JPH0230520B2 - Onseimetsuseejishikibetsuhoshiki - Google Patents
OnseimetsuseejishikibetsuhoshikiInfo
- Publication number
- JPH0230520B2 JPH0230520B2 JP6726083A JP6726083A JPH0230520B2 JP H0230520 B2 JPH0230520 B2 JP H0230520B2 JP 6726083 A JP6726083 A JP 6726083A JP 6726083 A JP6726083 A JP 6726083A JP H0230520 B2 JPH0230520 B2 JP H0230520B2
- Authority
- JP
- Japan
- Prior art keywords
- voiced
- filter
- difference signal
- sounds
- input
- 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 - Lifetime
Links
- 239000000284 extract Substances 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 description 18
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 15
- 239000013598 vector Substances 0.000 description 13
- 230000003321 amplification Effects 0.000 description 9
- 238000003199 nucleic acid amplification method Methods 0.000 description 9
- 230000009466 transformation Effects 0.000 description 8
- 239000002131 composite material Substances 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Description
〔技術分野〕
本発明は電子機器を音声メツセージによつて操
作するための音声メツセージ識別方式に関するも
のである。 〔背景技術〕 第１図は従来本発明者らが開発した音声メツセ
ージ識別装置の概略構成を示している。同図にお
いて、Ｖは音声入力中、０〜1KHzの周波数帯域
の短時間平均パワーを示しており、有声音のエネ
ルギに対応している。また、Ｕは音声入力中、５
〜12KHzの周波数帯域の短時間平均パワーを示
しており、無音声のエネルギに対応している。さ
らに、VL，VH，VB，VFはそれぞれ音声入力
中、０〜0.4KHz、0.4〜1.0KHz、1.0〜1.8KHz、
および1.8〜3.2KHzの周波数帯域の短時間平均パ
ワーを示しており、それぞれ、狭顎音、広顎音、
後舌音、および前舌音のエネルギに対応してい
る。S0〜S3は差動増幅手段であり、それぞれ差信
号UV／Ｖ，VH／VL，VB／VH、およびVF／
VBを算出するものである。差動増幅手段S0の出
力は比較出段C0において基準値Rv、Ru（Rv＜０
＜Ru）と比較され、差信号出力が基準値Rvより
も小さい場合には有声音Ｖと判定される。また上
記差信号出力が基準値Ruよりも大きい場合には
無声音Ｕと判定され、基準値RuとRvとの間であ
れば無音Ｓと判定される。そして無音、有声音、
および無声音の各場合についてＳ，Ｖ，Ｕの各符
号のうちいずれか１つの符号が記号化処理部
MY0に入力される。また、MC0は、各差動増幅
手段S1〜S3の出力を入力とする行列計算部であ
り、この行列計算部MC0は各差信号出力VH／
VL、VB／VH、およびVF／VBを成分とする３
次元ベクトルに所定の行列Tmを乗算して、音声
入力中に含まれる各母音／ａ／、／ｉ／、／
ｕ／、／ｅ／、／ｏ／の短時間平均パワーVa、
Vi、Vu、Ve、Vo、並びに広顎有声音、狭顎有
声音、前舌有声音、後舌有声音、母音／ａ／と／
ｏ／の中間的な有声音の短時間平均パワーVh、
Vl、Vf、Vb、Vwを算出するものである。行列
計算部MC0の出力は最大値判定部MX0に入力さ
れて、各成分Va、Vi、Vu、Ve、Vo、Vh、Vl、
Vf、Vb、Vwのうち最大の成分がどれであるか
を判定され、その最大の成分の符号が記号化処理
部MY0に入力される。記号化処理部MY0は、比
較手段C0から出力される符号がＶであるときに
は、最大値判定部MX0から出力されるVa、Vi、
Vu、Ve、Vo、Vh、Vi、Vf、Vb、およびVwの
うちのいずれか１つの符号を出力し、また比較手
段C0から出力される符号がＵまたはＳであると
きには、その符号をそのまま出力するものであ
る。この記号化処理部MY0から出力される複合
符号は、音声メツセージの登録時には標準パター
ン記憶部に入力記憶され、音声メツセージの認識
時には入力パターン記憶部に入力記憶されるもの
であり、照合処理時には、予め登録された標準パ
ターンのうち入力パターンに最も近似する標準パ
ターンを入力メツセージとして識別するものであ
る。 第２図は第１図従来例において各有声音VH、
VL、VF、VBの短時間平均パワーを取り出すた
めに用いるフイルタの周波数特性を示す図であ
る。この第２図に示すフイルタにあつては、信号
をLOGアンプに通して、対数変換しているもの
である。一方第３図は、同じく第１図従来例にお
いて各有声音VH、VL、VF、VBの短時間平均
パワーを取り出す他のフイルタの周波数特性を示
す図である。この第３図に示すフイルタにあつて
は、信号をLOGアンプに通さないで、対数変換
は行なわないようにしているものである。なお、
第２図および第３図において、APは後述する調
整アンプの特性を示している。 第４図乃至第７図は第１図従来例において、５
母音／ｉ／、／ｅ／、／ａ／、／ｏ／、／ｕ／を
入力した場合における差動増幅手段S0〜S3の出力
信号波形を示している。上記各図において、Ｕ／
Ｖ信号、Ｈ／Ｌ信号、Ｆ／Ｂ信号、Ａ／Ｏ信号は
それぞれ差動増幅手段S0〜S3の出力を示してい
る。またSYMは各有声音の区別を示しており、
例えば第４図において、ｌ，ｉ，ｆ，ｅ，…など
は、有声音Vl、Vi、Vf、Ve、…をそれぞれ示し
ている。ただし、符号ｍは各有声音Va、Vi、
Vu、Ve、Vo、Vh、Vl、Vf、Vb、Vwのうち、
いずれにも該当しない有声音Vmを示している。
しかして第４図および第５図は相異なる女性の被
験者二人について測定した例を示しており、第６
図および第７図は男性の被験者二人について測定
した例を示している。上記各図を見れば、話者に
よらず、ほぼ同じ特徴を抽出していることがわか
る。ただし、母音／ｅ／音と／ｕ／音の記号化
は、フイルタの調整にノウハウがあつて、記号化
が若干不完全であるが、各差信号波形の形は話者
によらずほぼ同じになつている。記号化をより完
全に行なうためには、話者によつて差信号波形の
ゼロ点を補償する必要がある。なお、第４図乃至
第７図においては、変換行列Tmとして、式に
示すようなものを用いており、この変換行列Tm
を用いた場合には、５母音（ｉ、ｅ、ａ、ｏ、
ｕ）とその他の擬音韻（ｈ、ｌ、ｆ、ｂ、ｗ）の
行ベクトルのノルムを等しくすることができるも
のである。 〔Tm〕＝ ‐17, 17, 0 17, 17, 0 16, ‐16, 8 16, ‐16, ‐8 ‐17, ‐17, 0 24, 0, 0 ‐24, 0, 0 0, 24, 0 0, ‐24, 0 17, ‐17, 0 … ところで、かかる音声認識方式にあつては、第
２図あるいは第３図に示すような周波数特性を有
する各フイルタの差信号から、音声の特徴を抽出
しているので、各フイルターの尖鋭度が適当に高
く、差信号をとるフイルター対の周波数軸上の位
置が離れている方が差信号の変化が大きく明瞭に
なる。ところが従来例にあつては、第１図に示す
ようにVL，VH，VB，VFの各フイルターのそ
れぞれから対の差信号をとるため、第２図および
第３図を見れば明らかなようにVB／VH差信号
の調整の場合に特にVH／VL、VF／VBの各差
信号の調整の「しわよせ」を受けるので、入力変
動に対する許容値が小さくなり、調整の精度を高
くしないと正しく認識できないという欠点があつ
た。換言すれば、各フイルタの次数を高くして高
精度の調整を要することになるものである。すな
わち、従来構成では、広顎有声音、狭顎有声音、
前舌有声音、後舌有声音の４成分を用いて５母音
を識別していたものであり、これらの４成分をフ
イルターで完全に分離するのは困難であつて、認
識率をあまり向上させることができないという問
題を有していた。実際、第３図のフイルター特性
はベストのものでなくフイルターの次数を上げて
尖鋭度を高くすれば性能を高め得る可能性がある
が、この回路をアナログフイルターで構成するた
めにはフイルターの段数を増す必要があり、コス
トアツプになる。一方デジタルフイルターによる
場合でも、計算量が増大し、より高速のデジタル
フイルターを必要とし、やはりコストアツプにな
るという欠点がある。さらにまた付随的な欠点と
して、第２図および第３図を見れば明らかなよう
に、VHとVLのフイルターゲインが小さいこと
やVBとVLのフイルターゲインの差が大きい状
態でVH／VL差信号やVB／VH差信号を抽出す
ることは、入力音声のパワーの変化等に対して不
利になり、このフイルターゲインの差が小さくな
る方が望ましい。また従来例にあつては、音声の
構造から考察してみても、以下に述べるように原
理的な欠陥がある。第８図乃至第１１図は、電子
通信学会編著「新版聴覚と音声」（1980）に記載
されている５母音の特徴を示す資料であり、第８
図は日本語の５母音の標準スペクトル、第９図は
各母音の第１〜第４ホルマントF1〜F4の比較、
第１０図は各母音の第１、第２ホルマントF1，
F2の周波数分布、第１１図は舌の高低および前
後位置をそれぞれ示している。上記各図を検討す
ると、上記第１図従来例にあつては、VH／VL
差信号が第１ホルマントF1に対応し、VF／VB
差信号が第２ホルマントF2に対応することがわ
かる。しかるに第１図従来例のVB／VH差信号
は、第１ホルマントF1と第２ホルマントF2とが
両方影響したものとなつており、必ずしも物理的
に明確な意味を持つものではないということがわ
かる。つまり第１図従来例にあつては、物理的に
は余り意味のない差信号を抽出しているに過ぎな
いという原理的な欠点がある。 〔発明の目的〕 本発明は上述のような点に鑑みて為されたもの
であり、差信号をとるために対になるフイルタの
バランス調整を容易に行ない得るようにすると共
に、識別能力も向上させ得るようにした音声メツ
セージ識別方式を提供することを目的とするもの
である。 〔発明の開示〕 第１２図は本発明の要旨となる構成を端的に示
すために、特許請求の範囲に記載された機能をブ
ロツク化して示したいわゆるクレーム対応図であ
る。同図において、FVは音声入力の低周波成分
の短時間平均パワーを取り出すフイルタであり、
FUは音声入力の高周波成分を取り出すフイルタ
である。次にFLは有声音のうち顎の開きの狭い
有声音VLの短時間平均パワーを取り出すフイル
タであり、FHは有声音のうち顎の開きの広い有
声音VHの短時間平均パワーを取り出すフイルタ
である。またFBは有声音のうち舌の位置が後方
になる有声音VBの短時間平均パワーを取り出す
フイルタであり、FFは有声音のうち舌の位置が
前方になる有声音VFの短時間平均パワーを取り
出すフイルタである。さらに、Foは有声音のう
ち日本語のオに近似する有声音VOの短時間平均
パワーを取り出すフイルタであり、FAは有声音
のうち日本語のアに近似する有声音VAの短時間
平均パワーを取り出すフイルタである。S0〜S3は
差動増幅手段であり、それぞれ差信号UV／Ｖ、
VH／VL、VA／VO、およびVF／VBを算出す
るものである。差動増幅手段S0の出力は比較手段
C0において基準値Rv、Ru（Rv＜０＜Ru）と比較
され、差信号出力が基準値Rvよりも小さい場合
には有声音Ｖと判定される。また上記差信号出力
が基準値Ruよりも大きい場合には無声音Ｕと判
定され、基準値RuとRvとの間であれば無音Ｓと
判定される。そして無音、有声音、および無声音
の各場合についてＳ、Ｖ、Ｕの各符号のうちいず
れか１つの符号が入力パターン作成部IPの記号
化処理部MY0に入力される。入力パターン作成
部IPにおいて、MC0は、各差動増幅手段S0〜S3
の出力を入力とする行列計算部であり、この行列
計算部MC0は各差信号出力VH／VL、VA／VO、
およびVF／VBを成分とする３次元ベクトルに
所定の行列Tmを乗算して、音声入力中に含まれ
る各母音／ａ／、／ｉ／、／ｕ／、／ｅ／、／
ｏ／の短時間平均パワーVa、Vi、Vu、Ve、
Vo、並びに広顎有声音、狭顎有声音、前舌有声
音、後舌有声音、母音／ａ／と／ｏ／の中間的な
有声音の各短時間平均パワーVh、Vl、Vf、Vb、
Vwを算出するものである。行列計算部MC0の出
力は最大値判定部MX0に入力されて、各成分
Va、Vi、Vu、Ve、Vo、Vh、Vl、Vf、Vb、
Vwのうち最大の成分がどれであるかを判定さ
れ、その最大の成分を符号が記号化処理部MY0
に入力される。記号化処理部MY0は、比較手段
C0から出力される符号がＶであるときには、最
大値判定部MX0から出力されるVa、Vi、Vu、
Ve、Vo、Vh、Vl、Vf、Vb、およびVwのうち
のいずれか１つの符号を出力し、また比較手段
C0から出力される符号がＵまたはＳであるとき
には、その符号をそのまま出力するものである。
この記号化処理部MY0から出力される複合符号
は、音声メツセージの登録時には標準パターン記
憶部に入力記憶され、音声メツセージの認識時に
は入力パターン記憶部に入力記憶されるものであ
り、照合処理時には、予め登録された標準パター
ンのうち入力パターンに最も近似する標準パター
ンを入力メツセージとして識別するものである。 しかして第１２図に示す構成において、有声音
のパワーを取り出すフイルタFV、および無声音
のパワーを取り出すフイルタFUの通過周波数帯
域は、それぞれ０〜1KHzおよび５〜12KHzであ
る。また、広顎、狭顎、前舌、後舌等の各有声音
のパワーを取り出すフイルタFL，FH，FB，FF，
FA，FOの通過周波数帯域はそれぞれ０〜
0.4KHz、0.4〜1.0KHz、1.0〜1.8KHz、1.8〜
3.2KHz、0.6〜1.0KHz、０〜0.6KHzであり、ま
た各フイルタのピーク周波数はそれぞれ0.3KHz、
0.7KHz、1.2KHz、2.5KHz、0.8KHz、0.5KHz
である。ただし、ここに挙げたフイルタの通過周
波数帯域やピーク周波数はあくまでも１つの例に
過ぎず、各有声音の特徴を抽出できるものであれ
ば多少変更してもかまわないものである。なお各
フイルタを用いて抽出される有声音と、日本語の
５母音との対応関係を述べると次のようになる。
まず広顎有声音VHとして抽出される母音は、顎
の開きが比較的広い母音／ｅ／、／ａ／、／ｏ／
である。また狭顎有声音VLとして抽出される母
音は、顎の開きの比較的狭い母音／ｉ／、／ｕ／
である。次に前舌音VFとして抽出される母音は、
舌の位置が前方になる母音／ｉ／、／ｅ／であ
る。さらに後舌音VBとして抽出される母音は、
舌の位置が後方になる母音／ａ／、／ｏ／、／
ｕ／である。 次に、入力パターン作成部IPにおける行列計
算部MC0は、上述のように各フイルタ対の差信
号出力VH／VL、VF／VB、VA／VOを成分と
するベクトルに変換行列を乗算して日本語の５母
音（ａ、ｉ、ｕ、ｅ、ｏ）と、それらの中間的な
音韻である５成分（ｈ、ｌ、ｆ、ｂ、ｗ）の短時
間平均パワーを各成分とする10次元ベクトルを算
出するものであるが、各フイルタの通過周波数帯
域が従来例とは若干異なつているので変換行列
Tmについても上記式のものとは多少異なり、
式に示すような行列を用いるものである（ただ
し、この行列の構成も一例に過ぎない。）。 〔Tm〕 ＝ ‐14, 14, ‐4 14, 14, ‐14 14, ‐14, 14 14, ‐14, ‐14 ‐14, ‐14, ‐14 24, 0, 0 ‐24, 0, 0 0, 24, 0 0, ‐24, 0 17, ‐17, 0 … さらに最大値算出部MX0は、行列計算部MC0
において計算された各母音および各有声音の短時
間平均パワーVa、Vi、Vu、Ve、Vo等のうち、
最も大きい成分と第２番目に大きい成分とを算出
し、最も大きい成分が所定の基準レベルよりも大
きく、かつこの最も大きい成分と第２番目に大き
い成分との差が所定の基準値よりも大きいときに
は、前記最大の成分に対応する母音または有声音
の符号を出力し、前記最大の成分と第２番目に大
きい成分との差が、所定の基準値よりも小さいと
きには、いずれにも該当しない有声音Vmの符号
を出力するものである。 ところで第１２図の構成においては、母音のア
に近似する有声音VAと、母音のオに近似する有
声音VOとを抽出するフイルタFA，FOとして、専
用のフイルタを用いているが、第１３図に示すよ
うに、フイルタFA，FOをフイルタFB，FLと兼用
し、VA／VOの差信号出力をVB／VLの差信号
出力で代用しても充分に音声の特徴を抽出するこ
とができるものである。この第１３図の構成を見
ればわかるように、従来例にあたつては母音の／
ａ／音と／ｏ／音の識別に関してVB／VH差信
号を用いていたのに対して、本実施例では、
VB／VL差信号を用いているものである。第１
４図は第１３図実施例において、各有声音VH、
VL、VF、VBの短時間平均パワーを取り出すた
めに用いるフイルタの周波数特性を示す図であ
る。また第１５図は、第１４図の特性を横軸を対
数目盛として描いたものである。上記各図におい
て、APは後述する調整アンプの特性を示してい
る。 第１６図は、第１３図の構成をさらに具体化し
た実施例のブロツク図である。同図において、音
声は、マイク１から入りプリアンプ２で増幅され
調整アンプ３でゲインとオフセツトを調整し、レ
ベル調整器５でＶ／UV差信号と他の有声音の差
信号（VH／VL、VF／VB、VB／VL）とのバ
ランスを調整する。次のＶ／UVバランス調整器
４でＶ／UV差信号（あるいはUV／Ｖ差信号）
のバランスを調整する。 有声音関係の差信号は、最初VB／VLバラン
ス調整器６を中点にしてVH／VLバランス調整
器７とVF／VBバランス調整器８でそれぞれ
VH／VL差信号とVF／VB差信号のバランスを
調整（ゼロ点が変わる）して、次にVB／VLバ
ランス調整器６でVA／VO差信号（つまりVB／
VL差信号）のバランスを調整する。 ６個のフイルタVV，FU，FL，FH，FB，FFの出
力を、マルチプレクサ９で順次切換えて、対数変
換器１０で振幅を対数圧縮し、Ａ／Ｄコンバータ
１１で８ビツトのデイジタル値に量子化する。 各フイルタは帯域フイルターと整流回路と平均
化回路で構成されており、上述の第１４図のフイ
ルタ特性（VL、VH、VB、VF）は帯域フイル
タの出力を示す。又、第１４図の調整アンプ出力
APは、第１６図の調整アンプ３の出力を示す。 第１６図の差信号ベクトル抽出部１２よりも後
段は、汎用の８ビツトマイコンで試作したが４ビ
ツトマイコンでも可能であろう。 差信号ベクトル抽出部１２で、VH／VL差信
号、VF／VB差信号、VB／VL差信号を抽出す
るためＡ／Ｄ変換された各フイルタの対数値出力
の差をとつて平均化（積分回路を用いる）する。
第１３図のブロツク図では簡単化して差動平均化
処理を〇印で示している。 Ｖ／UV差信号はＶ／UV判定部１３に入力さ
れ、入力音声が有声音Ｖか無声音UVか判別す
る。これは第１３図で示した比較手段C0に相当
するもので、Ｖ／UV差信号がRuより大のとき無
声音、Rvより小のとき有声音と判定する。始端、
終端検知部１４は有声音Ｖ又は無声音UVが一定
回数続いたら音声の始端と判定し、無音Ｓが一定
回数続いたら音声の終端と判定する。 有声音Ｖの場合は記号ベクトル変換部１５で疑
音韻ベクトルに変換する。これは、第１３図に示
したように変換行列Tmで（ｉ、ｅ、ａ、ｏ、
ｕ、ｈ、ｌ、ｆ、ｂ、ｗ）の成分のベクトルに変
換するもので、変換行列Tmの行ベクトルのノル
ムは式に示した行列では同一の値になつてい
る。式の変換行列では５母音成分に対応する行
ベクトルの成分の値は、各差信号に対して同じ重
み１４になつている。この場合には、／ｉ／、／
ｅ／、／ｕ／と／ａ／、／ｏ／の４つの区分がで
きるよう、VH／VL差信号とVF／VB差信号を
調整する。 第１４図に各フイルタの特性例を示したが、フ
イルタ特性の最適な特性はこれに近い尖鋭度の高
いものと思われる。 第１６図の記号化処理部１６では、有声音Ｖの
場合には記号ベクトルの成分の最大のものが、あ
る設定値より大きいときその成分の記号を出力
し、その設定値より小さいとき擬音韻ｍを出力す
る。 無声音UV、無音Ｓの記号はＶ／UV判定部１
３の出力によるが記号ベクトルの内にUVのベク
トルも加えた形にすることもできる。 記号化処理部１６の出力は、記号とその継続時
間（サンプル数）からなるリストとして出力す
る。 整形処理部１７では短い継続時間の記号を、前
後の記号を参照してまとめる。前後の記号が同じ
場合は前後の記号の継続時間を合計した一つの記
号にし、前後の記号が異なる場合には前の記号に
まとめる。 時間軸線型正規化処理部１８では継続時間の合
計が例えば1000（あるいは200）になるよう各継続
時間の合計と1000（あるいは200）との比率を各記
号の継続時間に掛ける。 登録モードでは標準パターン記憶部１９に、こ
の正規化パターンを記憶する。 認識モードでは、標準パターン記憶部１９に記
憶された複数個の標準パターンと、入力パターン
とを距離計算部２０において照合する。この距離
計算部２０における照合処理は、距離テーブル２
１を参照しながら行なわれるものである。第１表
は距離テーブル２１の記憶内容を示すものであ
る。この第１表において、横の欄および縦の欄は
それぞれ標準パターンの符号および入力パターン
の符号に対応しており、例えば標準パターンの符
号がVaであつて、しかも入力パターンの符号も
Vaであるときには、距離テーブル２１の出力は
２となり、近似度が高いことを示すものである。
また標準パターンの符号がUVであり、入力パタ
ーンの符号がVaであるときには、距離テーブル
２１の出力は−２となり、近似度が低いことを示
すものである。したがつて距離計算部２０におい
ては、距離テーブル２１からの出力を順次加算す
るだけの演算操作により、入力パターンと標準パ
ターンとのパターン全体としての近似度を容易に
計算することができるものである。
作するための音声メツセージ識別方式に関するも
のである。 〔背景技術〕 第１図は従来本発明者らが開発した音声メツセ
ージ識別装置の概略構成を示している。同図にお
いて、Ｖは音声入力中、０〜1KHzの周波数帯域
の短時間平均パワーを示しており、有声音のエネ
ルギに対応している。また、Ｕは音声入力中、５
〜12KHzの周波数帯域の短時間平均パワーを示
しており、無音声のエネルギに対応している。さ
らに、VL，VH，VB，VFはそれぞれ音声入力
中、０〜0.4KHz、0.4〜1.0KHz、1.0〜1.8KHz、
および1.8〜3.2KHzの周波数帯域の短時間平均パ
ワーを示しており、それぞれ、狭顎音、広顎音、
後舌音、および前舌音のエネルギに対応してい
る。S0〜S3は差動増幅手段であり、それぞれ差信
号UV／Ｖ，VH／VL，VB／VH、およびVF／
VBを算出するものである。差動増幅手段S0の出
力は比較出段C0において基準値Rv、Ru（Rv＜０
＜Ru）と比較され、差信号出力が基準値Rvより
も小さい場合には有声音Ｖと判定される。また上
記差信号出力が基準値Ruよりも大きい場合には
無声音Ｕと判定され、基準値RuとRvとの間であ
れば無音Ｓと判定される。そして無音、有声音、
および無声音の各場合についてＳ，Ｖ，Ｕの各符
号のうちいずれか１つの符号が記号化処理部
MY0に入力される。また、MC0は、各差動増幅
手段S1〜S3の出力を入力とする行列計算部であ
り、この行列計算部MC0は各差信号出力VH／
VL、VB／VH、およびVF／VBを成分とする３
次元ベクトルに所定の行列Tmを乗算して、音声
入力中に含まれる各母音／ａ／、／ｉ／、／
ｕ／、／ｅ／、／ｏ／の短時間平均パワーVa、
Vi、Vu、Ve、Vo、並びに広顎有声音、狭顎有
声音、前舌有声音、後舌有声音、母音／ａ／と／
ｏ／の中間的な有声音の短時間平均パワーVh、
Vl、Vf、Vb、Vwを算出するものである。行列
計算部MC0の出力は最大値判定部MX0に入力さ
れて、各成分Va、Vi、Vu、Ve、Vo、Vh、Vl、
Vf、Vb、Vwのうち最大の成分がどれであるか
を判定され、その最大の成分の符号が記号化処理
部MY0に入力される。記号化処理部MY0は、比
較手段C0から出力される符号がＶであるときに
は、最大値判定部MX0から出力されるVa、Vi、
Vu、Ve、Vo、Vh、Vi、Vf、Vb、およびVwの
うちのいずれか１つの符号を出力し、また比較手
段C0から出力される符号がＵまたはＳであると
きには、その符号をそのまま出力するものであ
る。この記号化処理部MY0から出力される複合
符号は、音声メツセージの登録時には標準パター
ン記憶部に入力記憶され、音声メツセージの認識
時には入力パターン記憶部に入力記憶されるもの
であり、照合処理時には、予め登録された標準パ
ターンのうち入力パターンに最も近似する標準パ
ターンを入力メツセージとして識別するものであ
る。 第２図は第１図従来例において各有声音VH、
VL、VF、VBの短時間平均パワーを取り出すた
めに用いるフイルタの周波数特性を示す図であ
る。この第２図に示すフイルタにあつては、信号
をLOGアンプに通して、対数変換しているもの
である。一方第３図は、同じく第１図従来例にお
いて各有声音VH、VL、VF、VBの短時間平均
パワーを取り出す他のフイルタの周波数特性を示
す図である。この第３図に示すフイルタにあつて
は、信号をLOGアンプに通さないで、対数変換
は行なわないようにしているものである。なお、
第２図および第３図において、APは後述する調
整アンプの特性を示している。 第４図乃至第７図は第１図従来例において、５
母音／ｉ／、／ｅ／、／ａ／、／ｏ／、／ｕ／を
入力した場合における差動増幅手段S0〜S3の出力
信号波形を示している。上記各図において、Ｕ／
Ｖ信号、Ｈ／Ｌ信号、Ｆ／Ｂ信号、Ａ／Ｏ信号は
それぞれ差動増幅手段S0〜S3の出力を示してい
る。またSYMは各有声音の区別を示しており、
例えば第４図において、ｌ，ｉ，ｆ，ｅ，…など
は、有声音Vl、Vi、Vf、Ve、…をそれぞれ示し
ている。ただし、符号ｍは各有声音Va、Vi、
Vu、Ve、Vo、Vh、Vl、Vf、Vb、Vwのうち、
いずれにも該当しない有声音Vmを示している。
しかして第４図および第５図は相異なる女性の被
験者二人について測定した例を示しており、第６
図および第７図は男性の被験者二人について測定
した例を示している。上記各図を見れば、話者に
よらず、ほぼ同じ特徴を抽出していることがわか
る。ただし、母音／ｅ／音と／ｕ／音の記号化
は、フイルタの調整にノウハウがあつて、記号化
が若干不完全であるが、各差信号波形の形は話者
によらずほぼ同じになつている。記号化をより完
全に行なうためには、話者によつて差信号波形の
ゼロ点を補償する必要がある。なお、第４図乃至
第７図においては、変換行列Tmとして、式に
示すようなものを用いており、この変換行列Tm
を用いた場合には、５母音（ｉ、ｅ、ａ、ｏ、
ｕ）とその他の擬音韻（ｈ、ｌ、ｆ、ｂ、ｗ）の
行ベクトルのノルムを等しくすることができるも
のである。 〔Tm〕＝ ‐17, 17, 0 17, 17, 0 16, ‐16, 8 16, ‐16, ‐8 ‐17, ‐17, 0 24, 0, 0 ‐24, 0, 0 0, 24, 0 0, ‐24, 0 17, ‐17, 0 … ところで、かかる音声認識方式にあつては、第
２図あるいは第３図に示すような周波数特性を有
する各フイルタの差信号から、音声の特徴を抽出
しているので、各フイルターの尖鋭度が適当に高
く、差信号をとるフイルター対の周波数軸上の位
置が離れている方が差信号の変化が大きく明瞭に
なる。ところが従来例にあつては、第１図に示す
ようにVL，VH，VB，VFの各フイルターのそ
れぞれから対の差信号をとるため、第２図および
第３図を見れば明らかなようにVB／VH差信号
の調整の場合に特にVH／VL、VF／VBの各差
信号の調整の「しわよせ」を受けるので、入力変
動に対する許容値が小さくなり、調整の精度を高
くしないと正しく認識できないという欠点があつ
た。換言すれば、各フイルタの次数を高くして高
精度の調整を要することになるものである。すな
わち、従来構成では、広顎有声音、狭顎有声音、
前舌有声音、後舌有声音の４成分を用いて５母音
を識別していたものであり、これらの４成分をフ
イルターで完全に分離するのは困難であつて、認
識率をあまり向上させることができないという問
題を有していた。実際、第３図のフイルター特性
はベストのものでなくフイルターの次数を上げて
尖鋭度を高くすれば性能を高め得る可能性がある
が、この回路をアナログフイルターで構成するた
めにはフイルターの段数を増す必要があり、コス
トアツプになる。一方デジタルフイルターによる
場合でも、計算量が増大し、より高速のデジタル
フイルターを必要とし、やはりコストアツプにな
るという欠点がある。さらにまた付随的な欠点と
して、第２図および第３図を見れば明らかなよう
に、VHとVLのフイルターゲインが小さいこと
やVBとVLのフイルターゲインの差が大きい状
態でVH／VL差信号やVB／VH差信号を抽出す
ることは、入力音声のパワーの変化等に対して不
利になり、このフイルターゲインの差が小さくな
る方が望ましい。また従来例にあつては、音声の
構造から考察してみても、以下に述べるように原
理的な欠陥がある。第８図乃至第１１図は、電子
通信学会編著「新版聴覚と音声」（1980）に記載
されている５母音の特徴を示す資料であり、第８
図は日本語の５母音の標準スペクトル、第９図は
各母音の第１〜第４ホルマントF1〜F4の比較、
第１０図は各母音の第１、第２ホルマントF1，
F2の周波数分布、第１１図は舌の高低および前
後位置をそれぞれ示している。上記各図を検討す
ると、上記第１図従来例にあつては、VH／VL
差信号が第１ホルマントF1に対応し、VF／VB
差信号が第２ホルマントF2に対応することがわ
かる。しかるに第１図従来例のVB／VH差信号
は、第１ホルマントF1と第２ホルマントF2とが
両方影響したものとなつており、必ずしも物理的
に明確な意味を持つものではないということがわ
かる。つまり第１図従来例にあつては、物理的に
は余り意味のない差信号を抽出しているに過ぎな
いという原理的な欠点がある。 〔発明の目的〕 本発明は上述のような点に鑑みて為されたもの
であり、差信号をとるために対になるフイルタの
バランス調整を容易に行ない得るようにすると共
に、識別能力も向上させ得るようにした音声メツ
セージ識別方式を提供することを目的とするもの
である。 〔発明の開示〕 第１２図は本発明の要旨となる構成を端的に示
すために、特許請求の範囲に記載された機能をブ
ロツク化して示したいわゆるクレーム対応図であ
る。同図において、FVは音声入力の低周波成分
の短時間平均パワーを取り出すフイルタであり、
FUは音声入力の高周波成分を取り出すフイルタ
である。次にFLは有声音のうち顎の開きの狭い
有声音VLの短時間平均パワーを取り出すフイル
タであり、FHは有声音のうち顎の開きの広い有
声音VHの短時間平均パワーを取り出すフイルタ
である。またFBは有声音のうち舌の位置が後方
になる有声音VBの短時間平均パワーを取り出す
フイルタであり、FFは有声音のうち舌の位置が
前方になる有声音VFの短時間平均パワーを取り
出すフイルタである。さらに、Foは有声音のう
ち日本語のオに近似する有声音VOの短時間平均
パワーを取り出すフイルタであり、FAは有声音
のうち日本語のアに近似する有声音VAの短時間
平均パワーを取り出すフイルタである。S0〜S3は
差動増幅手段であり、それぞれ差信号UV／Ｖ、
VH／VL、VA／VO、およびVF／VBを算出す
るものである。差動増幅手段S0の出力は比較手段
C0において基準値Rv、Ru（Rv＜０＜Ru）と比較
され、差信号出力が基準値Rvよりも小さい場合
には有声音Ｖと判定される。また上記差信号出力
が基準値Ruよりも大きい場合には無声音Ｕと判
定され、基準値RuとRvとの間であれば無音Ｓと
判定される。そして無音、有声音、および無声音
の各場合についてＳ、Ｖ、Ｕの各符号のうちいず
れか１つの符号が入力パターン作成部IPの記号
化処理部MY0に入力される。入力パターン作成
部IPにおいて、MC0は、各差動増幅手段S0〜S3
の出力を入力とする行列計算部であり、この行列
計算部MC0は各差信号出力VH／VL、VA／VO、
およびVF／VBを成分とする３次元ベクトルに
所定の行列Tmを乗算して、音声入力中に含まれ
る各母音／ａ／、／ｉ／、／ｕ／、／ｅ／、／
ｏ／の短時間平均パワーVa、Vi、Vu、Ve、
Vo、並びに広顎有声音、狭顎有声音、前舌有声
音、後舌有声音、母音／ａ／と／ｏ／の中間的な
有声音の各短時間平均パワーVh、Vl、Vf、Vb、
Vwを算出するものである。行列計算部MC0の出
力は最大値判定部MX0に入力されて、各成分
Va、Vi、Vu、Ve、Vo、Vh、Vl、Vf、Vb、
Vwのうち最大の成分がどれであるかを判定さ
れ、その最大の成分を符号が記号化処理部MY0
に入力される。記号化処理部MY0は、比較手段
C0から出力される符号がＶであるときには、最
大値判定部MX0から出力されるVa、Vi、Vu、
Ve、Vo、Vh、Vl、Vf、Vb、およびVwのうち
のいずれか１つの符号を出力し、また比較手段
C0から出力される符号がＵまたはＳであるとき
には、その符号をそのまま出力するものである。
この記号化処理部MY0から出力される複合符号
は、音声メツセージの登録時には標準パターン記
憶部に入力記憶され、音声メツセージの認識時に
は入力パターン記憶部に入力記憶されるものであ
り、照合処理時には、予め登録された標準パター
ンのうち入力パターンに最も近似する標準パター
ンを入力メツセージとして識別するものである。 しかして第１２図に示す構成において、有声音
のパワーを取り出すフイルタFV、および無声音
のパワーを取り出すフイルタFUの通過周波数帯
域は、それぞれ０〜1KHzおよび５〜12KHzであ
る。また、広顎、狭顎、前舌、後舌等の各有声音
のパワーを取り出すフイルタFL，FH，FB，FF，
FA，FOの通過周波数帯域はそれぞれ０〜
0.4KHz、0.4〜1.0KHz、1.0〜1.8KHz、1.8〜
3.2KHz、0.6〜1.0KHz、０〜0.6KHzであり、ま
た各フイルタのピーク周波数はそれぞれ0.3KHz、
0.7KHz、1.2KHz、2.5KHz、0.8KHz、0.5KHz
である。ただし、ここに挙げたフイルタの通過周
波数帯域やピーク周波数はあくまでも１つの例に
過ぎず、各有声音の特徴を抽出できるものであれ
ば多少変更してもかまわないものである。なお各
フイルタを用いて抽出される有声音と、日本語の
５母音との対応関係を述べると次のようになる。
まず広顎有声音VHとして抽出される母音は、顎
の開きが比較的広い母音／ｅ／、／ａ／、／ｏ／
である。また狭顎有声音VLとして抽出される母
音は、顎の開きの比較的狭い母音／ｉ／、／ｕ／
である。次に前舌音VFとして抽出される母音は、
舌の位置が前方になる母音／ｉ／、／ｅ／であ
る。さらに後舌音VBとして抽出される母音は、
舌の位置が後方になる母音／ａ／、／ｏ／、／
ｕ／である。 次に、入力パターン作成部IPにおける行列計
算部MC0は、上述のように各フイルタ対の差信
号出力VH／VL、VF／VB、VA／VOを成分と
するベクトルに変換行列を乗算して日本語の５母
音（ａ、ｉ、ｕ、ｅ、ｏ）と、それらの中間的な
音韻である５成分（ｈ、ｌ、ｆ、ｂ、ｗ）の短時
間平均パワーを各成分とする10次元ベクトルを算
出するものであるが、各フイルタの通過周波数帯
域が従来例とは若干異なつているので変換行列
Tmについても上記式のものとは多少異なり、
式に示すような行列を用いるものである（ただ
し、この行列の構成も一例に過ぎない。）。 〔Tm〕 ＝ ‐14, 14, ‐4 14, 14, ‐14 14, ‐14, 14 14, ‐14, ‐14 ‐14, ‐14, ‐14 24, 0, 0 ‐24, 0, 0 0, 24, 0 0, ‐24, 0 17, ‐17, 0 … さらに最大値算出部MX0は、行列計算部MC0
において計算された各母音および各有声音の短時
間平均パワーVa、Vi、Vu、Ve、Vo等のうち、
最も大きい成分と第２番目に大きい成分とを算出
し、最も大きい成分が所定の基準レベルよりも大
きく、かつこの最も大きい成分と第２番目に大き
い成分との差が所定の基準値よりも大きいときに
は、前記最大の成分に対応する母音または有声音
の符号を出力し、前記最大の成分と第２番目に大
きい成分との差が、所定の基準値よりも小さいと
きには、いずれにも該当しない有声音Vmの符号
を出力するものである。 ところで第１２図の構成においては、母音のア
に近似する有声音VAと、母音のオに近似する有
声音VOとを抽出するフイルタFA，FOとして、専
用のフイルタを用いているが、第１３図に示すよ
うに、フイルタFA，FOをフイルタFB，FLと兼用
し、VA／VOの差信号出力をVB／VLの差信号
出力で代用しても充分に音声の特徴を抽出するこ
とができるものである。この第１３図の構成を見
ればわかるように、従来例にあたつては母音の／
ａ／音と／ｏ／音の識別に関してVB／VH差信
号を用いていたのに対して、本実施例では、
VB／VL差信号を用いているものである。第１
４図は第１３図実施例において、各有声音VH、
VL、VF、VBの短時間平均パワーを取り出すた
めに用いるフイルタの周波数特性を示す図であ
る。また第１５図は、第１４図の特性を横軸を対
数目盛として描いたものである。上記各図におい
て、APは後述する調整アンプの特性を示してい
る。 第１６図は、第１３図の構成をさらに具体化し
た実施例のブロツク図である。同図において、音
声は、マイク１から入りプリアンプ２で増幅され
調整アンプ３でゲインとオフセツトを調整し、レ
ベル調整器５でＶ／UV差信号と他の有声音の差
信号（VH／VL、VF／VB、VB／VL）とのバ
ランスを調整する。次のＶ／UVバランス調整器
４でＶ／UV差信号（あるいはUV／Ｖ差信号）
のバランスを調整する。 有声音関係の差信号は、最初VB／VLバラン
ス調整器６を中点にしてVH／VLバランス調整
器７とVF／VBバランス調整器８でそれぞれ
VH／VL差信号とVF／VB差信号のバランスを
調整（ゼロ点が変わる）して、次にVB／VLバ
ランス調整器６でVA／VO差信号（つまりVB／
VL差信号）のバランスを調整する。 ６個のフイルタVV，FU，FL，FH，FB，FFの出
力を、マルチプレクサ９で順次切換えて、対数変
換器１０で振幅を対数圧縮し、Ａ／Ｄコンバータ
１１で８ビツトのデイジタル値に量子化する。 各フイルタは帯域フイルターと整流回路と平均
化回路で構成されており、上述の第１４図のフイ
ルタ特性（VL、VH、VB、VF）は帯域フイル
タの出力を示す。又、第１４図の調整アンプ出力
APは、第１６図の調整アンプ３の出力を示す。 第１６図の差信号ベクトル抽出部１２よりも後
段は、汎用の８ビツトマイコンで試作したが４ビ
ツトマイコンでも可能であろう。 差信号ベクトル抽出部１２で、VH／VL差信
号、VF／VB差信号、VB／VL差信号を抽出す
るためＡ／Ｄ変換された各フイルタの対数値出力
の差をとつて平均化（積分回路を用いる）する。
第１３図のブロツク図では簡単化して差動平均化
処理を〇印で示している。 Ｖ／UV差信号はＶ／UV判定部１３に入力さ
れ、入力音声が有声音Ｖか無声音UVか判別す
る。これは第１３図で示した比較手段C0に相当
するもので、Ｖ／UV差信号がRuより大のとき無
声音、Rvより小のとき有声音と判定する。始端、
終端検知部１４は有声音Ｖ又は無声音UVが一定
回数続いたら音声の始端と判定し、無音Ｓが一定
回数続いたら音声の終端と判定する。 有声音Ｖの場合は記号ベクトル変換部１５で疑
音韻ベクトルに変換する。これは、第１３図に示
したように変換行列Tmで（ｉ、ｅ、ａ、ｏ、
ｕ、ｈ、ｌ、ｆ、ｂ、ｗ）の成分のベクトルに変
換するもので、変換行列Tmの行ベクトルのノル
ムは式に示した行列では同一の値になつてい
る。式の変換行列では５母音成分に対応する行
ベクトルの成分の値は、各差信号に対して同じ重
み１４になつている。この場合には、／ｉ／、／
ｅ／、／ｕ／と／ａ／、／ｏ／の４つの区分がで
きるよう、VH／VL差信号とVF／VB差信号を
調整する。 第１４図に各フイルタの特性例を示したが、フ
イルタ特性の最適な特性はこれに近い尖鋭度の高
いものと思われる。 第１６図の記号化処理部１６では、有声音Ｖの
場合には記号ベクトルの成分の最大のものが、あ
る設定値より大きいときその成分の記号を出力
し、その設定値より小さいとき擬音韻ｍを出力す
る。 無声音UV、無音Ｓの記号はＶ／UV判定部１
３の出力によるが記号ベクトルの内にUVのベク
トルも加えた形にすることもできる。 記号化処理部１６の出力は、記号とその継続時
間（サンプル数）からなるリストとして出力す
る。 整形処理部１７では短い継続時間の記号を、前
後の記号を参照してまとめる。前後の記号が同じ
場合は前後の記号の継続時間を合計した一つの記
号にし、前後の記号が異なる場合には前の記号に
まとめる。 時間軸線型正規化処理部１８では継続時間の合
計が例えば1000（あるいは200）になるよう各継続
時間の合計と1000（あるいは200）との比率を各記
号の継続時間に掛ける。 登録モードでは標準パターン記憶部１９に、こ
の正規化パターンを記憶する。 認識モードでは、標準パターン記憶部１９に記
憶された複数個の標準パターンと、入力パターン
とを距離計算部２０において照合する。この距離
計算部２０における照合処理は、距離テーブル２
１を参照しながら行なわれるものである。第１表
は距離テーブル２１の記憶内容を示すものであ
る。この第１表において、横の欄および縦の欄は
それぞれ標準パターンの符号および入力パターン
の符号に対応しており、例えば標準パターンの符
号がVaであつて、しかも入力パターンの符号も
Vaであるときには、距離テーブル２１の出力は
２となり、近似度が高いことを示すものである。
また標準パターンの符号がUVであり、入力パタ
ーンの符号がVaであるときには、距離テーブル
２１の出力は−２となり、近似度が低いことを示
すものである。したがつて距離計算部２０におい
ては、距離テーブル２１からの出力を順次加算す
るだけの演算操作により、入力パターンと標準パ
ターンとのパターン全体としての近似度を容易に
計算することができるものである。
【表】
【表】
各サンプルごとの距離の合計を各標準パターン
に対して求めたのち、有意性検定部２２で最も近
いパターンと２番目との差がある設定値より大き
く、さらに最も近いパターンとの距離がある設定
値よりも近い（相関値では値が大きい）と判定す
るとそのパターンと同じと判定し、その他は認識
不良としてリジエクトする。そしてこの結果を識
別結果出力部２３から出力する。 第１７図乃至第２０図は、上記第１６図の実施
例について、録音テープによつて従来例の第４図
乃至第７図の場合と同じ音声を入力した場合にお
ける音声の特徴抽出の結果を示すものである。従
来例の第４図乃至第７図と比較するとVA／VO
差信号が話者によつて変化する度合が小さくなつ
てほぼ同じ形になつていることがわかる。しかも
第１４図と第２図を比べると明らかなように本発
明のものは、VLとVFのフイルタゲインの差が小
さく、またVBとVLのフイルタが隣接していな
いため、調整が容易になり、話者によらず単語の
識別が確実になることを示している。 第２図の従来例のフイルタ特性と第１４図の本
発明のフイルタ特性とを比較すると第１４図の各
フイルタのゲインの差が第２図に比べてかなり小
さく、また調整アンプ３の高域低下を補償するよ
うにVLよりVFのゲインが高くなつておりフイル
タの調整が第２図の場合より容易であることを示
している。特に第２図のVBとVLのゲインの差
が大きく、第１４図のVBとVLのゲインの差が
小さく第１４図の方がVA／VO差信号をより入
力変動に対して安定に抽出できることがわかる。 一方第１４図のVLとVHのゲインの差は、VL
のフイルタがVH／VL差信号用とVA／VO差信
号用とを兼ねていることにより、VH／VL差信
号の周波数軸上の零点がVLのフイルタのカツト
オフ周波数よりも低くなつているためである。 ところで第１２図に示したように、VA／VO
差信号用のフイルタは専用にする方がそれぞれの
差信号抽出が確実になり、入力変動（話者の違い
等）によつても記号化が確実に行なわれることは
明らかである。この場合のフイルタ帯域は、上述
の帯域例に示したように、VH／VL差信号の周
波数軸上の零点（フイルタ帯域の交差点）が約
400HzでVA／VO差信号のフイルタ帯域の零点
が約600Hzになることは、第１４図からも明らか
である。したがつて、５母音（ｉ、ｅ、ａ、ｏ、
ｕ）を話者によらず確実に識別するためには、
VA／VO差信号専用のフイルタFA，FOを２個設
ける方が有利であるが、ローコスト化を最優先に
した方式としては、第１３図に示すVB／VL差
信号を用いるものの方が有用である。 本発明においては各フイルタから出力される差
信号出力のうち、VH／VL差信号とVA／VO差
信号は、第１７図乃至第２０図に示すように、第
１ホルマントの周波数軸上の高低に対応し、
VF／VB差信号は第２ホルマントの周波数軸上
の高低によく対応していることがわかり、このホ
ルマントの周波数変化が、差信号の変化となるよ
うにフイルタ帯域を設定しているので、周波数分
析を100点程度の精度で分析して、ホルマント周
波数を求めるよりも簡単、ローコストに音声の特
徴抽出が行なえるものである。 ところで、日本語の５母音の特徴の男女の差
は、第９図および第１０図のようになり、これら
から第２１図に示したようにデジタルフイルタ
DFの帯域を男女で切換えれば、標準パターンは、
男女同じでも認識率を高くできると云える。すな
わち第２１図のような構成で、各差信号の零点に
なるフイルタ対の周波数帯域の境界を、VH／
VL差信号は、男性0.4KHz、女性0.45KHz、
VF／VB差信号は、男性1.6KHz、女性2KHz、
VB／VL差信号は、男性0.65KHz、女性0.7KHz
が良いことがわかる。このフイルタ帯域の男女切
換で、５母音の記号化がほぼ実際に近いものにな
り、擬音韻による識別であるが実際の単語音声を
識別できる。ただし上述の境界はフイルタ帯域特
性のカーブや対数変換器の特性等によつて変わる
ので実際は、多少異なる。 次に第２２図は本発明の他の実施例を示すブロ
ツク図である。本実施例にあつては、各フイルタ
Fv，Fu，FL，FH，FB，FFから出力される短時間
平均パワーは対数変換器２４〜２９によつて対数
値に変換されてから、差動平均化回路３０〜３３
に入力され、各フイルタの差信号出力が算出され
るようになつている。差動平均化回路３０〜３３
から出力される信号は、符号化回路３４〜４１に
よつて所定の基準レベルRU、RV、RH、RL、RA、
RO、RF、RBと比較されて、この大小関係に応じ
て符号化されるものである。ただし、RU＞０＞
RV、RH＞０＞RL、RA＞０＞RO、RF＞０＞RBで
ある。符号化回路３４，３６，３８，４０は、入
力された信号がそれぞれ基準レベルRU、RH、
RA、RFよりも大きい場合には、符号UV、VH、
VA、VFをそれぞれ出力し、それ以外の場合に
は符号Ｓを出力するものである。また符号化回路
３５，３７，３９，４１は、入力された信号がそ
れぞれ基準レベルRV、RL、RO、RBよりも小さい
場合には、符号Ｖ、VL、VO、VBをそれぞれ出
力し、それ以外の場合には符号Ｓを出力するもの
である。各符号化回路３４〜４１から出力される
UV、Ｖ、Ｓ、VH、VL、VA、VO、VF、VB
の各符号はコンポジツト記号化処理４２に入力さ
れて、記号化テーブル４３の記憶内容を参照しな
がらUV、Ｓ、Vm、Vi、Ve、Va、Vo、Vu、
Vh、Vl、Vf、Vb、Vwよりなるコンポジツト符
号（複合符号）に変換されるものである。以下こ
のコンポジツト記号化処理部４２の動作について
説明すると、まず符号化回路３４，３５から出力
される符号がUVおよびＳあるいは共にＳである
ときには符号UVおよび符号Ｓがそれぞれ出力さ
れる。また符号化回路３４，３５から出力される
符号がＳおよびＶであるときには、第２表に示す
ように符号化回路３６〜４１の出力に基づいて、
Va、Vi、Vu、Ve、Vo、Vh、Vl、Vf、Vb、
Vw、Vmのうちいずれか１つの符号が出力され
るものである。
に対して求めたのち、有意性検定部２２で最も近
いパターンと２番目との差がある設定値より大き
く、さらに最も近いパターンとの距離がある設定
値よりも近い（相関値では値が大きい）と判定す
るとそのパターンと同じと判定し、その他は認識
不良としてリジエクトする。そしてこの結果を識
別結果出力部２３から出力する。 第１７図乃至第２０図は、上記第１６図の実施
例について、録音テープによつて従来例の第４図
乃至第７図の場合と同じ音声を入力した場合にお
ける音声の特徴抽出の結果を示すものである。従
来例の第４図乃至第７図と比較するとVA／VO
差信号が話者によつて変化する度合が小さくなつ
てほぼ同じ形になつていることがわかる。しかも
第１４図と第２図を比べると明らかなように本発
明のものは、VLとVFのフイルタゲインの差が小
さく、またVBとVLのフイルタが隣接していな
いため、調整が容易になり、話者によらず単語の
識別が確実になることを示している。 第２図の従来例のフイルタ特性と第１４図の本
発明のフイルタ特性とを比較すると第１４図の各
フイルタのゲインの差が第２図に比べてかなり小
さく、また調整アンプ３の高域低下を補償するよ
うにVLよりVFのゲインが高くなつておりフイル
タの調整が第２図の場合より容易であることを示
している。特に第２図のVBとVLのゲインの差
が大きく、第１４図のVBとVLのゲインの差が
小さく第１４図の方がVA／VO差信号をより入
力変動に対して安定に抽出できることがわかる。 一方第１４図のVLとVHのゲインの差は、VL
のフイルタがVH／VL差信号用とVA／VO差信
号用とを兼ねていることにより、VH／VL差信
号の周波数軸上の零点がVLのフイルタのカツト
オフ周波数よりも低くなつているためである。 ところで第１２図に示したように、VA／VO
差信号用のフイルタは専用にする方がそれぞれの
差信号抽出が確実になり、入力変動（話者の違い
等）によつても記号化が確実に行なわれることは
明らかである。この場合のフイルタ帯域は、上述
の帯域例に示したように、VH／VL差信号の周
波数軸上の零点（フイルタ帯域の交差点）が約
400HzでVA／VO差信号のフイルタ帯域の零点
が約600Hzになることは、第１４図からも明らか
である。したがつて、５母音（ｉ、ｅ、ａ、ｏ、
ｕ）を話者によらず確実に識別するためには、
VA／VO差信号専用のフイルタFA，FOを２個設
ける方が有利であるが、ローコスト化を最優先に
した方式としては、第１３図に示すVB／VL差
信号を用いるものの方が有用である。 本発明においては各フイルタから出力される差
信号出力のうち、VH／VL差信号とVA／VO差
信号は、第１７図乃至第２０図に示すように、第
１ホルマントの周波数軸上の高低に対応し、
VF／VB差信号は第２ホルマントの周波数軸上
の高低によく対応していることがわかり、このホ
ルマントの周波数変化が、差信号の変化となるよ
うにフイルタ帯域を設定しているので、周波数分
析を100点程度の精度で分析して、ホルマント周
波数を求めるよりも簡単、ローコストに音声の特
徴抽出が行なえるものである。 ところで、日本語の５母音の特徴の男女の差
は、第９図および第１０図のようになり、これら
から第２１図に示したようにデジタルフイルタ
DFの帯域を男女で切換えれば、標準パターンは、
男女同じでも認識率を高くできると云える。すな
わち第２１図のような構成で、各差信号の零点に
なるフイルタ対の周波数帯域の境界を、VH／
VL差信号は、男性0.4KHz、女性0.45KHz、
VF／VB差信号は、男性1.6KHz、女性2KHz、
VB／VL差信号は、男性0.65KHz、女性0.7KHz
が良いことがわかる。このフイルタ帯域の男女切
換で、５母音の記号化がほぼ実際に近いものにな
り、擬音韻による識別であるが実際の単語音声を
識別できる。ただし上述の境界はフイルタ帯域特
性のカーブや対数変換器の特性等によつて変わる
ので実際は、多少異なる。 次に第２２図は本発明の他の実施例を示すブロ
ツク図である。本実施例にあつては、各フイルタ
Fv，Fu，FL，FH，FB，FFから出力される短時間
平均パワーは対数変換器２４〜２９によつて対数
値に変換されてから、差動平均化回路３０〜３３
に入力され、各フイルタの差信号出力が算出され
るようになつている。差動平均化回路３０〜３３
から出力される信号は、符号化回路３４〜４１に
よつて所定の基準レベルRU、RV、RH、RL、RA、
RO、RF、RBと比較されて、この大小関係に応じ
て符号化されるものである。ただし、RU＞０＞
RV、RH＞０＞RL、RA＞０＞RO、RF＞０＞RBで
ある。符号化回路３４，３６，３８，４０は、入
力された信号がそれぞれ基準レベルRU、RH、
RA、RFよりも大きい場合には、符号UV、VH、
VA、VFをそれぞれ出力し、それ以外の場合に
は符号Ｓを出力するものである。また符号化回路
３５，３７，３９，４１は、入力された信号がそ
れぞれ基準レベルRV、RL、RO、RBよりも小さい
場合には、符号Ｖ、VL、VO、VBをそれぞれ出
力し、それ以外の場合には符号Ｓを出力するもの
である。各符号化回路３４〜４１から出力される
UV、Ｖ、Ｓ、VH、VL、VA、VO、VF、VB
の各符号はコンポジツト記号化処理４２に入力さ
れて、記号化テーブル４３の記憶内容を参照しな
がらUV、Ｓ、Vm、Vi、Ve、Va、Vo、Vu、
Vh、Vl、Vf、Vb、Vwよりなるコンポジツト符
号（複合符号）に変換されるものである。以下こ
のコンポジツト記号化処理部４２の動作について
説明すると、まず符号化回路３４，３５から出力
される符号がUVおよびＳあるいは共にＳである
ときには符号UVおよび符号Ｓがそれぞれ出力さ
れる。また符号化回路３４，３５から出力される
符号がＳおよびＶであるときには、第２表に示す
ように符号化回路３６〜４１の出力に基づいて、
Va、Vi、Vu、Ve、Vo、Vh、Vl、Vf、Vb、
Vw、Vmのうちいずれか１つの符号が出力され
るものである。
本発明は叙上のように構成されており、音声入
力の高周波成分および低周波成分の短時間平均パ
ワーをそれぞれ取り出す一対のフイルタの差信号
出力を入力とし、高周波成分の方が強いときには
無声音の符号を、低周波成分の方が強いときには
有声音の符号を、高周波成分と低周波成分とが略
同じときには無音の符号を出力する比較手段を設
け、音声入力から顎の開きの広い広顎有声音と顎
の開きの狭い狭顎有声音の比率、舌の位置が前に
なる前舌有声音と舌の位置が後になる後舌有声音
の比率、および母音のアに近似する有声音と母音
のオに近似する有声音の比率とを夫々取り出すフ
イルタ対を設け、各フイルタ対の出力と比較手段
の出力とから入力パターンを形成し、音声メツセ
ージを標準的に発声したときに形成される各入力
パターンを標準パターンとして予め登録し、入力
パターンに最も近似する標準パターンを入力メツ
セージとして識別するようにしたものであるか
ら、広顎有声音と狭顎有声音との対比、前舌有声
音と後舌有声音との対比、母音のアに近似する有
声音と母音のオに近似する有声音との対比によつ
て、有声音の特徴を明瞭に識別することができる
という利点があり、また特に本発明の実施例の説
明において述べたように、母音のアに近似する有
声音と母音のオに近似する有声音とを識別するた
めに、VB／VL差信号を用いるようにすれば、
VF／VB差信号およびVH／VH差信号のバラン
ス調整のしわよせを受けにくいので、フイルタ対
のバランス調整が容易になるものである。
力の高周波成分および低周波成分の短時間平均パ
ワーをそれぞれ取り出す一対のフイルタの差信号
出力を入力とし、高周波成分の方が強いときには
無声音の符号を、低周波成分の方が強いときには
有声音の符号を、高周波成分と低周波成分とが略
同じときには無音の符号を出力する比較手段を設
け、音声入力から顎の開きの広い広顎有声音と顎
の開きの狭い狭顎有声音の比率、舌の位置が前に
なる前舌有声音と舌の位置が後になる後舌有声音
の比率、および母音のアに近似する有声音と母音
のオに近似する有声音の比率とを夫々取り出すフ
イルタ対を設け、各フイルタ対の出力と比較手段
の出力とから入力パターンを形成し、音声メツセ
ージを標準的に発声したときに形成される各入力
パターンを標準パターンとして予め登録し、入力
パターンに最も近似する標準パターンを入力メツ
セージとして識別するようにしたものであるか
ら、広顎有声音と狭顎有声音との対比、前舌有声
音と後舌有声音との対比、母音のアに近似する有
声音と母音のオに近似する有声音との対比によつ
て、有声音の特徴を明瞭に識別することができる
という利点があり、また特に本発明の実施例の説
明において述べたように、母音のアに近似する有
声音と母音のオに近似する有声音とを識別するた
めに、VB／VL差信号を用いるようにすれば、
VF／VB差信号およびVH／VH差信号のバラン
ス調整のしわよせを受けにくいので、フイルタ対
のバランス調整が容易になるものである。
第１図は従来例のブロツク図、第２図および第
３図は同上に用いるフイルタの周波数特性を示す
図、第４図乃至第７図は同上の動作説明図、第８
図は日本語の５母音の標準スペクトルを示す図、
第９図は男声と女声の５母音のホルマントを示す
図、第１０図は日本語の５母音の第１ホルマント
と第２ホルマントの分布を示す図、第１１図は５
母音に対する舌の位置を示す図、第１２図は本発
明の特許請求の範囲に対応する一実施例の構成を
示すブロツク図、第１３図は同上の他の実施例の
ブロツク図、第１４図および第１５図は同上に用
いるフイルタの周波数特性を示す図、第１６図は
同上のさらに他の実施例のブロツク図、第１７図
乃至第２０図は同上の動作説明図、第２１図は同
上に用いるデジタルフイルタの構成を示すブロツ
ク図、第２２図は同上のさらに別の実施例のブロ
ツク図である。 FV，FU，FL，FH，FB，FF，FO，FAはフイル
タ、S0〜S3は差動増幅手段、C0は比較手段、IP
は入力パターン作成部、RV，RUは基準電圧であ
る。
３図は同上に用いるフイルタの周波数特性を示す
図、第４図乃至第７図は同上の動作説明図、第８
図は日本語の５母音の標準スペクトルを示す図、
第９図は男声と女声の５母音のホルマントを示す
図、第１０図は日本語の５母音の第１ホルマント
と第２ホルマントの分布を示す図、第１１図は５
母音に対する舌の位置を示す図、第１２図は本発
明の特許請求の範囲に対応する一実施例の構成を
示すブロツク図、第１３図は同上の他の実施例の
ブロツク図、第１４図および第１５図は同上に用
いるフイルタの周波数特性を示す図、第１６図は
同上のさらに他の実施例のブロツク図、第１７図
乃至第２０図は同上の動作説明図、第２１図は同
上に用いるデジタルフイルタの構成を示すブロツ
ク図、第２２図は同上のさらに別の実施例のブロ
ツク図である。 FV，FU，FL，FH，FB，FF，FO，FAはフイル
タ、S0〜S3は差動増幅手段、C0は比較手段、IP
は入力パターン作成部、RV，RUは基準電圧であ
る。
Claims (1)
- 【特許請求の範囲】 １ 音声入力の高周波成分および低周波成分の短
時間平均パワーをそれぞれ取り出す一対のフイル
タの差信号出力を入力とし、高周波成分の方が強
いときには無声音の符号を、低周波成分の方が強
いときには有声音の符号を、高周波成分と低周波
成分とが略同じときには無音の符号を出力する比
較手段を設け、音声入力から顎の開きの広い広顎
有声音と顎の開きの狭い狭顎有声音の比率、舌の
位置が前になる前舌有声音と舌の位置が後になる
後舌有声音の比率、および母音のアに近似する有
声音と母音のオに近似する有声音の比率とを夫々
取り出すフイルタ対を設け、各フイルタ対の出力
と比較手段の出力とから入力パターンを形成し、
音声メツセージを標準的に発生したときに形成さ
れる各入力パターンを標準パターンとして予め登
録し、入力パターンに最も近似する標準パターン
を入力メツセージとして識別することを特徴とす
る音声メツセージ識別方式。 ２ 母音のアに近似する有声音と母音のオに近似
する有声音との比率を取り出すフイルタ対は、後
舌有声音と狭顎有声音との比率を取り出すフイル
タ対であることを特徴とする特許請求の範囲第１
項記載の音声メツセージ識別方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6726083A JPH0230520B2 (ja) | 1983-04-15 | 1983-04-15 | Onseimetsuseejishikibetsuhoshiki |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6726083A JPH0230520B2 (ja) | 1983-04-15 | 1983-04-15 | Onseimetsuseejishikibetsuhoshiki |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS59192297A JPS59192297A (ja) | 1984-10-31 |
| JPH0230520B2 true JPH0230520B2 (ja) | 1990-07-06 |
Family
ID=13339806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6726083A Expired - Lifetime JPH0230520B2 (ja) | 1983-04-15 | 1983-04-15 | Onseimetsuseejishikibetsuhoshiki |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0230520B2 (ja) |
-
1983
- 1983-04-15 JP JP6726083A patent/JPH0230520B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPS59192297A (ja) | 1984-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US4956865A (en) | Speech recognition | |
| Ruinskiy et al. | An effective algorithm for automatic detection and exact demarcation of breath sounds in speech and song signals | |
| Zwicker et al. | Automatic speech recognition using psychoacoustic models | |
| US6922668B1 (en) | Speaker recognition | |
| US4078154A (en) | Voice recognition system using locus of centroid of vocal frequency spectra | |
| JP2001166789A (ja) | 初頭／末尾の音素類似度ベクトルによる中国語の音声認識方法及びその装置 | |
| EP0192898B1 (en) | Speech recognition | |
| JPH05119792A (ja) | 音声認識装置 | |
| JPH0229232B2 (ja) | ||
| US4783808A (en) | Connected word recognition enrollment method | |
| JPH1097274A (ja) | 話者認識方法及び装置 | |
| JPH02720B2 (ja) | ||
| JP3457578B2 (ja) | 音声合成を用いた音声認識装置および音声認識方法 | |
| JPH0124320B2 (ja) | ||
| JPH07210197A (ja) | 話者識別方法 | |
| JPS6331798B2 (ja) | ||
| JPS59192297A (ja) | 音声メツセ−ジ識別方式 | |
| JP2862306B2 (ja) | 音声認識装置 | |
| Kachare et al. | A Spectral Variation Function for Variable Time-Scale Modification of Speech | |
| JPH02717B2 (ja) | ||
| JPH0695690A (ja) | 話者認識方法 | |
| JPS6245560B2 (ja) | ||
| JPS6336678B2 (ja) | ||
| JPH0462596B2 (ja) | ||
| JPH0816186A (ja) | 音声認識装置 |