JPH01262597A - 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〕 本発明は音韻記号表記の単語辞書を参照して音声認識を
行う音声認識装置に関し、特に類似した単語が多くなる
大語量を対象とした音声認識装置に関する。

〔従来の技術〕

従来のＤＰによる単語マツチングでは、入力パタンをｊ
軸に、標準パタンをｊ軸にとり、ｊ軸を積分軸とする非
対称のマツチングを行うとすると、以下の式で単語間距
離Ｄａが求められる。

Ｄａ　＝　（１／Ｊ　）Σｄ１ 但し、　ｄＩ＝フレームｊの距離 Ｊ　：標準パタンの時間長 この単語距離を用いると、音韻認識という観点で見゛る
と、継続時間長の長い母音などの音素に重みが付くこと
になる。このため破裂音などの持続時間が短い音韻の違
いによって区別しなければならない特徴の類似した単語
の認識が困難であるという欠点があった。

これに対し、各音韻に均等に重みが付（手法が提案され
ている。この手法では、標準パタンにあらかじめ音韻の
区切り点を与えておき、これをもとにして各音韻の継続
時間長を求め、各音韻ごと時間長によって得点の正規化
を行い、均等に重みを付ける。ここで標準パタンの単語
中の音韻数をＮ、ｎ番目の音韻の始端のフレーム番号を
５（ｎ−１）とすると、音韻に均等な重みを持った単語
距離Ｄｂは以下の式で求められる。

この距離は、音韻の持続時間の長さに依存しない距離で
あり、類似した単語の認識に有効である。

この方式については、三輪、「最適局所整合を用いた類
似単語音声の認識」、電子通信情報学会音声研究会資料
５Ｐ８６−６８　（１９８６，１２）に詳しい。

しかしながらこの方式ではあらかじめ音韻の区切りを与
えなければならず、音韻記号系列によって登録された辞
書を使えない。このため大語索を対象とした場合、各単
語の標準パタンに音韻区切りを与えることは非常に困難
であり、大語常の認識には向かないという問題があった
。

〔目　的〕

本発明は上述した従来技術の欠点を除去するものであり
、大語景に適する音声認識装置を提供することにある。

〔構　成〕

本発明の音声認識装置は上記の目的を達成するために、
入力した音声信号から音韻的特徴を抽出する時系列抽出
手段と、音韻記号列で登録された単語辞書と、音韻記号
に対応する標準パタンを記憶した記憶手段、音韻記号列
に対応する標準パタン列と特徴時系列のＤＰマツチング
により音声を認識する認識手段を備えている。

〔実施例〕

以下、添付図面に従って本発明により実施例を詳細に説
明する。

（動作の原理的説明） 本実施例では、距離尺度の代わりに、時間変化パタン（
ＴＳＰ　、　Ｔｉｍｅ　　Ｓｐｅｃｔｒｕｍ　　Ｐａｔ
ｔｅｒｎ　）を標準パタンとした事後確率を求め、これ
を類似度の計算に用いる。入力音声はバンドパスフィル
タ群により周波数分析され音声スペクトルに変換される
。

音声スペクトルはに−Ｌ変換法により次元の圧縮が行わ
れる。次に、次元圧縮した時系列中の特徴ベクトルが特
徴クラスＣ１に属する事後確率ｐ　（ｃｉ／Ｘ）を求め
る。これをフレームごとに求め得点とし、フレームｊ、
クラスｃｉでの得点をｄ　（ｉ、Ｄで表わす。この事後
確率の計算出力と単語辞書から生成された音韻記号列と
のマツチングを以下のＤＰの式を用いて行う。

ｇ（ｉ、０）＝−■ ｇ（０，ｊ）　＝−ω ｇ（１，１）＝ｄ（１，１） ｇ　（１、ｊ）　＝　ｄ　（１、ｊ）　＋ｇ　（１、ｊ
　・１＞・＝・・・Ｃａ）（ｉ≧３） このＤＰは第５図で示すＤＰババス持つ。本手法では、
このＤＰの結果を単語の得点計算には用いず、単に音韻
の位置決めのみに用いる。このＤＰでは（ａ）は特徴の
継続、（ｂ）は遷移、（Ｃ）は脱落を表わしているので
、（ａ）が続く区間が音韻の区間と考えてよい。このよ
うにして音韻位置が定まった後に別個に得点を計算する
。

以下に得点の計算方法を示す。得点の計算には音韻の区
間が分からなければならない。すなわちＤＰがどのよう
な経路を通ったか知る必要がある。

このためＤＰの計算をするのと同時に以下の計算もして
、経路の記憶を行う。

ｃ　（１，１）　＝０ この計算のフローチャートを第３図に示す。

まず、ステップＳｌｌでは、初期値として４７　ｅｎ＝
Ｊ。

ｉ＝１．ｊ＝ＪＳｄｐ＝０と設定する。１は標準パタン
記号列の長さで、Ｊは入力単語のフレーム長、ｌｅｎは
入力単語長を記憶するための変数、ｄｐはＤＰの累積距
離である。ステップＳ１２ではルーチンの終了を判定す
る。ＤＰの経路をバックトラックしていき、ｊがＯにな
った点で終了する。ステップＳ１３では、経路記憶Ｃ（
Ｉｌｊ）の値により、どのバスを通ったかを判断する。

これは式を見ればわかるように、０で経路の終了、１で
継続、２で遷移、３で脱落となっている。

まずｃ　（Ｉｌｊ）　＝Ｏならばｉ＝１．ｊ＝１である
ので、ｄ（１，、ｌ）の得点をｄｐに加えｊから１を引
く。これでＪ＝ｏとなるので、次のステップＳ１２の終
了判定で終了と判定される。

またｃ　（＋、ｊ）　＝ｌならば、ステップＳ１６に移
る。

Ｓ１６では音韻継続区間のみの距離の和を求めるための
変数ｓｄｐをクリアする。ステップＳ１７では継続区間
がどれだけ続いたかをカウントするカウンタｃｎｔをク
リアする。ステップ３１８ではｃ　（ｉ。

ｊ）の値を見ることにより、継続のパスが続いているか
を確認し、続いていればステップＳ１９でｓｄｐにその
点の距離ｄ　（ｉ、Ｄを加算する。さらにステップＳ２
０でｊから１を引きＤＰパスの１時点前に進み、カウン
タｃｎｔ継続区間の長さをカウントする。３１８でｃ　
（ｉ、ｊ）≠１ならば継続区間は終りであるので、制御
をステップＳ２１に移す。Ｓ２１ではさらにｄ　（ｉ、
Ｄの値をｓｄｐに加算し、カウンタｃｎｔもｌ進める。

ステップ３２２ではｓ　ｄ　ｐ　／　ｃ　ｎ　ｔを求め
継続区間の得点の平均を求める。ステップＳ２３では継
続した長さ分だけ入力単語長ｆｅｎからさし引いて、Ｉ
！ｅｎの正規化を行う。さらにステップＳ２４でＤＰの
累積距離ｄｐにｓｄｐを加える。ステップＳ２５では経
路記憶の値を見て、どの方向にバックトラックするかの
判断を下す。Ｃ（ｉ、ｊ）＝２ならば継続することなく
すぐに遷移するので、ステップＳ２６でｉ及びｊを変え
て１時点前にバックトラックする。またｃ　（＋１ｊ）
≠２ならばＣ（ｉ、ｊ）＝Ｏまたはｃ　（ＩＩＪ）　＝
３であり、Ｃ（ｉ、ｊ）＝３ならば継続することなくひ
とつ前の記号が脱落するのでステップＳ２７でｊ及びｊ
を変えて１時点前にバックトラックする。またｃ　（１
１３）　−〇でもｊ＝１であり、ｊから１を引くことに
よりｊ＝ｏとなりＳ１２で終Ｔと判定されるのでかまわ
ない。

次にＳ１３でｃ　（ｉ、ｊ）　＝２ならば、継続するこ
となくすぐに遷移するので、ステップ３２８でその時点
の得点ｄ　（ｉ、Ｄを加え、ステップＳ２９でｉ及びＪ
で１時点前にバックトラックする。

Ｓ１３でｃ（ｉ、ｊ）＝３ならば、継続することなくひ
とつ前の記号が脱落するので、ステップＳ３０でその時
点の得点ｄ　（ＬＤを加え、ステップＳ３１でｉ及びｊ
を変えて１時点前にバックトラックする。

ステップＳ１２で終了判定された後は、ステップＳ３２
でｄｐ／ｎｅｎを計算し最終的な得点を求める。

第１図は本発明による実施例の音声認識装置のブロック
構成図である。囚において１は入力した音声信号を周波
数分析し、所定の時系列パタンを得ることを目的とした
周波数分析部、２は得られた時系列から３の音韻標準パ
タンを用いて音韻的特徴を抽出する特徴抽出部、４は音
韻表記による単語辞書、５は特徴抽出結果と単語辞書か
ら得られた音韻記号系列とのマツチングを行うＤＰマツ
チング部、６はＤＰマツチングにより経路が定まった後
に、ＤＰの経路をバックトラックすることにより得点の
計算を行う得点計算部である。また７は音声認識装置の
全体を制御する制御部である。

第２図は実施例の音声認識処理のフローチャートである
。ステップＳｔでは入力音声を周波数分析する。例えば
入力音声の１フレームを１０ｍ５ｅｃとして２９ｃｈの
スペクトル時系列に変換する。ステップＳ２では前処理
として対数変換を行う。ステップＳ３２では、音韻標準
パタンを使ってフレームごとに事後確率の計算を行う。

ステップＳ４では辞書単語の単語番号の初期設定をし、
さらにステップＳ５で定められた終了単語番号との比較
をし、単語辞書が終了したかどうかを判断する。ステッ
プＳ６ではＳ５で定められた単語をもとに、単語辞書よ
り該当単語の音韻記号列を読み込む。ステップＳ７では
、ステップＳ３で求められた事後確率の計算出力とステ
ップＳ６で読み込まれた音韻記号列のＤＰマツチングを
行い、単語に含まれる各音韻の存在区間を求める。ステ
ップＳ８ではＤＰで定まった経路をもとに得点計算を行
う。ステップＳ９では単語番号を１つ進めることにより
次の単語の設定を行う。ステップＳ１０ではＳ８で求め
られた各単語に対する得点から最大のものを選択し認識
結果として出力を行う。

〔他の実施例〕

他の実施例はＤＰバックトラック後の得点を他の方法で
求めるものに関する。第４図は他の実施例の音声認識処
理のフローチャートである。

ステップＳ３３は初期値としてｉ　ｅｎ＝Ｊ、１＝Ｌｄ
ｐ＝０を設定する。第４図と同様に■は標準パタン記号
列の長さで、Ｊは入力単語のフレーム長、ｌｅｎは入力
単語を記憶するための変数、ｄｐはＤＰの累積距離であ
る。ステップＳ３４ではＰに負の値ＭＩＮを代入する。

ステップＳ３５ではｐの値と点（ｉ、ｊ）の得点ｄ　（
ｉ、Ｄの大小比較を行う。ｐがｄ　（ｉ、Ｄより小なら
ばステップＳ３６へ移り、そうでなければＳ３６を飛び
越えてステップＳ３７へ移る。

ステップＳ３６ではｄ　（ｉ、Ｄの値をＰに代入する。

ステップＳ３７ではｃ　（ｉ、Ｊ）の値により、０なら
ばステップＳ３８、ｌならばステップＳ３９．２ならス
テップＳ４０．３ならばステップＳ４１に制御を移す。

ステップＳ３８ではＤＰのバックトラックが終了してい
るので、ｄｐ／ｆｅｎを求めこれを単語の最終的な累積
得点とし、終了する。ステップＳ３９ではｊを減じてＤ
Ｐをひとつ前にバックトラックし、さらに長さＥｅｎを
減じて継続区間の長さの正規化を行う。Ｓ４２終了後は
Ｓ３５へ戻る。ステップＳ４０では累積距離ｄｐにｐを
加える。さらにステップＳ４３でｉ及びｊそれぞれを計
算しＤＰのバックトラックを行う。Ｓ４３終了後はステ
ップＳ３４へ戻る。ステップ５４１ではＳ４０と同様に
ｄｐにｐを加え、ステップＳ４４では＋＋Ｊをそれぞれ
計算しＤＰのバックトラックを行う。以上のようにして
得点を音韻区間の最大値を用いることによって計算を行
う。

〔発明の効果〕

以上述べたように本発明によれば、各音韻に均等に重み
が付くことにより、類似単語の認識能力が向上し、大語
禦にも強い音声認識装置が構成できるという効果がある
。

【図面の簡単な説明】

第１図は本発明による実施例の音声認識装置のブロック
構成図、 第２図は実施例の音声認識処理のフローチャート、第３
図は実施例のＤＰの得点計算部分のフローチャート、 第４図は他の実施例のＤＰの得点計算部分のフローチャ
ート、 第５図は実施例及び他の実施例に用いられるＤＰのバス
を表わした図。

Claims (2)

【特許請求の範囲】
1. （１）入力した音声信号から音韻的特徴を抽出する時系
   列抽出手段と、音韻記号列で登録された単語辞書と、音
   韻記号に対応する標準パタンを記憶する記憶手段と、音
   韻記号列に対応する標準パタン列と特徴時系列のＤＰマ
   ッチングにより音声を認識する認識手段とを有し、前記
   ＤＰは各音韻の存在位置を定めるためだけに用い、得点
   は別に計算することを特徴とした音声認識装置。
2. （２）前記得点計算は、各音韻ごとの継続時間長で正規
   化することにより求めることを特徴とする特許請求の範
   囲第１項記載の音声認識装置。