JPH0465395B2

JPH0465395B2 -

Info

Publication number: JPH0465395B2
Application number: JP62061734A
Authority: JP
Inventors: Hiroaki Sekoe
Original assignee: Nippon Electric Co Ltd
Current assignee: NEC Corp
Priority date: 1987-03-16
Filing date: 1987-03-16
Publication date: 1992-10-19
Also published as: JPS63226695A

Description

【発明の詳細な説明】（産業上の利用分野）本発明は人間が発声した音声を自動認識する音
声認識の主要処理であるパターンマツチングの方
式に関するものである。

（従来の技術）音声認識のパターンマツチング方式に関しては
種々の技術が開発されているが、それらの中で最
も重用されているものの一つとして「日本音響学
会誌第42巻９号（昭和61年９月発行）の第725頁」
（以下文献−１とする）に記載されるが如きDPマ
ツチング法がある。これは音声の時間軸歪を整合
する手法として極めて有効とされている。また、
DPマツチング法を連続単語認識に拡張したもの
として特願昭56−199098号明細書に記載されるが
如きクロツクワイズDP法がある。この手法は構
文制御を有する連続単語認識法として説明されて
いるが、その特殊形として当然離散単語認識をも
包含している。ここでは簡単のため離散単語の認
識の形式で、クロツクワイズDP法の要部を説明
する。

単語名を番号ｎで指定することとして｛ｎ｜ｎ＝１、２、……Ｎ｝なる単語セツトを認識対象とする。各単語に標準
パターン Bⁿ＝〓₁ ⁿ、〓₂ ⁿ……〓_j ⁿ……〓ⁿ _Jo を考える。ここにｊは時刻を示し、〓_j ⁿは標準パ
ターンBⁿの時刻ｊの特徴を意味する。入力音声
パタンを同様にＡ＝〓₁、〓₂……〓_i……〓_I と示す。

音声認識は、入力パターンＡと標準パターン
Bⁿとのパターン距離Ｄ（Ａ、Bⁿ）を求め、それが
最小となるｎを定め、認識結果とすることによつ
て行なわれる。

DPマツチングではこのパターン間距離の計算
を一例として次のような動的計画法計算によつて
行なう。

Γ初期条件 gⁿ（１、１）＝dⁿ（１、１） ……(1) Γ漸化式 gⁿ（ｉ、ｊ）＝dⁿ（ｉ、ｊ）＋mingⁿ（ｉ−１
、ｊ） gⁿ（ｉ−１、ｊ−１） gⁿ（ｉ−１、ｊ−２） ……(2) ｉ＝１、２、……Ｉｊ＝１、２、……Ｊ Γパターン間距離Ｄ（Ａ、Bⁿ）＝gⁿ（Ｉ、Jⁿ） ……(3) ここにdⁿ（ｉ、ｊ）は特徴〓_iと〓_j ⁿの距離dⁿ
（ｉ、ｊ）＝‖〓_i−〓_j ⁿ‖である。これを積分した
形式となる。gⁿ（ｉ、ｊ）を最適累積距離と呼ぶ。
このDPマツチイング処理は当初、単語ごとに実
行されていたが、クロツクワイズDP法では各単
語に対して並列的に実行される形式に改良され
た。すなわち、第１図のような、ｉ，ｊ，ｎが張
る空間において入力パターンの各時刻ｉにおい
て、各標準パターンBⁿの指定ｎと、それらの中
のｊのすべての組み合わせで指定されるｎ，ｊに
対してgⁿ（ｉ、ｊ）なる最適累積値を計算し、し
かる後に時刻ｉを進めて処理を実行するという方
式になつている。

実際の計算においては、図の空間すべてのワー
クエリアを用意する必要はなく、ｉ方向に関して
は、時刻ｉとｉ−１の２時刻分あれば(2)式の計算
を進めることができる。

このようなDPマツチングでは距離ｄ（ｉ、ｊ）
のための計算量が問題になる。通常〓_iや〓_j ⁿは10
次元以上のベクトルであり、このようなベクトル
間の距離計算を_N 〓ⁿ⁼¹ Jⁿ回もｉの１クロツク（通常
10ｍｓ程度）で行なうのは通常のハードウエアで
は非常な負担になる。

この問題に対する方策として、前記文献−１の
第725頁〜第730頁に“音声認識におけるパタンマ
ツチング手法”と題して発表された論文に記され
るが如き、ベクトル量子化を適用することが考え
られる。すなわち、標準パタンの特徴の集合｛〓
_ｊ ⁿ｝の分布を近似するコードベクトルの集合｛〓
_ｋ｝を用意し、各標準パターンBⁿは、各〓_j ⁿに最
も近いコードベクトル〓_kを指定する番号ｋ＝ｋ
（ｎ、ｊ）の時系列としと表現する。かくした上
で、DPマツチングの実行時には、入力パターン
の特徴〓_iと、各コードベクトルとの距離Ｄ(k)を
計算してテーブル化しておき、漸化式計算時には dⁿ（ｉ、ｊ）＝Ｄ（ｋ（ｎ、ｊ）） ……(4) と参照して(2)式を計算する。このベクトル量子化
の採用によつて距離計算の回数は大幅に低減され
たが、それでも相当の計算量になると見積られ
る。

（発明が解決しようとする問題点）通常のDPマツチング法に比して認識率の低減
を生じないためにはコードベクトルとして256個
程度が必要とされる。１回のＤ（ｉ、ｋ）の計算
が40μsで終了するとしても256個分では10ｍｓを
要する。すなわち、ｉの１クロツク分（10ｍｓ）
のほとんどをベクトル間の距離計算で使用してし
まつて、漸化式計算に使用する時間が残らないこ
とになる。このため、従来は高速な専用ハードウ
エアを利用してDPマツチングを実行していた。

本発明はベクトル量子化技法と組み合わせて
も、なお計算量が多いというクロツクワイズDP
法の上記欠点を改良して、高速でありながら安価
な音声認識のパターンマツチング方式を提供する
ことを目的とする。

（問題点を解決するための手段）本発明のパターンマツチング方式は、ベクトル
量子化手法を採用した上記クロツクワイズDP法
において、過去において計算された最適累積値に
基づいて、現クロツクで入力音声パターンの特徴
〓_iとの距離を計算する必要があるコードベクト
ル〓_kのセツトを予測し、それ以外のコードベク
トルとの距離計算を不要とすることを特徴とす
る。

（作用・原理）元来DPマツチングは第１図の如きｎ，ｉ，ｊ
の張る空間において、各単語ｎごとに、（１、１）
点から（Ｉ、Jⁿ）点に至る経路でdⁿ（ｉ、ｊ）の
総和すなわち累積値が最小となるものを深索する
ものである。この過程で計算される最適累積値gⁿ
（ｉ、ｊ）は（１、１）点から（ｉ、ｊ）点まで
の最適経路上でのdⁿ（ｉ、ｊ）の累積値を与えて
いる。したがつてgⁿ（ｉ、ｊ）の値が大であると
いうことはこの（ｉ、ｊ）点が最適経路上にある
可能性が低いことを意味する。本発明は、gⁿ（ｉ、
ｊ）が大となると予測される場合に(4)式のdⁿ（ｉ、
ｊ）＝Ｄ（ｋ（ｎ、ｊ））の計算を省略することによ
つて計算量低減の効果を得んとするものである。

（実施例）第２図は本発明の原理を実施した離散単語認識
装置の構成例である。マイクロホン１０より入力
された音声波形は分析部２０によつて周波数分析
され、特徴ベクトル〓_iの時系列に変換されてマ
イクロプロセツサ３０に入力される。コードブツ
ク４０にはコードベクトル〓_kが記憶され、標準
パターン記憶部５０には各単語ｎの標準パターン
Bⁿが、コードベクトルの番号ｋを指定するｋ
（ｎ、ｊ）の時系列として記憶されている。Ｄメ
モリ４１はコードベクトル〓_kと入力ベクトル〓_i
との距離Ｄ(k)を一時記憶するものである。ｇメモ
リ６０は(2)式の漸化式計算のワークメモリとなる
ので、gⁿ（ｉ、ｊ）とgⁿ（ｉ−１、ｊ）とが所要の
ｎ、ｊに対して記憶される構成になつている。な
お、これら４０，４１，５０，６０のメモリーは
マイクロプロセツサ３０の主記憶上のエリアとし
て構成されてよい。

入力パターンの最初の特徴ベクトル〓₁が入力
されるとマイクロプロセツサ３０の働きによつ
て、ｇメモリ６０のgⁿ（ｉ−１、ｊ）の部分に対
して次のような初期設定処理がなされる。

gⁿ（１、１）＝Ｄ（ｋ（ｎ、１）すなわち、標準パターン記憶５０より各単語毎
にｋ＝ｋ（ｎ、１）を読み出し、これに対応する
コードベクトル〓_kをコードブツク４０より参照
して特徴ベクトル〓_iとの距離を計算して初期値
gⁿ（１、１）としてセツトする。なお、ｊ≠１の
部分に対しては十分大な数値∞をセツトするの
は、特願昭56−199098号明細書第６図ａの場合と
同様である。

一般的に、時刻ｉでは第３図に示す処理が実行
される。まず、特徴ベクトル〓_iが入力されると
Ｄテーブルの内容Ｄ(k)を総て∞でリセツトする。
次に各単語ｎ毎に、ｊ＝１、２、……Jⁿに対して
次のような処理を行う。ｇメモリ６０より、過去
の最適累積値gⁿ（ｉ−１、ｊ）、gⁿ（ｉ−１、ｊ−
１）、gⁿ（ｉ−１、ｊ−２）を読み出してそれらの
最小値ｇを決定する。この値を閾値θ(i)と比較し
（ブロツク１００）、この時点の（ｉ、ｊ）が最適
経路上にあるか否かをテストする。なお、最適累
積値は時刻ｉとともに増加するものであるから、
単調増加関数として予かじめ定められているもの
である。ｇ＞θ(i)なるときは、この点（ｉ、ｊ）
は最適経路上にないと判定して、漸化式と距離の
計算を省略して、gⁿ（ｉ、ｊ）としては∞をセツ
トする。ｇ≦θ(i)のときは、この点（ｉ、ｊ）は
最適経路上にあると予測して、以下の漸化式計算
を行なう。

まず、標準パターン記憶５０よりｋ＝ｋ（ｎ、
ｊ）を読み出し、この信号をもとにして、Ｄテー
ブル４１内のＤ(k)を参照する。これが∞ならばＤ
(k)の値は未だ計算されていないとして、特徴ベク
トル〓_iと、コードブツクより読み出されるコー
ドベクトル〓_kとの距離を計算しＤとするととも
に、Ｄ(k)としてＤテーブルに書き込む。Ｄ(k)が∞
でない場合は、コードベクトル〓_kと特徴ベクト
ル〓_iとの距離は計算済みであるとしてＤ＝Ｄ(k)
とする。この一連の処理は、この時点のｎ、ｉ、
ｊが最適経路上にあるとして、ｋ＝ｋ（ｎ、ｊ）
で指定されるコードベクトル〓_kと特徴ベクトル
〓_iとの距離が必要と予測して距離計算を行ない、
かつ重複した距離計算を回避したものである。か
くしてブロツク１１０においてｇ＋Ｄ→gⁿ（ｉ、
ｊ）なる処理によつて gⁿ（ｉ、ｊ）＝Ｄ（ｋ（ｎ、ｊ））＋minｇ
（ｉ−１、ｊ）ｇ（ｉ−１、ｊ−１）ｇ（ｉ−１、ｊ−２） ……(5) が計算され、(2)、(4)式と同等な漸化式計算が行な
われたことになる。この新しい最適累積値はｇメ
モリ６０に書き込まれる。この処理の繰り返しが
所要のｊとｎに対して行なわれることにより、時
刻ｉでの漸化式計算が終了する。ブロツク１２０
によつて、ｇメモリ内のgⁿ（ｉ、ｊ）のエリアと
gⁿ（ｉ−１、ｊ）のエリアの切り替えを行なつて、
現時刻ｉで計算された最適累積値を過去のデータ
として、次の時刻ｉ＋１に移行する。

かくして時刻Ｉまでの処理が行なわれ、入力音
声が終了しｉ＝Ｉ＋１となつた時点では、各単語
ｎごとにｇメモリ６０内にgⁿ（ｉ−１、Jⁿ）とし
てパターン間距離Ｄ（Ａ、Bⁿ）が得られる。これ
らを比較して最小となる単語ｎ＝n^として認識結
果を定め出力する。

以上、本発明の原理を実施例に基づいて述べた
が、これらは本発明の範囲を限定するものではな
い。特に、第３図におけるブロツク１００の判定
処理には種々の変形が考えられる。閾値θ(i)の定
め方に関しても、予じめ人手によつて定義してお
く方法の他に、gⁿ（ｉ−１、ｊ）の最小値にリン
クさせて設定するなどの変形が考えられる。ま
た、〓_iと〓_kとを距離計算を、ｊ、ｎのループの
外で予かじめ行なつておくことも可能である。こ
れらの変形は本発明の権利範囲に属するものであ
る。

また、以上の説明では、基本的な漸化式として
(2)式を用いたが、「日経エレクトロニクスの1983
年11月７日第184頁の表１」に記載されるが如き、
種々の変形の漸化式についても本発明の原理は適
用される。さらに本発明は特願昭56−199098記載
のクロツクワイズDP法と同様連続単語認識に利
用できるものである。

（発明の効果）以上述べた過去の最適累積値によつて、現時刻
で距離計算が必要なコードベクトルを限定するこ
とにより、距離計算の回数を低減することができ
る。

【図面の簡単な説明】

第１図は本発明の原理説明図、第２図は本発明
の一実施例を示すブロツク図、第３図はその動作
を説明するフローチヤートである。１０……マイクロホン、２０……分部値、３０
……マイクロプロセツサ、４０……コードブツ
ク、４１……Ｄテーブル、５０……標準パターン
記憶、６０……ｇメモリ。

Claims

【特許請求の範囲】

１音声の特徴を表わすコードベクトル〓_kの集
合として成るコードブツクと、各単語ｎに対応し
てコードベクトルを指定する番号ｋ（ｎ、ｊ）（ｊ
＝１、２…Jⁿ）の時系列として表わされる標準パ
ターンBⁿを記憶する手段と、入力音声パターン
の特徴〓_iを一時保持する手段と〓_iと各コードベ
クトル〓_kとの距離Ｄ(k)を計算する手段と、各単
語毎に距離Ｄ（ｋ（ｎ、ｊ））の最適累積値gⁿ（ｉ、
ｊ）を動的計画法によつて計算する手段とを有
し、各時刻ｉにて、過去に計算された最適累積値
に基づいて現クロツクで〓_iとの距離を計算する
必要があるコードベクトル〓_kのセツトを限定し、
これらに対してのみ、距離Ｄ(k)を計算することを
特徴とする高速パターンマツチング方式。