JPS635396A - 時系列パタ−ン認識装置 - 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、音声、文字等の時系列パターン認識装置に関
し、少ない次元数でカテゴリ間の分離を強調して精度良
く認識できる時系列パターン認識装置に関する。

〔従来の技術〕

従来、音声認識装置、オンライン文字認識装置等の時系
列パターン認識装置においては、認識すべきものの特徴
をベクトル時系列パターン（バンドパスフィルタの出力
、ケプヌトラム係数、メルケプストラム係数、ＬＰＣ係
数、ＬＰＣメルヶプストラム係数、Ｘ−Ｙ成分、方向角
等）の形で抽出する。そして、認識に先立ちパターンを
予め登録しておき（以下、この登録したパターンを標準
パターンと称す）、認識時に入力されたパターン（以下
、このパターンを入力パターンと称する）と比較処理を
行い、その差（以下、距離と称する）の最も小さい標準
パターンのカテゴリ名を認識結果とする方法が一般に採
用されている。

さらに、識別を容易にするため、特徴パターンを統計量
を用いてカテゴリ間の分離を強調した後、時間軸の正規
化を行った距離を求める方法〔マハラノビス距離を用い
てＤＩ’マツチングを行う方法（電子通信学会論文誌Ｖ
ｏ　ｌ　、Ｊ６６−Ａ　Ｐ、　６４〜７０　）　。

主成分分析をした後距離を求めＤＰマツチングを行う方
法（ＩＣＡＳＳＰ８６　Ｐ、　２６９９〜２７０２）　
）　カ試みられている。

〔発明が解決しようとする問題点〕

しかしながら、上記従来の方法では、同一カテゴリ内だ
けの関係した考慮していないので、カテゴリ間の分離は
考慮されていないという欠点がある０ したがって本発明の目的は、上記欠点全解決し、よシ効
果的にカテゴリ間の分離を強調し、高い認識率の得られ
る時系列パターン認識装！全提供することにある。

〔問題点を解決するための手段〕

本発明の時系列パターン認識装置は、一つのカテゴリ名
に対して少なくとも一つ以上のクラスに分類された学習
パターンである複数の時系列パターンを基にクラス間分
散を大きくかつクラス内分散を小さくするように求めら
れた写像関数を記憶する写像関数記憶部と、前記写像関
数記憶部に記憶されている写像が行われたベクトルの時
系列の形で表される標準パターンを一つのカテゴリ名に
対し少なくとも一つ以上記憶する標準パターン記憶部と
、ベクトルの時系列の形で表される入力パターンを記憶
する入力パターン記憶部と、前記入力パターン記憶部の
時系列パターンに対し前記写像関数記憶部に記憶されて
いる写像を行り与体実行部と、前記写像実行部によシ写
像された空間上の入力パターンと前記標準パターン記憶
部に記憶されている標準パターンとの時間軸を正規化し
た距ｍ’を求めるマツチング部と、前記距離が最小と〔
作用〕 本発明の詳細な説明する。多数の時系列パターンから、
カテゴリ間分散をできるだけ太きく、かつカテゴリ内分
散をできるだけ小さくするような写像関数を、たとえば
判別分析法によシ求めておく。そして、標準パターン、
入力パターンを共に、その写像関数によシ、新たな特徴
空間に写像し。

そこで１時間軸正規化した距離を計算し、距離が最小と
なった標準パターンのカテゴリ名を認識結果とする。な
お、一つのカテゴリ名に対して、複数のクラスを仮定す
る場合もあるので、以下、カテゴリ間分散をクラス間分
散、カテゴリ内分散をクラス内分散と称することとする
。

判別分析法によると、上記のような写像行列人は、次の
ようにして求めることができる。クラス内分散をΦ１、
クラス間分散をΦ１写像後のクラス内分散をσｔ、写像
後のクラス間分散をσ２゜とし、行列人の一つの成分ベ
クトルｉａとすれば、分散比 Ｊ　（ａｌ　＝　’＊　／　’ｗ　＝　ａ　’ΦＨａ／
ａ’Φｗ　ａ　　　−（１）が太きくなるａ？：求めれ
ば良いこととなる。これは、制約条件 ６２ｗ＝　ａｔ＠ｙ　ａ　＝　１　　　　　　　　　　
　”・（２１のもとで、へヲ大きくするａｆ求めること
と同じである。したがって、λをＩａｇｒａｎｇｅ乗数
として、次式の変分問題の停留層としてａｆ求めていけ
ば良いことになる。

Ｊ　（ａＪ　＝σ２．−λσ〜＝ａｔψ、ａ−λａｔΦ
ｗａ　　・・・（３）偏微分して ａＪ　／　Ｄａ　＝　２　（ｈ　ａ−２λΦ、ａ二ｏ　
　　　　　　　−（４Ｊゆえに Φ富ａ＝λΦｗａ　　　　　　　　　　　　　・・・（
５）という固有値問題に帰着される。λは固有値に対応
し、（５）式ヲ（１）式に代入すると、Ｊ（ａｌは、固
有値λに等しくなる。つまり、　Ｊ（ａ）が大きいとは
固有値λが大きいことで、ａは、大きな固有値に対応し
た固有ベクトルということになる。

ゆえに、行列人は、上位数個の固有値に対応した固有ベ
クトルで構成できる。

〔実施例〕

以下、本発明による時系列パターン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。同図においてマイクロホン１より入力
された音声信号は、音声分析部２において、たとえば特
願昭５２−１４４２０５号明細書記載の如き周波数分析
器によって、音声分析がなされ、ベクトルの時系列の形
で写像実行部３に送られる。写像実行部３では写像記憶
部４に記憶されている写像関数により、入力パターンは
ある特徴空間上に写像される（以下、この写像された入
力パターンを、変換入力パターンと称する）。

そして、マツチング部６に送られる。なお、写像関数記
憶部４に記憶されている写像関数は、前もって、学習用
音声データから、クラス間分散を大きくかつクラス内分
散を小さくするように統計的に求められたものである。

変換入力パターンのマツチング部６への転送が終了する
と、標準パターン記憶部５から、順次標準パターンの時
系列パターンが、マツチング部６に転送される。マツチ
ング部６では、２つの時系列パターンを、特願昭４９−
２４１８号記載の如く、動的計画法を利用して、２つの
パターンが最適に対応するような、パターン認識の分野
では周知のＤＰマツチングを用いて距離（これをＤＰ短
距離称する）を計算し、そのＤＰ短距離逐次判定部７に
送る。

判定部７では、各ＤＰ短距離最小値を求め、その最小と
なった標準パターンのカテゴリ名を認識結果として出力
する。

以上本発明の原理を実施例に基づいて説明したが、これ
らの記載は本発明を限定するものではない。特に、写像
関数記憶部４に記憶されている写像関数は、時系列パタ
ーンの時刻ごとに変化しても良い。即ち、この方法は、
訓練用の音声データの時系列パターンを時間軸の正規化
を行い時間軸の対応をとり、各時間ごとに独立に求めて
おき、写像実行部３においてパターンを写像すル際、各
時間に対応した写像関数を用いる。

また、マツチング部６で、２つの時系列パターンの距離
を求める際、ＤＰマツチングを用いたが、特徴ベクトル
の変化量を線形正規化する方法、特徴抽出によシセグメ
ンテーションを行い時間軸正規化する方法等、その他の
時間軸正規化マツチングを用いてもよい。

さらに、本発明の原理は、音声以外のパターン。

つ″１シ文字、図形等の時系列パターンを扱うパターン
認識装置においても、有効に活用できる。

〔発明の効果〕 以上に述べたとうシ、本発明によれば、より効果的にカ
テゴリ間の分離を強調し、高い認識率の得られる時系列
パターン認識装置を得ることができる。

【図面の簡単な説明】

第１図は、本発明による音声認識装置の一実施例を示す
ブロック図である。 １・・・マイクロホン、２・・・音声分析部、３・・・
写像実行部、４・・・写像関数記憶部、５・・・標準パ
ターン記憶部、６・・・マツチング部、７・・・判定部
。

Claims (1)

【特許請求の範囲】
1. 一つのカテゴリ名に対して少なくとも一つ以上のクラス
   に分類された学習パターンである複数の時系列パターン
   を基にクラス間分散を大きくかつクラス内分散を小さく
   するように求められた写像関数を記憶する写像関数記憶
   部と、前記写像関数記憶部に記憶されている写像が行わ
   れたベクトルの時系列の形で表される標準パターンを一
   つのカテゴリ名に対し少なくとも一つ以上記憶する標準
   パターン記憶部と、ベクトルの時系列の形で表される入
   力パターンを記憶する入力パターン記憶部と、前記入力
   パターン記憶部の時系列パターンに対し前記写像関数記
   憶部に記憶されている写像を行う写像実行部と、前記写
   像実行部により写像された空間上の入力パターンと前記
   標準パターン記憶部に記憶されている標準パターンとの
   時間軸を正規化した距離を求めるマッチング部と、前記
   距離が最小となる標準パターンのカテゴリ名を認識結果
   とする判定部とを有することを特徴とする時系列パター
   ン認識装置。