JPH03144176A - 音声制御給湯装置 - 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、音声制御給湯装置に関する。

［従来の技術］ 従来、特開昭６１−２７４４８の音声制御給湯装置が提
案されている。この従来技術は、音声認識装置により識
別した音声命令に応じて、給湯機の湯温、水量を制御す
るものである。

そして、上記従来の音声認識装置は、入力音声に含まれ
る特徴を抽出し、予め同様の方法で抽出し、登録してお
いた特徴との距ＩＩＩ（類似度）を計算し、計算結果よ
り入力音声がいかなる命令であるかを識別するものであ
る。

［発明か解決しようとする課題］ 然しなから、上記従来技術には、下記■、■の問題点が
ある。

■辞書作成時から時間か経過するにつれ、音声認識率が
劣化し、結果として給湯制御機能が正常に動作する割合
が劣化する０例えば辞書作成時から３ケ月経過により、
正常動作率は９９％から９１％に劣化する。

■実時間処理か困難である。即ち、従来技術において一
定以上の音声認識率を確保するためには複雑な特機部を
用いる必要があるが、複雑な特機部を抽出するには高級
て複雑な処理装置が必要であり、処理時間も多大となる
。

本発明は、経時的な正常動作率の劣化が極めて少なく、
容易に実時間処理てきる音声制御給湯装置を得ることを
目的とする。

［課題を解決するための手段］ 請求項１に記載の本発明は、給湯機と、給湯機の希望動
作を音声により入力する音声入力部と、音声入力部に入
力された音声を認識して給湯機の希望動作を特定する音
声認識部と、音声認識部の認識結果に基づいて給湯機が
希望動作を実行するように制御する制御部とを有して構
成される音声制御給湯装置において、音声認識部は、ニ
ューラルネットワークを用いて上記希望動作の特定を行
なうようにしたものである。

請求項２に記載の本発明は、前記ニューラルネットワー
クへの入力として、 ■音声の周波数特性の時間的変化、 ■音声の平均的な線形予測係数、 ■音声の平均的なＰＡＲＧＯＲ係数、 ■音声の平均的な周波数特性、及びピッチ周波数、 ■高域強調を施された音声波形の平均的な周波数特性、
並びに ■音声の平均的な周波数特性 のうちの１つ以上を使用するようにしたものである。

請求項３に記載の本発明は、前記ニューラルネットワー
クが階層的なニューラルネットワーつてあるようにしだ
ものである。

［作用］ 請求項１に記載の本発明によれば、下記（１）〜（４）
の作用効果がある。

（１）経時的な正常動作率の劣化が極めて少ない、この
ことは、後述する実験結果により確認されていることで
あるが、ニューラルネットワークか音声の時期差による
変動の影響を受けにくい構造をとることが可能なためと
推定される。

（２）ニューラルネットワークは、原理的に、ネットワ
ーク全体の演算処理が単純且つ迅速である。

（３）ニューラルネットワークは、原理的に、それを構
成している各ユニットが独立に動作しており、並列的な
演算処理が可能である。従って、演算処理か迅速である
。

（４）上記（２）〜（３）により、音声制御給湯装置を
複雑な処理装置によることなく容易に実時間処理てきる
。

又、請求項２に記載の本発明によれば上記（１１〜（４
）の作用効果に加えて、下記（５）の作用効果かある。

（５）ニューラルネットワークへの入力として、請求項
２に記載の■〜■の各要素のうちの１つ以上を用いるか
ら、入力を得るための前処理が、従来の複雑な特徴量抽
出に対して、単純となり、この前処理に要する時間が短
くて足りる。

又、請求項３に記載の本発明によれば上記（１）〜（５
）の作用効果に加えて、下記（６）の作用効果がある。

（６）階層的なニューラルネットワークにあっては、現
在、後述する如くの簡単な学習アルゴリズム（パックプ
ロパゲーション）が確立されており、高い認識率を実現
できるニューラルネットワークを容易に形成できる。

［実施例コ 第１図は本発明の基本構成を示すブロック図、第２図は
音声認識部の一例を示す模式図、第３図は入力音声を示
す模式図、第４図はバンドパスフィルタの出力を示す模
式図、第５図はニューラルネットワークを示す模式図、
第６図は階層的なニューラルネットワークを示す模式図
、第７図はユニットの構造を示す模式図である。

本発明の具体的実施例の説明に先立ち、ニューラルネッ
トワークの構成、学習アルゴリズムについて説明する。

（１）ニューラルネットワークは、そのＩＡ造から、第
５図（Ａ）に示す階層的ネットワークと第５図（Ｂ）に
示す相互結合ネットワークの２ａに大別できる０本発明
は、両ネットワークのいずれを用いて構成するものであ
っても良いか、階層的ネットワークは後述する如くの簡
単な学習アルゴリズムが確立されているためより有用で
ある。

（２）ネットワークの構造 階層的ネットワークは、第６図に示す如く、入力層、中
間層、出力層からなる附ｍ構造をとる。

各層は１以上のユニットから構成される。結合は、入力
層→中間層→出力層という前向きの結合たけで、各層内
での結合はない。

（３）ユニットの構造 ユニットは第７図に示す如く脳のニューロンのモデル化
であり構造は簡単である。他のユニットから入力を受け
、その総和をとり一定の規則（変換関数）で変換し、結
果を出力する。他のユニットとの結合には、それぞれ結
合の強さを表わす可変の重みを付ける。

（４）学習（パックプロパゲーション）ネットワークの
学習とは、実際の出力を目標値（望ましい出力）に近づ
けることであり、−ａ的には第７図に示した各ユニット
の変換関数及び重みを変化させて学習を行なう。

又、学習のアルゴリズムとしては、例えば、Ｒｕｍｅｌ
ｈａｒｔ、　　Ｄ、Ｅ、、ＭｃＣｌｅｌｌａｎｄ、　　
Ｊ、Ｌ、　　ａｎｄ　　ｔｈｅＰＤＰ　Ｒｅ５ｅａｒｃ
ｈ　Ｇｒｏｕｐ、　ＰＡＲＡＬＬＥＬ　ＤＩＳＴＲＩＢ
ＵＴＥＤＰＲＯＣＦ、５ＳＴＮＧ、　ｔｈｅ　ＭＩＴ　
Ｐｒｅｓｓ、　１９８６．に記載されているパックプロ
パゲーションを用いることかできる。

以下、本発明の基本構成について説明する（第１図参照
）。

音声制御給湯装置ｌは、第１図に示す如く、給湯機２、
音声入力部８、音声認識部１０、制御部１１を有してい
る。

（１）給湯Ｗ１２は、湯温調整部２Ａと、水量調整部２
Ｂとを備える。

（２）音声入力部８は給湯機の希望動作を単語Ａ、Ｂ、
Ｃ・・・の音声により入力する。

（３）音声認識部１０は音声入力部８に入力された音声
を認識して給湯機２の希望動作を特定する。この時、音
声認識部１０は、前処理部１２、ニューラルネットワー
ク２０の結合にて構成される。

前処理部１２は、入力された音声に、後述する如くの簡
単な前処理を施す。

ニューラルネットワーク２０は、下記■の学習動作と下
記■の評価動作を行なう。

■学習 目標値（出力層を構成する各出カニニットの目標出力値
）を、単語Ａについては（１［）。

０、川、０）、単語Ｂについては（０，１，Ｏ。

・・・、０）　単語Ｃについは（ｏ　０１　・・・０）
・・・と定める。

各単語の音声に、前処理部１２による前処理を施し、こ
の前処理結果をニューラルネットワーク２０に入力する
。そして、ニューラルネットワーク２０の出力値（出力
層を構成する各出カニニットの出力値）が上記目標値に
近づくように、ニューラルネットワーク２０の各ユニッ
トの変換関数及び重みを修正する。

この学習動作をくり返す。

■評価 前処理を施した単語の音声をニューラルネットワーク２
０に入力し、ニューラルネットワークの出力値を得る。

このニューラルネットワーク２゜の出力値があるしきい
値を超え、（１，０，０゜・・・、０）に近ければ単語
Ａ、（０，１，０，・・・ｏ）に近ければ単語Ｂ、（０
，０，１，・、０）に近ければ単語Ｃをそれぞれ今回の
希望動作として特定する。

（４）制御部１１は、音声認識部１ｏの認識結果に基づ
いて、給湯機２か今回の希望動作を実行するように、湯
温調整部２Ａ、水量調整部２Ｂを制御する。

以下、音声認識部１０として、第２図に示す如く、階層
的なニューラルネットワーク２０を用い、ニューラルネ
ットワーク２０の入力として音声の一定時間内における
平均的な周波数特性の時間的変化を用いた場合の具体的
実施例について説明する。

尚、音声認識部１０の前処理部１２は、第２図に示す如
く、ローパスフィルタ１３、バンドパスフィルタ１４、
平均化回路１５、メモリ１６の結合にて構成される。

（Ａ）希望動作の指定 希望する５つの動作を表わす単語を指定する。

「オニ」・・・お湯を出す、お湯か出ている時は湯温を
上げる。

「ミズ」・・・水を出す、お湯が出ている時は湯温を下
げる。

「ツヨク」・・・水或いはお湯の流量を増す。

「ヨワク」・・・水或いはお湯の流量を減らす。

「トマレ」・・・水或いはお湯を止める。

（Ｂ）ニューラルネットワーク２０の学習■希望する５
つの動作を表わす単語の音声、「オニ」　　「ミズ」・
「ツヨクト「ヨワク」「トマレ」を、音声入力部８から
それぞれ５回入力する。

■入力音声の音声信号の高域成分を、ローパスフィルタ
１３にてカットする。そして、この入力音声を第３図に
示す如く、４つのブロックに時間的に等分割する。

■音声波形を、第２図に示す如く、複数（ｎ個）チャン
ネルのバンドパスフィルタ１４に通し、各ブロック即ち
各一定時間毎に第４図（Ａ）〜（Ｄ）のそれぞれに示す
如くの周波数特性を得る。

この時、バンドパスフィルタ１４の出力信号は、平均化
回路１５にて、各ブロック毎、即ち一定時間て平均化さ
れる。

以上の前処理により、「音声の一定時間内における平均
的な周波数特性の時間的変化」が得られた。

平均化回路１５の出力は、直接的にニューラルネットワ
ーク２０に転送され、或いはメモリ１６を経由して間接
的にニューラルネットワーク２０に転送される。

■ニューラルネットワーク２０は、３層の階層的なニュ
ーラルネットワークにて構成される。入力層２１は、前
処理の４ブロツク、ｎチャンネルに対応する４Ｘｎユニ
ツトにて構成される。出力層２２は、希望動作の数に対
応する５ユニツトにて構成される。

出力層２２の目標値を、「オニ」については（１，０，
０，０，０）、ｒミズ」については（０，ｌ、０，０．
０）、「ツヨク」については（０，０，１，０，０）、
「ヨワク」については（０，０，０，１，０）、「トマ
レ」については（０，０，０，０，１）とする。

出力層２２の出力値が目標値に近づくようにニューラル
ネットワーク２０の重みと変換関数を修正する。この操
作をくり返し、入力に対する出力のエラーか一定レベル
に収束するまで学習して、一定認識率を保証し得るネッ
トワークを構築する。

（Ｃ）音声制御給湯装置１の制御 ■希望する給湯動作の単語を音声入力部８から入力する
。

■入力音声に上記（Ｂ）の■、■と同し前処理を施し、
この前処理結果をニューラルネットワーク２０に入力す
る。

■制御部１１は、ニューラルネットワーク２０の出力を
得て、ニューラルネットワーク２０の出力が、（１，０
，０，０，０）に近ければ、「オニ」、（０、１、０、
Ｏ、Ｏ）に近ければ「ミズ」、（０，０，１，０，Ｏ）
に近ければ「ツヨク」、（０，０，０，１，０）に近け
れば「ヨワク」、（０，０，Ｏ，０，１）に近ければ「
トマレ」に対応する給湯動作を行なうように、給湯機２
の湯温調整部２Ａ、水量調整部２Ｂを制御する。

（Ｄ）実験 上記音声制御給湯装置装置１を用いた結果、学習直後の
正常動作率１００％に対し、３ケ月経過後の正常動作率
９９％てあり、経時的な正常動作率の劣化か極めて少な
いことが認められた。

又、音声制御給湯装置１の処理速度（１単語の発声に対
する認識に要した時間）は　１秒以内てあった。

次に、上記実施例の作用について説明する。

（１）経時的な正常動作率の劣化か極めて少ない、この
ことは、ニューラルネットワーク２０が音声の時期差に
よる変動の影響を受けにくい構造をとることが可能なた
めと推定される。

（２）ニューラルネットワーク２０は、原理的に、ネッ
トワーク全体の演算処理が単純且つ迅速である。

（３）ニューラルネットワーク２０は、原理的に、それ
を構成している各ユニットか独立に動作しており、並列
的な演算処理が可能である。従って、演算処理か迅速で
ある。

（４）上記（２）〜（３）により、音声制御給湯装置１
を複雑な処理装置によることなく容易に実時間処理でき
る。

（５）ニューラルネットワーク２０への入力として、「
音声の周波数特性の時間的変化」を用いたから、入力を
得るための前処理が従来の複雑な特徴量抽出に比して、
単純となりこの前処理に要する時間か短くて足りる。

この時、上記ニューラルネットワークへの入力として、
更に、［音声の一定時間内における平均的な周波数特性
の時間的変化］を用いたから、ニューラルネットワーク
２０における処理が単純となり、この処理に要する時間
かより短くて足りる。

（６）階層的なニューラルネットワーク２０を用いたか
ら、現在、既に確立している簡単な学習アルゴリズム（
パックプロパゲーション）を用いて、高い認識率を達成
できる。

尚、本発明の実施においては、ニューラルネットワーク
への入力として、 ■音声の周波数特性の時間的変化、 ■音声の平均的な線形予測係数、 ■音声の平均的なＰＡＲＣＯＲ係数、 ■７７声の平均的な周波数特性、及びピッチ周波数、 ■高域強調を施された音声波形の平均的な周波数特性、
並びに ■音声の平均的な周波数特性 の全６要素のうちの１つ以上を使用できる。

そして、上記■の要素が更に「音声の一定時間内におけ
る平均的な周波数特性の時間的変化」として用いられた
ように、上記■の要素は「音声の一定時間内における平
均的な線形予測係数の時間的変化」、上記■の要素は「
音声の一定時間内における平均的なＰＡＲＣＯＲ係数の
時間的変化」、上記■の要素は「音声の一定時間内にお
ける平均的な周波数特性、及びピッチ周波数の時間的変
化」、」１記■の要素は、「高域強調を施された音声波
形の一定時間内における平均的な周波数特性の時間的変
化」とし”Ｃ用いることがてきる。

尚、上記■の線形予測係数は、以下の如く定義される。

即ち、音声波形のサンプル値（χ。）の間には、−Ｍに
高い近接相関があることが知られている。

そこで次のような線形予測が可能であると仮定する。

線形予測値　　χ、＝−Σα１χ１−１　　・・・（１
）線形予測誤差　εｔ＝χを−衾、　　・・・（２）こ
こで、χｔ：時刻ｔにおける音声波形のサンプル値、（
αｔ）（ｉ＝１．・・・、ｐ）：　（９次の）線形予測
係数 さて、本発明の実施においては、線形予測誤差ε、の２
乗平均値が最小となるように線形予測係数（α１）を求
める。

具体的には　（εｔ）２を求め、その時間平均を（εｔ
）２と表わして、θ（・ε、）２／θα、＝Ｏ，ｉ＝１
．２．・・・、ｐとおくことによって、次の式から（α
１）が求められる。

Ｆ、’？　Ｉｖｌｉ−ｊｌ　＝　［ｌ＋　Ｊ”　’　＋
　２＋　””＋　９　””　（３）又、上記■のＰＡＲ
（ＩＯＲ係数は以下の如く定義される。

即ち、［ｋｎ］（ｎ＝＝１．・・・、ｐ）を（１次の）
ＰＡＲＣＯＲ係数（偏自己相関係数）とする時、ＰＡＲ
ＣＯＲ係数ｋ　ｎｅｔは、線形予測による前向き残差ε
Ｌ（ｆｌと後向き残差Ｃｔ−い、、　（ｂ１間の正規化
相関係数として、次の式によって定義される。

・・・（４） （α直）　：前向き予測係数、 ε、−３゜、、、（ｂｌ＝χＬ−（ｎ＋１１−Σβ４．
χ、−１゜ｇＱ （β、）：ｆｌ向き予測係数 又、上記■の音声のピッチ周波数とは、声帯波の繰り返
し周期（ピッチ周期）の逆数である。

尚、ニューラルネットワークへの入力として、個人差が
ある声帯の基本的なパラメータであるピッチ周波数を付
加したから、特に大人／小人、男性／女性間の話者の認
識率を向上することができる。

又、上記■の高域強調とは、音声波形のスペクトルの平
均的な傾きを補償して、低域にエネルギが集中すること
を防止することである。然るに、音声波形のスペクトル
の平均的な傾きは話者に共通のものであり、話者の認識
には無関係である。

ところが、このスペクトルの平均的な傾きか補償されて
いない音声波形をそのままニューラルネットワークへ入
力する場合には、ニューラルネットワークが学習する時
にスペクトルの平均的な傾きの特徴の方を抽出してしま
い、話者の認識に必要なスペクトルの山と谷を抽出する
のに時間かかかる。これに対し、ニューラルネットワー
クへの入力を高域強調する場合には、話者に共通で、認
識には無関係でありながら、学習に影響を及ぼすスペク
トルの平均的な傾きを補償できるため、学習速度か速く
なるのである。

［発明の効果］ 以上のように本発明によれば、経時的な正常動作率の劣
化か極めて少なく、容易に実時間処理できる音声制御給
湯装置を得ることができる。

【図面の簡単な説明】

第１図は本発明の基本構成を示すブロック図、第２図は
音声認識部の一例を示す模式図、第３図は入力音声を示
す模式図、第４図はバンドパスフィルタの出力を示す模
式図、第５図はニューラルネットワークを示す模式図、
第６図は階層的なニューラルネットワークを示す模式図
、第７図はユニットの横道を示す模式図である。 １・・・音声制御給湯装置、 ２・・・給湯機、 ８・・・音声入力部、 １０・・・音声認識部、 １１・・・制御部、 ２０・・・ニューラルネットワーク。 第３図 時間 第４図 （Ａ） （Ｂ） （Ｃ） （Ｄ） 第５図 （Ａ） （Ｂ） 第６図 入力パターン

Claims (3)

【特許請求の範囲】
1. （１）給湯機と、給湯機の希望動作を音声により入力す
   る音声入力部と、音声入力部に入力された音声を認識し
   て給湯機の希望動作を特定する音声認識部と、音声認識
   部の認識結果に基づいて給湯機が希望動作を実行するよ
   うに制御する制御部とを有して構成される音声制御給湯
   装置において、音声認識部は、ニューラルネットワーク
   を用いて上記希望動作の特定を行なうことを特徴とする
   音声制御給湯装置。
2. （２）前記ニューラルネットワークへの入力として、 ［１］音声の周波数特性の時間的変化、 ［２］音声の平均的な線形予測係数、 ［３］音声の平均的なＰＡＲＣＯＲ係数、 ［４］音声の平均的な周波数特性、及びピッチ周波数、 ［５］高域強調を施された音声波形の平均的な周波数特
   性、並びに ［６］音声の平均的な周波数特性 のうちの１つ以上を使用する請求項１記載の音声制御給
   湯装置。
3. （３）前記ニューラルネットワークが階層的なニューラ
   ルネットワークである請求項１又は２記載の音声制御給
   湯装置。