JPH03180897A - 音声認識装置 - 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、使用者が発生した音声パターンを予め登録し
ておいた複数の音声パターン（標準パターン）と比較し
て単語音声を認識する音声認識装置に関する。

［発明の概要］ 音声の登録パターンを格納するエリアを持ち。

予め認識させる音声単語に対応する音声パターンを格納
し、前記登録パターンエリア内の音声登録パターンと入
力された音声パターンのパターンマツチングを行なうこ
とで、入力パターンに対応する音声単語の認識を行なう
音声認識装置において、登録された音声パターンＡ１と
入力された音声パターンＡＪ　（ｉ＝　　１．２．　　
・・・・・・ｅＮｔ　　ｊ＝　　１．２．　　・・・・
・・、Ｎ）相互の類似度Ｓ（ｉ。

ｊ　）を算出し、これが閾値ＳＴＨを上回ったときに、
そのときの音声式カバターンの組合せを使用者に知らせ
る表示部と、使用者が変更するパターンを指定するため
の入力部を有し、標準パターン相互の類似度が一定値以
下になるように音声パターンを使用者が選べるように構
成された音声認識装置。

［従来の技術］ 単語音声認識装置の認識において、一般には、使用者が
発生した音声パターンと予め登録しておいた複数の音声
パターン（標準パターン）のマツチング処理を次々と行
なう。認識結果では、マツチングの際に求めた類似度（
または距離）が入力音声パターンに対して大きい（小さ
い）音声パターンが選ばれる。誤認識の原因としては環
境雑音１発生法度の違い、話者の変動、等があり、問題
となる。その中の一つとして、登録した複数の音声パタ
ーン間の類似度（距Ｍ）が酷似していることによるもの
がある。

［発明が解決しようとする課題］ 従来のシステムでは、登録する単語に任意のものが使用
でき、入力音声パターンに一番近いものを認識結果とす
るというものが多く、登録パターン間の類似度の違いで
起こる誤認識については対策が施されていない。

［発明の目的］ 本発明の目的は、上記の問題点を解決するために、登録
した複数の音声パターン間の類似度（距離）を求めて、
誤認識を起こすと判定し得る音声パターンの組合わせを
使用者に知らせ、音声パターンの再登録を促す機能を実
現するための音声認識装置を提供することである。

［課題を解決するための手段］ 上記目的を達成するために、本発明による、音声の登録
パターンを格納するエリアを持ち、予め認識させる音声
単語に対応する音声パターンを格納し、前記登録パター
ンエリア内の音声登録パターンと入力された音声パター
ンのパターンマツチングを行なうことによって、入力パ
ターンに対応する音声単語の認識を行なう音声認識装置
は、登録された第１の音声パターンと第２の音声パター
ンの類似度（距離）を算出する第１の手段と、該第１の
手段により算出された値と所定値を比較する第２の手段
と、上記第２の手段の比較結果に応じて、上記類似度の
方が大きいとき、そのことを報知する手段とを含むこと
を要旨とする。

［作用］ 登録した標準パターン間の類似度または（距Ｍ）を評価
し、その結果を使用者にフィードバックし、誤認識の起
こりにくい音声パターンの組合わせで、標準パターンを
構成できるようにする。

［実施例］ 以下に、図面を参照しながら、実施例を用いて本発明を
一層詳細に説明するが、それらは例示に過ぎず、本発明
の枠を越えることなしにいろいろな変形や改良があり得
ることは勿論である。

第１図は本発明による音声認識装置の構成を示すブロッ
ク図で、図中、１　はマイクロフォン、２　は特徴抽出
部、３　は中央処理ユニット（ＣＰＵ　）、　４はＲＯ
Ｍ　、　５はＲＡＭ　、　６はパターンメモリ、７　は
キーマトリックス、８はデータ表示装置を示す。

第１図に示すように、音声はマイク　ｌ　で電気信号に
変換され、ＣＰＵ　３．プログラムＲＯＭ４、ＲＡＭ　
５　で構成されるマイコン部に制御される特徴抽出部２
で特徴が抽出され、パターンメモリ　６　に格納される
。

特徴抽出部２は、第７図に示すように、マイク、ＡＧＣ
増幅器、高域強調回路、複数の帯域通過フィルタ（ＢＰ
Ｆ　）と複数の整流器と複数の平滑回路とからなるフィ
ルタバンクと　Ａ／Ｄコンバータからなる。

マイク　１　から入力された音声はＡＧＣ増幅器で増幅
され、一定値以内に振幅制限された後、高域強調回路に
より音声の高域における出力低下を補正する。次に第６
図に示すような特性を持つフィルタパンクに入力され、
各フィルタの出力は整流器１〜ｎ　、平滑回路　１〜ｎ
でそれぞれ整流、平滑化されてＡ／Ｄ　コンバータの各
チャンネルへ入力される。

以下上記実施例の動作を説明する。

キーマトリックス　７で登録モードが指定されている間
はマイクロコンピュータ部は上記と同じ動作をし、シス
テムの最大登録単語数Ｎ以下の数だけパターンが入力さ
れる。パターンメモリ６　には、登録時の音声に対応し
たパターンの格納される領域があり、音声パターンＡＩ
（ｉ＝＝１．・・・・・・、Ｎ）に対応しており、これ
をそれぞれＭ、（ｉ　　＝　　１．・・・・・・、Ｎ）
と定義する。

ＭｌのパターンとＭ」のパターンの類似度をＳ（ｉ、ｊ
　　）とし、全ての　ｌｔＪ　　の組合わせについて類
似度Ｓ　を求める。したがってマイクロコンピュータ部
はパターンメモリ　６　に格納しであるパターン間の類
似度を求めていくが、その手続きは以下のようである。

１）Ｓ（１１ｊ　）　　（ｉ　＝　　１．２．　・・・
・・１　Ｎ。

Ｊ　　”　　ｌｙ　２ｅ・・・・・・、Ｎ）を求める。

２）Ｓ（ｉ、ｊ　）〉ＳＴＨなる　ｌｙＪ　　の組合せ
を記憶し、表示する。　ＳＴＨは予め設定した類似度の
閾値である。

類似度と距離は双対の関係にあって、パターンＡ　とパ
ター＞Ｂ　の類似度が大きいとき、距離は小さくなり、
類似度が小さいとき、距離は大きくなる。類似度とは、
　ＤＰ　マツチングで求めたパターンＡとパターンＢ　
の累積距離の逆数を意味する。

（類似度）＝（累積距離）−１ ＤＰ　マツチング、累積距離の考え方は以下の文献に記
載されている。

Ｆｌｉｒｏａｋｉ、５ＡＫＯＥ　ａｎｄ　５ｅｉｂｉ　
ＣＨＩＢＡ著“Ｄｙｎａｍｉｃ　Ｐｒｏｇｒａｍｍｉｎ
ｇＡ１ｇｏｒｉｔｈａ＋　０ｐｔｉＩＩｌｉｚａｔｉｏ
ｎｆｏｒ　５ｐｏｋｅｎ　Ｗｏｒｄ　Ｒｅｃｏｇｎｉｔ
ｉｏｎ”ＩＥＥＥ　ＴＲＡＮＳＡＣＴＩＯＮ　ＯＮ　Ａ
ＣＯＵＳＴＩＣ３，５ＰＥＥＣＨ，ＡＮＤＳＴＧＮＡＬ
　ＰＲＯＣＥＳＳＩＮＧ、　Ｖｏｌ、　ＡＳＳＰ−２６
，Ｎｏ、　ｌ。

Ｆｅｂ、　１９７８．　ＰＰ、　４３〜４９閾値ＳＴＨ
を上回った　ｌｔＪ　　の組合せを表示部８　において
表示して、使用者にどの登録パターン同士の類似度が大
きいのかを知らせる。

使用者はこ＼で、表示部８　に表示された数字の組合せ
のうち、変更しなければならないパターンの番号（ｋ　
とする）をキーマトリックス　７で指定すると、マイク
ロコンピュータ部はマイクロフォン　１　から入力され
る変更パターンを特徴抽出部２　を経てパターンメモリ
　６　のメモリエリアＭ１１に格納する。

メモリエリアＭｋに新しいパターンが入力されると、マ
イクロコンピュータ部は上記と同様な類似度Ｓ　の計算
を以下のように行なう。

３）Ｓ（ｋ、ｊ　　）（ｊ　　＝　　１９２１・・・・
・・Ｎ）を求める。

４）Ｓ（ｋ、ｊ）＞５ｔＩ４なる　ｋ、ｊ　の組合せを
記憶し、表示する。

こ＼で、メモリエリアＭｋに入力されたパターンが、以
前に格納してあったパターンと較べて、他のパターンと
の類似度が十分小さければ、４）の処理の閾値ＳＴＨを
上回らなくなるので、１′ｉ。

２）の処理を再び繰り返しても、データ表示装置８　に
出力される数字（コード）の組合せの中には　ｋ　は含
まれないことになる。

以上の処理の手続きを使用者とシステムの間で繰り返す
ことで、最終的にパターンメモリ　６　に格納されるパ
ターン間の類似度Ｓ（ｘ、ｊ　）のどの組合せについて
も閾値ＳＴＨを上回ることはなくなる。したがって、作
成されたｌＲ１１Ｉパタ一ン間の類似度の隔たりに一定
の基準（ＳＴ）Ｉ）を与えることができるので、登録パ
ターンの類似度が酷似していることによる誤認識を防止
することができる。

以上の処理を第２図および第３図を用いて、具体例をも
って詳しく説明する。

第２図はＮ＝１０　のときの類似度の組合せを表にした
ものである。　５（ｘｔｊ　）＝Ｓ（ｊ、ｘ）なので、
　１＋Ｊ　　全での組合せについて５（ＩＴＪ）を求め
る必要はなく、第２図の組合せでよい。　Ｓ（ｉ、１）
（ｉ＝１、・・・・・・、１０）は自分自身についての
類似度であるので、　　Ｓ（ｉ＋ｊ　　）（ｊ　　＝　
　Ｌ・・・・・・１０）のうちで最大となり、　ＳＴＨ
を越えていなければならない（ＳＴ□はＳ（ｉ、ｉ　）
から決められるから）。

第３図にパターンメモリエリアＭ、（ｉ＝＝１、・・・
・・・　１０）に数字を　ｌ　から　１０　まで読み上
げた音声パターンが格納されであるものとする。こ）で
、前述の類似度を求める方法で計算を行なうと１Ｍ１（
イチ）と　Ｍ？（シチ）の類似度が大きくて　Ｓ（Ｌ、
７　）＞　５Ｔ）ｌとなったとする。この時点でパター
ンの変更を行なわずに＋　Ａ　＝”イチ′″と発声し、
音声認識を行なわせると、Ｍｌ（イチ）とＭ？（シチ）
の類似度は大きいので、本来は　Ｓ（Ａ、１　）がＳ（
Ａ、１　）・・・・・・　Ｓ（Ａ、１０　）のうちで最
大になり、第４図に概念的に示すように、Ｍｌのパター
ンに対応する認識コードが返されるはずが、Ｓ（Ａ、７
　）と判定されてしまうことがある。

そこで、このようなことを防止するために、第３図にお
いて、　Ｓ（１，７）＞　ＳＴＨと、第↓図のデータ表
示装置８　で出力されたとき、使用者が先に説明した手
、続きでＭ７のパターンを゛′ナナ”に変更したとする
と、ＭｌとＭ７のパターンの類似度が小さくなるので、
Ｓ（Ａ。

１　）、　Ｓ（Ａ、　７　）の比較の結果はＳ（Ａ。

１　）の方が大きくなり、誤し＆識しにく賢なる。

第５図は上記マイクロコンピュータ部の動作をフローチ
ャートで示す。図中、Ｎは登録語数。

Ｓ（ｉ、ｊ　）は　ｉ　番目のパターンと　ｊ　番目の
パターンの類似度、ＳＴＨはＳ（ｉ、ｊ　）に対する類
似度、ＭＩｌは第に番目の音声格納エリアを表わす。こ
の動作に入る以前にＮ個の音声パターンがパターンメモ
リ　Ｍｋに格納されているものとする。

［発明の効果］ 以上説明した通り、本発明によれば、従来の音声認識装
置で用いられているマツチングアルゴリズムはそのま＼
で、マツチングを標準パターンに適用すれば、本発明が
構成でき、したがって、比較的容易に現行のシステムに
本機能を追加し、コストを安く、認識率を上げることが
できるという利点が得られる。

【図面の簡単な説明】

第１図は本発明による音声認識装置の構成を示すブロッ
ク図、第２図はＮ＝１０　のときのパターンメモリ間の
類似度を示す図、第３図はｉ２録パターンの変更例を示
す図、第４図は認識コード判定の概念図、第５図はマイ
クロコンピュータ部の動作を示すフローチャート、第９
図は特徴油出部の構成を示すブロック図、第６図は第７
図に示すフィルタバンクの周波数特性図である。 １・・・・・・・・・マイクロフォン、２・・・・・・
・・・特徴抽出部。 ３・・・・・・・・・中央処理ユニット（ＣＰＵ　）、
４・・・・・・・・・　ＲＯＭ　　、５・・・・・・・
・・　ＲＡＭ　　、６・・・・・・・・・パターンメモ
リ、７・・・・・・・・・キーマトリックス、８・・・
・・・・・・データ表示装置。

Claims (1)

1. 【特許請求の範囲】 音声の登録パターンを格納するエリアを持ち、予め認識
   させる音声単語に対応する音声パターンを格納し、前記
   登録パターンエリア内の音声登録パターンと入力された
   音声パターンのパターンマッチングを行なうことによっ
   て、入力パターンに対応する音声単語の認識を行なう音
   声認識装置において、 登録された第１の音声パターンと第２の音声パターンの
   類似度（距離）を算出する第１の手段、該第１の手段に
   より算出された値と所定値を比較する第２の手段、およ
   び 上記第２の手段の比較結果に応じて、上記類似度の方が
   大きいとき、そのことを報知する手段を含むことを特徴
   とする音声認識装置。