JPH0115079B2 - - Google Patents
Info
- Publication number
- JPH0115079B2 JPH0115079B2 JP57171571A JP17157182A JPH0115079B2 JP H0115079 B2 JPH0115079 B2 JP H0115079B2 JP 57171571 A JP57171571 A JP 57171571A JP 17157182 A JP17157182 A JP 17157182A JP H0115079 B2 JPH0115079 B2 JP H0115079B2
- Authority
- JP
- Japan
- Prior art keywords
- time series
- parameter time
- input
- parameter
- registered
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired
Links
Description
【発明の詳細な説明】
Ａ 発明の技術分野
本発明は単語音声認識方式、特に未知入力単語
音声についての入力特徴パラメータ時系列から、
種々の単語長に対応して効率よく認識できるよう
に、複数の区間分割による複数の入力縮小パラメ
ータ時系列を生成し、登録単語長に応じた時系列
長をもつ登録縮小パラメータ時系列と、上記複数
の入力縮小パラメータ時系列の中の同じ時系列長
をもつものとを逐次照合して、認識対象候補単語
を選び出すようにした単語音声認識方式に関する
ものである。
音声についての入力特徴パラメータ時系列から、
種々の単語長に対応して効率よく認識できるよう
に、複数の区間分割による複数の入力縮小パラメ
ータ時系列を生成し、登録単語長に応じた時系列
長をもつ登録縮小パラメータ時系列と、上記複数
の入力縮小パラメータ時系列の中の同じ時系列長
をもつものとを逐次照合して、認識対象候補単語
を選び出すようにした単語音声認識方式に関する
ものである。
Ｂ 従来技術と問題点
音声認識システムにおいては、音声信号の周波
数分析結果を利用して各音素の特徴を表わす特徴
パラメータを抽出し、該抽出された特徴パラメー
タと登録単語に対応した予め登録されている特徴
パラメータと照合して未知入力音声の認識を行な
うようにされる。即ち上記特徴パラメータとして
例えば第１ホルマント周波数および第２ホルマン
ト周波数などをサンプリングしてこのパラメータ
を使用するようにされる。しかし、上記照合に当
つてデータ処理量が大となり、認識カテゴリ数が
大となるにつれて上記照合処理に要する時間が大
となる。
数分析結果を利用して各音素の特徴を表わす特徴
パラメータを抽出し、該抽出された特徴パラメー
タと登録単語に対応した予め登録されている特徴
パラメータと照合して未知入力音声の認識を行な
うようにされる。即ち上記特徴パラメータとして
例えば第１ホルマント周波数および第２ホルマン
ト周波数などをサンプリングしてこのパラメータ
を使用するようにされる。しかし、上記照合に当
つてデータ処理量が大となり、認識カテゴリ数が
大となるにつれて上記照合処理に要する時間が大
となる。
そこで、特願昭52−43972号、特願昭53−53966
号、特願昭53−53967号、特願昭53−53965号等に
みられるように、より少ない数の照合すべき特徴
量のもとで認識率を高める方式が、種々提案され
ている。
号、特願昭53−53967号、特願昭53−53965号等に
みられるように、より少ない数の照合すべき特徴
量のもとで認識率を高める方式が、種々提案され
ている。
特に、本発明者らは、特願昭55−62059号によ
つて、比較的簡単なアルゴリズムの下で、効率よ
く認識対象単語候補を決定する方式を提案してい
る。該方式は、入力音声についての入力特徴パラ
メータ時系列を小数の区間に区分し、各区間毎に
パラメータ値を平均化した平均値からなる縮小特
徴パラメータ時系列を抽出し、当該縮小特徴パラ
メータ時系列によつて認識対象候補単語を選び出
し、該候補単語に対して照合をとるようにして処
理速度を大幅に向上するようにしたものである。
この方式によれば、照合し候補を決定するための
演算に当つて、例えば５個というようなあらかじ
め定められた少ない個数の平均値パラメータ相互
の演算で足り、演算時間が大幅に短縮される。
つて、比較的簡単なアルゴリズムの下で、効率よ
く認識対象単語候補を決定する方式を提案してい
る。該方式は、入力音声についての入力特徴パラ
メータ時系列を小数の区間に区分し、各区間毎に
パラメータ値を平均化した平均値からなる縮小特
徴パラメータ時系列を抽出し、当該縮小特徴パラ
メータ時系列によつて認識対象候補単語を選び出
し、該候補単語に対して照合をとるようにして処
理速度を大幅に向上するようにしたものである。
この方式によれば、照合し候補を決定するための
演算に当つて、例えば５個というようなあらかじ
め定められた少ない個数の平均値パラメータ相互
の演算で足り、演算時間が大幅に短縮される。
一般に認識対象となる単語には、単語長の長い
ものと短いものとが混在している。単語の長さに
無関係に照合すべきパラメータ数があらかじめ決
定されている上記従来の方式は、処理の簡便さか
らみると、１つの長所をもつと考えられるが、ど
のような単語についても認識精度を一定以上に保
つことを考えれば、単語長に応じて照合すべきパ
ラメータ数、すなわち登録パラメータ時系列長を
変えることができれば、更に効率的な認識が可能
になると考えられる。
ものと短いものとが混在している。単語の長さに
無関係に照合すべきパラメータ数があらかじめ決
定されている上記従来の方式は、処理の簡便さか
らみると、１つの長所をもつと考えられるが、ど
のような単語についても認識精度を一定以上に保
つことを考えれば、単語長に応じて照合すべきパ
ラメータ数、すなわち登録パラメータ時系列長を
変えることができれば、更に効率的な認識が可能
になると考えられる。
Ｃ 発明の目的と構成
本発明は上記の点に着目して、上記従来の方法
を改良・発点させ、認識率を低下させることな
く、処理速度の向上および登録辞書のメモリ量の
節減を可能にすることを目的としている。そのた
め、本発明は、入力音声に対して複数の単語長を
仮定して、数種の長さの入力縮小パラメータ時系
列を求め、照合の際、登録単語長に応じたパラメ
ータ時系列でもつて照合するようにしたものであ
る。すなわち、本発明の単語音声認識方式は、未
知入力単語音声の音声信号を分析し、当該音声信
号から抽出された入力特徴パラメータ時系列をも
とに、所定の区分により分割された各区間におけ
るパラメータ値に基づいて、時系列長が上記入力
特徴パラメータ時系列より小さい入力縮小パラメ
ータ時系列を生成するよう構成され、該入力縮小
パラメータ時系列と、あらかじめ登録されている
登録縮小パラメータ時系列とを照合して、未知入
力単語音声の認識を行う単語音声認識方式におい
て、上記未知入力単語音声の始端から終端までの
上記区間分割についての区分数を複数個あらかじ
め定め、該区分数の異なる各区間分割に対応する
パラメータ時系列長の異なる複数種類の入力縮小
パラメータ時系列を、当該入力特徴パラメータ時
系列から生成するよう構成され、あらかじめ登録
単語毎に定められたパラメータ時系列長を有する
登録縮小パラメータ時系列と、上記複数種類の入
力縮小パラメータ時系列のうち照合する登録単語
と同じパラメータ時系列長を有する入力縮小パラ
メータ時系列とを照合することによつて、認識対
象候補単語を決定して、未知入力単語音声の認識
を行うようにしたことを特徴としている。以下図
面を参照しつつ説明する。
を改良・発点させ、認識率を低下させることな
く、処理速度の向上および登録辞書のメモリ量の
節減を可能にすることを目的としている。そのた
め、本発明は、入力音声に対して複数の単語長を
仮定して、数種の長さの入力縮小パラメータ時系
列を求め、照合の際、登録単語長に応じたパラメ
ータ時系列でもつて照合するようにしたものであ
る。すなわち、本発明の単語音声認識方式は、未
知入力単語音声の音声信号を分析し、当該音声信
号から抽出された入力特徴パラメータ時系列をも
とに、所定の区分により分割された各区間におけ
るパラメータ値に基づいて、時系列長が上記入力
特徴パラメータ時系列より小さい入力縮小パラメ
ータ時系列を生成するよう構成され、該入力縮小
パラメータ時系列と、あらかじめ登録されている
登録縮小パラメータ時系列とを照合して、未知入
力単語音声の認識を行う単語音声認識方式におい
て、上記未知入力単語音声の始端から終端までの
上記区間分割についての区分数を複数個あらかじ
め定め、該区分数の異なる各区間分割に対応する
パラメータ時系列長の異なる複数種類の入力縮小
パラメータ時系列を、当該入力特徴パラメータ時
系列から生成するよう構成され、あらかじめ登録
単語毎に定められたパラメータ時系列長を有する
登録縮小パラメータ時系列と、上記複数種類の入
力縮小パラメータ時系列のうち照合する登録単語
と同じパラメータ時系列長を有する入力縮小パラ
メータ時系列とを照合することによつて、認識対
象候補単語を決定して、未知入力単語音声の認識
を行うようにしたことを特徴としている。以下図
面を参照しつつ説明する。
Ｄ 発明の実施例
第１図は登録単語とパラメータ時系列長との関
係を説明するための説明図、第２図は本発明にお
ける縮小パラメータ時系列を生成する処理例を説
明するための説明図、第３図は本発明における縮
小パラメータ時系列を生成する他の処理例を説明
するための説明図、第４図は本発明の一実施例構
成、第５図は上記第３図に対応した処理例におけ
る区間決定を行う処理についてフローチヤートの
形で表わした説明図を示す。
係を説明するための説明図、第２図は本発明にお
ける縮小パラメータ時系列を生成する処理例を説
明するための説明図、第３図は本発明における縮
小パラメータ時系列を生成する他の処理例を説明
するための説明図、第４図は本発明の一実施例構
成、第５図は上記第３図に対応した処理例におけ
る区間決定を行う処理についてフローチヤートの
形で表わした説明図を示す。
例えば、登録単語が地名であるとすると、第１
図図示の如く、登録単語には「北海道」のように
単語長が比較的長いものや、「津」のように短い
もの、また「東京」のように平均的なもの等、
種々存在する。一般に、長い単語のものほど、短
い単語のものに比べて、多くの特徴変化を含んで
いると考えられる。本発明においては、入力音声
についての入力特徴パラメータ時系列から、より
少ない数の入力縮小パラメータ時系列を生成し
て、それでもつて、あらかじめ同一の手法で抽出
され登録されている登録縮小パラメータ時系列と
照合することを前提としているが、多くの特徴変
化を含む長い単語のものは、パラメータ時系列長
の大きいもので照合し、短い単語のものは、パラ
メータ時系列長の小さいもので照合したほうが、
認識精度と処理速度とのバランスの点から望しい
と言うことができる。従つて、第１図に示す如
く、登録単語長に応じて、例えば「北海道」につ
いては登録のパラメータ時系列長が“５”、「津」
については“３”というように、あらかじめパラ
メータ時系列長が定められ、その時系列長に対応
した登録縮小パラメータ時系列が登録される。
図図示の如く、登録単語には「北海道」のように
単語長が比較的長いものや、「津」のように短い
もの、また「東京」のように平均的なもの等、
種々存在する。一般に、長い単語のものほど、短
い単語のものに比べて、多くの特徴変化を含んで
いると考えられる。本発明においては、入力音声
についての入力特徴パラメータ時系列から、より
少ない数の入力縮小パラメータ時系列を生成し
て、それでもつて、あらかじめ同一の手法で抽出
され登録されている登録縮小パラメータ時系列と
照合することを前提としているが、多くの特徴変
化を含む長い単語のものは、パラメータ時系列長
の大きいもので照合し、短い単語のものは、パラ
メータ時系列長の小さいもので照合したほうが、
認識精度と処理速度とのバランスの点から望しい
と言うことができる。従つて、第１図に示す如
く、登録単語長に応じて、例えば「北海道」につ
いては登録のパラメータ時系列長が“５”、「津」
については“３”というように、あらかじめパラ
メータ時系列長が定められ、その時系列長に対応
した登録縮小パラメータ時系列が登録される。
しかし、未知入力単語音声から求める入力縮小
パラメータ時系列については、いくらの時系列長
にすればよいかは、不明であり、照合の際、同じ
時系列長のもので照合する必要があるので、本発
明においては、後に詳述する如く、入力縮小パラ
メータ時系列について、あらかじめ定められたす
べての時系列長のものを用意するようにされる。
パラメータ時系列については、いくらの時系列長
にすればよいかは、不明であり、照合の際、同じ
時系列長のもので照合する必要があるので、本発
明においては、後に詳述する如く、入力縮小パラ
メータ時系列について、あらかじめ定められたす
べての時系列長のものを用意するようにされる。
パラメータ時系列長が与えられているときの縮
小パラメータ時系列の生成は、例えば次のように
行われる。
小パラメータ時系列の生成は、例えば次のように
行われる。
第２図図示の如く、時点T0からTEまでの間に、
サンプリングされた特徴パラメータＰが存在する
ものとするとき、例えばパラメータ時系列長Nf
として“５”のものが必要である場合に、時点
T0からTEまでの時間を５つに等分し、時点TE／
５、2TE／５、3TE／５、4TE／５、TEを決定す
る。そして、時点T0ないしTE／５までの間の特
徴パラメータ値を平均し、時点TE／５ないし
2TE／５までの間の各特徴パラメータ値を平均
し、…時点4TE／５ないしTEまでの間の各特徴パ
ラメータ値を平均し、５個の平均値パラメータよ
りなる縮小パラメータ時系列を抽出するようにす
る。
サンプリングされた特徴パラメータＰが存在する
ものとするとき、例えばパラメータ時系列長Nf
として“５”のものが必要である場合に、時点
T0からTEまでの時間を５つに等分し、時点TE／
５、2TE／５、3TE／５、4TE／５、TEを決定す
る。そして、時点T0ないしTE／５までの間の特
徴パラメータ値を平均し、時点TE／５ないし
2TE／５までの間の各特徴パラメータ値を平均
し、…時点4TE／５ないしTEまでの間の各特徴パ
ラメータ値を平均し、５個の平均値パラメータよ
りなる縮小パラメータ時系列を抽出するようにす
る。
また、時間を等分するのではなく、第３図図示
の如く、特徴パラメータの累積変動量を等分する
ことによつて、定められたパラメータ時系列長の
縮小パラメータ時系列を生成するようにしてもよ
い。
の如く、特徴パラメータの累積変動量を等分する
ことによつて、定められたパラメータ時系列長の
縮小パラメータ時系列を生成するようにしてもよ
い。
第３図に示す例の場合、第２図に示す例におい
て時間軸上で等間隔に区分されるのに対して、特
徴パラメータの変化率が比較的大きい箇所での区
間間隔を小に選ぶようにしている。即ち、特徴パ
ラメータＰが第２図図示の如くあるものとすると
き、このパラメータＰの変動量を累積した値即ち
累積変動量を第３図図示の如く時間を横軸にとつ
て描く。このように描かれた図形について、累積
変動量の最大値TAVを５等分した値1/5TAV、
２／５TAV、3/5TAV、4/5TAV、TAVを選ぶ。
そして累積変動量が上記値1/5TAV、2/5TAV、
…となる時点T1，T2，…TEを抽出し、時点T0か
らT1までの間の第２図図示の各特徴パラメータ
値を平均し、時点T1からT2までの間の第２図図
示の各特徴パラメータ値を平均し、…、時点T4
からTEまでの間の第２図図示の各特徴パラメー
タ値を平均し、５個の平均値パラメータよりなる
縮小パラメータ時系列を抽出するようにする。パ
ラメータ時系列長が、例えば“３”の縮小パラメ
ータ時系列を求める場合には、勿論３個の区間に
分割し、それぞれの区間の平均値パラメータより
なる縮小パラメータ時系列を抽出するようにす
る。
て時間軸上で等間隔に区分されるのに対して、特
徴パラメータの変化率が比較的大きい箇所での区
間間隔を小に選ぶようにしている。即ち、特徴パ
ラメータＰが第２図図示の如くあるものとすると
き、このパラメータＰの変動量を累積した値即ち
累積変動量を第３図図示の如く時間を横軸にとつ
て描く。このように描かれた図形について、累積
変動量の最大値TAVを５等分した値1/5TAV、
２／５TAV、3/5TAV、4/5TAV、TAVを選ぶ。
そして累積変動量が上記値1/5TAV、2/5TAV、
…となる時点T1，T2，…TEを抽出し、時点T0か
らT1までの間の第２図図示の各特徴パラメータ
値を平均し、時点T1からT2までの間の第２図図
示の各特徴パラメータ値を平均し、…、時点T4
からTEまでの間の第２図図示の各特徴パラメー
タ値を平均し、５個の平均値パラメータよりなる
縮小パラメータ時系列を抽出するようにする。パ
ラメータ時系列長が、例えば“３”の縮小パラメ
ータ時系列を求める場合には、勿論３個の区間に
分割し、それぞれの区間の平均値パラメータより
なる縮小パラメータ時系列を抽出するようにす
る。
上記縮小パラメータ時系列の平均値パラメータ
については、例えば特願昭55−62059号に示され
ているようにして演算されるが、周知となつてい
るので、詳細な説明は省略する。
については、例えば特願昭55−62059号に示され
ているようにして演算されるが、周知となつてい
るので、詳細な説明は省略する。
なお、上記特徴パラメータ値を平均する代わり
に、簡略化して、区間境界値からなる縮小パラメ
ータ時系列を抽出するようにしてもよい。
に、簡略化して、区間境界値からなる縮小パラメ
ータ時系列を抽出するようにしてもよい。
第４図は本発明の一実施例構成を示す。図中の
符号１は帯域フイルタ群、２はパラメータ抽出回
路、３はパラメータ平均区間決定回路、４はパラ
メータ平均回路、５は切替回路、６は登録単語縮
小パラメータ時系列登録部、７−１ないし７−ｎ
は各パラメータ時系列長N1−No毎の入力縮小パ
ラメータ時系列バツフア、８は縮小パラメータ時
系列照合部、９は候補単語判定部を表わす。
符号１は帯域フイルタ群、２はパラメータ抽出回
路、３はパラメータ平均区間決定回路、４はパラ
メータ平均回路、５は切替回路、６は登録単語縮
小パラメータ時系列登録部、７−１ないし７−ｎ
は各パラメータ時系列長N1−No毎の入力縮小パ
ラメータ時系列バツフア、８は縮小パラメータ時
系列照合部、９は候補単語判定部を表わす。
入力音声信号が帯域フイルタ群１に入力され、
パラメータ抽出回路２によつて入力音声信号に対
応した入力特徴パラメータが抽出される。パラメ
ータ平均区間決定回路３は、例えばパラメータ時
系列長としてN1からNoまでｎ種類定められてい
るとすると、各パラメータ時系列長Nf毎に、第
２図に示した例で言えば、時点TEを抽出した上
で、T0ないしTEまでの間をNf等分した時点TE／
Nf，2TE／Nf，3TE／Nf，…，TEをそれぞれ決
定する。なお第３図図示の時点T1，T2…につい
ては第５図を参照して後述する。上記時点にもと
づいて区間が決定されると、パラメータ平均回路
４は入力特徴パラメータにもとづいて各区間毎に
パラメータ値の平均値を演算する。
パラメータ抽出回路２によつて入力音声信号に対
応した入力特徴パラメータが抽出される。パラメ
ータ平均区間決定回路３は、例えばパラメータ時
系列長としてN1からNoまでｎ種類定められてい
るとすると、各パラメータ時系列長Nf毎に、第
２図に示した例で言えば、時点TEを抽出した上
で、T0ないしTEまでの間をNf等分した時点TE／
Nf，2TE／Nf，3TE／Nf，…，TEをそれぞれ決
定する。なお第３図図示の時点T1，T2…につい
ては第５図を参照して後述する。上記時点にもと
づいて区間が決定されると、パラメータ平均回路
４は入力特徴パラメータにもとづいて各区間毎に
パラメータ値の平均値を演算する。
パラメータ平均区間決定回路３およびパラメー
タ平均回路４を、パラメータ時系列長N1〜Noに
対応して、それぞれｎ個設けて、並列的に処理す
るようにしてもよいし、１個の回路を繰り返し使
用することにより、直列的に処理するようしても
よい。
タ平均回路４を、パラメータ時系列長N1〜Noに
対応して、それぞれｎ個設けて、並列的に処理す
るようにしてもよいし、１個の回路を繰り返し使
用することにより、直列的に処理するようしても
よい。
切替回路５は、登録モードと、認識モードにお
ける各入力縮小パラメータ時系列バツフア７−１
〜７−ｎとを切替える回路である。登録モードの
場合、登録する単語の単語長はわかつているの
で、予め適当なパラメータ時系列長Nfを単語毎
に定めておくことができる。従つて、パラメータ
平均回路４によつて、その適当なパラメータ時系
列長Nfをもつ縮小パラメータ時系列を抽出し、
登録単語縮小パラメータ時系列登録部６に登録単
語の文字コードとともに登録する。
ける各入力縮小パラメータ時系列バツフア７−１
〜７−ｎとを切替える回路である。登録モードの
場合、登録する単語の単語長はわかつているの
で、予め適当なパラメータ時系列長Nfを単語毎
に定めておくことができる。従つて、パラメータ
平均回路４によつて、その適当なパラメータ時系
列長Nfをもつ縮小パラメータ時系列を抽出し、
登録単語縮小パラメータ時系列登録部６に登録単
語の文字コードとともに登録する。
認識モードの場合、入力音声の単語長は不明で
ある。従つて、上述の如く、すべてのパラメータ
時系列長N1〜Noについての縮小パラメータ時系
列をパラメータ平均回路４によつて抽出するよう
にし、切替回路５を経由して、それぞれ入力縮小
パラメータ時系列バツフア７−１ないし７−ｎに
結課を導いて格納する。
ある。従つて、上述の如く、すべてのパラメータ
時系列長N1〜Noについての縮小パラメータ時系
列をパラメータ平均回路４によつて抽出するよう
にし、切替回路５を経由して、それぞれ入力縮小
パラメータ時系列バツフア７−１ないし７−ｎに
結課を導いて格納する。
縮小パラメータ時系列照合部８は、認識モード
時に、登録単語縮小パラメータ時系列登録部６か
ら、登録単語の登録縮小パラメータ時系列を順次
読み出し、ｎ個の入力縮小パラメータ時系列バツ
フア７−１〜７−ｎのうちから、登録縮小パラメ
ータ時系列の時系列長と一致するものを選択し、
そこに格納された入力縮小パラメータ時系列と照
合する。
時に、登録単語縮小パラメータ時系列登録部６か
ら、登録単語の登録縮小パラメータ時系列を順次
読み出し、ｎ個の入力縮小パラメータ時系列バツ
フア７−１〜７−ｎのうちから、登録縮小パラメ
ータ時系列の時系列長と一致するものを選択し、
そこに格納された入力縮小パラメータ時系列と照
合する。
未知入力単語〓と、登録単語〓iとの距離Ｄ
（〓、〓i）は、 Ｄ（〓、〓i）＝１／Ｎｄ（〓N、〓i） または、Ｄ（〓、〓i）＝Ｃ（Ｎ）・ｄ（〓N、〓i）
で与えられる。
（〓、〓i）は、 Ｄ（〓、〓i）＝１／Ｎｄ（〓N、〓i） または、Ｄ（〓、〓i）＝Ｃ（Ｎ）・ｄ（〓N、〓i）
で与えられる。
ここで、Ｎは〓iのパラメータ時系列長、〓Nは
未知入力単語音声から抽出されたパラメータのう
ち時系列長がＮのパラメータである。また、上式
においてｄ（〓N、〓i）は、 ｄ（〓N、〓i）＝N 〓N=1 J 〓j=1 ｜xN j（ｎ）−Si j（ｎ）｜ で与えられる。xN j（ｎ）およびsi j（ｎ）は、それぞ
れ入力縮小パラメータ時系列および登録縮小パラ
メータ時系列に対応するものである。
未知入力単語音声から抽出されたパラメータのう
ち時系列長がＮのパラメータである。また、上式
においてｄ（〓N、〓i）は、 ｄ（〓N、〓i）＝N 〓N=1 J 〓j=1 ｜xN j（ｎ）−Si j（ｎ）｜ で与えられる。xN j（ｎ）およびsi j（ｎ）は、それぞ
れ入力縮小パラメータ時系列および登録縮小パラ
メータ時系列に対応するものである。
候補単語判定部９は、縮小パラメータ時系列照
合部８が演算で求めた上記距離Ｄにもとづいて、
登録単語が認識対象候補単語として適当であるか
どうかを判別するものである。こうして判別され
た候補単語名が候補単語判定部９から出力される
ことになる。
合部８が演算で求めた上記距離Ｄにもとづいて、
登録単語が認識対象候補単語として適当であるか
どうかを判別するものである。こうして判別され
た候補単語名が候補単語判定部９から出力される
ことになる。
上記第３図に示す時点T1，T2，…を決定する
場合、第４図図示のパラメータ平均区間決定回路
３は第５図にフローチヤートの形で示す如き処理
を行なうものと考えてよい。即ち、パラメータ時
系列長がNfであるものを抽出する場合、次のよ
うに処理する。
場合、第４図図示のパラメータ平均区間決定回路
３は第５図にフローチヤートの形で示す如き処理
を行なうものと考えてよい。即ち、パラメータ時
系列長がNfであるものを抽出する場合、次のよ
うに処理する。
(1) パラメータ抽出回路２によつて抽出されたパ
ラメータにもとづいて第３図に示す如き累積変
動量TAVを抽出する。
ラメータにもとづいて第３図に示す如き累積変
動量TAVを抽出する。
(2) そして累積変動量TAVの値をNf等分した値
DTAVを決定する。
DTAVを決定する。
(3) そして最初の時点T1を求めるべくＪ＝１と
しておき、レジスタAVHに上記値DTAVをセ
ツトし、計時スタート・レジスタTS(J)に値Ｔ
(I)をセツトする。
しておき、レジスタAVHに上記値DTAVをセ
ツトし、計時スタート・レジスタTS(J)に値Ｔ
(I)をセツトする。
(4) 以下順次特徴パラメータの累積値AV(I)がレ
ジスタAVHの内容と等しいか大となるときま
で、特徴パラメータ値を累算してゆく。
ジスタAVHの内容と等しいか大となるときま
で、特徴パラメータ値を累算してゆく。
(5) 累積値AV(I)がレジスタAVHの内容と等し
いか大となると、そのときのタイミング値Ｔ(I)
が時点T1用レジスタTE(1)にセツトされ、上記
レジスタTS（Ｊ＋１）に値Ｔ（Ｉ＋１）をセツ
トし、レジスタAVHに値（AVH＋DTAV）
をセツトし、次の時点T2を求めるべくＪ＝２
とする。
いか大となると、そのときのタイミング値Ｔ(I)
が時点T1用レジスタTE(1)にセツトされ、上記
レジスタTS（Ｊ＋１）に値Ｔ（Ｉ＋１）をセツ
トし、レジスタAVHに値（AVH＋DTAV）
をセツトし、次の時点T2を求めるべくＪ＝２
とする。
(6) 以下同様に累積値AV(I)がレジスタAVHの
内容と等しいか大となるまで、特徴パラメータ
値を累算してゆく。即ち、時点T2，T3，T4を
求めてゆく。
内容と等しいか大となるまで、特徴パラメータ
値を累算してゆく。即ち、時点T2，T3，T4を
求めてゆく。
(7) そして累積回路Ｉが値Ｎに達すると、即ち累
算処理が第３図図示時点TEに対応する特徴パ
ラメータの累算に達すると、その時点で時点
TEが決定される。
算処理が第３図図示時点TEに対応する特徴パ
ラメータの累算に達すると、その時点で時点
TEが決定される。
Ｅ 発明の効果
以上説明した如く、本発明によれば、効率のよ
い単語音声認識が可能になる。
い単語音声認識が可能になる。
一般的に、認識率を向上させようとすると処理
速度が犠牲になり、処理速度をあげようとすると
認識率を劣化することになるが、本発明によれ
ば、各登録単語に最も適当なパラメータ時系列長
を選ぶことができるので、従来方式に比べて、認
識率を低下させることなく、処理速度を向上させ
ることができる。また、登録辞書のメモリ容量も
節減することが可能となる。
速度が犠牲になり、処理速度をあげようとすると
認識率を劣化することになるが、本発明によれ
ば、各登録単語に最も適当なパラメータ時系列長
を選ぶことができるので、従来方式に比べて、認
識率を低下させることなく、処理速度を向上させ
ることができる。また、登録辞書のメモリ容量も
節減することが可能となる。
第１図は登録単語とパラメータ時系列長との関
係を説明するための説明図、第２図は本発明にお
ける縮小パラメータ時系列を生成する処理例を説
明するための説明図、第３図は本発明における縮
小パラメータ時系列を生成する他の処理例を説明
するための説明図、第４図は本発明の一実施例構
成、第５図は上記第３図に対応した処理例におけ
る区間決定を行う処理についてフローチヤートの
形で表わした説明図を示す。 図中、３はパラメータ平均区間決定回路、４は
パラメータ平均回路、６は登録単語縮小パラメー
タ時系列登録部、７−１ないし７−ｎは入力縮小
パラメータ時系列バツフア、８は縮小パラメータ
時系列照合部を表わす。
係を説明するための説明図、第２図は本発明にお
ける縮小パラメータ時系列を生成する処理例を説
明するための説明図、第３図は本発明における縮
小パラメータ時系列を生成する他の処理例を説明
するための説明図、第４図は本発明の一実施例構
成、第５図は上記第３図に対応した処理例におけ
る区間決定を行う処理についてフローチヤートの
形で表わした説明図を示す。 図中、３はパラメータ平均区間決定回路、４は
パラメータ平均回路、６は登録単語縮小パラメー
タ時系列登録部、７−１ないし７−ｎは入力縮小
パラメータ時系列バツフア、８は縮小パラメータ
時系列照合部を表わす。
Claims (1)
- 【特許請求の範囲】 １ 未知入力単語音声の音声信号を分析し、当該
音声信号から抽出された入力特徴パラメータ時系
列をもとに、所定の区分により分割された各区間
におけるパラメータ値に基づいて、時系列長が上
記入力特徴パラメータ時系列より小さい入力縮小
パラメータ時系列を生成するよう構成され、該入
力縮小パラメータ時系列と、あらかじめ登録され
ている登録縮小パラメータ時系列とを照合して、
未知入力単語音声の認識を行う単語音声認識方式
において、 上記未知入力単語音声の始端から終端までの上
記区間分割についての区分数を複数個あらかじめ
定め、該区分数の異なる各区間分割に対応するパ
ラメータ時系列長の異なる複数種類の入力縮小パ
ラメータ時系列を、当該入力特徴パラメータ時系
列から生成するよう構成され、あらかじめ登録単
語毎に定められたパラメータ時系列長を有する登
録縮小パラメータ時系列と、上記複数種類の入力
縮小パラメータ時系列のうち照合する登録単語と
同じパラメータ時系列長を有する入力縮小パラメ
ータ時系列とを照合することによつて、認識対象
候補単語を決定して、未知入力単語音声の認識を
行うようにしたことを特徴とする単語音声認識方
式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57171571A JPS5960499A (ja) | 1982-09-30 | 1982-09-30 | 単語音声認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57171571A JPS5960499A (ja) | 1982-09-30 | 1982-09-30 | 単語音声認識方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5960499A JPS5960499A (ja) | 1984-04-06 |
| JPH0115079B2 true JPH0115079B2 (ja) | 1989-03-15 |
Family
ID=15925610
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57171571A Granted JPS5960499A (ja) | 1982-09-30 | 1982-09-30 | 単語音声認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS5960499A (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6385798A (ja) * | 1986-09-30 | 1988-04-16 | 松下電器産業株式会社 | パタ−ン比較装置 |
| JPH0741149A (ja) * | 1993-06-15 | 1995-02-10 | Nec Corp | 電子部品供給装置 |
-
1982
- 1982-09-30 JP JP57171571A patent/JPS5960499A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS5960499A (ja) | 1984-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4910784A (en) | Low cost speech recognition system and method | |
| JP4408490B2 (ja) | データベース照会を実行する方法及びその装置 | |
| JPH0582599B2 (ja) | ||
| JP3428058B2 (ja) | 音声認識装置 | |
| US20030110032A1 (en) | Fast search in speech recognition | |
| JPH10187181A (ja) | 音声認識装置 | |
| JP3477751B2 (ja) | 連続単語音声認識装置 | |
| JPS5960499A (ja) | 単語音声認識方式 | |
| JP3352144B2 (ja) | 音声認識装置 | |
| JPH05323989A (ja) | 音声認識方式 | |
| JP2577891B2 (ja) | 単語音声予備選択装置 | |
| JPS6131880B2 (ja) | ||
| JPS6131878B2 (ja) | ||
| JPH0464077B2 (ja) | ||
| JPH0145920B2 (ja) | ||
| JPS59211098A (ja) | 音声認識装置 | |
| JPH0451037B2 (ja) | ||
| JP2000099077A (ja) | 音声認識装置 | |
| JPH01185599A (ja) | 音声認識装置 | |
| JPH01209499A (ja) | パターン照合方式 | |
| JP3473704B2 (ja) | 音声認識装置 | |
| JP3011984B2 (ja) | パターン照合方法 | |
| JPS6155680B2 (ja) | ||
| JPH0221598B2 (ja) | ||
| JPS59189398A (ja) | 連続音声認識方式 |