JPH0146080B2 - - Google Patents
Info
- Publication number
- JPH0146080B2 JPH0146080B2 JP57229279A JP22927982A JPH0146080B2 JP H0146080 B2 JPH0146080 B2 JP H0146080B2 JP 57229279 A JP57229279 A JP 57229279A JP 22927982 A JP22927982 A JP 22927982A JP H0146080 B2 JPH0146080 B2 JP H0146080B2
- Authority
- JP
- Japan
- Prior art keywords
- band
- logarithmic
- spectral power
- average value
- speech recognition
- 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
(A) 発明の技術分野
本発明は音声認識装置、特に帯域フイルタ群を
用いて入力音声の周波数分析を行い、単音節また
は単語等の音声認識を行う音声認識装置におい
て、音声認識率を低下させることなく、照合すべ
き特徴パラメータ時系列のパラメータ量を削減可
能とした音声認識装置に関するものである。 (B) 技術の背景と問題点 音声認識方式として、広帯域の音声周波数分析
を行うため、多数チヤネルの帯域通過フイルタを
使用し、各フイルタの出力を整流積分等によつて
帯域別スペクトル電力を求め、スペクトルの正規
化のため、全チヤネルの平均値が零となるように
帯域別対数スペクトル電力を変換した後、正規化
されたすべての帯域別対数スペクトル電力を照合
用特徴パラメータ時系列として使用し、予め辞書
に登録された標準特徴パラメータ時系列と、例え
ばダイナミツクプログラミング（DP）マツチン
グ法等により照合して、単音節または単語等の音
声認識を行う方式が知られている。 上記音声認識方式において、音声の認識率を高
めるためには、帯域フイルタの数、すなわちチヤ
ネル数を多くする必要がある。しかし、チヤネル
数を増加させると、音声周波数を分析するための
ハードウエア量が多く必要になるだけでなく、特
徴パラメータの要素を増えることから、照合に用
いるメモリ量が多く必要になり、また辞書に格納
する標準特徴パラメータ時系列の格納領域も多く
必要になる。さらに、照合のための演算処理時間
も多くかかることになる。 しかし、チヤネル数を減らせば、必要とするメ
モリ量等を少なくすることができるが、音声認識
率が劣化することになる。 (C) 発明の目的と構成 本発明は上記問題点の解決を図り、音声認識率
を低下させることなく、照合すべき特徴パラメー
タ量を減少させて、メモリ量等の削減を可能とす
ることを目的としている。換言すれば、従来と同
じ特徴パラメータ量であれば、音声の認識率がさ
らに向上するようにすることを目的としている。 本発明者等は、本発明の完成に先立つて、多く
の実験・研究を積み重ねた結果、音声認識におけ
る次のような特性を発見した。音声周波数分析
は、高周波数帯域部分も含めて、広帯域にわたつ
て行つたほうが良好な結果が得られるが、特に高
周波数帯域部分については、各サンプリングごと
のパワースペクトルの相対的な音声エネルギー量
が重要であり、例えば、そのパワースペクトルの
ピークが、5KHzの周波数部分にあるか、7KHzの
周波数部分にあるかは、音声認識上それ程重要で
はないということである。これは、人間の耳で
は、おそらく高周波数帯域における周波数のわず
かな違いは、認識が困難であるためと考えられ
る。 本発明は、上記の点に鑑み、高周波数帯域部分
も含めた複数の帯域フイルターで分析したパラメ
ータを正規化した後、高域部分の複数チヤネルの
パラメータを除去するようにして、本発明の目的
を達成するようにしたものである。すなわち、本
発明の音声認識装置は、音声を周波数分析して得
られる特徴パラメータ時系列の照合を行い音声を
認識する音声認識装置において、所定の帯域特性
をもつ多数チヤネルの帯域フイルタと、上記各帯
域フイルタの出力を帯域別のスペクトル電力に変
換する回路と、上記帯域別スペクトル電力を対数
変換して帯域別対数スペクトル電力を算出する対
数変換部と、全チヤネルについての上記帯域別対
数スペクトル電力の平均値を算出する平均値算出
部と、該平均値算出部の出力結果に基づいて上記
全チヤネルのうち高周波数帯域部分の１または複
数チヤネルを除く低域部分の上記帯域別対数スペ
クトル電力について正規化の変換を行う変換部と
をそなえ、照合用特徴パラメータ時系列として、
上記変換後の帯域別対数スペクトル電力を使用す
る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 図は本発明の一実施例構成を示す。 図中、１は音声入力部、２はパラメータ抽出
部、３−１ないし３−ｎは帯域通過フイルタ、４
−１ないし４−ｎは整流器、５−１ないし５−ｎ
はアナログ・デイジタル変換器、６−１ないし６
−ｎは対数変換部、７は平均値算出部、８−１な
いし８−ｍは減算器、９は音声認識部、１０は辞
書を表わす。 音声入力部１から入力された単音節または単語
からなる音声のアナログ信号は、パラメータ抽出
部２に入力される。パラメータ抽出部２は、音声
アナログ信号の周波数分析を行い、認識すべき入
力音声の特徴パラメータ時系列を抽出生成するも
のである。そのため、帯域別に複数（ｎ個）の帯
域通過フイルタ３−１〜３−ｎを有している。図
において、上部の帯域通過フイルタ３−１から順
に下位に向うに従つて、通過周波数が高くなつて
いる。帯域通過フイルタ３−１〜３−ｎは、例え
ば隣接する帯域通過フイルタの3dBの減衰点が一
致するように配置され、例えば180Hzから7.8KHz
までの広帯域にわたつてカバーするようにされ
る。 以下に本発明者等が用いた帯域通過フイルタの
構成例を示す。帯域通過フイルタ３−１〜３−ｎ
として、19個のフイルタを用いている。
用いて入力音声の周波数分析を行い、単音節また
は単語等の音声認識を行う音声認識装置におい
て、音声認識率を低下させることなく、照合すべ
き特徴パラメータ時系列のパラメータ量を削減可
能とした音声認識装置に関するものである。 (B) 技術の背景と問題点 音声認識方式として、広帯域の音声周波数分析
を行うため、多数チヤネルの帯域通過フイルタを
使用し、各フイルタの出力を整流積分等によつて
帯域別スペクトル電力を求め、スペクトルの正規
化のため、全チヤネルの平均値が零となるように
帯域別対数スペクトル電力を変換した後、正規化
されたすべての帯域別対数スペクトル電力を照合
用特徴パラメータ時系列として使用し、予め辞書
に登録された標準特徴パラメータ時系列と、例え
ばダイナミツクプログラミング（DP）マツチン
グ法等により照合して、単音節または単語等の音
声認識を行う方式が知られている。 上記音声認識方式において、音声の認識率を高
めるためには、帯域フイルタの数、すなわちチヤ
ネル数を多くする必要がある。しかし、チヤネル
数を増加させると、音声周波数を分析するための
ハードウエア量が多く必要になるだけでなく、特
徴パラメータの要素を増えることから、照合に用
いるメモリ量が多く必要になり、また辞書に格納
する標準特徴パラメータ時系列の格納領域も多く
必要になる。さらに、照合のための演算処理時間
も多くかかることになる。 しかし、チヤネル数を減らせば、必要とするメ
モリ量等を少なくすることができるが、音声認識
率が劣化することになる。 (C) 発明の目的と構成 本発明は上記問題点の解決を図り、音声認識率
を低下させることなく、照合すべき特徴パラメー
タ量を減少させて、メモリ量等の削減を可能とす
ることを目的としている。換言すれば、従来と同
じ特徴パラメータ量であれば、音声の認識率がさ
らに向上するようにすることを目的としている。 本発明者等は、本発明の完成に先立つて、多く
の実験・研究を積み重ねた結果、音声認識におけ
る次のような特性を発見した。音声周波数分析
は、高周波数帯域部分も含めて、広帯域にわたつ
て行つたほうが良好な結果が得られるが、特に高
周波数帯域部分については、各サンプリングごと
のパワースペクトルの相対的な音声エネルギー量
が重要であり、例えば、そのパワースペクトルの
ピークが、5KHzの周波数部分にあるか、7KHzの
周波数部分にあるかは、音声認識上それ程重要で
はないということである。これは、人間の耳で
は、おそらく高周波数帯域における周波数のわず
かな違いは、認識が困難であるためと考えられ
る。 本発明は、上記の点に鑑み、高周波数帯域部分
も含めた複数の帯域フイルターで分析したパラメ
ータを正規化した後、高域部分の複数チヤネルの
パラメータを除去するようにして、本発明の目的
を達成するようにしたものである。すなわち、本
発明の音声認識装置は、音声を周波数分析して得
られる特徴パラメータ時系列の照合を行い音声を
認識する音声認識装置において、所定の帯域特性
をもつ多数チヤネルの帯域フイルタと、上記各帯
域フイルタの出力を帯域別のスペクトル電力に変
換する回路と、上記帯域別スペクトル電力を対数
変換して帯域別対数スペクトル電力を算出する対
数変換部と、全チヤネルについての上記帯域別対
数スペクトル電力の平均値を算出する平均値算出
部と、該平均値算出部の出力結果に基づいて上記
全チヤネルのうち高周波数帯域部分の１または複
数チヤネルを除く低域部分の上記帯域別対数スペ
クトル電力について正規化の変換を行う変換部と
をそなえ、照合用特徴パラメータ時系列として、
上記変換後の帯域別対数スペクトル電力を使用す
る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 図は本発明の一実施例構成を示す。 図中、１は音声入力部、２はパラメータ抽出
部、３−１ないし３−ｎは帯域通過フイルタ、４
−１ないし４−ｎは整流器、５−１ないし５−ｎ
はアナログ・デイジタル変換器、６−１ないし６
−ｎは対数変換部、７は平均値算出部、８−１な
いし８−ｍは減算器、９は音声認識部、１０は辞
書を表わす。 音声入力部１から入力された単音節または単語
からなる音声のアナログ信号は、パラメータ抽出
部２に入力される。パラメータ抽出部２は、音声
アナログ信号の周波数分析を行い、認識すべき入
力音声の特徴パラメータ時系列を抽出生成するも
のである。そのため、帯域別に複数（ｎ個）の帯
域通過フイルタ３−１〜３−ｎを有している。図
において、上部の帯域通過フイルタ３−１から順
に下位に向うに従つて、通過周波数が高くなつて
いる。帯域通過フイルタ３−１〜３−ｎは、例え
ば隣接する帯域通過フイルタの3dBの減衰点が一
致するように配置され、例えば180Hzから7.8KHz
までの広帯域にわたつてカバーするようにされ
る。 以下に本発明者等が用いた帯域通過フイルタの
構成例を示す。帯域通過フイルタ３−１〜３−ｎ
として、19個のフイルタを用いている。
【表】
【表】
音声入力部１からの音声信号は、帯域通過フイ
ルタ３−１〜３−ｎによつて帯域別にろ波され、
それぞれ整流器４−１〜４−ｎに入力される。各
整流器４−１〜４−ｎは、例えば10msの整流積
分時定数でもつて、入力信号の整流平滑化を行
う。整流器４−１〜４−ｎの出力は、アナログ・
デイジタル変換器５−１〜５−ｎに入力され、帯
域別スペクトル電力をデイジタル量として表わし
たものが求められる。 この帯域別スペクトル電力は、人間が感じる音
の強弱に合わせるために、対数変換部６−１〜６
−ｎによつて、対数変換されて、帯域別対数スペ
クトル電力が求められる。次に、この帯域別対数
スペクトル電力は、大きな声であつても、小さな
声であつても同じ特徴パラメータとして表われる
ようにするために、正規化が行われる。 そのため、まず平均値算出部７によつて、全チ
ヤネルについての帯域別対数スペクトル電力の平
均値が算出される。ここで、従来方式によれば、
ｎ個の対数変換部６−１〜６−ｎからの帯域別対
数スペクトル電力から、それぞれ上記平均値算出
部７によつて求められた平均値の減算を行い、そ
の結果正規化されたｎ個の帯域別対数スペクトル
電力を特徴パラメータP1，P2，P3，…，Poとし
て、使用するようにされていた。 本発明においては、高域部分の１または複数チ
ヤネルについての帯域別対数スペクトル電力は、
平均値算出部７において平均値算出のためには用
いるが、音声の特徴パラメータとしては、用いな
いようにされ、除去される。すなわち、（ｍ＋１）
番目の対数変換部から、ｎ番目の最高周波数帯域
の対数変換部６−ｎまでの出力は、平均値算出の
ためにだけ用いられ、平均値算出後は除去され
る。そして、求められた平均値を帯域別対数スペ
クトル電力から減算するための減算器８−１〜８
−ｍは、図示の如く、低域部のチヤネルに対応し
てｍ個用意される。対数変換部６−１〜６−ｍの
出力である帯域別対数スペクトル電力は、各減算
器８−１〜８−ｍによつて平均値が減算され、そ
の結果が特徴パラメータP1，P2，…，Pnとして、
音声認識部９に伝達される。 音声認識部９は、ｍ個の特徴パラメータの組か
らなる特徴パラメータ時系列によつて、予め辞書
１０に登録された標準特徴パラメータ時系列と、
例えばDPマツチング法により照合することによ
り入力音声の認識を行う。すなわち、簡単に言え
ば時間軸の正規化を行い、対応する時点における
ｍ個の入力特徴パラメータPiと標準特徴パラメー
タP′iとの距離（Pi−P′i）をｉ＝１からｉ＝ｍま
で加算し、これを一連の時系列について加えた結
果が最小になる標準特徴パラメータに対応する単
音節または単語を認識結果とする。 本発明者等は、上述した19個の帯域通過フイル
タを用いて周波数分析を行い、全チヤネルの帯域
別対数スペクトル電力についての平均値を算出し
た後、上述のチヤネル（CH）番号が17から19ま
でのもの、すなわち4.8KHzから7.8KHzに対応す
る帯域別対数スペクトル電力を除いた16個の帯域
別対数スペクトル電力について、上記平均値によ
る補正を行つて、その補正された16個の帯域別対
数スペクトル電力を照合用特徴パラメータとし
て、音声認識を行つた。これと、19個の全チヤネ
ルから19個の特徴パラメータを抽出して音声認識
を行つた結果とを比較したが、音声認識率の低下
は見られなかつた。 一方、高周波数帯域のチヤネル番号17から19ま
でのものを除いた16個の帯域通過フイルタを用い
て16チヤネルについての周波数分析を行い、16個
の特徴パラメータを抽出して音声認識を試みた
が、この場合には、4.8KHzから7.8KHzまでの高
域部分の情報が全く特徴パラメータに加味されな
いため、明らかに音声認識率が劣化することとな
つた。 なお、周波数分析を行うチヤネル数、帯域幅お
よび抽出する特徴パラメータ時系列の数は、上記
実施例の場合に限定されるわけではなく、要求さ
れる音声認識率、および用意できるメモリ量、演
算機構、辞書サイズ、許容できる照合処理時間等
によつて適宜選択してよい。 (E) 発明の効果 以上説明した如く本発明によれば、簡単な手段
によつて、音声認識率を低下させることなく、照
合／格納特徴パラメータ量を削減することがで
き、メモリ量、演算機構等を節減し、認識処理時
間を短縮することができる。また、従来と同数の
特徴パラメータ量で音声認識を行うものとすれ
ば、音声認識率が向上することとなる。
ルタ３−１〜３−ｎによつて帯域別にろ波され、
それぞれ整流器４−１〜４−ｎに入力される。各
整流器４−１〜４−ｎは、例えば10msの整流積
分時定数でもつて、入力信号の整流平滑化を行
う。整流器４−１〜４−ｎの出力は、アナログ・
デイジタル変換器５−１〜５−ｎに入力され、帯
域別スペクトル電力をデイジタル量として表わし
たものが求められる。 この帯域別スペクトル電力は、人間が感じる音
の強弱に合わせるために、対数変換部６−１〜６
−ｎによつて、対数変換されて、帯域別対数スペ
クトル電力が求められる。次に、この帯域別対数
スペクトル電力は、大きな声であつても、小さな
声であつても同じ特徴パラメータとして表われる
ようにするために、正規化が行われる。 そのため、まず平均値算出部７によつて、全チ
ヤネルについての帯域別対数スペクトル電力の平
均値が算出される。ここで、従来方式によれば、
ｎ個の対数変換部６−１〜６−ｎからの帯域別対
数スペクトル電力から、それぞれ上記平均値算出
部７によつて求められた平均値の減算を行い、そ
の結果正規化されたｎ個の帯域別対数スペクトル
電力を特徴パラメータP1，P2，P3，…，Poとし
て、使用するようにされていた。 本発明においては、高域部分の１または複数チ
ヤネルについての帯域別対数スペクトル電力は、
平均値算出部７において平均値算出のためには用
いるが、音声の特徴パラメータとしては、用いな
いようにされ、除去される。すなわち、（ｍ＋１）
番目の対数変換部から、ｎ番目の最高周波数帯域
の対数変換部６−ｎまでの出力は、平均値算出の
ためにだけ用いられ、平均値算出後は除去され
る。そして、求められた平均値を帯域別対数スペ
クトル電力から減算するための減算器８−１〜８
−ｍは、図示の如く、低域部のチヤネルに対応し
てｍ個用意される。対数変換部６−１〜６−ｍの
出力である帯域別対数スペクトル電力は、各減算
器８−１〜８−ｍによつて平均値が減算され、そ
の結果が特徴パラメータP1，P2，…，Pnとして、
音声認識部９に伝達される。 音声認識部９は、ｍ個の特徴パラメータの組か
らなる特徴パラメータ時系列によつて、予め辞書
１０に登録された標準特徴パラメータ時系列と、
例えばDPマツチング法により照合することによ
り入力音声の認識を行う。すなわち、簡単に言え
ば時間軸の正規化を行い、対応する時点における
ｍ個の入力特徴パラメータPiと標準特徴パラメー
タP′iとの距離（Pi−P′i）をｉ＝１からｉ＝ｍま
で加算し、これを一連の時系列について加えた結
果が最小になる標準特徴パラメータに対応する単
音節または単語を認識結果とする。 本発明者等は、上述した19個の帯域通過フイル
タを用いて周波数分析を行い、全チヤネルの帯域
別対数スペクトル電力についての平均値を算出し
た後、上述のチヤネル（CH）番号が17から19ま
でのもの、すなわち4.8KHzから7.8KHzに対応す
る帯域別対数スペクトル電力を除いた16個の帯域
別対数スペクトル電力について、上記平均値によ
る補正を行つて、その補正された16個の帯域別対
数スペクトル電力を照合用特徴パラメータとし
て、音声認識を行つた。これと、19個の全チヤネ
ルから19個の特徴パラメータを抽出して音声認識
を行つた結果とを比較したが、音声認識率の低下
は見られなかつた。 一方、高周波数帯域のチヤネル番号17から19ま
でのものを除いた16個の帯域通過フイルタを用い
て16チヤネルについての周波数分析を行い、16個
の特徴パラメータを抽出して音声認識を試みた
が、この場合には、4.8KHzから7.8KHzまでの高
域部分の情報が全く特徴パラメータに加味されな
いため、明らかに音声認識率が劣化することとな
つた。 なお、周波数分析を行うチヤネル数、帯域幅お
よび抽出する特徴パラメータ時系列の数は、上記
実施例の場合に限定されるわけではなく、要求さ
れる音声認識率、および用意できるメモリ量、演
算機構、辞書サイズ、許容できる照合処理時間等
によつて適宜選択してよい。 (E) 発明の効果 以上説明した如く本発明によれば、簡単な手段
によつて、音声認識率を低下させることなく、照
合／格納特徴パラメータ量を削減することがで
き、メモリ量、演算機構等を節減し、認識処理時
間を短縮することができる。また、従来と同数の
特徴パラメータ量で音声認識を行うものとすれ
ば、音声認識率が向上することとなる。
図は本発明の一実施例構成を示す。
図中、１は音声入力部、２はパラメータ抽出
部、３−１ないし３−ｎは帯域通過フイルタ、４
−１ないし４−ｎは整流器、５−１ないし５−ｎ
はアナログ・デイジタル変換器、６−１ないし６
−ｎは対数変換部、７は平均値算出部、８−１な
いし８−ｍは減算器、９は音声認識部、１０は辞
書を表わす。
部、３−１ないし３−ｎは帯域通過フイルタ、４
−１ないし４−ｎは整流器、５−１ないし５−ｎ
はアナログ・デイジタル変換器、６−１ないし６
−ｎは対数変換部、７は平均値算出部、８−１な
いし８−ｍは減算器、９は音声認識部、１０は辞
書を表わす。
Claims (1)
- 【特許請求の範囲】 １ 音声を周波数分析して得られる特徴パラメー
タ時系列の照合を行い音声を認識する音声認識装
置において、 所定の帯域特性をもつ多数チヤネルの帯域フイ
ルタと、 上記各帯域フイルタの出力を帯域別のスペクト
ル電力に変換する回路と、 上記帯域別スペクトル電力を対数変換して帯域
別対数スペクトル電力を算出する対数変換部と、 全チヤネルについての上記帯域別対数スペクト
ル電力の平均値を算出する平均値算出部と、 該平均値算出部の出力結果に基づいて上記全チ
ヤネルのうち高周波数帯域部分の１または複数チ
ヤネルを除く低域部分の上記帯域別対数スペクト
ル電力について正規化の変換を行う変換部とをそ
なえ、 照合用特徴パラメータ時系列として、上記変換
後の帯域別対数スペクトル電力を使用することを
特徴とする音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57229279A JPS59123897A (ja) | 1982-12-29 | 1982-12-29 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57229279A JPS59123897A (ja) | 1982-12-29 | 1982-12-29 | 音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS59123897A JPS59123897A (ja) | 1984-07-17 |
| JPH0146080B2 true JPH0146080B2 (ja) | 1989-10-05 |
Family
ID=16889618
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57229279A Granted JPS59123897A (ja) | 1982-12-29 | 1982-12-29 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS59123897A (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61278899A (ja) * | 1985-06-05 | 1986-12-09 | 株式会社東芝 | 話者照合用フイルタ |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS565597A (en) * | 1979-06-26 | 1981-01-21 | Sanyo Electric Co | Voice identifier |
-
1982
- 1982-12-29 JP JP57229279A patent/JPS59123897A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS59123897A (ja) | 1984-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR950011963B1 (ko) | 음성처리장치, 그 장치를 이용한 셀룰러 무선단말장치 및 음성처리방법 | |
| GB1519492A (en) | Speech recognizing method | |
| CN112017658A (zh) | 一种基于智能人机交互的操作控制系统 | |
| Li et al. | A high-performance auditory feature for robust speech recognition. | |
| JPH0146080B2 (ja) | ||
| Sanaullah et al. | Deception detection in speech using bark band and perceptually significant energy features | |
| JPS6334477B2 (ja) | ||
| JPH0146079B2 (ja) | ||
| RU2107950C1 (ru) | Способ идентификации личности по фонограммам произвольной устной речи | |
| JPS59172695A (ja) | 音声パラメ−タ抽出方式 | |
| JPH0146078B2 (ja) | ||
| Flynn et al. | A comparative study of auditory-based front-ends for robust speech recognition using the Aurora 2 database | |
| Hernando et al. | Speaker verification on the polycost database using frequency filtered spectral energies. | |
| JPS6229798B2 (ja) | ||
| EP0143161A1 (en) | Apparatus for automatic speech activity detection | |
| JPS61206000A (ja) | 音声認識装置 | |
| JPS61228500A (ja) | 音声認識方法 | |
| JPH0410080B2 (ja) | ||
| JPS59116700A (ja) | 音声認識装置 | |
| JPH0814760B2 (ja) | スペクトル正規化装置 | |
| Carey | Robust speech recognition using non-linear spectral smoothing. | |
| Umakanthan et al. | A perceptual masking based feature set for speech recognition | |
| JPS6211079Y2 (ja) | ||
| JPS6315298A (ja) | パタ−ン作成方式 | |
| Tyler | Speech recognition system using Walsh analysis and dynamic programming |