JPH0199095A - パターン作成装置 - 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、音声認識等における標準パターンを作成する
装置に関する。

従来の技術 以下、単語音声の認識を行う場合について説明する。ま
た、ベクトル間あるいはパターン間の相違は、類似度、
距離、誤差等の言葉が用いられ、それぞれの尺度も種々
存在するものであるが、本発明の木質的なものではない
ので、ここでは距離という言葉をそれらを代表させて用
いることにする。即ち、例えば、距離が近い、距離が小
さいと言うことは、類似度が高い、類似度が大きいと言
うことに対応し、距離が遠い、距離が大きいということ
は類似度が低い、類似度が小さいと言うことに対応する
等である。

音声認識等の特徴ベクトルの系列からなるパターンを認
識する方法として、所謂ＤＰマツチング法がよく用いら
れる。これは認識すべき単語音声を代表する特徴ベクト
ルの系列からなるパターンを標準パターンとして、認識
すべき前記単語音声のそれぞれについて予め登録してお
き、認識時には、同じく特徴ベクトルの系列からなる認
識さるべき入カバターンと前記標準パターンのそれぞれ
３　’、− との照合を取シ、最も距離の小さい標準パターンを探索
し、その標準パターンに対応する単語を入カバターンの
認識結果とするものである。このとき、時間長の異なる
パターン同志を時間軸を非線形に伸縮させる必要がある
が、これを効率よく行うために動的計画法を用るのがＤ
Ｐマツチングと呼ばれる方法であシ、今のところ最もよ
い結果の得られる方法の−っである。

ところがこの方法は、時間軸の伸縮は比較すべき両パタ
ーンが最も距離的に近くなるように時間軸の伸縮が行な
われるものであって、時間軸に対する傾斜等の特徴ベク
トルの時間的変化に対する特徴（以後、動的特徴と呼ぶ
ことにする）が適切に反映されないきらいがある。従っ
て、スペクトルの変化の仕方に特徴のある音韻に対して
は、この方法のみでは認識精度の点で不十分である。

捷た、単語辞書を音韻や音節（以後、音声素片と呼ぶと
とにする）を表わす記号系列の形でもち、予めそれぞれ
の音声素片に対応する標準パターンを準備しておき、認
識すべき入カバターンを前記標準パターンを基にして音
声素片系列、即ち、各音声素片を表わす記号の系列に変
換し、前記単語辞書のそれぞれの単語と記号系列同志の
マツチングを行ない、最も誤差の小さい単語を認識結果
とするものがある。このとき、前記入カバターンから変
換された音声素片系列は、現実の問題として、音声素片
の認識を完全にすることは不可能であるから、挿入、脱
落、置換等の多少の間違いを含んでいる。従って、前記
記号系列同志のマツチングにおいては、予め計算し、準
備された音声素片間距離を基に、ＤＰマツチングにより
音声素片系列間の距離を求めることになる。この場合も
、前記入カバターンに対して音声素片認識を行う場合や
音声素片間距離を求めるに際して、前記動的特徴を反映
させることが認識精度を上げる上で重要な問題となる。

発明が解決しようとする問題点 本発明は、上記従来例の欠点に鑑み、時間的動的特徴を
加味した標準パターンの適切な表現方法とそれに基づく
標準パターンを作成するパターン５．７ 作成装置の実現にある。

問題点を解決するための手段 標準パターンとして登録すべき特徴ベク）／Ｖの系列か
らなるパターンＲを分割するパターン分割手段と、その
分割されたパターンＨの各部分区間の部分パターンに対
して、ベクトル値をとる時間関数のパラメータを前記部
分パターンと前記関数で与えられる曲線上のベクトル系
列との距離（類似度）が最小（最大）になるように算出
する最適パラメータ算出手段と、この最適パラメータ算
出手段により算出される前記部分区間毎に定まる前記時
間関数のパラメータを記憶する標準パターン記憶手段と
を構成要件とする。

作　　　用 パターン分割手段により標準パターンとして登録すべき
特徴ベクトルの系列からなるパターンＲを分割し、最適
パラメータ算出手段によりその分割されたパターンＨの
各部分区間の部分パターンに対して、ベクトル値をとる
時間関数のパラメータを前記部分パターンと前記関数で
与えられる曲線上のベクトル系列との距離（類似度）が
最小（最大）になるように算出し、この最適パラメータ
算出手段により算出される前記部分区間毎に定まる前記
時間関数のパラメータを標準パターンとするものである
。

実施例 前記時間関数としては、ｎ次（ｎ＝１．２．・・・・・
・）多項式やスプライン関数等が用いられ得る。

ここでは簡単のためと十分実用に耐え得るとｂう理由か
ら、１次関数を用いる場合について本発明の一実施例を
説明する。また、前記曲線とそれに対応する実際の特徴
ベクトルとの相違を表す量として、前記特徴ベクトルと
それに対応する前記曲線上のベクトルのユークリッド距
離の２乗和ヲ用いることにする。この場合は前記曲線は
所謂最小２乗近似直線となシ、前記距離に対応する量は
残差平方和と呼ばれるものになる。

第１図は本発明の一実施例であって、音声信号に対して
前記標準パターンの作成を行う場合について説明してい
る。

７、− １は特徴抽出部であって、標準パターンとして登録すべ
き入力音声信号をフィルタバンク、フーリエ変換、ＬＰ
Ｃ分析等の周知の方法によって、数ｍ５ｅｃ〜士数ｍ５
ｅＣ毎（フレームと称する）に数次元〜士数次元の特徴
ベクトルの系列（ｘ（１））＝（Ｘ　（１）、　Ｘ（２
）、−−・・ｊ　ｘ（ｔ）、−・−、ｘ（Ｔ）　）に変
換するものである。ｔはフレーム番号である。

２は入力バノファメモリであって、特徴抽出部１で得ら
れる特徴ベクトルの系列を一時記憶するものである。

３はフンニングスベク）／ｌ／表示部であって音声入力
のランニングスペクトルを表示する。

４は部分区間設定部であって、前記入カバターンに対し
て部分区間を設定するものである。この部分区間の設定
は人が前記ランニングスベク）／ｌ／を見て最も適切で
あると思われる区間を設定することが出来る。

５は平均値計算部であって、前記部分区間として設定さ
れたτ＝　ｔ　−ｒフレームの区間に含まれる特徴ベク
トルを入力バッファメモリ２から読み出し、その平均値
を求めるものである。ここで、ｔ、ｒはそれぞれいま注
目している区間の最終フレームおよび１つ前の区間の最
終フレームである。

即ち、部分区間を一τ＋１〜ｔが１番目の部分区間であ
るとし、その平均値をｍ　（ｉ）とすれば、を求めるこ
とになる。

６は最小２乗近似直線計算部（部分距離計算部）であっ
て、前記部分区間における特徴ベクトルの漫小２乗近似
直線とこの部分区間に含まれる特徴ベクトルの残差平方
和（部分距離）を求めるものである。即ち、前記部分区
間ｉにおける特徴ベクトルに対する最小２乗近似直線お
よび部分残差平方和（部分距離）は次のようにして求ま
る。

前記部分区間ｉに対して求めるべき最小２乗近似直線Ｑ
（ｋ、１）（ｋ＝１〜ｒ）はｕ（ｉ）をその方向ベクト
ルとすれば ９７、−１ とおける。このとき、ｘ（ｔ−ｆ＋ｌｃ）とＱ（ｋ、ｉ
）とのに＝１〜τの部分残差平方和ｖ（ｔ−τ＋１：ｔ
）は ｖ（を−τ＋１　：ｔ） −Ｘ　（ｘ（ｔ−Ｔ＋ｋ）−Ｑ（ｋ、ｉ））’に＝１ （ｘ　（ｔ−ｒ＋ｋ　）　−Ｑ（ｋ　、　ｉ　）　）で
表される。従って、最小２乗近似直線は式（２）におけ
るｕ（１）を部分残差平方和ｖ（を−τ＋１：ｔ）が最
小になるように定めることによって得られる。

即ち、ｖ（を−τ＋１：ｔ）をｕ　（ｉ）で偏微分した
ものが○に等しいとおいて、ｕ　（ｉ）に関する方程式
を解くことによって得られるものであって、（ｘ（ｔ−
ｒ＋ｋ）−Ｑ（ｋ、ｉ））　＝０・・・・・・・・・（
３） より、 となる。ただし、ｍ（ｔ）、　ｕ（ｉ）、　Ｑ（ｋ、ｔ
）。

ｘ（ｔ−τ＋１）等は縦ベクトルであって、゛は転置を
意味する。また、ベクトルによる微分はその要素毎に別
々に微分することを意味している。

７は標準パターン記憶部であって、部分区間設定部４で
与えられる区間番号ｉに関連して、最小２乗近似直線計
算部６で得られる第ｉ部分区間の最小２乗近似直線の平
均ベクトルｍ（ｉ）、方向ベク）　）ｖ　ｕ　（ｉ）を
区間ｉ　＝　１〜■について記憶する。

以上のようにして、特徴ベクトルの系列からなる音声パ
ターンを、各部分区間における最小２乗近似直線を与え
るパラメータ列に変換することが出来る。

１１、、。

第２図ａは、１次元の特徴ベクトル系列で表されたパタ
ーンを想定して、本発明における標準パターンの作成の
方法の概念を説明するものである。

縦軸は特徴ベクトルの特徴量、横軸はフレーム、・は各
時点における特徴ベクトルの座標位置を表している。本
例では３分割の場合を示しておシ、線分１００〜１０２
は各区間の最小２乗近似直線である。同図すは、同様に
、最小２乗近似直線の方向ベク）／Ｌ／が常に○のとき
を示すものであって、それぞれの区間はそこに含址れる
特徴ベクトルの平均値という１つの代表ベクトルで表現
されることになる。ａ、ｂを比較すれば、ａの方が明ら
かによりよく特徴ベク）／Ｌ／の時間的変化を表現ｌ〜
ている。しかも細かな変化が平滑化され大局的な時間的
動的特徴が表現されていることが首肯される。

以上の説明からも明らかなように、本発明においては、
入カバターンを適当に分割し、それぞれの分割区間にお
ける最小２乗近似直線を求め、各区間毎にその平均値を
表すベク）／Ｌ／と、そこを通る最小２乗近似直線の傾
き（方向）を表すベクトルを標準パターンとして持つこ
とになる。

発明の効果 本発明によれば、前記部分区間の直線の傾きがその部分
区間の動的特徴を、平均ベクトルが静的特徴を表現する
ことになる。本発明はこれらを標準パタ一ンとして持つ
ことにょシその動的特徴が反映されることになり、前述
の従来例の持つ欠点を除去することが出来たものである
。

また、本発明は、標準パターンとして記憶すべきパラメ
ータは、それぞれの部分区間に対するその平均値を表す
ベクトルと、そこを通る最小２乗近似直線の傾き（方向
）を表すベクトルのみでよいから、特徴抽出部の出力の
特徴ベクトルの系列そのものを標準パターンとして持つ
場合の必要記憶容量を多く必要とするという欠点も除去
されることとなる。

さらに、本発明は、不特定話者を対象とする場合は、前
記最小２乗近似直線上の点をそれに対応する時点の特徴
ベク）　／Ｌ／の平均値として分布形（具体的には正規
分布等の分布の種類と分散）を与えることによって実現
できる等、前記従来例にはない特徴を有するものである
。

なお、本実施例では前記近似曲線は直線の場合について
説明したが、本実施例の説明の冒頭でも述べたように、
同様な方法により、種々の曲線で近似することもでき、
よシ精密に認識単位の動的特徴を表現することが可能で
あるばかシでなく、パターンも音声パターンに限るもの
ではないことは言うまでもない。

さらに、ベクトル間の距離の尺度として、各成分の差の
絶対値和、即ち、市街地距離にするとか種々の距離また
は類似度を用いることができる。

また、本実施例においては、ランニングスペクトルを用
いて部分区間に分割する場合について述べたが、サウン
ドスベクトロダラム等他の表示方法を用いることも出来
るのは勿論、特徴抽出部１や入力バッフアンモリ２の出
力を用いて音声信号の特徴量の時間的推移を表示するこ
とが出来る。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロック図、１４　、 第２図は本発明の詳細な説明する概念図である。 １・・・・・特徴抽出部、２・・・・・・入力バッファ
メモリ、３・・・・・・ランニングスペクトル表示部、
４・・・・・部分区間設定部、６・・・・・平均値計算
部、６・・・・・最小２乗近似直線計算部、７・・・・
・標準パターン記憶部。 代理人の氏名　弁理士　中　尾　敏　男　ほか１名第１
図 人力音声　　　　　　　　　　ランニングスペクトルｌ
　　　　　　　　″″ 持微抽出部 ？、４ 人力′＜７　ｙ　　　　部分区間設定部メモリ 第２図 （（ＩＪ フレーム フレーム

Claims (1)

【特許請求の範囲】
1. 標準パターンとして登録すべき特徴ベクトルの系列から
   なるパターンＲを分割するパターン分割手段と、その分
   割されたパターンＲの各部分区間の部分パターンに対し
   てベクトル値をとる時間関数のパラメータを、前記部分
   パターンと前記関数で与えられる曲線上のベクトル系列
   との距離（類似度）が最小（最大）になるように算出す
   る最適パラメータ算出手段と、この最適パラメータ算出
   手段により算出される前記部分区間毎に定まる前記時間
   関数のパラメータを記憶する標準パターン記憶手段とを
   備えたことを特徴とするパターン作成装置。