鑑みてなされたもので、
特に、音節、単語文節や連続音声中の音韻認識を高速に
行うことを目的としてなされたものである。

１成本発明は、上記目的を達成するため、音節、単語９文節
や連続音声中の音韻を認識する認識装置に於いて、音声
信号を分析して特徴パラメータに変換する特微分析部と
、特徴パラメータをベクトル量子化してコード番号に変
換するベクトル量子化部と、ベクトル量子化する際に必
要な代表的なコードベクトルを格納しておくコードブッ
ク格納部と、各コードが音韻に対応する確率を格納して
おく音韻コードテーブル格納部と、コードテーブルを引
用して音韻を決定する認識処理部と、認識結果を出力す
る認識結果出力端子とから成り、入力された未知音声を
ベクトル量子化して得られるコード番号から前記音韻コ
ードテーブルを引用することにより、音声中の音韻を決
定して未知入力音声を認識することを特徴としたもので
ある。以下、本発明の実施例に基づいて説明する。

第１図は、本発明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は信号入力端子。

２は特微分析部、３はコードブック（コードベクトルの
集合）格納部、４はベクトル量子化部、５は音韻コード
テーブル格納部、６は認識処理部。

７は認識結果出力部である。

入力端子１で入力された信号は、特微分析部２でバンド
パスフィルタ一群や、ＬＰＧ分析等の分析処理が行われ
、パワースペクトラムやＬＰＧパラメータなどの特徴パ
ラメータに変換される。これらの特徴パラメータの集合
を学習サンプルとして、後述するクラスタリングの手法
（ベクトル量子化法）によって、代表的なベクトル（コ
ードベクトルと呼ぶ）を予め作成しておき、コードブッ
ク３に格納しておく。これらコードベクトルの集合をコ
ードブックと呼ぶ。

ある信号入力は、コードブック３のコードベクトルのい
ずれかにベクトル量子化部４でベクトル量子化され、各
フレームごとにコード（コードベクトルの番号）が登録
される。このコードから音韻コードテーブル５を引用し
て対応する音韻名を認識処理部６にて決定し、これを出
力端子７にて出力する。

第２図は、代表的なベクトル量子化法のアルゴリズムに
基づくフローチャートを示したものである。このアルゴ
リズムは量子化の際に生じる平均歪みを最小化するもの
で、強力なアルゴリズムの一つである。図中、８はアル
ゴリズム開始端子。

９は初期化部、１０は学習サンプルの読み込み部。

１１はクラスタリング部、１２は平均歪み計算部。

１３は収束判定部、１４は平均歪みの入れ替え部。

１５はコードブック決定部、１６はコードブック格納部
、１７はアルゴリズム終了端子である。

まず、初期化部９で収束の判定のための平均歪みＤ−＋
の設定（Ｄ−＋＝”とする）、量子化レベルＮの設定、
初期ベクトル’１１＋＊２＋　・・・、９Ｎの設定、収
束判定閾値εの設定を行う。量子化レベルＮとしては、
通常、特定話者向き音声認識装置では１２８，２５６等
のレベルを、不特定話者向きには２５６，５１２等のレ
ベルを採るのが良いとされている。初期ベクトル（ｙ＋
）、　　（１＝１゜２、・・・Ｎ）の選択法としては、
学習サンプルＸＩ。

士２．・・・、ｋｎの中から、出来る限り互いに異なる
ベクトルＮ個をとるのが普通である。さもないと、クラ
スタリングが正常に行われず、局所的に収束する危険が
ある。また、学習サンプル数ｎについては、通常、量子
化レベルＮの１０倍以上とするのがよい。収束判定闇値
としては、例えばε＝　０．００１を選ぶ。読み込み部
１０で学習サンプル；Ｃ１，Ｍ２．・・・２ｋｎをバッ
ファメモリに読み込み、各サンプルｋｊについて、初期
的なコードベクトル夛１．）’２．・・・、ＶＮとの距
離ｕ兎、−ｉ、ｌを計算する。このとき、最も距離が小
さいシ１を選び、ｋ、はシ１に属すると考える。このよ
うにして、全ての学習サンプルＸ１．Ｘ２．・・・。

ｉｎについてのクラスタリングが終了する。各ｙ１（ｉ
＝１．２．　　・・・、Ｎ＞をコードベクトルとするク
ラスタをＣｉと呼ぶと、各Ｃｉに属する全ての学習サン
プルｋｊと９１との距離（量子化歪という）を計算して
、全クラスタＣｉ　　（ｉ＝１．２゜・・・、Ｎ）で平
均化したものを平均歪ＤＯとして、平均歪計算部１２で
計算する。次に、前記（初期的な）歪み値Ｄ−＋とＤＯ
との相対的な変化分（Ｄ−“−Ｄｏ）／Ｄｏを計算し、
予め初期化部９で定めた閾値ξより小さければ、この時
の（；＋）。

（ｉ＝１．２．・・・、Ｎ）を最終的なコードブックと
してコードブック決定部１５で決定し、各クラスタＣｉ
に属するサンプル数Ｓｉとともにメモリ部１６に登録後
、終了する。しかし、以上クラスタリング部１１から収
束判定部１３の計算過程は初期化部９の初期ベクトル（
辷）を適切に選択しても収束するまでに数回以上の繰り
返しを必要とする。そのため、入れ替え部１４でＤｏを
Ｄ−１に値を入れ替えて再びクラスタリング部１１に戻
って収束判定部１３の条件を満たすまでクラスタリング
とＤＯの計算を繰り返す。

第３図は、コードブックが作成できた時点での学習サン
プル（ＸＪ　）、　　（ｊ＝１．２．・・・、ｎ）各ク
ラスタＣｉ等を表わす図であり、各ベクトルは一般にＰ
　（Ｐ≧２）次元であるが、図ではＰ＝＝２の場合を表
わしている。同図から明らかなように、学習サンプルの
集合（ｉｊ）は各音韻に対応するフレームの集合体であ
るから、各コードベクトル（ｙ＋）　　（ｉ＝１．　２
．・・・、Ｎ）は各音韻を代表するフレームの集合体で
あることになる。

いま、仮に量子化レベルＮを２５６とすると、第４図に
示すように、多くの学習サンプルを統計的に処理するこ
とによって、各コード番号（１〜２５６）が各音韻に対
応する確率が求められ、音韻コード（確率）テーブルと
いうべきものが作成できる。このテーブルの作成法とし
ては、音韻名が既知のフレームをベクトル量子化したと
きのコード番号を調べ、各コード番号が各音韻に対応す
る頻度から確率を計算すればよい。

第５図は、未知入力音声が入力されたときに各フレーム
をベクトル量子化してコード番号を検出し、第４図の音
韻コード確率テーブルを引用して、音韻名を決定したと
きの例を示したものであり、ｒＯＮｓＥＩ　Ｊなる認識
結果を得ている。

尚、未知入力音声のベクトル量子化の際には、第２図で
述べた既に作成済みのコードブック内の各コードベクト
ルとの距離を計算し、最も距離の近いコードベクトル番
号を付すだけでよいので特別な音韻のセグメンテーショ
ンを必要とせず、高速な認識処理が可能となる。

前述の音韻コードテーブルは特定話者の場合には１名の
話者の音韻データを基に作成するが、不特定話者の場合
には多数の話者の音韻データから作成することは勿論で
ある。

未知入力音声をベクトル量子化してコード番号を付与す
る際に、最も近いコードベクトルの番号を選択する他に
、第２候補や、第３候補までも考慮したコード番号を付
加することによって、音韻ラベルを決定する際の信頼度
を向上させることも可能である。また、各フレームとコ
ードベクトルとの距離の計算を、ベイズ判定則や、マハ
ラノビスの距離等の統計的な距離尺度を用いて行っても
よ（、これは特に不特定話者の音声を認識する際に有効
である。

重来以上の説明から明らかなように、本発明によると、未知
入力音声のＬＷ　＆ｆｉを各フレームのベクトル量子化
をした際のコード番号に基づいて行うので、高速な認識
処理が可能となると共に、音節、単語。

文節、単位入力の音声のみならず、連続音声に対しても
特別な音韻のセグメンテーション処理を施すことな（音
韻の認識を行うことができる。

【図面の簡単な説明】

第１図は、本発明の一実施例を説明するための電気的ブ
ロック線図、第２図は、ベクトル量子化法のアルゴリズ
ムに基づくフローチャート、第３図は、学習サンプル及
び各クラスタを表わす図、第４図は、音韻コード確率テ
ーブルの一例を示す図、第５図は、音韻名を決定した時
の例を示す図である。 ■・・・信号入力端子、２・・・特徴分析部、３・・・
コードブック（コードブクトルの集合）格納部、４・・
・ベクトル量子化部、５・・・音韻コードテーブル格納
部。６・・・認識処理部、７・・・認識結果出力部、８・・
・アルゴリズム終了端子、９・・・初期化部、１０・・
・学習サンプルの読み込み部、１１・・・クラスタリン
グ部。１２・・・平均歪み計算部、１３・・・収束判定部、１
４・・・平均歪みの入れ替え部、１５・・・コードブッ
ク決定部、１６・・・コードブック格納部、１７・・・
アルゴリズム終了端子。

Claims

【特許請求の範囲】

（１）、音節、単語、文節や連続音声中の音韻を認識す
る認識装置に於いて、音声信号を分析して特徴パラメー
タに変換する特徴分析部と、特徴パラメータをベクトル
量子化してコード番号に変換するベクトル量子化部と、
ベクトル量子化する際に必要な代表的なコードベクトル
を格納しておくコードブック格納部と、各コードが音韻
に対応する確率を格納しておく音韻コードテーブル格納
部と、コードテーブルを引用して音韻を決定する認識処
理部と、認識結果を出力する認識結果出力端子とから成
り、入力された未知音声をベクトル量子化して得られる
コード番号から前記音韻コードテーブルを引用すること
により、音声中の音韻を決定して未知入力音声を認識す
ることを特徴とする音声認識装置。
（２）、音韻コードテーブルを多数の話者の音韻データ
から作成することを特徴とする特許請求の範囲第（１）
項に記載の音声認識装置。
（３）未知入力音声をベクトル量子化してコード番号を
付与する際に、第２候補や第３候補等の複数候補のコー
ド番号をも付加することにより音韻名を決定することを
特徴とする特許請求の範囲第（１）項に記載の音声認識
装置。
（４）未知入力音声のコード番号を付与する際の各コー
ドベクトルとの距離計算を統計的な距離尺度に基づいて
行うことを特徴とする特許請求の範囲第（１）項に記載
の音声認識装置。