JPH0411297A - 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、音声認識装置に関し、さらに詳しくは音声認
識精度を向上する音声認識装置の構成に関する。

［従来の技術］ 従来の音声認識装置においては、入力音声を増幅器で増
幅し周波数フィルターを通すという前処理をした後、ア
ナログディジタル変換し音声認識部に入力する。

音声認識部では、ディジタル化された音声を特徴ベクト
ルの時系列に変換し、ベクトル量子化して、参照ベクト
ルのラベルの列に変換する。

このラベル列が短音データとパターンマツチングされ音
声として認識される。

［発明の解決しようとする課題および目的］従来の方法
においては、音声を認識するための特徴ベクトルの一部
として音声の電力値が使われるとき、入力音声の電力値
が、参照ベクトルのそれと異なる場合、特徴パラメータ
としての電力値が認識精度を著しく損なうという問題点
があった。

例えば、音声を入力するマイクと口の距離が少し離れる
だけで音声認識精度が変わってしまい、常に最高の音声
認識精度を得ることができなｌ、）。

本発明の目的は、このような欠点を解消し、入力音声の
電力値を特徴パラメータとして利用し、音声の認識精度
を向上するとともに、安定した音声認識精度を享受でき
る音声認識装置を供給することにある。

［課題を解決するための手段］ 本発明の音声認識装置は、入力音声をアナログディジタ
ル変換する変換手段と、前記変換手段の出力に、乗数を
乗算する乗算手段と、前記乗算手段の出力を、入力音声
の電力値をその一部に含む特徴ベクトルの時系列に変換
する特徴抽出手段と、前期特徴ベクトルを距離がもつと
も近い参照ベクトルのラベルに変換するベクトル量子化
手段と、前期特徴ベクトルに含まれる電力値と該特徴ベ
クトルに対応づけられた前期参照ベクトルの電力値の差
を求め、時間平均する誤差検出手段と、前記誤差検出手
段の出力が零になるように前記乗算手段の乗数を変更す
る乗数制御手段とを備えることを特徴とする。

［作用］ 本発明の構成によれば、人力音声の電力値は、音声の特
徴ベクトルの成分としての電力値が、その特徴ベクトル
が対応づけられた参照ベクトルの成分としての電力値と
平均的に一致するように、フィードバックがかかり音声
の大きさが調整されるので、特徴パラメータとしての電
力値の信頼性が向上し、認識精度が向上しかつ安定する
。

［実施例コ 第１図は本発明の音声認識装置の一実施例の構成を示す
ブロック図である。話者の音声はマイクロフォン１から
入力され、増幅器２で増幅される。

増幅器２の出力は周波数フィルター３を通って、アナロ
グディジタル変換器４で５０マイクロ秒ごとにサンプリ
ングされ、１２ビツトのディジタルの音声信号に変換さ
れる。

アナログディジタル変換器４の出力であるディジタル化
された音声波形は、乗算器５に入力され乗数と乗算され
る。

特徴抽出手段６は、乗算手段の出力である音声波形から
、１５ミリ秒の時間区間を１フレームとして、５ミリ秒
ごとにフレームを切り出し、各フレームの音声波形のＬ
ＰＣケプストラム係数を１２次まで計算する。時刻ｔの
フレームにおけるｎ次ＬＰＣケプストラム係数をＣｎ　
（ｔ）　と書く。

また、同フレーム内で音声振幅の自乗和をとりその対数
値を計算し、そのフレームの電力値とする。

これをｗ　（ｔ）　と書く。更にＬＰＣケプストラム係
数の差分を次のようにとる。

Ｄｎ　（ｔ）＝Ｃｎ　（ｔ＋δ）−Ｃｎ（ｔ−δ）ｎ＝
１．２、　・　・　・　・　　１２最後に電力値の差分
を次のようにとる。

ｘ　（ｔ）　＝ｗ　（を十δ）　−ｗ　（を−δ）いず
れもδは１５ミリ秒である。

以上のパラメータＣＩ　　（ｔ）　、Ｃ２（ｔ）、ＣＩ
２　　（ｔ）　、ＤＩ　　（ｔ）　、Ｄ２　　（ｔ）１
、ＤＩ２　　（ｔ）　、ｗ　（ｔ）　　　ｘ　　（ｔ）
を成分とする２６次元特徴ベクトルをつくる。このよう
に、特徴抽出手段では５ミリ秒ごとフレームがとられ、
特徴ベクトルが計算され、時系列をつくる。

コードブック７は、ベクトル量子化のための参照ベクト
ルからなる。参照ベクトルは、学習データを用いてあら
かじめ作られている。大量の学習用発話データを、上述
したのと同様な方法で処理し、大量の特徴ベクトルを作
り、これらの分布に基づき特徴ベクトル空間をＬｉｎｄ
ｅ−Ｂｕｚｏ−Ｇｒａｙアルゴリズムを用い２５６個の
分離された空間に分割する。Ｌｉｎｄｅ−Ｂｕｚｏ−Ｇ
ｒａｙアルゴリズムにライては［Ｙ、Ｌｉｎｄｅ他”Ａ
ｎ　Ａｌｇｏｒｉｔｈｍ　ｆｏｒ　Ｖｅｃｔｏｒ　Ｑｕ
ａｎｔｉｚｅｒＤｅｓｉｇｎ”正ＥＥ　Ｔｒａｎｓａｃ
ｔｉｏｎｓ　　ｏｎ　ＣｏｍｍｕｎｉｃａｔｉｏｎＣＯ
Ｍ−２８（１）、ｐ８４．Ｊａｎｕａｒｙ、　　１９８
０Ｊに詳しい。分割された各空間の中心に位置するベク
トルを参照ベクトル（２５６個）として採用し、これに
適当なラベルをつけておく。

ベクトル量子化手段８は、特徴抽出手段の出力である特
徴ベクトルと、参照ベクトルの距離を以下のような計算
式で計算する。添字ｒは参照ベクトルの成分であること
を示す。また勾は自乗演算を示す。

Σ　（Ｃｉ−Ｃｉｒ）　　八２　＋　Ｋ　・　Σ　（Ｄ
　ｉ−Ｄ　ｉｒ）　　八２ｉ＝　１　　　　　　　　　
　　　　　　　　ｉ＝　１＋Ｌ　　・　　（ｗ−ｗｒ）
　　八２　　　＋　　　Ｍ　　・　　（ｘ−ｘｒ）　　
八２ここにに、Ｌ、Ｍはベクトル間の距離を定義する上
での各成分の重みであり、本実施例ではそれぞれ０．７
５．０．０２．０．０５である。この距離計算をすべて
の参照ベクトルについて行い、もっとも距離の近い参照
ベクトルを選択し、そのラベルをこの特徴ベクトルのラ
ベルとする。

短音照合手段９は、ｒ　Ｋ−Ｆ、Ｌｅｅ他、　Ｔｈｅ　
５ＰＨＩＮＸＳｐｅｅｃｈ　Ｒｅｃｏｎｇｎｉｔｉｏｎ
　　Ｓｙｓｔｅｍ、　ＩＣＡＳＳＰ８９．ｐ４４５．１
９８９」に示されると同様に隠れマルコフモデルを用い
てモデル化された短音データと、ベクトル量子化後のラ
ベル列を照合して、最も確からしい短音を探す。

短音照合手段での照合の結果、その対応の尤度が８５％
を越えた場合、対応づけられた特徴ベクトルと参照ベク
トルの電力値の差が、誤差検出手段１０に累積される。

無音声区間と認められた場合は誤差の累積を行わない。

誤差検出手段１０では累積値をおよそ１０秒の時定数で
平均化し、累積誤差を乗数制御手段１１に伝える。乗数
制御手段１１の累積誤差が零になるように乗算器５の乗
数を変える。

音声の電力値は音声の重要な特徴であり、ベクトル量子
化の距離の測度として電力を利用すると、認識精度を向
上できる。さらに、電力値を、参照データそのものと一
致するように、乗算手段の乗数を制御するので、ベクト
ル量子化の精度が大幅に向上し、その結果音声認識精度
が改善された。

［発明の効果］ 以上のように本発明によれば、認識精度の高い音声認識
が可能になる。

【図面の簡単な説明】

第１図は本発明の音声認識装置の実施例の構成を示すブ
ロック図。

Claims (1)

1. 【特許請求の範囲】 入力音声をアナログディジタル変換する変換手段と、 前記変換手段の出力に、乗数を乗算する乗算手段と、 前記乗算手段の出力を、入力音声の電力値をその一部に
   含む特徴ベクトルの時系列に変換する特徴抽出手段と、 前期特徴ベクトルを距離がもっとも近い参照ベクトルの
   ラベルに変換するベクトル量子化手段と、前期特徴ベク
   トルに含まれる電力値と該特徴ベクトルに対応づけられ
   た前期参照ベクトルの電力値の差を求め、時間平均する
   誤差検出手段と、前記誤差検出手段の出力が零になるよ
   うに前記乗算手段の乗数を変更する乗数制御手段とを備
   えることを特徴とする音声認識装置。