JPH0411298A - 音声認識装置 - Google Patents
音声認識装置Info
- Publication number
- JPH0411298A JPH0411298A JP2114664A JP11466490A JPH0411298A JP H0411298 A JPH0411298 A JP H0411298A JP 2114664 A JP2114664 A JP 2114664A JP 11466490 A JP11466490 A JP 11466490A JP H0411298 A JPH0411298 A JP H0411298A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- power value
- feature
- amplification factor
- recognition device
- 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.)
- Pending
Links
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。
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。
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。
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。
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。
このラベル列が音素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。
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。
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い。
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い。
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。
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、入力音声を増幅する可変増幅
率の増幅手段と、前記増幅手段の出力を、前記入力音声
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増幅手段の増幅率を変更
する増幅率制御手段とを備えることを特徴とする。
率の増幅手段と、前記増幅手段の出力を、前記入力音声
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増幅手段の増幅率を変更
する増幅率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、入力音声の電力値は、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
。
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］
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、可変増幅率の増幅器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。
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、可変増幅率の増幅器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。
特徴抽出手段５は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ＬＰＣ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。
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ＬＰＣ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。
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。
δは１５ミリ秒である。
以上のパラメータＣＩ （ｔ） 、Ｃ２（ｔ）、・・
Ｃ１２（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、時系列がつくられる。
Ｃ１２（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、時系列がつくられる。
コードブック６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アルゴリズムについてはｒ Ｙ、Ｌｉｎｄｅ他”
Ａｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｖｅｃｔｏｒ Ｑ
ｕａｎｔｉｚｅｒＤｅｓｉｇｎ” ＩＥＥＥ Ｔｒａｎ
ｓａｃｔｉｏｎｓ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏ
ｎＣＯＭ−２８（１）、ｐ８４．Ｊａｎｕａｒｙ、
１９８０Ｊ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。
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アルゴリズムについてはｒ Ｙ、Ｌｉｎｄｅ他”
Ａｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｖｅｃｔｏｒ Ｑ
ｕａｎｔｉｚｅｒＤｅｓｉｇｎ” ＩＥＥＥ Ｔｒａｎ
ｓａｃｔｉｏｎｓ ｏｎ Ｃｏｍｍｕｎｉｃａｔｉｏ
ｎＣＯＭ−２８（１）、ｐ８４．Ｊａｎｕａｒｙ、
１９８０Ｊ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７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＾２は自乗演算を示す。
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＾２は自乗演算を示す。
Σ （Ｃｉ−Ｃｉｒ） △２ ＋ Ｋ ・ Σ （Ｄ
ｉ−Ｄｉｒ） 八２ｉ＝１ ｉ＝１ ＋Ｌ−（ｗ−ｗｒ） △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０，７５．０．０２．０．０５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。
ｉ−Ｄｉｒ） 八２ｉ＝１ ｉ＝１ ＋Ｌ−（ｗ−ｗｒ） △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０，７５．０．０２．０．０５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８は、「Ｋ−Ｆ、Ｌｅｅ他、 Ｔｈｅ ５
ＰＨＩＮＸＳｐｅｅｃｈ Ｒｅｃｏｎｇｎｉｔｉｏｎ
Ｓｙｓｔｅｍ、 ＩＣＡＳＳＰ８９．ｐ４４５，１９
８９」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。
ＰＨＩＮＸＳｐｅｅｃｈ Ｒｅｃｏｎｇｎｉｔｉｏｎ
Ｓｙｓｔｅｍ、 ＩＣＡＳＳＰ８９．ｐ４４５，１９
８９」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、その対応の光度が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９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しない。誤差
検出手段９では累積値を、実効的におよそ１０秒の時定
数で平均化し、累積誤差を増幅率制御手段１０に伝える
。増幅率制御手段１０は累積誤差が零になるように増幅
器２の利得を変える。
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９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しない。誤差
検出手段９では累積値を、実効的におよそ１０秒の時定
数で平均化し、累積誤差を増幅率制御手段１０に伝える
。増幅率制御手段１０は累積誤差が零になるように増幅
器２の利得を変える。
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、増幅器の利得を制御するので、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。
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、増幅器の利得を制御するので、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。
が可能になる。
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。
ロック図。
Claims (1)
- 【特許請求の範囲】 入力音声を増幅する可変増幅率の増幅手段と、前記増幅
手段の出力を、前記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
うに前記増幅手段の増幅率を変更する増幅率制御手段と
を備えることを特徴とする音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2114664A JPH0411298A (ja) | 1990-04-27 | 1990-04-27 | 音声認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2114664A JPH0411298A (ja) | 1990-04-27 | 1990-04-27 | 音声認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0411298A true JPH0411298A (ja) | 1992-01-16 |
Family
ID=14643491
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2114664A Pending JPH0411298A (ja) | 1990-04-27 | 1990-04-27 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0411298A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5709807A (en) * | 1991-09-05 | 1998-01-20 | Nkk Corporation | Flow rate adjusting for rotary nozzle type molten metal pouring unit |
-
1990
- 1990-04-27 JP JP2114664A patent/JPH0411298A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5709807A (en) * | 1991-09-05 | 1998-01-20 | Nkk Corporation | Flow rate adjusting for rotary nozzle type molten metal pouring unit |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5842162A (en) | Method and recognizer for recognizing a sampled sound signal in noise | |
| JP3373305B2 (ja) | 音声認識用データ圧縮 | |
| EP0077194B1 (en) | Speech recognition system | |
| KR0123934B1 (ko) | 저렴한 음성 인식 시스템 및 방법 | |
| CA2366892C (en) | Method and apparatus for speaker recognition using a speaker dependent transform | |
| JP2768274B2 (ja) | 音声認識装置 | |
| JPH0585916B2 (ja) | ||
| JPS5844500A (ja) | 音声認識方式 | |
| JPH04158397A (ja) | 声質変換方式 | |
| WO2002091355A1 (en) | High-order entropy error functions for neural classifiers | |
| JP3354252B2 (ja) | 音声認識装置 | |
| JPH0411298A (ja) | 音声認識装置 | |
| JPS6367197B2 (ja) | ||
| CA2191377A1 (en) | A time-varying feature space preprocessing procedure for telephone based speech recognition | |
| JPH0411297A (ja) | 音声認識装置 | |
| JPH0430040B2 (ja) | ||
| JPH11338492A (ja) | 話者認識装置 | |
| JP2658426B2 (ja) | 音声認識方法 | |
| JP2975808B2 (ja) | 音声認識装置 | |
| KR100647291B1 (ko) | 음성의 특징을 이용한 음성 다이얼링 장치 및 방법 | |
| JPH0690631B2 (ja) | 音声認識方法 | |
| JP3422822B2 (ja) | 音声認識装置 | |
| JPH0457098A (ja) | 連続音声の音韻認識装置 | |
| JPH09160585A (ja) | 音声認識装置および音声認識方法 | |
| KR100278640B1 (ko) | 이동 전화기를 위한 음성 다이얼링 장치 및방법 |