JPH0211919B2 - - Google Patents

Description

【発明の詳細な説明】 本発明は連続単語音声認識装置における標準パ
タンの作成方法を改良し、認識率の向上を図つた
装置に関する。

従来この種の連続単語音声認識装置（以下認識
装置と略す）は、まず利用者にあらかじめ認識さ
せる単語をひと通り単独に区切つて発生させ（以
下孤立単語と呼ぶ）、単語毎の音声パタンを標準
パタンとして装置内に記憶させ（上記操作を標準
パタンの登録と呼ぶ）、次に、入力される連続単
語音声（以下入力パタンと呼ぶ）に対して、各標
準パタンとの間で比較操作（パタンマツチング）
を行い、両者の一致の度合（類似度）を調べ、最
大一致の得られる標準パタンの組合せを決定し、
これと同じ単語に属すると判定する方法がある。
この方法を能率よく、かつ精度よく実現する方法
として、動的計画法（ダイナミツクプログラミン
グ、以下DPと略す）を利用した認識技術が知ら
れている。（「特願昭50−132003および132004号」、
以下引用文献と称す。）本引用文献には上記パタ
ンマツチング法による認識装置の動作原理が記載
されている。この原理の概要は次のようである。

何個かの単語が連続している入力パタンに対
し、何個かの標準パタンをあらゆる順列で接続す
ることによつて得られるパタンを入力パタンの標
準パタンと考えて、入力パタン全体とのマツチン
グを行なう。この結果得られる類似度が最大とな
るような標準パタンの個数と順列組合せを定める
ことによつて認識を行なう。実際には上記最大化
を単語単位での最大化処理と、全体レベルでの最
大化処理に分割し、各最大化処理をDPを利用し
て実行することにより、処理量を低減し実用的な
処理速度を達成している。以上述べた引用文献記
載の方法が、従来では最も有効な認識法であると
考えられる。

しかしながら、上述の方法等により連続単語音
声が認識可能であるとしても、実用に供する場合
には、種々の要因により誤認識が生ずる。特に利
用者の発声速度がある程度速くなると、発声のな
まけ等により、孤立単語による標準パタンと入力
パタン中の該当単語パタンとの間で時間的のみな
らず周波数構造的にもずれが生じ、単に時間軸正
規化マツチングのみで対処しきれない場合があ
る。特に孤立単語と連続単語中の該当する単語間
では入力パタンを構成する単語系列により、各単
語の端点付近において、孤立単語の周波数構造と
大きく異なることがある。例えば数字単語音声
「０」、「１」、…「９」を標準パタンとして連続数
字を認識する場合を考えてみよう。

一般に、日本語の場合数「６」｜roku｜（｜｜
は音声内容を示す）を単独で音声する場合、語尾
の｜−ku｜の部分は有声化することが多い。一
方連続単語中での「６」は後続数字になり｜
roku｜のkuの部分が無声化することがある。例
えば後続数字が「３」｜san｜の時には通常無声
化し、「63」は｜rokusan｜ではなく｜roksan｜
と発声される傾向が強い。従つて標準パタンとし
て単独に発声された数字「６」のみでは、こうし
たパタンの変化に対処できる結果として認識率の
低下をひきおこすことになる。

同様のことは英語数字に対しても存在する。例
えば「８」（eight）、「６」（six）における語尾は
単独に発声させた場合比較的明確に発声される
が、後続単語が存在するときには語尾の｜−ｔ
｜、｜−｜ｘはほとんど発声されない場合が多い。

このように、単独で発声した単語パタンと連続
単語パタン中のそれとは時間的に変化する周波数
構造において、特に単語の端点付近で大きな違い
が存在する場合がある。

この違いに対処するために、標準パタン登録時
に、強制的に発声法を変え、語尾の無声化した発
声、あるいは通常の発声とは異なる不自然な発声
法を行ない標準パタンに登録する方法も考えられ
るが、上記方法では連続単語中での単語内の変化
に対し、十分に対処できる単語パタンを得ること
は困難であり、また利用者にも余分な負担を与
え、現実的方法とはいえない。

上述のように、従来の孤立単語のみで標準パタ
ンを構成する認識装置においては、連続単語中で
生ずる周波数構造の変化に十分対処することが困
難となり、認識率が低下するという問題があつ
た。

本発明の目的は、連続単語中からの単語部分を
抽出し、標準パタンとして用いることにより上述
の問題点を除去し、かつ標準パタンの検定機能を
も含んだ連続単語意識装置を提供することにあ
る。

本発明の特徴は、単語系列の既知なる連続単語
パタン中より該当する単語部分を、区切つて発声
された単語（孤立単語）パタンを用いて抽出し、
認識動作時には、この抽出された単語パタンと前
記孤立単語パタンとを標準パタンとして用いて単
語系列の未知なる連続単語音声を認識するように
したことにある。

従つてこの発明による連続単語音声認識装置
は、前述の連続単語中の周波数構造の変化に対し
十分対処することが可能となり、従来装置に較
べ、より高い認識性能を達成できる。

次に図面を参照して本発明を詳細に説明する。
以下の説明では、認識対象として０から９までの
数字単語を例にとり、既知単語系列の連続単語と
しては３桁数字（763）から真中の単語（６）を
抽出する場合について説明する。

第１図は、本発明の装置が実行する動作原理を
概念的に示すための図である。マイクロホン１０
等により入力される音声信号は、音声分析部１１
により分析処理され、周波数構造等を表わす多次
元特徴ベクトルa_iの時系列パタンＡ Ａ＝a₁、a₂、…、a_i、…、a₁ (1) として入力パタンバツフア１２に一時記憶され
る。一方単独に発声された各単語（孤立単語）パ
タンは、同様に分析された標準パタン記憶部１３
の一部に次のような形で記憶される。

単語クラスをｎ（ｎ＝０、１、…９）で示すと、
単語ｎのパタンBⁿは Bⁿ＝bⁿ ₁、bⁿ ₂、…、1bⁿ _J、…、1bⁿ _Jo (2) で示される。図中B⁰、B¹、…、B⁹はそれぞれ数
字０〜９までの音声パタンに対応している。次に
入力パタンＡとして単語系列の既知なる連続単語
パタン（763）が入力パタンバツフア１２に入力
されると、単語抽出部１７により上記単語系列
（763）が既知なることを利用して、対応する孤立
単語パタン｛Bⁿ｝_o=0〜9を標準パタン記憶部１３か
ら読み出し、連続単語パタンＡと比較操作を行な
い、連続単語パタンＡ中より、孤立単語パタン
B⁶と対応する部分を抽出し、標準パタン記憶部
１３に新たな標準パタンB′⁶として記憶させる。
以後必要に応じて他の連続単語中の該当単語を同
様な方法により抽出し標準パタンB′ⁿとして標準
パタン記憶部１３に順次記憶させる。一方認識時
には、マイクロホン１０から入力される単語系列
の未知なる連続単語音声を入力パタンＡとして入
力パタンバツフア１２に一時記憶し、引用文献で
行なわれている周知の手段により認識が行なわれ
る。すなわち、接続部１４は、標準パタン記憶部
１３より複数個の標準パタンBⁿおよびB′ⁿを読み
出し、ｋ個の単語ｎ(1)、ｎ(2)、…ｎ（ｘ）、ｎ（ｋ）
を連続発声したパタンを、標準パタンBⁿ(1)、
Bⁿ(2)、…、B^n(k)を接続して近似する。

すなわち、連続単語標準パタン ＝Bⁿ(1)Bⁿ(2)…B^n(x)…B^n(k) (3) （ここでB^n(x)は｛Bⁿ｝、｛B′ⁿ｝のいづれか１つで
ある。） を生成する。ここではパタンの接続を表わす演
算子である。

例えばBⁿB^mは BⁿB^m＝bⁿ ₁、bⁿ ₂、…bⁿ _Jo、b^m、b^m ₂、…b^m _Jn (4) を意味する。マツチング部１５では入力パタンバ
ツフア１２に記憶される入力パタンＡと接続部１
４によつて生成されるパタンとの間でパタンマ
ツチングが行なわれ、類似度Ｓが出力される。こ
の処理は、接続部１４にて生成されるすべての組
合せ可能な連続単語標準パタンに対して行なわ
れ、それぞれの場合の類似度Ｓが算出される。判
定部１６では、上記類似度Ｓを比較してその最大
値を決定するとともに、その最大値を与える連続
単語標準パタンB^を決定し、このB^に対応する単
語ｎ(1)、ｎ(2)、…、ｎ（ｋ）を定めることによつ
て、入力パタンＡは単語群n^(1)、n^(2)、…、n^（ｋ）
であると判定する。かくのごとき原理によると接
続部１４では、孤立単語パタン群｛Bⁿ｝と連続
単語中より抽出された単語パタン群｛B′ⁿ｝とを
含めた連続単語標準パタンが生成されるので、
孤立単語パタンのみから生成する場合に較べ、入
力される連続単語パタンに対し近似度の高い連続
単語標準パタンの生成が可能となり、高精度な
認識率を有する装置を実現できる。

第２図は本発明による認識装置の単語抽出部分
の第１の実施態様を示す図であり、第３図はその
動作原理の説明図である。なお説明を容易にする
ために先に述べた数字音声を例にとつて説明す
る。単語系列の既知なる連続単語パタンＡは(1)式
で示される特徴ベクトルa_iの時系列として入力パ
タンバツフア２０に記憶される。一方孤立単語パ
タンBⁿ（ｎ＝０、１、…９）は(2)式で示されるベ
クトルの時系列として、それぞれ、標準パタン記
憶部２１に記憶されている。

接続部２２は、単語系列（763）に従つて、連
続単語パタンＡに対応して、該当する孤立パタン
B⁷、B⁶、B³を接続し ＝B₇B⁶B³ (5) を生成する。すなわち、各パタン長をJ⁷、J⁶、J³
とすると、 ＝b⁷ ₁、b⁷ ₂、…、b⁷ _J7、b⁶ ₁、b⁶ ₂、…、 b⁶ _J6、b³ ₁、b³ ₂…、b³ _J3 (6) となり、パタンは＝J⁷＋J⁶＋J³として次のよ
うに表わせる。

＝₁、₂、…、_j、…、_j （6′） なるパタンを生成するよう構成されている。

さて、(1)式と同様に示される連続単語パタンＡ
と、単に対応する孤立単語を接続して得られた(6)
式のパタンとの間には、一般に連続単語音声の
発声の仕方等に起因する時間的対応のずれが生ず
る。

従つて、両パタンの始端、終端のみを揃えて単
にマツチングを行ない、パタンにおいて得られ
る各単語の接続点から、連続単語パタンＡの対応
する区分点を推定する方法で十分に精度のよい抽
出は期待できない。本発明では（6′）式のパタン
Ｂの時間軸変動を非線形な関数ｊ＝ｊ（ｉ）によ
つてモデル化し、パタンの時間軸をパタンＡの
時間軸に投影して両パタンを比較する方法を用い
る。すなわち、パタンＡとパタンの間の類似度
を Ｓ（Ａ、）＝ max ｊ＝ｊ（ｉ） 〔_I 〓^j=1 （a_i、_i）〕 (7) のように定義し、両パタン間の時間軸変動を補正
した上で最適な区分点を抽出する方法である。(7)
式の最大化は具体的にはDPによつて次のように
能率よく実行できる。

初期値 ｇ（１、１）＝ｓ（a₁、₁） (8) 漸化式 ｇ（ｉ、ｊ）＝ｓ（a_i、_j） ＋maxｇ（ｉ−１、ｊ） ｇ（ｉ−１、ｊ−１） ｇ（ｉ−１、ｊ−２） (9) （ｊ＝１、２、…、ｊ、…） 制約条件（整合窓ｊ−ｒ≦ｉ≦ｊ＋ｒ (10) 類似度 Ｓ（Ａ、）＝ｇ（Ｉ、） (11) すなわち、第３図のように、ｉ−ｊ平面におい
て、ｉ軸にそつてパタンＡを、ｊ軸にそつてパタ
ンを配置すると、（１、１）点から（Ｉ、）
点に至る点列（ｉ、ｊ）を(7)式を満たすように最
適に決定し、この点列によつてをｉ軸上に投影
してＡと比較することと等価である。

パタンＡの区分点を抽出するために、(9)式の漸
化式を算出する際に、各（ｉ、ｊ）点において、
第３図に示すバスの方向（１、２、３）のうち、
最適な値を整合窓内のすべての（ｉ、ｊ）点に関
し記憶し、最後に（Ｉ、）点から第３図に示す
ごとく、逆順にパスをたどることにより、始点
（１、１）から終点（Ｉ、）に至る最適な変換
関数が求まり、この変換関数により、第３図に示
すごとく、パタンにおける各単語の接続点に対
応する連続単語パタンＡのそれぞれの区切点が決
定される。以上の動作は具体的には、ｊが一定で
(9)式を満足する（ｉ、ｊ）の集合を第ｊ段とする
と、ベクトル間（a_i、_j）の類似度ｓ（a_i、_j）
を第ｊ段に関し、ｉの増加する方に順次算出する
ベクトル間類似度計算部２３と、一段および二段
目のｊに関する(9)式の漸化式の値ｇ（ｉ、ｊ−
１）、ｇ（ｉ、ｊ−２）を整合窓内分記憶する漸化
式値記憶部２５と、(9)式の漸化式をベクトル間類
似度計算部２３と漸化式値記憶部２５からの出力
に従つて(9)式の漸化式を第ｊ段に関し、漸化式の
値ｇ（ｉ、ｊ）を上記漸化式値記憶部２５に出力
すると同時に、（ｉ、ｊ）点でのパスの値（１、
２、３）のうち選択された値を最適パス記憶部２
６により出力するよう構成された漸化式計算部２
４とにより、ｊ＝１、２、…、まで順次増加さ
せながら上記各部を作動させることで、第３図に
おける整合窓内おける最適な時間軸変換関数ｊ＝
ｊ（ｉ）を決定するためのすべての点での最適パ
ス値が最適パス記憶部３６に記憶される。最後
に、上記最適パス記憶部２６の各（ｊ、ｊ）点で
の値を両パタンの終点（Ｉ、）より逆順に両パ
タンの始点（１、１）まで逆登つて検索し、最適
な時間軸変換関数ｊ＝ｊ（ｉ）を決定し、同時に
パタンを構成する各単語パタンの各接続点を順
次上記最適な時間変換関数ｊ＝ｊ（ｉ）に代入す
ることで、連続単語Ａの各区分点を決定するよう
構成された区分点抽出部２７により、目的とする
単語パタンB′⁶は連続単語パタンＡより切り出さ
れ、標準パタン記憶部２１に記憶される。これに
より連続単語中より目的とする単語部分を高精度
に抽出することができる。

上記実施態様において、連続単語パタンを構成
する単語数のみが既知であるとして、孤立単語パ
タンをあらゆる組合せで接続して、対応する区分
点を抽出する方法が考えられる。以下詳しく説明
する。

第４図は、本発明による認識装置の単語抽出部
分の第２の実施態様を示す図である。以下、前述
と同様数字音声を例にとつて説明する。前述と同
様に単語系列の既知なる連続単語パタンＡは(1)式
で示される特徴ベクトルの時系列として入力パタ
ンバツフア４２に記憶される。

一方、孤立単語パタンBⁿ（ｎ＝０、１、…９）
は標準パタン記憶部４３の一部に記憶されてい
る。接続部４４は、前記標準パタン記憶部４３よ
りｋ個の標準パタBⁿ⁽¹⁾、Bⁿ⁽²⁾、…B^n(k)を読み出
し、それらを接続するように構成されており、ま
た単語数設定端子Ｋは、連続単語パタンＡを構成
する単語数ｋによつて設定される。（例ではｋ＝
３となる）、接続部４４では、設定される単語数
Ｋに従つて、孤立単語パタンBⁿをＫ個づつ読み
出し、接続し、連続単語標準パタン ^k＝Bⁿ(1)Bⁿ(2)…B^n(k) (12) を生成する。マツチング部４５で入力パタンバツ
フア４２より入力される単語系列の既知なる連続
単語パタンＡと接続部４４にて生成されるパタン
Ｂ^kとの間で両者の時間軸のずれを正規化したマ
ツチングが行なわれ、類似度Ｓが出力される。こ
の処理は、接続部４４にて生成される個数Ｋに関
してすべての組合せ可能な連続単語標準パタン
^ｋに対して行なわれ、それぞれの場合の時間軸の
変動に対して最適化された類似度Ｓが算出され
る。判定部４６では上記類似度Ｓを比較し、その
最大値を決定するとともに、その最大値を与える
接続単語標準パタンB^^kを決定し、同時にその最
大値を与えるパタンB^^kに対応する連続単語パタ
ンＡの最適な区分点l^₍₁₎、l^₍₂₎、…、l^_(k)、…、l^_(
k-1)
を第３図に示した手段と同様にして抽出し、この
値l^_(k)によつて連続単語パタンＡ中から該当する
単語部分を切り出し、標準パタン記憶部４３に新
たな標準パタンB′ⁿとして記憶する。

本動作原理によれば、前記判定部４６において
最大一致を与えるパタンB^^kが得られ、同時にそ
の単語名n^(1)、n^(2)、…、n^(k)が算出される。従つ
て与えられる既知なる単語系列と得られた単語名
とを照合することが可能となる。このことは例え
ば次のようにプログラミングされたマイクロプロ
セツサ４７を判定部４６に接続することで標準パ
タンBⁿの検定を実行することができる。

すなわち、両パタンＡとB^^kとの単語名が一致
しているときには、生成されたパタンB^^kが十分
によくパタンＡを近似し得ることを示し、従つて
B^^kを構成する孤立単語パタンBⁿ(1)、Bⁿ(2)、…
B^n(k)は標準パタンとして十分に意味のあることを
示している。逆に単語名が不一致の場合には２つ
の状態が考えられる。一つは抽出すべき単語にお
いてのみ単語名が異なつた場合である。すなわ
ち、入力パタンが（763）なる連続数字とした場
合、結果が（723）となつた場合である。これは
連続単語中の(6)の部分を、十分に孤立単語パタン
B⁶で近似できないことを意味しており、この場
合には、抽出された単語パタンB′⁶は意味のある
ものであり、新たに最適パタンとして記憶する必
要がある。一方、２単語名以上が不一致の場合に
は、孤立単語パタンBⁿ自体が不適当であり、区
分点が正しく得られていない可能性がある。従つ
て抽出された単語パタンB′ⁿを標準として記憶す
るのは意味がなく、この場合は標準パタンとして
記憶することは棄却すべきである。また、、この
場合には、不一致を生じた単語名に関して、孤立
単語パタンを再度登録しなおす必要がある。以上
により、高精度な単語抽出部が実現でき、さらに
本単語抽出部によれば標準パタンの検定が可能と
なる。

次に、上記単語抽出部と同様な原理をさらに効
率よく実現する第３の実施態様を説明する。

上記の原理を数式的に表現すると次のようにな
る。すなわちＫを単語系列の既知なる連続単語に
含まれる単語数として最大問題 Ｔ＝〔ｍ(k)〔Ｓ（Ａ、Bⁿ(1)Bⁿ(2) …B^n(k)）〕 （13） を計算し、最適なパラメータ（単語名）ｎ(k)＝ｎ＾
(k)（ｋ−１、２、…、Ｋ）を求め、同時に区分点
ｌ(k)点を求める。

（13）式の最大化をｋおよびｎ(k)に関する総当
り法で計算すると膨大な計算量が必要となるが、
引用文献と同様に（13）式の最大化計算を単語単
位での処理と全体としての処理の２段階に分割す
ることで実用的な処理速度を可能とする。

すなわち、(1)式で表わされる入力パタンＡのｉ
＝ｌ＋１よりｉ＝ｍまでの部分区間として部分パ
タンＡ（ｌ、ｍ）を定義する。

Ａ（ｌ、ｍ）＝al＋₁、al＋₂、…、a_n 以下では、ｌを始点、ｍを終点と称する。いま
入力パタンＡに（Ｋ−１）個の区分点ｌ(1)、ｌ
(2)、…ｌ(k)…、ｌ（Ｋ）、 １＜ｌ(1)＜ｌ(2)＜…＜ｌ（ｋ−１）＜ｌ（Ｋ）＝
を仮定して、入力パタンＡをＫ個の部分パタンに
分割する。

Ａ＝Ａ（１、ｌ(1)）Ａ（ｌ(1)、ｌ(2)） …Ａ（ｌ（ｋ−１）、 ｌ(k)）…Ａ（ｌ（Ｋ−１）） (15) 一方、パタン間の時間軸正規化類似度を前述の
(7)式と同様に定義すると、類似度Ｓ（Ａ、Ｂ）は
パタンの接続分解に関して次の性質を有する。

Ｓ（Ａ、BⁿB^m）＝ max^I 〔Ｓ（Ａ(1、l)、 BⁿＳ（Ａ（ｌ、Ｉ）、B^m）〕 (16) (13)式に(15)を代入し、さらに(16)式の関係を繰
返し適用し整理すると、 Ｔ＝ max^I(k) 〔_K 〓^k=1 max max^n(k) 〔Ｓ（ｌ（ｋ−１）、ｌ(k)、B^n(k)〕）(17)
となり、(17)式の最大化問題は次のように分解し
て計算することができる。

〔1〕 類似度 Ｓ（Ａ（ｌ、ｍ）、Bⁿ (18) をすべてのｌ＜ｍなる部分区間 Ａ（ｌ、ｍ）と孤立単語パタンBⁿの組合せに
関して算出する。

〔2〕 部分類似度 S^(l、m)＝ maxⁿ 〔Ｓ（Ａ(l、m)、Bⁿ）〕 (19) 部分判定結果 N^(l、m)＝arg maxⁿ 〔Ｓ（Ａ(l、m)、Bⁿ）〕 (20) を計算し、テーブルに記憶する。

ここにarg maxⁿ 〔・〕なる記号は〔 〕の 最大を与える変数ｎを算出することを意味す
る。

〔3〕 Ｔ＝〔 max^l(k) 〔_K 〓^k=1 S^（ｌ（ｋ−１）、ｌ(k)）〕 (21) なる最大問題を計算し、最適なパラメータ（区分
点）１(k)＝l^(k)、ｋ＝１、２、…、Ｋを求める。

(21)の最大問題は次の漸化式により計算でき
る。

初期値 T⁰(1)＝０、ｌ＝１、２、…、IK＝１、
２、…、Ｋ 漸化式 ｍ＝１、２、…、Ｉ、ｋ＝１、２、…
Ｋ T^k _(n)＝max〔T^k-1(1)＋S^（ｌ、ｍ）〕 (22) 仮区分点 L^k（ｍ）＝arg max^l 〔T^k-1(1)＋S^（ｌ、ｍ） (23) 仮判定結果 N^k（ｍ）＝N^（L^k（ｍ）、ｍ） (24) (22)、(23)、(24)式の計算は、ｋ、ｍに関して増
加する方向に計算する。

以上の処理が終了すると、(23)式のL^k（ｍ）か
ら区分点l^（ｘ）が次のように決定される。

l^（Ｋ−１）＝L^K（）より順次逆登つて、仮区分
点l^(k)を l^(k)＝L^k+1（l^（ｋ＋１））、 （ｋ＝１、２、…Ｋ−１） (25) として、仮区分点L^k（ｍ）のテーブルを参照して
求め、それに従つて、判定結果n^(k)が、(24)式の
仮判定結果より n^(k)＝N^k（l^(k)）、 (k=1、2、…、K) (26) として参照することで得られる。

以上の操作により、連続単語を構成する各単語
の区分点と単語名がl^(k)、（ｋ＝１、２、…、Ｋ−
１）、n^(k)、（ｋ＝１、２、…Ｋ） として決定される。これにより、該当する単語パ
タンの抽出が可能となり、同時に各単語名も決定
することができる。

一方認識時は、標準パタンとして孤立単語パタ
ンBⁿと抽出された単語パタンB′ⁿを標準パタン記
憶部４３に記憶し入力パタンＡの単語数Ｋを未知
として、上記と同様の動作を行ない、認識結果を
決定する。

第５図は本発明による認識装置の単語抽出部分
の第３実施態様を示す図である。第１実施態様に
おける説明と同様に数字単語を例にとり説明す
る。

連続単語音声信号はマイクロホン５０より入力
され、分析部５１により分析され単語系列の既知
なる、連続単語パタンＡとして(1)式で示される特
徴ベクトルa_iの時系列として入力パタンバツフア
５２に記憶される。

一方、孤立単語パタンBⁿ（ｎ＝０、１、…、
９）は(2)式で示されるベクトルb_jの時系列とし
て、標準パタン記憶部５３の一部に記憶される。
第１マツチング部５４では、次式で定義される漸
化式を各孤立単語パタンBⁿとパタンＡの部分パ
タンＡ（ｌ、ｍ）に関し入力パタンベクトルa_nが
入力される毎に(18)式の類似度Ｓを算出する。す
なわち 初期条件 ｇ（ｉ、jⁿ） ＝ｓ（a_n、bⁿ _j）、ｉ＝ｍ (27) ＝０ ｉ≠ｍ 漸化式 ｇ（ｉ、ｊ）＝ｓ（ｉ、ｊ）＋maxｇ
（ｉ＋１、ｊ） ｇ（ｉ＋１、ｊ＋１） ｇ（ｉ＋１、ｊ＋２）〕 (28) 制約条件 ｊ＋ｍ−Jⁿ−ｒ≦ｉ≦ｊ＋ｍ−Jⁿ＋ｒ (29) なる漸化式計算をｊ＝jⁿ、jⁿ−₁、jⁿ−₂、…、１の
順序で実行し、類似度 Ｓ（Ａ（ｌ、ｍ）、Bⁿ）＝ｇ（ｌ＋₁、₁）(30) をｍ−Jⁿ−ｒ≦ｌ≦ｍ−Jⁿ、＋ｒ (31) なる範囲で算出する。これにより、結果として(1
９）式で示される部分類似度S^（ｌ、ｍ）および(20)
式で示される部分判定結果N^（ｌ、ｍ）をそれぞ
れ部分類似度記憶部５５、部分判定結果記憶部５
６に出力する。第２マツチング部５７では、部分
類似度記憶部５５より上記部分類似度S^（ｌ、ｍ）
を読み出し、同時に漸化式値記憶部５８から、ｌ
＜ｍなる(22)式の漸化式値T_k-1(l)を、ｋを一定と
して、読み出しながら漸化式値T^k（ｍ）を算出
し、漸化式値記憶部５８に出力する。同様に仮区
分点L^k（ｍ）を(23)式を算出して、仮区分点記憶
部５９に出力する。仮判定結果N^k（ｍ）は(24)式
にもとづいて部分判定結果N^（ｌ、ｍ）と、仮区
分点L^k（ｍ）を参照して算出され、仮判定結果記
憶部６０に出力される。

第２マツチング部５７では上記操作を単語数設
定端子Ｋより入力されるＫ＝３を基にｋ＝１から
始め、ｋ＝Ｋ（＝３）まで順次ｋを増加させなが
ら実行する。かくのごとく構成された装置におい
て単語系列の既知なる連続単語パタンＡの始点a₁
から終点a〓までを順次入力させて上述の動作を
実行させることで、区分点に関する値L^k（ｍと単
語名を決定する値N^k（ｍ）がすべてのｍ＝（１、
２、…）ｋ＝（１、２、３）について得られる。
判定部６１では、それぞれ仮区分点記憶部５９内
の仮区分点L^k（ｍ）と仮判定記憶部６０内の仮判
定結果N^k（ｍ）とを参照して、(25)式に従つて第
６図に示すごとく、各区分点をl^(2)＝L³（Ｉ）と決
定し、続いてこの区分点を用いl^(1)＝L²（l^(2)）を
決定する。同様にして(26)式に従つて各単語名、
n^(3)＝N³（l^(3)）＝N³（）、n^(2)＝N²（l^(2)）、
n^(1)＝
N¹（l^(1)）を決定する。ここで得られた区分点l^(1)、
l^(2)は連続単語パタンＡの対応する単語の各始点
に対応することになる。従つて判定部６１におい
ては、区分点l^(2)を補正し、連続単語パタンＡか
ら抽出すべき区分点をｉ＝l^(1)およびｉ＝l^(2)−１
として、入力パタンバツフア５２を制御し、該当
する単語区間を抽出し、標準パタン記憶部５３に
記憶する。

かくのごとき動作する単語抽出部により、単語
系列の既知なる連続単語パタン中より目的とする
単語パタンを高精度にて抽出することができ、同
時に対応する単語名も決定できることより、既知
なる単語系列と得られた単語系列との照合が可能
である。

以上本発明の実施態様を説明したが、これらの
記載は本発明の範囲を限定するものではない。例
えば本明細書では類似度を基にして動作を説明し
たが、距離のように大小関係が逆の尺度によつて
も同様な処理が可能である。

また抽出する部分を単語として説明したが複数
の音節からなる語句でも同様に処理することがで
きる。

【図面の簡単な説明】

第１図は本発明の動作原理を説明するための
図、第２図および第３図は本発明による認識装置
の単語抽出部分の第１の実施態様を示す構成図と
動作を説明するための図、第４図は単語抽出部の
第２の実施態様を示す図、第５図および第６図は
単語抽出部の第３の実施態様を示す構成図と動作
説明図である。 １０はマイクロホン、１１は分析部、１２は入
力パタンバツフア、１３は標準パタン記憶部、１
５はマツチング部、１６は判定部、１７は単語抽
出部、２３はベクトル間類似度計算部、２４は漸
化式計算部、２６は最適パス記憶部、２７は区分
点抽出部、４７はマイクロプロセツサ、５４は第
１マツチング部、５５は部分類似度記憶部、５６
は部分判定結果記憶部、５７は第２マツチング
部、５８は漸化式値記憶部、５９は仮区分点記憶
部、６０は仮判定結果記憶部、６１は判定部であ
る。

Claims (1)

1. 【特許請求の範囲】 １ 入力連続単語音声パターンを一時格納する入
   力パターンバツフア１２と、単語毎に区切つて発
   声された孤立単語音声パターンと、連続単語音声
   パターンより抽出された単語音声パターンとが格
   納される標準パターン記憶部１３と、標準パタン
   記憶部内のパターンを複数個接続して出力する接
   続部１４と、入力パターンバツフア内のパターン
   と接続部より出力されるパターンとの類似度を算
   出するマツチング部１５と、マツチング部におい
   て求められた複数の被接続パターンに対する類似
   度を比較し、最大の類似度を与えるものを判定出
   力する判定部１６、とからなる連続単語音声認識
   装置において、 単語系列の既知なる連続単語音声パターンの中
   から前記標準パターン記憶部内の孤立単語音声パ
   ターンを用いて、この孤立単語音声パターンに該
   当する単語部分を抽出する単語抽出部１７を備
   え、パターン登録時には、単語抽出部が抽出した
   パターンを標準パターン記憶部に前記連続単語音
   声パターンより抽出された単語音声パターンとし
   て格納することを特徴とする連続単語音声認識装
   置。 ２ 前記単語抽出部は、指定された単語列の孤立
   単語音声パタンを接続し、接続パタンを出力する
   接続部２２と、前記入力パタンバツフア内の入力
   パタンと前記接続パタンとの間で類似度算出を行
   なうとともに最適パスを示す値を出力するマツチ
   ング手段２３，２４，２５と、前記最適パスを記
   憶する最適パス記憶部２６と、前記マツチング手
   段の動作が終了した時点で前記最適パス記憶部に
   格納された値から前記入力パターンバツフアの単
   語区分点情報を抽出しその区分点情報にもとづい
   て前記入力パターンバツフアの内容を前記標準パ
   ターン記憶部に格納させる区分点抽出部２７とか
   らなることを特徴とする特許請求の範囲第１項に
   記載の連続単語音声認識装置。 ３ 前記単語抽出部は、指定された単語数の孤立
   単語音声パターンのすべての順列について接続パ
   ターン^k（ｋ＝１、２、…、順列数Ｋ）を順次
   出力する接続部４４と、前記入力パタンバツフア
   内の入力パタンＡと前記接続パタン^kとの間で
   類似度算出を行なうとともに最適パスを示す値を
   求めるマツチング部４５と、前記マツチング部に
   て求められた接続パタン^k（ｋ＝１、２、…、
   Ｋ）の各々と入力パタンとの類似度の中から最大
   の類似度を与える接続パタン^kを決定し、その
   接続パターンに対応する入力パタンの単語区分点
   情報を抽出し、その区分点情報にもとづいて前記
   入力パタンバツフアの内容を前記標準パタン記憶
   部に格納させる手段４６とからなることを特徴と
   する特許請求の範囲第１項に記載の連続単語音声
   認識装置。 ４ 前記単語抽出部は、前記入力パタンバツフア
   内の入力パタンの部分パタンと前記標準パタン格
   納部内の孤立単語音声パタンとの部分類似度を算
   出するとともに部分判定結果を出力する第１マツ
   チング手段５４，５５，５６と、この部分類似度
   と単語数とから仮判定結果と仮区分点とを算出す
   る第２マツチング手段５７，５８，５９，６０
   と、この仮判定結果と仮区分点とから前記入力パ
   タンの単語区分点情報を抽出し、その区分点情報
   にもとづいて前記入力パタンバツフアの内容を前
   記標準パタン記憶部に格納させる判定部６１とか
   らなることを特徴とする特許請求の範囲第１項に
   記載の連続単語音声認識装置。