JPS6350899A - 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） この発明は音声認識装置、特にマツチング技術を用いた
音声認識装置に関するものである。

（従来の技術） 音声認識を行う一般的な技術として以下に述べるスペク
トルマツチング技術がある。先ず、この発明の説明に先
立ち、第５図及び第６図を用いて従来提案されているス
ペクトルマツチング技術を用いた音声認識装置につき簡
単な説明を行う。

Ａ／Ｄ変換された入力音声信号ＤＩは周波数分析部１０
へ入力される０周波数分析部１０はこの入力信号Ｄ１に
対し入力中心周波数の異なる（中心周波数の番号付けを
以後チャネルと称す）バンドパスフィルタによる周波数
分析及び対数変換を行った周波数スペクトルＤ２を所定
の時間間隔（以後フレームと称する。）毎に算出しく第
６図（Ａ）　）　。

スペクトル正規化部１１及び音声区間検出部１２へ出力
する。

音声区間検出部１２は周波数スペクトルＤ２の値の大き
さなどから始端時刻と終端時刻とを決定し始端時刻信号
Ｄ３及び終端時刻信号Ｄ４をスペクトル正規化部１１へ
出力する。

スペクトル正規化部１１は周波数スペクトルＤ２からス
ペクトルの最小自乗直線を減じ正規化スペクトル（第６
図（Ａ）及び（Ｂ））とする処理を始端時刻から終端時
刻まで行い正規化スペクトルパタンＤ５としてスペクト
ル類似度計算部１３へ出力する。

北記処理を所定の時間間隔（フレーム）毎に音声始端時
刻から音声終端時刻まで繰り返し行う。

次にスペクトル類似度計算部１３は正規化スペクトルパ
タンＤ５と、予めスペクトル標準パタン記憶部１４に格
納して用意されている全ての標準パタンとの類似度を算
出し、各認識対象カテゴリに対するスペクトル類似度Ｄ
６を判定部１５へ出力する。

判定部１５は全ての標準パタンの中で最大の類似度を与
える標準パタンか属するカテゴリ名を認識結果として出
力する。

以上述べた音声認識装置におけるスペクトルマツチング
技術によれば、スペクトル正規化を行うことにより話者
の相違により発生する声帯音源特性の相違を吸収するこ
とが出来、不特定話者が発声する音声の認識に対して有
効である。

（発明が解決しようとする問題点） このスペクトルマツチング技術は入力音声パタン全体の
スペクトル形状を抽出し、スペクトル標準パタンとの類
似度計算を行うものである。

従ってパタン全体のスペクトル形状が類似したカテゴリ
、例えば「イイエ」と「レイ」を考えると、母音「イ」
と母音「工」のホルマント周波数の出現位置は同一音声
内においては明らかな相違があるが、発声時刻及び発声
話者が変動する場合を考えると両母音のホルマント周波
数の出現位置の分布はオーバーラツプする部分があるた
め、正規化スペクトル情報（例えばホルマント周波数）
が出現するチャネル上の絶対位置の標準的な値であると
ころのスペクトル標準パタンと類似度計算を行った場合
に両者を正確に識別判定することが困難となる場合があ
る。即ち、同−音声内におけるスペクトルの変化量（相
対的な性質を有し、例えば「イ」から「工」への遷移部
、「工」から「イ」への遷移部の情報）を表わす特微量
が欠落していることにより認識性詣の低下を招くという
問題点があった。

この発明は上述した問題点を除去するために成されたも
のであり、従ってこの発明の目的は入力音声の正規化ス
ペクトルの変化方向を定量化した特徴を追加し、この特
徴を標準パタンとの類似度演算に使用する構成とするこ
左により、認識性能の優れた音声認識装置を提供するこ
とにある。

（問題点を解決するための手段） この目的の達成を図るため、この発明による音声認識装
置によれば、 ａ）音声区間内の各フレーム毎に該フレームの周辺にお
ける時間の進行に従った正規化スペクトルのチャネル方
向に対する遷移方向を定量化した値をスペクトル変化量
パタンとして各チャネル毎に算出するスペクトル変化量
パタン計算部と、ｂ）スペクトル変化量標準パタンを予
め格納したスペクトル変化量標準パタン記憶部と、 Ｃ）このスペクトル変化量パタンと、スペクトル変化量
標準パタンとの類似度計算を行い各認識対象カテゴリに
対するスペクトル変化量類似度を算出するスペクトル変
化量類似度計算部とを設ける。

ｄ）そして、さらに、このスペクトル類似度とスペクト
ル変化量類似度の両者を参照することにより各認識対象
カテゴリ毎に総合類似度を計算し、この総合類似度が全
ての認識対象カテゴリの中で最大となるカテゴリ名を認
識結果として出力するように構成した判定部を具えてい
る。

この発明の実施に当っては、好ましくはこのスペクトル
変化量パタン抽出部にはフレーム間距離算出手段と、極
大フレーム判定手段と、スペクトル変化量パタン抽出手
段とを設けるのが良い。

このフレーム間距＃算出手段は、音声区間内の音声始端
フレームから音声終端フレームまでの各フレーム毎に、
該フレームと該フレームの直前フレームとのフレーム間
距離を算出する機使を有するのが好適である。

さらに極大フレーム判定手段は、算出した音声区間内の
各フレームにおけるフレーム間距離が極大となるフレー
ムを変化量極大フレームと判定する機能を有するのが好
適である。

さらに、スペクトル変化量パタン抽出手段は、変化量極
大フレームについて該フレームにおける各チャネルに対
して、 ■該フレームよりフレーム番号負方向かつ該チャネルよ
りチャネル番号負方向である領域■該フレームよりフレ
ーム番号正方向かつ該チャネルよりチャネル番号正方向
である領域■該フレームよりフレーム番号負方向かつ該
チャネルよりチャネル番号正方向である領域■該フレー
ムよりフレーム番号正方向かつ該チャネルよりチャネル
番号負方向である領域の４領域の正規化スペクトルに着
目し、■及び■項で説明された領域における正規化スペ
クトル値と、［３］及び［４］項で説明された領域にお
ける正規化スペクトル値の相対関係を表わす値、例えば
両正規化スペクトル値の差値、を該フレーム及び該チャ
ネルにおけるスペクトル変化量とする処理を施し、この
処理を音声区間内における全ての変化量極大フレームに
ついて行いスペクトル変化量パタンを作成する機能を有
するのが好適である６（作用） このように、この発明の音声認識装置によれば、従来の
識別判定に用いられているスペクトル類似度の他に、同
一音声区間内におけるスペクトルの変化量を表わす特微
量であって、しかも、スペクトルの遷移方向を考慮した
スペクトル変化量類似度を加えた総合類似度で識別判定
を行うので、正確かつ安定な認識が可染となる。

（実施例） 以下、図面を参照してこの発明の音声認識装置の一実施
例につき説明する。

第１図はこの発明の一実施例を示す機能ブロー。

り図、第２図（Ａ）はこの発明の−１要部を構成するス
ペクトル変化量抽出部の一例を示す機能ブロック図、第
２図ＣＢ）は第２図（Ａ）のスペクトル変化量抽出部の
動作手順を説明するための浣れ図である。第１図及び第
２図（Ａ）及び（Ｂ）を用いてこの発明の音声認識装置
及びその動作説明を行うが、第１図において第５図に示
した構成成分に対応する構成成分については同一符号を
付して示し、その詳細な説明は、特に相違する場合を除
き、省略する。

この発明の実施例の音声認識装置によれば、第５図に示
した従来提案されている構成成分の他に、発声音の特徴
であるスペクトル変化量を抽出するスペクトル変化量計
算部１６と、スペクトル変化量標準パタンを予め読み出
し自在に記憶させであるスペクトル変化量標準パタン記
憶部１７と、スペクトル変化量パタン及びスペクトル変
化量標準パタンの類似度を計算するスペクトル変化量類
似度計算部１８とを設けると共に、判定部を総合類似度
で認識判定出来る判定部１９として構成している。

このスペクトル変化量計算系１６には、音声区間検出部
１２から始端時刻信号Ｄ３及び終端時刻信号Ｄ４を供給
すると共に、スペクトル正規化部１１から正規化スペク
トルパタンＤ５を′供給する。このスペクトル変化量計
算部１６は第２図（Ｂ）の説明の項で後述する手法によ
りスペクトル変化量パタンＤ８を算出し、スペクトル変
化量類似度計算部１日へ出力する。

このスペクトル変化量類似度計算部１８はスペク）ル［
化！パタンＤ８と、予めスペクトル変化量標準パタン記
憶部１７に記憶されている全てのスペクトル変化量標準
パタンＤ９との類似度を計算し、各認識対象カテゴリに
対するスペクトル変化量類似度０１０を判定部１８へ出
力する。

この判定部１９は認識対象カテゴリ毎にスペクトル類似
度Ｄ６と、スペクトル変化量類似度０１０との両者を参
照して最大の総合類似度を求めて認識結果０１１を出力
するが、この実施例では両者Ｄ８及びＤｌｏの総和を算
出し、この類似度総和値が全ての認識対象カテゴリの中
で最大となるカテゴリ名を認識結果Ｄｌｌとして出力す
る。

次に、第２図（Ａ）及び（Ｂ）の機能ブロック図及び動
作の流れ図によりスペクトル変化量計算部１６の動作説
明を詳細に行う。

スペクトル変化量計算部１６は第２図（Ａ）に示すよう
にこの実施例ではフレーム間距＃、算出手段２０、極大
フレーム判定手段２１及びスペクトル変化ｆｆｉ　パタ
ン抽出手段２２を具えている。そして、これら手段２０
〜２２による処理手ｊ順につき第２図（Ｂ）を参照して
以下説明する。尚、以下の説明において、処理ステップ
をＳで表わす。

（Ｉ）フレーム間距離算出手段 音声区間内のあるフレーム（フレーム番号をｊとする）
におけるフレーム間距離をＤＳＴ（ｊ）、周波数分析チ
ャネル数をＣＨＮＮＯ１正規化スペクトル出力をＳ（ｉ
、ｊ）（但しｉはチャネル番号）とする、先ず、隣接す
るフレーム間での正規化スペクトル出力の差値ΔＳ（ｉ
　、　Ｄを求め、次にその絶対値１ΔＳ（ｉ。

ｊ）１を求め、続いて下記（１）式に従ってＤＳＴ　（
Ｄを求める（Ｓｌ）。

すなわち上記（１）式に示されるように該フレームにお
ける正規化スペクトル出力と該フレームの直前フレーム
における正規化スペクトル出力間の各チャネル成分の差
分絶対値の総和としてフレーム間圧ｆｉＤｓＴ（ｊ）を
音声区間における始端フレームＳＦＲから終端フレーム
ＥＦＲまでの全てのフレームに対して算出する（Ｓｌ、
Ｓ２）。

（ＩＩ　）極大フレーム判定手段 フレーム番号ｊ＝ＳＦＲと初期化を行った後（Ｓ３）、
音声区間内において各フレーム毎に算出したフレーム間
距離ＤＳＴ（Ｊ）が極大かどうか比較して判定しくＳ４
）、極大となるフレームを変化量極大フレームとして検
出する。

（ｍ）スペクトル変化量パタン抽出手段（イ）変化量極
大フレームである場合（Ｓ５〜（ａ）高域から低域方向
へのスペクトル量算出（Ｓ５） 各チャネル毎に当該極大フレーム周辺における高域から
低域方向へのスペクトル量ＨＴＯＬ（ｉ、ｊ）（但しｉ
：チャネル番号）を以下の（２）式により算出する。

（２）式の第１項はフレーム番号負方向及びチャネル番
号正方向の領域の、又、第２項はフレーム番号正方向及
びチャネル番号負方向の領域の正規化スペクトル値であ
る。

（ｂ）低域から高域方向へのスペクトル量算出（Ｓ６） 各チャネル毎に該フレーム周辺における低域から高域方
向へのスペクトル１ＬＴＯＨ（ｉ　、Ｄ（但しｉ：チャ
ネル番号）を以下の（３）式により算出する。

（３）式において第１項はフレーム番号負方向及びチャ
ネル番号負方向の領域の、又、第２項はフレーム番号正
方向及びチャネル番号正方向の領域の正規化スペクトル
値である。

但し、これら（２）式及び（３）式において、ｆはチャ
ネル番号の変数、ｔはフレーム番号の変数であり、又、
ＴＬ、ＦＬは経験によって定まる所定の定数で、この実
施例ではＴＩ、＝３、ＦＬ＝２程度とすることが好まし
い、尚、この（２）式及び（３）式を算出する計算手順
は任意に定めることが出来る。

ト記（２）式で示される値は該フレーム及び該チャネル
周辺における時間の進行に従って高域チャネルから低域
チャネル方向へ遷移する正規化スペクトル値であり、（
３）式で示される値は該フレーム及び該チャネル周辺に
おける時間の進行に従って低域チャネルから高域チャネ
ル方向へ遷移する正規化スペクトル値である。

（ｃ）スペクトル変化量算出（Ｓ７） これら（２）式及び（３）式で与えられる正規化スペク
トル値の相対関係を表わす値として、この実施例におい
ては、次の（４）式で定義される、該フレーム（フレー
ム番号ｊ）における各チャネル毎のスペクトル変化量パ
タンＤＳ　（ｔ　。

Ｄ　　（但しｉ：チャネル番号）でかえられる。

ＥＬＳ（ｉ　、ｊ）＝ＨＴＯＬ（ｉ　、ｊ）−ＬＴＯＨ
（ｉ、ｊ）　　　・　・　拳　・　・　　（４）このス
ペクトル変化量パタンＤＳ　（ｉ　、　ｊ）を抽出する
算出ステップを処理ステップ（Ｓ７）で行う。

（４）式の値ＤＳ　（ｉ　、　ｊ）が正値である場合は
時間の進行に従って高域チャネルから低域チャネル方向
へ遷移する正規化スペクトル値が犬、（４）式の値が負
値である場合は時間の進行に従って低域チャネルから高
域チャネル方向へ遷移する正規化スペクトル値が大であ
る。

（ロ）変化量極大フレームでない場合（Ｓ８）この場合
の処理もスペクトル変化量パタン抽出手段２２で行う。

この場合には、該フレームにおける各チャネル毎のスペ
クトル変化量パタンＤＳ　（ｉ　、　ｊ）の値は全ての
チャネルについてＯとする（Ｓ８）。

上述した各処理（３４〜３８）の終了後、フレーム番号
ｊに１を加算する（Ｓ９）、次に、ｊ≦ＥＦＲ（ＥＦＲ
：軒端フレーム番号）を満足するか否かの判定を行い（
ＳＩＯ）、この条件を満足する時ステップＳ４からの処
理を訝り返し行い、満足しない時は処理を終了する。

具体例の説明 第３図（Ａ）は発声音「イイエ」及び第３図ＣＢ）は発
声音「レイ」の正規化スペクトルを横軸にフレーム番号
及び縦軸にチャネル番号を取って表わした図である。

濃淡の濃い部分が正規化出力値が大であることを表して
いる。

これら図から理解出来るように、第３図（Ａ）にＢで示
した領域及び第３図（Ｂ）のＣで示した領域においてス
ペクトル変化量パタンＤＳ　（ｉ　、　ｊ）は負値とな
り、第３図（Ａ）のＡで示した領域及び第３ＩＡ（Ｂ）
のＤで示した領域においてスペクトル変化量パタンＤＳ
　（ｉ　、　ｊ）は正値となる。従ってスペクトル変化
量計算部１６から出力されるスペクトル変化量パタンＤ
８と、スペクトル変化量標準パタンＤ９との間の類似度
であるところのスペクトル変化量類似度０１０は両者の
間で明白な相違がある。

第４図は判定部ＩＳにおける発声音の音声パタンと、こ
の発声音に類似する音声の標準パタンとの総合類似度を
説明する図であり、第４図（Ａ）は第３図（Ａ）の音声
パタンを有する発声音「イイエ」のカテゴリ名「イイエ
」及びカテゴリ名「レイ」に対する総合類似度を表わし
、第４図（Ｂ）は第３図（Ｂ）の音声パタンを有する発
声音「レイ」のカテゴリ名「イイエ」及びカテゴリ名「
レイ」に対する総合類似度を表わしている０、尚、図中
２はスペクトル変化量゛類似度０１０を表わし、２はス
ペクトル類似度Ｄ８をそれぞれ表わしている。

これら図から理解出来るように発声音「イイエ」及び「
レイ」のそれぞれの特徴量であるスペクトル変化量類似
度が対比されるべき「レイ」及び「イイエ」の標準パタ
ンのスペクトル変化量類似度よりも大きいため、「イイ
エ」及び「レイ」の発声音の音声パタンと標準パタンと
でスペクトル類似度に差が無くても、スペクトル類似度
との併用により正確な認識処理を行なうことが出来る。

この発明は上述した実施例にのみ限定されるものではな
く、多くの変形又は変更を行い得ること明らかである０
例えば、スペクトル変化量計算部１６の各機能手段は何
ら実施例で説明したものに限定されるものではない、又
、これら機能手段で行われる動作手順も上述した実施例
に限定されるものではない。

さらに、スペクトル変化量類似度計算部１８及びスペク
トル変化量標準パタン記憶部１７については詳細な説明
を省略したが、これらはスペクトル類似度計算部１３及
びスペクトル標準パタン記憶部１４と同様にして構成出
来る。

又、第１図に示した音声認識装置の動作はメモリ、制御
部、その他の通常の電子回路等を用いて構成したマイク
ロコンピュータ−等によってソフト的に処理することが
出来る。

（発明の効果） 上述した説明から明らかなように、この発明の音声認識
装置では、正・規化スペクトル類似度とスペクトル変化
量類似度を用いて認識判定を行う構成としたので、入力
音声内におけるスペクトルの遷移方向を加味した正確か
つ安定な認識が回走となり認識性能の優れた音声認識装
置の実現が可能となる。

【図面の簡単な説明】

第１図はこの発明の音声認識装置の一実施例を示す機能
ブロック図、 第２図（Ａ）は第１図の音声認識装置のスペクトル変化
量計算部の一実施例を示す機能ブロック図、 第２図（Ｂ）はこの発明のスペクトル変化量パタン抽出
の処理手順を示す動作の流れ図、第３図（Ａ）及び（Ｂ
）はこの発明の説明に供する発声音「イイエ」及び「レ
イ」の正規化スペクトルをそれぞれ示す図、 第４図はこの発明におけるスペクトル変化量類似度の認
識への貢献を説明するための、標準パタンに対する総合
類似度の説明図、 第５図は従来の音声認識装置を示す機衡ブロッり図、 第６図はスペクトルマツチング技術の説明図である。 １０・・・周波数分析部、　１１・・・スペクトル正規
化部１２・・・音声区間検出部 １３・・・スペクトル類似度計算部 １４・・・スペクトル標準パタン記憶部１６・・・スペ
クトル変化量計算部 １７・・・スペクトル変化量標準パタン記憶部１８・・
・スペクトル変化量類似度計算部１９・・・判定部 ２０・・・フレーム間距離算出手段 ２１・・・極大フレーム判定手段 ２２・・・スペクトル変化量パタン抽出手段。 特許出願人　　　沖電気工業株式会社 金？者の正規化スペクトル 第３図 ）紫茅ハＯクツ１：ズ寸す■１石′呂ｉず！ｌ　Ｄ）Ｊ
ｉの８光日月図第４図 スペクトルマヅテシク゛′才支マネ°↑の畜見明図第６
図 手続補正書 昭和６１年８月２８日

Claims (2)

【特許請求の範囲】
1. （１）入力音声に対し複数のチャネルによる周波数分析
   、対数変換を行い周波数スペクトルを抽出する周波数分
   析部と、 前記周波数スペクトルに基づいて音声区間を検出する音
   声区間検出部と、 前記周波数スペクトル及び音声区間に基づいて前記周波
   数スペクトルの最小近似直線により正規化した正規化ス
   ペクトルパタンを算出するスペクトル正規化部と、 スペクトル標準パタンを予め格納したスペクトル標準パ
   タン記憶部と、 前記正規化スペクトルパタン及びスペクトル標準パタン
   の類似度計算を行い各認識対象カテゴリに対するスペク
   トル類似度を算出するスペクトル類似度計算部と、 全ての認識対象カテゴリの中で最大の類似度を与えるカ
   テゴリ名を認識結果として出力する判定部と を具える音声認識装置において、 ａ）音声区間内の各フレーム毎に該フレームの周辺にお
   ける時間の進行に従った正規化スペクトルのチャネル方
   向に対する遷移方向を定量化した値をスペクトル変化量
   パタンとして各チャネル毎に算出するスペクトル変化量
   パタン計算部と、 ｂ）スペクトル変化量標準パタンを予め格納したスペク
   トル変化量標準パタン記憶部と、 ｃ）前記スペクトル変化量パタンと、スペクトル変化量
   標準パタンとの類似度計算を行い各認識対象カテゴリに
   対するスペクトル変化量類似度を算出するスペクトル変
   化量類似度計算部と を具え、 ｄ）前記判定部における最大の類似度を、前記スペクト
   ル類似度とスペクトル変化量類似度の両者を参照するこ
   とにより各認識対象カテゴリ毎に算出された総合類似度
   のうちの最大の総合類似度とした ことを特徴とする音声認識装置。
2. （２）前記スペクトル変化量パタン計算部は、ａ）音声
   区間内の各フレーム毎に、該フレームと該フレームの直
   前フレームとのフレーム間距離を算出するフレーム間距
   離算出手段と、 ｂ）前記算出した音声区間内の各フレームにおけるフレ
   ーム間距離が極大となるフレームを変化量極大フレーム
   と判定する極大フレーム判定手段と、ｃ）前記変化量極
   大フレームと判定されたフレームについて該フレームに
   おける各チャネルに対して、下記の［１］〜［４］項の
   各領域すなわち［１］該フレームよりフレーム番号負方
   向かつ該チャネルよりチャネル番号負方向である領域 ［２］該フレームよりフレーム番号正方向かつ該チャネ
   ルよりチャネル番号正方向である領域 ［３］該フレームよりフレーム番号負方向かつ該チャネ
   ルよりチャネル番号正方向である領域 ［４］該フレームよりフレーム番号正方向かつ該チャネ
   ルよりチャネル番号負方向である領域 の正規化スペクトル値を算出し、［１］及び［２］項の
   領域における正規化スペクトル値と、［３］及び［４］
   項の領域における正規化スペクトル値の相対関係を表わ
   す値を該フレーム及び該チャネルにおけるスペクトル変
   化量パタンとする処理を施し、前記変化量極大フレーム
   と判定されなかったフレームのスペクトル変化量パタン
   の値は全てのチャネルについて０とするスペクトル変化
   量パタン抽出手段と を具え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。