JPH0194395A - 音声認識方式 - Google Patents
音声認識方式Info
- Publication number
- JPH0194395A JPH0194395A JP62252107A JP25210787A JPH0194395A JP H0194395 A JPH0194395 A JP H0194395A JP 62252107 A JP62252107 A JP 62252107A JP 25210787 A JP25210787 A JP 25210787A JP H0194395 A JPH0194395 A JP H0194395A
- Authority
- JP
- Japan
- Prior art keywords
- dictionary
- pattern
- axis direction
- orthogonalization
- axis
- 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.)
- Granted
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N9/00—Enzymes; Proenzymes; Compositions thereof; Processes for preparing, activating, inhibiting, separating or purifying enzymes
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
- C12N15/09—Recombinant DNA-technology
- C12N15/11—DNA or RNA fragments; Modified forms thereof; Non-coding nucleic acids having a biological activity
- C12N15/52—Genes encoding for enzymes or proenzymes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Genetics & Genomics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Biotechnology (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Microbiology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Plant Pathology (AREA)
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
［発明の目的］
（産業上の利用分野）
本発明は少ない学習パターンで高い認識性能を得ること
のできる音声認識方式に関する。
のできる音声認識方式に関する。
（従来の技術）
音声により情報の入出力は人間にとって自然性が高く、
マン・マシン・インターフェーストシて優れており、従
来より種々研究されている。現在、実用化されている音
声認識装置の殆んどは単語音声を認識する方式のもので
、一般的には第２図に示すように構成されている。
マン・マシン・インターフェーストシて優れており、従
来より種々研究されている。現在、実用化されている音
声認識装置の殆んどは単語音声を認識する方式のもので
、一般的には第２図に示すように構成されている。
この装置は、発声入力された音声を電気信号に変換して
取込み、バンド・パス・フィルタ等からなる音響分析部
１にて音響分析し、始端・終端検出部２にてその単語音
声区間を検出する。そして入力音声の上記単語音声区間
の音響分析データ（特徴情報；音声パターン）と、標準
パターン辞！ｉ３に予め登録されている認識対象単語の
各標準パターンとの類似度や距離等をパターン・マツチ
ング部４にて計算し、その計算結果を判定部５にて判定
して、例えば類似度値の最も高い標準パターンのカテゴ
リ名を前記入力音声に対する認識結果として求めるもの
となっている。
取込み、バンド・パス・フィルタ等からなる音響分析部
１にて音響分析し、始端・終端検出部２にてその単語音
声区間を検出する。そして入力音声の上記単語音声区間
の音響分析データ（特徴情報；音声パターン）と、標準
パターン辞！ｉ３に予め登録されている認識対象単語の
各標準パターンとの類似度や距離等をパターン・マツチ
ング部４にて計算し、その計算結果を判定部５にて判定
して、例えば類似度値の最も高い標準パターンのカテゴ
リ名を前記入力音声に対する認識結果として求めるもの
となっている。
しかしこのようにパターン・マツチング法による音声認
識では入力音声パターン−と予め登録されている標準パ
ターンとの時間軸方向のずれ（パターン変形）が問題と
なる。そこで従来では、専ら線形伸縮や、動的計画法（
Ｄ Ｐ）に代表される非線形伸縮等により、上述した時
間軸方向のずれに対する課題を解消している。
識では入力音声パターン−と予め登録されている標準パ
ターンとの時間軸方向のずれ（パターン変形）が問題と
なる。そこで従来では、専ら線形伸縮や、動的計画法（
Ｄ Ｐ）に代表される非線形伸縮等により、上述した時
間軸方向のずれに対する課題を解消している。
一方、このようなパターンφマツチング法とは別に、予
め収集された学習パターンから直交化辞書を作成し、こ
の直交化辞書を用いて音声認識する方式（部分空間法）
が提唱されている。この方式は第３図にその構成例を示
すように、音響分析されて音声区間検出された音声パタ
ーンから、標本点抽出部６にて上記音声区間を等分割し
た所定点数の標本点を抽出し、（特徴ベクトルの数×標
本点数）で示される標本パターンを求める。このような
標本パターンを認識対象とするカテゴリ毎に所定数ずつ
収集してパターン蓄積部７に格納する。そしてグラム・
シュミット（ＧＳ）直交化部８において、上記パターン
蓄積部７に収集された所定数（３個以上）の標本パター
ンを用いて以下に示す手順で直交化辞書９を作成する。
め収集された学習パターンから直交化辞書を作成し、こ
の直交化辞書を用いて音声認識する方式（部分空間法）
が提唱されている。この方式は第３図にその構成例を示
すように、音響分析されて音声区間検出された音声パタ
ーンから、標本点抽出部６にて上記音声区間を等分割し
た所定点数の標本点を抽出し、（特徴ベクトルの数×標
本点数）で示される標本パターンを求める。このような
標本パターンを認識対象とするカテゴリ毎に所定数ずつ
収集してパターン蓄積部７に格納する。そしてグラム・
シュミット（ＧＳ）直交化部８において、上記パターン
蓄積部７に収集された所定数（３個以上）の標本パター
ンを用いて以下に示す手順で直交化辞書９を作成する。
即ち、上記直交化辞書９の作成は、各カテゴリ毎にその
カテゴリのｍ回目の学習パターンをａ。
カテゴリのｍ回目の学習パターンをａ。
とじ、３回発声された学習パターンを用いる場合には、
■ １回目の学習データａ１を第１軸の辞書ｂ１とし、
ｂ１″″ａ１ ・・・
（１）これを直交化辞書９に登録する。
（１）これを直交化辞書９に登録する。
■ ２回目の学習データａ２からグラム・シュミットの
直交化式を用い、 なる計算を行い、ＩＩ ｂ ２１１が一定値より大きい
場合、これを第２軸の辞書ｂ２として前記直交化辞書９
に登録する。但し、（・）は内積、Ｔは転置、１１１１
はノルムを示す。
直交化式を用い、 なる計算を行い、ＩＩ ｂ ２１１が一定値より大きい
場合、これを第２軸の辞書ｂ２として前記直交化辞書９
に登録する。但し、（・）は内積、Ｔは転置、１１１１
はノルムを示す。
■ そして３回目の学習データａ３から、なる計算を行
い、ＩＩ ｂ ３Ｉ＋が一定値より大きい場合、これを
第３軸の辞１Ｆｂ３として前記直交化辞書９に登録する
。但し、第２軸の辞書が求められていない場合には、上
記（２）式の計算を行う。
い、ＩＩ ｂ ３Ｉ＋が一定値より大きい場合、これを
第３軸の辞１Ｆｂ３として前記直交化辞書９に登録する
。但し、第２軸の辞書が求められていない場合には、上
記（２）式の計算を行う。
以上の■〜■の処理を各カテゴリについて繰返し実行し
て直交化辞書９を予め形成しておく。
て直交化辞書９を予め形成しておく。
類似度計算部１０は上述した如く作成された直交化辞書
９と、入力音声パターンＸとの間でとして、カテゴリｉ
の直交化辞書ｂ との間の１、ｒ 類似度を計算するもので、この類似度値に従って上記入
力音声パターンＸが認識される。尚、上記カテゴリｉの
直交化辞書ｂ は予め正規化され１、ｒ たちのであり、Ｋ、はカテゴリｉの辞書の個数（軸数）
を示している。
９と、入力音声パターンＸとの間でとして、カテゴリｉ
の直交化辞書ｂ との間の１、ｒ 類似度を計算するもので、この類似度値に従って上記入
力音声パターンＸが認識される。尚、上記カテゴリｉの
直交化辞書ｂ は予め正規化され１、ｒ たちのであり、Ｋ、はカテゴリｉの辞書の個数（軸数）
を示している。
ところがこのようなＧＳ直交化を用いる方式にあっては
、上述した各直交軸が担うパターン変動量が明確でない
と云う問題がある。この為、上述した如くして計算され
た直交化辞書９のカテゴリｉの標本パターン（ａ 、
ａ、、ａ ｌが、ｉ、１ １，２ １．３ そのカテゴリｉの本来の標準的なパターンを良く表現し
ているとは同等保障されないと云う不具合がある。
、上述した各直交軸が担うパターン変動量が明確でない
と云う問題がある。この為、上述した如くして計算され
た直交化辞書９のカテゴリｉの標本パターン（ａ 、
ａ、、ａ ｌが、ｉ、１ １，２ １．３ そのカテゴリｉの本来の標準的なパターンを良く表現し
ているとは同等保障されないと云う不具合がある。
（発明が解決しようとする問題点）
このように従来のＧＳ直交化を用いた部分空間法による
音声認識にあっては、直交化された辞書自体に、例えば
収集した学習パターンの時間軸方向や周波数軸方向の変
動に起因する問題があり、その標準パターンを良く表現
しているか否かと云う点で課題が残されている。またこ
のような問題を解消するには、相当大量の学習パターン
を収集する必要がある等の不具合がある。
音声認識にあっては、直交化された辞書自体に、例えば
収集した学習パターンの時間軸方向や周波数軸方向の変
動に起因する問題があり、その標準パターンを良く表現
しているか否かと云う点で課題が残されている。またこ
のような問題を解消するには、相当大量の学習パターン
を収集する必要がある等の不具合がある。
本発明はこのような事情を考慮してなされたもので、そ
の目的とするところは、少ない学習バタ＝ンにてその標
準パターンを良く表現した、パターン変動に十分対処す
ることのできる直交化辞書を作成し、認識性能の向上を
図ることのできる音声認識方式を提供することにある。
の目的とするところは、少ない学習バタ＝ンにてその標
準パターンを良く表現した、パターン変動に十分対処す
ることのできる直交化辞書を作成し、認識性能の向上を
図ることのできる音声認識方式を提供することにある。
［発明の構成］
（問題点を解決するための手段）
本発明は入力音声を分析処理して求められる入力音声パ
ターンと予め収集された学習パターンに基いて作成され
ている直交化辞書との間で類似度を計算して上記入力音
声を認識する音声認識方式において、 予め収集された学習パターンに対して少なくとも平滑処
理と微分処理とを施す３種以上のフィルタを用い、例え
ば収集された学習パターンの平均パターンを求め、この
平均パターンを時間軸方向および周波数軸方向にそれぞ
れ平滑化して第１軸の辞書を求め、更に上記平均パター
ンを時間軸方向に微分して第２軸の辞書を求めると共に
、上記平均パターンを周波数軸方向に微分して第３軸の
辞書を求める等して前記直交化辞書を作成することを特
徴とするものである。
ターンと予め収集された学習パターンに基いて作成され
ている直交化辞書との間で類似度を計算して上記入力音
声を認識する音声認識方式において、 予め収集された学習パターンに対して少なくとも平滑処
理と微分処理とを施す３種以上のフィルタを用い、例え
ば収集された学習パターンの平均パターンを求め、この
平均パターンを時間軸方向および周波数軸方向にそれぞ
れ平滑化して第１軸の辞書を求め、更に上記平均パター
ンを時間軸方向に微分して第２軸の辞書を求めると共に
、上記平均パターンを周波数軸方向に微分して第３軸の
辞書を求める等して前記直交化辞書を作成することを特
徴とするものである。
（作用）
３種以上のフィルタを用い、収集された学習パターンの
平均パターンを求め、この平均パターンを時間軸方向お
よび周波数軸方向にそれぞれ平滑化して第１軸の辞書を
求めるので音声パターンの時間軸方向の変動を、および
周波数軸方向の変動を効果的に吸収することができる。
平均パターンを求め、この平均パターンを時間軸方向お
よび周波数軸方向にそれぞれ平滑化して第１軸の辞書を
求めるので音声パターンの時間軸方向の変動を、および
周波数軸方向の変動を効果的に吸収することができる。
更には上記平均パターンを時間軸方向に微分して第２軸
の辞書を求めるので時間軸方向に対する音声パターンの
位置ずれを効果的に吸収することができ、また上記平均
パターンを周波数軸方向に微分して第３軸の辞書を求め
るので周波数軸方向に対する音声パターンの位置ずれを
効果的に吸収することができる。
の辞書を求めるので時間軸方向に対する音声パターンの
位置ずれを効果的に吸収することができ、また上記平均
パターンを周波数軸方向に微分して第３軸の辞書を求め
るので周波数軸方向に対する音声パターンの位置ずれを
効果的に吸収することができる。
このようにして時間軸方向および周波数軸方向に対する
パターン変動をそれぞれ吸収した直交化辞書が作成され
るので、直交化辞書の各辞書パターンをその変動による
位置ずれに対応し得るものとすることができ、認識性能
の向上に大きく寄与する。しかも時間軸方向および周波
数軸方向のパターン変動を吸収した平均パターンから生
成される辞書パターン（第１軸）をベースとして第２軸
および第３軸の辞書を求めてその直交化辞書が生成され
ていくので、従来のように直交化辞書自体の各直交軸が
担うパターン変動量が不明確になることがなく、少ない
学習パターンを有効に用いて性能の高い直交化辞書を効
果的に作成することが可能となる。
パターン変動をそれぞれ吸収した直交化辞書が作成され
るので、直交化辞書の各辞書パターンをその変動による
位置ずれに対応し得るものとすることができ、認識性能
の向上に大きく寄与する。しかも時間軸方向および周波
数軸方向のパターン変動を吸収した平均パターンから生
成される辞書パターン（第１軸）をベースとして第２軸
および第３軸の辞書を求めてその直交化辞書が生成され
ていくので、従来のように直交化辞書自体の各直交軸が
担うパターン変動量が不明確になることがなく、少ない
学習パターンを有効に用いて性能の高い直交化辞書を効
果的に作成することが可能となる。
（実施例）
以下、図面を参照して本発明の一実施例につき説明する
。
。
第１図は本発明に係る一実施例方式を適用して構成され
る音声認識装置の概略構成図で、第３図に示した従来装
置と同一部分には同一符号を付して示しである。
る音声認識装置の概略構成図で、第３図に示した従来装
置と同一部分には同一符号を付して示しである。
この実施例装置が特徴とするところは、パターン蓄積部
７に蓄積された学習パターンを用いて直交化辞書９を作
成する手段として、従来のＧＳ直交化部８に代えて少な
くとも平滑処理と微分処理とを実行する３種以上の直交
化時間・周波数フィルタからなる直交化時間・周波数フ
ィルタ部１１を用いた点にある。尚、ここではパターン
蓄積部７に収集される学習パターンとしては、例えばｊ
（−１，２，〜１Ｂ）で示される１６点の音響分析
された特徴ベクトルからなり、その音声区間をｋ （−
０，１，２，〜１７）として１７等分する１８個の標本
点に亙って採取したデータ系列として与えられるものと
して説明する。
７に蓄積された学習パターンを用いて直交化辞書９を作
成する手段として、従来のＧＳ直交化部８に代えて少な
くとも平滑処理と微分処理とを実行する３種以上の直交
化時間・周波数フィルタからなる直交化時間・周波数フ
ィルタ部１１を用いた点にある。尚、ここではパターン
蓄積部７に収集される学習パターンとしては、例えばｊ
（−１，２，〜１Ｂ）で示される１６点の音響分析
された特徴ベクトルからなり、その音声区間をｋ （−
０，１，２，〜１７）として１７等分する１８個の標本
点に亙って採取したデータ系列として与えられるものと
して説明する。
しかして前記直交化時間・周波数フィルタ部１１は、カ
テゴリｉについて、例えば３個ずつ収集されたｍ番目の
学習パターンをａ としたとき、ｍ（ｊ、ｋ） 次のようにして直交化辞書９を作成している。
テゴリｉについて、例えば３個ずつ収集されたｍ番目の
学習パターンをａ としたとき、ｍ（ｊ、ｋ） 次のようにして直交化辞書９を作成している。
■ 先ず、カテゴ１月の学習パターンａＩＩ（ｊ、ｋ）
から、その平均パターンＡ を Ｕ、ｋ） ［ｊ−０，１，２，〜１５． ｋ−０，１，２，〜１７
］として求める。
から、その平均パターンＡ を Ｕ、ｋ） ［ｊ−０，１，２，〜１５． ｋ−０，１，２，〜１７
］として求める。
■ しかる後、上述した如くして求めた平均パターンＡ
（ｊ、ｋ）を用いて・ ｂｌＮ、ｋ） ＋Ａ ＋Ａ ” Ａ（ｊ−１，に−１） （ｊ−１，ｋ）
（ｊ−１，に＋１）＋ ２＊Ａ ＋ Ａ ＋Ａ（ｊ、に−１） （ｊ、ｋ） （ｊ、に
＋１）＋ Ａ’ ＋ Ａ ” Ａ（ｊ＋１．に−１） Ｕ＋１．ｋ） （
ｊ＋Ｌｋ＋１）［ｊ＝１．２．〜１４．に−１，２，〜
１６〕 ・・・（６）なる演算にて第
１軸の辞書ｂ１（ｊ、ｋ）を求め、これを直交化辞書９
に登録する。この辞書ｂ１（ｊ、ｋ）は前記平均パター
ンＡ（ｊ、ｋ）を時間軸方向および周波数軸方向にそれ
ぞれ平滑化したものとして求められ、直交化辞書９の基
準となる第１軸の辞書データとして登録される。
（ｊ、ｋ）を用いて・ ｂｌＮ、ｋ） ＋Ａ ＋Ａ ” Ａ（ｊ−１，に−１） （ｊ−１，ｋ）
（ｊ−１，に＋１）＋ ２＊Ａ ＋ Ａ ＋Ａ（ｊ、に−１） （ｊ、ｋ） （ｊ、に
＋１）＋ Ａ’ ＋ Ａ ” Ａ（ｊ＋１．に−１） Ｕ＋１．ｋ） （
ｊ＋Ｌｋ＋１）［ｊ＝１．２．〜１４．に−１，２，〜
１６〕 ・・・（６）なる演算にて第
１軸の辞書ｂ１（ｊ、ｋ）を求め、これを直交化辞書９
に登録する。この辞書ｂ１（ｊ、ｋ）は前記平均パター
ンＡ（ｊ、ｋ）を時間軸方向および周波数軸方向にそれ
ぞれ平滑化したものとして求められ、直交化辞書９の基
準となる第１軸の辞書データとして登録される。
■ しかる後、前記平均パターンＡ（ｊ、ｋ）を用い、
−−Ａ＋Ａ ” ２（ｊ、ｋ） Ｕ−１，に−１） （ｊ
−１，に＋１）＋Ａ’ ＋ １’ −Ａ（ｊ、に−１） （ｊ、に＋１）“”
（ｊ＋１．に−１） （ｊ＋１．に＋１）’＋ Ａ Ｎ−１，２，〜１４． ｋ−１，２，〜１８１
・・・（７）なる演算にて第２軸の辞書ｂ
２Ｕ、ｋ）を求め、これを正規化した後、前記直交化辞
書９に登録する。
−−Ａ＋Ａ ” ２（ｊ、ｋ） Ｕ−１，に−１） （ｊ
−１，に＋１）＋Ａ’ ＋ １’ −Ａ（ｊ、に−１） （ｊ、に＋１）“”
（ｊ＋１．に−１） （ｊ＋１．に＋１）’＋ Ａ Ｎ−１，２，〜１４． ｋ−１，２，〜１８１
・・・（７）なる演算にて第２軸の辞書ｂ
２Ｕ、ｋ）を求め、これを正規化した後、前記直交化辞
書９に登録する。
この辞世ｂ２（ｊ、ｋ）は前記平均パターンＡ（ｊ、ｋ
）を時間軸方向に微分したものとして求められる。
）を時間軸方向に微分したものとして求められる。
尚、このようにして計算される第２軸の辞書ｂ２（ｊ、
ｋ）は、前記第１軸の辞書ｂ１（ｊ、ｋ）に対して完全
に直交していないことから、必要に応じてＢ２（ｊ、ｋ
）−ｂ２（ｊ、ｋ） −（ｂ２（ｊ、ｋ） １（ｊ、ｋ））ｂｌ（ｊ、ｋ
）・ ｂ なる再直交化処理を施し、この再直交化された辞書デー
タＢ２（ｊ、ｋ）を新たな第２軸の辞書ｂ２（ｊ、ｋ）
として前記直交化辞書９に登録するようにしても良い。
ｋ）は、前記第１軸の辞書ｂ１（ｊ、ｋ）に対して完全
に直交していないことから、必要に応じてＢ２（ｊ、ｋ
）−ｂ２（ｊ、ｋ） −（ｂ２（ｊ、ｋ） １（ｊ、ｋ））ｂｌ（ｊ、ｋ
）・ ｂ なる再直交化処理を施し、この再直交化された辞書デー
タＢ２（ｊ、ｋ）を新たな第２軸の辞書ｂ２（ｊ、ｋ）
として前記直交化辞書９に登録するようにしても良い。
しかしこのような再直交化を行わなくても、上述した如
く求められる第２軸の辞書ｂ２（ｊ、ｋ）”で十分なる
認識性能を得ることが可能である。
く求められる第２軸の辞書ｂ２（ｊ、ｋ）”で十分なる
認識性能を得ることが可能である。
■ また前記平均パターンＡＵ、ｋ）を用い、−−Ａ
−Ａ ｂ３（ｊ、ｋ） （ｊ−１，に−１） （ｊ
−１，ｋ）＋ Ａ −Ａ（ｊ−１，に＋１） （ｊ＋１．に−１）十人 ” Ａ （ｊ＋１．ｋ） （ｊ＋１．に＋
１）［ｊ＝１．２．〜１４． ｋ−１，２，〜１ＢＦ
・・・（８）なる演算にて第３軸の
辞” ｂ３（ｊ、ｋ）を求め、これを正規化した後、前
記直交化辞書９に登録する。
−Ａ ｂ３（ｊ、ｋ） （ｊ−１，に−１） （ｊ
−１，ｋ）＋ Ａ −Ａ（ｊ−１，に＋１） （ｊ＋１．に−１）十人 ” Ａ （ｊ＋１．ｋ） （ｊ＋１．に＋
１）［ｊ＝１．２．〜１４． ｋ−１，２，〜１ＢＦ
・・・（８）なる演算にて第３軸の
辞” ｂ３（ｊ、ｋ）を求め、これを正規化した後、前
記直交化辞書９に登録する。
この辞書ｂ３（ｊ、ｋ）は前記平均パターンＡ（ｊ、ｋ
）を周波数軸方向に微分したものとして求められる。
）を周波数軸方向に微分したものとして求められる。
以上の■〜■の処理を各カテゴリ毎に繰返し実行するこ
とによって前記直交化辞書９が作成される。
とによって前記直交化辞書９が作成される。
尚、上述した説明では直交辞書９として３軸までを求め
る例について示したが、更に２次微分を行う等して４軸
以降の辞書を作成するようにしても良い。この場合には
、学習パターンとして前述した１８点ではなく、例えば
２０点以上の標本点を抽出したものを用いるようにすれ
ば良い。
る例について示したが、更に２次微分を行う等して４軸
以降の辞書を作成するようにしても良い。この場合には
、学習パターンとして前述した１８点ではなく、例えば
２０点以上の標本点を抽出したものを用いるようにすれ
ば良い。
このようにして直交化辞書９を作成して入力音声パター
ンを認識処理する本装置によれば、その直交化辞書９が
音声パターンの時間軸方向および周波数軸方向への゛変
動を吸収したものとなっているので、入力音声パターン
の時間軸方向および周波数軸方向の変動に左右されるこ
となく音声認識することが可能となり、その認識性能を
高めることが可能となる。また直交化時間・周波数フィ
ルタを用いて直交化辞書９を作成しているので、少ない
学習パターンにて性能の高い直交化辞書を効率的に構築
することが可能となり、実用的効果が多大である。
ンを認識処理する本装置によれば、その直交化辞書９が
音声パターンの時間軸方向および周波数軸方向への゛変
動を吸収したものとなっているので、入力音声パターン
の時間軸方向および周波数軸方向の変動に左右されるこ
となく音声認識することが可能となり、その認識性能を
高めることが可能となる。また直交化時間・周波数フィ
ルタを用いて直交化辞書９を作成しているので、少ない
学習パターンにて性能の高い直交化辞書を効率的に構築
することが可能となり、実用的効果が多大である。
このようにして時間軸方向および周波数軸方向の位置ず
れを補償する微分フィルタと、２次元パターンの変動を
吸収する直交化フィルタとを用いて直交化辞書を作成し
て音声認識を行う本方式によれば、時間軸方向および周
波数軸方向のずれを効果的に補償し、少ない学習パター
ンによって高い認識性能が得られる。故に、本方式は音
声認識性能の向上を図る上で多大な効果を奏すると云え
る。
れを補償する微分フィルタと、２次元パターンの変動を
吸収する直交化フィルタとを用いて直交化辞書を作成し
て音声認識を行う本方式によれば、時間軸方向および周
波数軸方向のずれを効果的に補償し、少ない学習パター
ンによって高い認識性能が得られる。故に、本方式は音
声認識性能の向上を図る上で多大な効果を奏すると云え
る。
尚、本発明は上述した実施例に限定されるものではない
。ここでは３軸の直交化辞書を作成する例について説明
したが、更に多くの軸数の直交化辞書を作成することも
可能である。この場合、直交化時間・周波数フィルタの
係数としては幾つかのバリエーションが考えられるが、
要は学習パターンを時間軸方向および周波数軸方向に平
滑、１次微分、２次微分、・・・すれば良いものであり
、種々変形して実施することができる。また学習パター
ンの次元数等も特に限定されるものでもなく、本発明は
その要旨を逸脱しない範囲で変形して実施可能である。
。ここでは３軸の直交化辞書を作成する例について説明
したが、更に多くの軸数の直交化辞書を作成することも
可能である。この場合、直交化時間・周波数フィルタの
係数としては幾つかのバリエーションが考えられるが、
要は学習パターンを時間軸方向および周波数軸方向に平
滑、１次微分、２次微分、・・・すれば良いものであり
、種々変形して実施することができる。また学習パター
ンの次元数等も特に限定されるものでもなく、本発明は
その要旨を逸脱しない範囲で変形して実施可能である。
［発明の効果］
以上説明したように本発明によれば３種以上のフィルタ
を用いて時間軸方向のパターン変動および周波数軸方向
のパターン変動を吸収した直交化辞書を作成するので、
少ない学習パターンでそのパターンの変動を効果的に表
現した辞書を得ることができ、その認識性能の向上を図
り得る等の実用上多大なる効果を奏する。
を用いて時間軸方向のパターン変動および周波数軸方向
のパターン変動を吸収した直交化辞書を作成するので、
少ない学習パターンでそのパターンの変動を効果的に表
現した辞書を得ることができ、その認識性能の向上を図
り得る等の実用上多大なる効果を奏する。
第１図は本発明の一実施例方式を適用して構成される音
声認識装置の概略構成図、第２図および第３図はそれぞ
れ従来の音声認識装置の概略構成を示す図である。 １・・・音響分析部、２・・・始端・終端検出部、５・
・・判定部、６・・・標本点抽出部、７・・・パターン
蓄積部、９・・・直交化辞書、ｌＯ・・・類似度演算部
、１１・・・直交化時間・周波数フィルタ。 出願人代理人 弁理士 鈴江武彦
声認識装置の概略構成図、第２図および第３図はそれぞ
れ従来の音声認識装置の概略構成を示す図である。 １・・・音響分析部、２・・・始端・終端検出部、５・
・・判定部、６・・・標本点抽出部、７・・・パターン
蓄積部、９・・・直交化辞書、ｌＯ・・・類似度演算部
、１１・・・直交化時間・周波数フィルタ。 出願人代理人 弁理士 鈴江武彦
Claims (2)
- （１）入力音声を分析処理して求められる入力音声パタ
ーンと予め収集された学習パターンに基いて作成されて
いる直交化辞書との間で類似度を計算して上記入力音声
を認識する音声認識方式において、 予め収集された学習パターンに対して少なくとも平滑処
理と微分処理とを施す３種以上のフィルタを用いて前記
直交化辞書を作成することを特徴とする音声認識方式。 - （２）フィルタは、収集された学習パターンの平均パタ
ーンを求め、この平均パターンを時間軸方向および周波
数軸方向に平滑化して第１軸の辞書を求める手段と、上
記平均パターンを時間軸方向に微分して第２軸の辞書を
求める手段と、上記平均パターンを周波数軸方向に微分
して第３軸の辞書を求める手段とを備えたものである特
許請求の範囲第１項記載の音声認識方式。
Priority Applications (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62252107A JP2514984B2 (ja) | 1987-10-06 | 1987-10-06 | 音声認識方式 |
| EP88116414A EP0311022B1 (en) | 1987-10-06 | 1988-10-04 | Speech recognition apparatus and method thereof |
| DE3888777T DE3888777T2 (de) | 1987-10-06 | 1988-10-04 | Verfahren und Einrichtung zur Spracherkennung. |
| KR1019880013005A KR910007530B1 (ko) | 1987-10-06 | 1988-10-06 | 음성인식장치 및 그 방법 |
| US07/254,110 US5001760A (en) | 1987-10-06 | 1988-10-06 | Speech recognition apparatus and method utilizing an orthogonalized dictionary |
| SG123594A SG123594G (en) | 1987-10-06 | 1994-08-25 | Speech recognition apparatus and method thereof |
| HK110794A HK110794A (en) | 1987-10-06 | 1994-10-12 | Speech recognition apparatus and method thereof |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62252107A JP2514984B2 (ja) | 1987-10-06 | 1987-10-06 | 音声認識方式 |
| SG123594A SG123594G (en) | 1987-10-06 | 1994-08-25 | Speech recognition apparatus and method thereof |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0194395A true JPH0194395A (ja) | 1989-04-13 |
| JP2514984B2 JP2514984B2 (ja) | 1996-07-10 |
Family
ID=26540551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62252107A Expired - Lifetime JP2514984B2 (ja) | 1987-10-06 | 1987-10-06 | 音声認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2514984B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3015477B2 (ja) | 1991-02-20 | 2000-03-06 | 株式会社東芝 | 音声認識方法 |
-
1987
- 1987-10-06 JP JP62252107A patent/JP2514984B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JP2514984B2 (ja) | 1996-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH02238495A (ja) | 時系列信号認識装置 | |
| CN101465122A (zh) | 语音的频谱波峰的检测以及语音识别方法和系统 | |
| Jo et al. | Classification of speech emotion state based on feature map fusion of TCN and pretrained CNN model from Korean speech emotion data | |
| Kamble et al. | Emotion recognition for instantaneous Marathi spoken words | |
| Zealouk et al. | Amazigh digits speech recognition system under noise car environment | |
| Jelinek | A real-time, isolated-word, speech recognition system for dictation transcription | |
| JPH0225898A (ja) | 音声認識装置 | |
| Yadav et al. | Speech emotion classification using machine learning | |
| JP2514986B2 (ja) | 音声認識方式 | |
| JP2514984B2 (ja) | 音声認識方式 | |
| JP2514985B2 (ja) | 音声認識方式 | |
| Walid | Speech recognition system based on discrete wave atoms transform partial noisy environment | |
| Chiba et al. | A speaker-independent word-recognition system using multiple classification functions | |
| JP2514983B2 (ja) | 音声認識方式 | |
| EP0311022B1 (en) | Speech recognition apparatus and method thereof | |
| Ganoun et al. | Performance analysis of spoken arabic digits recognition techniques | |
| Krishna et al. | Emotion recognition using dynamic time warping technique for isolated words | |
| JP2856429B2 (ja) | 音声認識方式 | |
| Telembici et al. | Audio classification for feature-based majority voting optimization and hyperparametric tuning | |
| Guo et al. | Contribution of modulation spectral features for cross-lingual speech emotion recognition under noisy reverberant conditions | |
| JPH01277297A (ja) | 音声認識装置 | |
| KR102862872B1 (ko) | 오디오 분석 시스템 및 방법 | |
| JPH0225899A (ja) | 音声認識装置 | |
| Patel | Visual Bird Sound Denoising Using Advanced Image Segmentation Techniques | |
| KR910007530B1 (ko) | 음성인식장치 및 그 방법 |