JPH0475520B2 - - Google Patents

Description

請求の範囲 １ 音声の一連の調音状態に応じて、かつそのピ
ツチに実質的に独立して音声を分類する装置にお
いて、 各電子フイルタの入力が、分類すべき音声を表
わす電気信号に接続する共通入力側に接続され、
各電子フイルタが声道の１つの調音状態の複素伝
達関数の反転を近似する伝達関数を有するよう構
成され、特定の調音状態を表わす非零の信号の前
記フイルタへの入力が、１個以上の一連の音源イ
ンパルスを近似し且つ前記インパルス間の零出力
を近似する前記フイルタからの出力を発生させる
電子フイルタ・バンクと、 １つのみの調音状態の存在を表わす音声信号に
対するフイルタの応答を含むように十分短い一連
の持続時間にわたつて音源インパルスを最良に再
生するフイルタを繰返し決定するコンパレータで
あつて、音声信号入力に応答して最小の絶対値出
力を有するフイルタを瞬間的に決定する装置を含
むコンパレータと、 所定のクロツク間隔にわたり、最大の全体時間
に対して最小の絶対値出力を有するフイルタを繰
返し決定する装置とを備えることを特徴とする音
声を分類する装置。 ２ 請求の範囲第１項に記載の装置において、各
フイルタが少なくとも１個のフオルマント反共振
フイルタのカスケードを含むことを特徴とする音
声を分類する装置。 ３ 請求の範囲第１項に記載の装置において、前
記電子フイルタ・バンクが、フオルマント反共振
フイルタと、所定カテゴリの話者の声道特性に一
致するよう同じ比率で前記フオルマント反共振フ
イルタの全てのフオルマント周波数と周波帯幅と
を同時に調整する装置とを含む音声を分類する装
置。 ４ 請求の範囲第１項に記載の装置において、フ
イルタ・バンクの１個以上のフイルタチヤンネル
に接続して所定のフオルマント反共振フイルタが
使用されることを特徴とする音声を分類する装
置。 ５ 請求の範囲第１項に記載の装置において、前
記クロツク間隔が約10ミリ秒であることを特徴と
する音声を分類する装置。 ６ 請求の範囲第１項に記載の装置において、 前記所定のクロツク間隔にわたり、最大の全体
時間に対して最小の絶対値出力を有するフイルタ
を繰返し決定する装置は、 コンデンサ群と、 チヤンネルが作動可能のとき一定の充電電流を
各コンデンサに供給し、そうでない場合電流を零
とする装置と、 所定のクロツク間隔の終りにおいて各コンデン
サにかかつている電圧を一時的に記憶する装置
と、 電圧が記憶された後各クロツク間隔の終りにお
いてコンデンサを放電する装置と、 各クロツク間隔の終りにおいて最大の電圧を有
するコンデンサを決定する装置とを含むことを特
徴とする音声を分類する装置。 ７ 請求の範囲第６項に記載の装置において、前
記クロツク間隔が約10ミリ秒であることを特徴と
する音声を分類する装置。 ８ 請求の範囲第６項に記載の装置において、前
記クロツク間隔の終りにおいて最大の電圧を有す
るコンデンサを決定する装置が増幅装置群を含
み、 該増幅装置群の増幅装置の各々は、入力要素
と、出力要素と、該入力及び出力要素に対して共
通の要素とを含み、前記出力要素を通る電流が前
記共通の要素に関して前記入力要素の電圧の関数
であり、 前記増幅装置群の増幅装置の全ての前記共通の
要素が定電流源に接続され、 前記入力要素の各々は比較すべき記憶された信
号と接続され、 そのため、前記出力要素が、所定の増幅装置が
導通しているか、したがつて比較されつつあるコ
ンデンサの電圧の最大のものをその入力要素にお
いて受取つているかを指示する信号を含むことを
特徴とする音声を分類する装置。 ９ 請求の範囲第６項に記載の装置において、 音声入力の存在を検出する装置と、 前記音声入力検出装置により何ら音声入力が検
出されない場合全てのフイルタチヤンネルの出力
を使用禁止にする装置と、 前記音声入力検出装置により何ら音声入力が検
出されないいづれの瞬間において出力信号を発生
させる装置をさらに含むことを特徴とする音声を
分類する装置。 １０ 請求の範囲第６項に記載の装置において、
前記最小の絶対値の出力を有するフイルタを瞬間
的に決定する装置が増幅装置群を含み、 該増幅装置群の増幅装置の各々は、入力要素
と、出力要素と、該入力及び出力に共通の要素と
を含み、前記出力要素を通る電流は前記共通の要
素に関して前記入力要素の電圧の関数であり、 前記増幅装置群の増幅装置の全ての前記共通の
要素は定電流源に接続され、 前記入力要素の各々は比較すべきフイルタチヤ
ンネルの出力信号に接続され、 そのため前記出力要素が、所定の増幅装置が導
通しているか、したがつて比較されつつある信号
の最小のものをその入力要素において受取つてい
るかを指示する信号を含むことを特徴とする音声
を分類する装置。 １１ 請求の範囲第１０項に記載の装置におい
て、前記各クロツク間隔の終りにおいて最大の電
圧を有するコンデンサを決定する装置が増幅装置
群を含み、 該増幅装置群の増幅装置の各々は、入力要素
と、出力要素と、該入力及び出力に共通の要素と
を含み、前記出力要素を通る電流が前記共通の要
素に関して前記入力要素の電圧の関数であり、 前記増幅装置群の増幅装置の全ての前記共通の
要素が定電流源に接続され、 各入力要素が比較すべき記憶された信号に接続
され、 そのため、前記出力要素が、所定の増幅装置が
導通しているか、したがつて比較されつつあるコ
ンデンサの電圧の最大のものをその入力要素にお
いて受取つているかを指示する信号を含むことを
特徴とする音声を分類する装置。 １２ 請求の範囲第１１項に記載の装置におい
て、前記コンパレータが各入力の絶対値を決定す
るよう該コンパレータへの各入力値と関連した整
流器回路をさらに含むことを特徴とする音声を分
類する装置。 １３ 請求の範囲第１２項に記載の装置におい
て、正のフイードバツクを提供するよう各増幅装
置に関連し、かつ接続された第２の増幅装置をさ
らに含むことを特徴とする音声を分類する装置。 １４ 請求の範囲第１３項に記載の装置におい
て、 音声入力の存在を検出する装置と、 前記の音声入力検出装置により何ら音声入力が
検出されないとき全てのフイルタチヤンネルの出
力を使用禁止にする装置と、 前記の音声入力検出装置により何ら音声入力が
検出されないいづれの瞬間においても出力信号を
発生させる装置とをさらに含む音声を分類する装
置。 １５ 請求の範囲第１４項に記載の装置におい
て、前記フイルタ・バンクへの入力の前に音声信
号のレベルを自動制御する装置をさらに含むこと
を特徴とする音声を分類する装置。 １６ 請求の範囲第１５項に記載の装置におい
て、前記クロツク間隔が約10ミリ秒であることを
特徴とする音声を分類する装置。 発明の背景 発明の分野 本発明は(i)音声波形を分析することにより声道
の音響特性を測定し(ii)音声波形の伝達関数によつ
て分類し各波形のセグメントを所定の調音状態と
関づけることに関する。 従来技術の説明 母音は通常フオルマントと称されるそれらの共
振パターンにより大略分類されることは長期にわ
たり知られている。研究者によつては、音声を
１，２，３あるいはそれ以上のフオルマントに区
別できればと各人各様に痛感してきた。1970年代
には、フオルマントおよび全ゆる形式の言語の発
声の間のそれらの動きを図示する装置が考案され
た。フオルマントは母音においてのみならず、ほ
とんどあるいは全ての音声要素、即ち音素におい
て認められた。全ての音声を表現するのに発行者
により十分と考えられる最初の３種類のフオルマ
ントを網羅して、男性、女性、子供の平均的なフ
オルマント周波数と、その相対強度とについて広
範なデータが発行された。周知の記憶された基準
に対してフオルマントの周波数と運動とを比較す
るためにパターンをマチングする方法が考案され
た。前述のような努力は現在まで続けらてきたが
成功の範囲は限定されたものであつたものの、あ
る用途には有用であつた。 フオルマントパターンを処理するさらに複雑な
装置は機械による音声認識を約束するに至るまで
に極めて遅々として進歩をしてきた。全体的なス
ペクトルをマツチングする方法と平行して、関連
したフオルマントをトラツキングする技術が案出
されたが、この技術においてはフオルマントのピ
ークが電子回路あるいはコンピユータプログラム
によりトラツキングされる。フオルマントの周波
数と、ある場合には振幅とはさらにマツチングな
らびに分析するため電圧あるいは図形に変換され
る。また、前述のような努力を平行して、相互相
関として知られる直接的な波形マツチング、自己
相関として知られる間接的な時間波形マツチング
および、若干述べただけでも音声−非音声、ゼロ
−クロシツング速度、対称、エンベロツプおよび
そのスロープといつた時間内に波形の特徴を抽出
する方法に対する実験がなされた。これらの方法
は限定された用途においては限定的に成功した
が、実験者が望む、期待した顕著な成功は至らな
かつた。 最近では、研究は線形予測コーデイング法に向
けられてきている。この方法が一般的になつたの
はコンピユータの使用が容易になつたからのよう
である。これらの研究方法は本質的には電均的ハ
ードウエアで対処し、フーリエとラプラス変換方
法により分析された作業の裏返しである。最終的
には、モツシヤ（Moshier）の米国特許第
3610831号に示す最近の研究の一方向は１つの場
合に基本的な反転フイルタによる認識方法を達成
するために、ウエイトをつけ、かつ合算した遅延
音声信号を使用してきた。 音声に関する研究と開発は、例えば振幅変調、
周波数変調、抑圧した搬送波、単一側波帯および
各種形態のパルス変調のように通信システムの開
発において広範に使用される分析方法と特徴づけ
の方法を追従してきた。発声は空洞変調と称しう
る分類に属するが、通信関係文献にはそれについ
てはほとんど述べられていない。 前述の音声認識方法は全体的に、さらに古い通
信技術に対して考案された概念を利用している。
その結果、母音は周期的な波形として近似され、
音声はそのパワーあるいは振幅スペクトルによつ
てのみ特定化される。前記の技術はピツチの差に
よつて、同一の音素における一つの例から別の例
に対して発生しうる多数の種々の波形を上手く説
明し、かつ対処するものではない。波形の変化し
やすいことの重要な源は、声道によつて発生する
基本波形が移動し重複することにより、音源イン
パルスのパターンならびに声道の形態に応じてス
ペクトル差を発生させる重畳作用によるものと考
えられる。したがつて、音声のパワーあるいは振
幅スペクトルに依存した場合、種々の調音組合せ
は簡単に分類することができない。 リアルタイムを基準に確実に作動しうる分類装
置、即ち音声指令に対して確実、かつ正確に応答
しうる装置において調音速度で分類しうる分類装
置に対するニーズがある。また、前述のような分
類装置は周波帯の幅あるいは時間、またはその双
方に関して限度のあるチヤンネルを通して音声を
伝達でき、調音の種類が伝達でき、次いで受信側
で音声で再変換される。本発明はピツチに関係な
く声道のパターンによつて音を分類するので、ピ
ツチによつて変化する音声のパワースペクトルに
基いた従来技術より優れており、したがつて効果
的で実用的な音声認識システムの実現を可能にす
るものと考えられている。 発明の要約 本発明は、音声のピツチとは実質的に独立し
て、音声の連続した調音状態に従つて音声の分類
を達成する装置を提供することを目的としてい
る。 上記目的を達成するために、本発明の音声の一
連の調音状態に応じて、そのピツチと実質的に独
立して音声を分類する装置は、各フイルタの入力
が分類すべき音声を表わす電気信号に接続する共
通入力側に接続され、各電子フイルタが声道の１
つの調音状態の複素伝達関数の反転を近似する伝
達関数を有するよう構成され、特定の調音状態を
表わす非零の信号の前記フイルタへの入力が、１
個以上の一連の音源インパルスを近似し且つイン
パルスの間の零出力を近似する前記フイルタから
の出力を発生させる電子フイルタ・バンクと、１
つのみの調音状態の存在を表わす音声信号に対す
る前記フイルタの応答を含むように十分短い一連
の持続時間にわたつて音源インパルスを最良に再
生するフイルタを繰返し決定するコンパレータと
を備えることを特徴とする。 上記のような構成を採用することにより、本発
明の装置は、どのフイルタが連続した短時間にお
ける音声源インパルスの最良の再生を有するか繰
返し決定するためにコンパレータを設けることに
より連続した調音状態の各々瞬時的な分類を効果
的に達成できる利点を有する。 そして、本発明の装置は、音声ピツチの差によ
る言語音声の多数の異つた波形表示に対処でき、
かつ事実上音声ピツチと独立して作動しうるの
で、音声認識技術における著しい進歩をもたらす
と考えられる。 また、本発明の音声一連の調音状態に応じて、
かつそのピツチに実質的に独立して音声を分類す
る別の装置は、各電子フイルタの入力が、分類す
べき音声を表わす電気信号に接続する共通入力側
に接続され、各電子フイルタが声道の１つの調音
状態の複素伝達関数の反転を近似する伝達関数を
有すよう構成され、特定の調音状態を表わす非零
の信号の前記フイルタへの入力が、１個以上の一
連の音源インパルスを近似し且つ前記インパルス
間の零出力を近似する前記フイルタからの出力を
発生させる電子フイルタ・バンクと、１つのみの
調音状態を存在を表わす音声信号に対するフイル
タの応答を含むように十分短い一連の持続時間に
わたつて音源インパルスを最良に再生するフイル
タを繰返し決定するコンパレータであつて、音声
信号入力に応答して最小の絶対値出力を有するフ
イルタを瞬間的に決定する装置を含むコンパレー
タと、所定のクロツク間隔にわたり、最大の全体
時間に対して最小の絶対値出力を有するフイルタ
を繰返し決定する装置とを備えることを特徴とす
る。 本装置は、所定のクロツク間隔にわたり、最大
の全体時間に対して最小の絶対値出力を有するフ
イルタを繰返し決定する装置を設けることによ
り、本装置により達成される音声の分類の信頼性
を増大させる効果を有する。 更に、以下に本発明について概括する。本発明
は複数の音声反転フイルタを並列に使用する。こ
のフイルタのバンクにおける各フイルタは、特定
の音声に対応する特定の声道伝達関数に相反する
複素フーリエ伝達関数を有する（「音声」は典型
的には10ミリ秒のような短い間隔では不変と考え
られる一組の音素部分即ち音素セグメントの中の
１個を意味する。勿論、これらの音素部分はより
長い時間にわたつて不変でありうる。以下に述べ
るように、時間と共に変る音素については前記音
素部分を基準にして１個づつ近似することにより
対処される）。特に、本発明は、個々の人の言葉
における所定の音声の調音が１個以上の入力イン
パルスに応答して、調音時の個人の声道の状態に
対応する特定の線形フイルタの出力として近似し
うるという理解に基いている。したがつて、本発
明における各フイルタは、仮定による声道フイル
タに対応するよう構成され、理想的にはフイルタ
の複素フーリエ伝達関数が、仮定された声道音声
フイルタの複素フーリエ伝達関数を相反するよう
構成される。このように、検出すべき形式の非零
の音声波形に対して本発明により構成された完壁
なフイルタの応答性は、音源の励起の瞬間におい
て単純なインパルスであつて、音源の励起のない
場合は零である。 声は全体的によく似ているので、特定の仮定し
た声道に対応するよう構成された声道反転フイル
タ分析器は仮定モデルに類似の声道特性を有する
等級の音声に対して作動する。しかしながら、本
発明のある局面におけるように、チユーニングを
使用し多数のフイルタバンクを設けることにより
本発明を全ゆる人声に応用できるようにする。 本発明によつて同定される音声要素は（典型的
には10ミリ秒のような）短時間の音素部分である
ことが認められる。前記音声要素は時間に伴なつ
て変化しない（持続性のある）音素の場合におい
てのみ該音素に対応する。好適実施例において
は、持続性のある音素に対応するよう構成された
場合には反転フイルタのバンクはまた、（個々に）
時間と共に変化する（変移）音素と近密にマツチ
ングできるものと想定される。この想定は、音声
が時間に対して不変の声道モデルのバンク内のモ
デルを連続して活性化することによりモデル化さ
れる、調音の個々のモデルと対応する。しかしな
がら、本発明は変移音素の基準を決めるのに持続
性のある音素の使用に限定されるものと解釈すべ
きでない。声道反転フイルタが時間に対して不変
の声道モデルと正確に合致した場合、その出力が
調音モデルの音源インパルスに対応する１個以上
の一連のインパルスであるように、時間に対して
不変の仮定された声道モデルの各々に対して声道
反転フイルタが設けられている。このように、摩
擦音波形である入力に応答して一連のインパルス
を近似する出力を発生させるフイルタを周知のフ
イルタ構成方法を応用して構成することができ
る。同様に、鼻音および母音に対するフイルタを
容易に構成できる。また、破裂音、（個々に近似
することにより）二重母音、（ある場合には個々
に近似することにより）移行性、半母音、および
（個々に近似することにより）破裂音に対して満
足に使える。このように、前述の音声要素のシー
ケンスにより多種タイプの音素を検出し、表示で
きる。 本発明によつて採用されている音声認識モデル
は（各々のモデルが所定の音声に対応する）イン
パルスにより作動し、時間と共に変化しない線形
声道モデルのバンク中の各モデルを順次作動させ
ることにより、音声が前記モデルから発生する波
形の総和であり、したがつて連続した波形を表示
する音声を再生するモデルに関する。重畳の原理
により、線形声道モデルの波形での応答は数個の
入力インパルスによる応答の総和に対応する。音
声を合成させるこのモデルに関しては、それを線
形分析するための相関方法がある。即ち、非零の
入力に応答し、特定のチヤンネルからの出力はイ
ンパルスの間に概ね零の信号を備えた一連の幅の
狭いインパルスである程度までは、前記チヤンネ
ルに対応する音声は入力に存在していたのでなけ
ればならない。したがつて、本発明によれば、フ
イルタのバンクにおける各フイルタの入力側は音
声波形入力側に接続されている。そうすれば、各
フイルタの出力を検査して、どの出力が最小の絶
対値を有するか決定することができる。一般的
に、所定時間においてフイルタチヤンネルが最小
の出力を有する場合、その時点でフイルタバンク
の入力側に当該フイルタが検出すべき音声の波形
が通常存在するようにフイルタを構成できる。 選定した音声が実際には入力側に存在する波形
の音声であることを確認しやすくするために、本
発明の好適実施例は所定の短い時間にわたり、最
大全体時間に対しいづれのフイルタの出力が絶対
値で最小であるか決定し、関連の音声が入力側に
存在する音声として特定される。典型的には、優
勢な音声がピツクアツプされる時間は10ミリ秒近
辺である。 さらに、本発明の好適実施例は基本的な音声の
スペクトル関数をプレエンフアシスし、低周波数
に対して高周波数を増幅する装置を組込んでい
る。したがつて、全体の音声スペクトルは基本的
に平坦化され、そのため分析に対して特定の範囲
が不当に影響を及ぼすことはない。プレエンフア
シスフイルタ機能は各声道反転フイルタの一部で
あつて、したがつて反転フイルタバンクの構成に
おいてもそのように対処する必要のあることが理
解される。また、調時された時間にわたり音声の
入力信号を一定のピークレベルに保つために、自
動レベル制御装置が使用される。 本明細書に開示した、本発明による装置は音声
入力のピツチ成分に対しては、概ね無感応性を備
えて機能しうる。この結果は、本発明が基準とし
ているモデルの結果を考察すれば明らかである。
本発明は（各音声に対して異つた線形システムを
使用しているにもかかわらず）所定の音声の調音
の間声道が線形システムを形成するものと想定し
ている。このように、音声は一連の入力インパル
スに対する線形システムの応答である。次いで、
モデルにしたがいピツチは本質的に、所定音声の
調音の間声道に左右される仮定的な線形フイルタ
に対する入力である音源インパルスのパターンと
して理解できる。線形フイルタシステムはその反
転フイルタと組合せて、「オールパス（all−
pass）」特性を有するので、音源のインパルスの
同一パターンは、複素フーリエ変換が仮定の線形
フイルタシステムに対して相反してマツチングさ
れる声道反転フイルタの出力側で再生される。一
つのチヤンネルの出力側における音源の狭幅のイ
ンパルスのパターンが前記インパルスの発生周波
数の無感応の手段により検出される。その結果、
本発明により構成された装置の出力は概ねピツチ
には左右されない。 本発明でピツチに左右されず、多数の話者によ
る音声の調音に対して全体的に類似の手段を使用
しているので、前述したように一人の話者に対す
る本発明は例えば大人の男性のように広範囲な話
者に対しても適用可能である。例えば女性や子供
のようなその他の種類の音声は大人の男性に対し
て測定したフオルマントの中心周波数に対して一
般に比例するフオルマントの中心周波数を特徴と
する。希望に応じて、これら追加の種類の音声要
素は、大人の男性用に構成したフイルタチヤンネ
ルと並列の追加のフイルタチヤンネルを含むこと
により対応できる。このように、声道反転フイル
タチヤンネルのバンクで表わされる各調音要素に
対して例えば４個のような数個の追加の代表的チ
ヤンネルを含むことができる。典型的な声道の寸
法の変化に基く前述の付加的なチヤンネルは一般
的な人間の種々範囲の話者に対して音声認識を可
能とする手段を提供する。

【図面の簡単な説明】

第１図は、調音要素を区別するために使用した
並列チヤンネルと装置を示す、調音要素を認識し
分類するための本発明の好適実施例の概略線図； 第２図は調音要素を反転マツヤングするために
使用する、第１図に示すフイルタバンクにおける
フオルマント反転フイルタの典型的なカスケード
の概略図； 第３図は第２図に示すフイルタのカスケードに
おいて使用可能なフオルマント反転フイルタの簡
略化した実施例を示す図； 第４Ａ図は、単一の音声フオルマントの伝達関
数を表示する単一の共振装置に対する典型的な振
幅と位相プロツトを示す図； 第４Ｂ図はフオルマントの反共振フイルタの対
応する振幅と位相プロツトを示し、フオルマント
の共振と反共振要素とを組合せることによりオー
ルパス特性を提供することを示す図； 第４Ｃ図は第１図に示す本発明による装置の好
適実施例により反共振フイルタ要素を構成する上
で使用するパラメータを示し、漸近的ゲインＧが
１であり、Gminが典型的には0.20Gであること
を示す図 ；第５図は第２図に示す反共振反転要素のカス
ケードにおいて使用されるフオルマント反転フイ
ルタの実施例を示す図； 第６図は第１図に示す本発明による装置の好適
実施例による絶対値回路として使用される全波整
流器の概略図面； 第７図は第８図に示すコンパレータエレメント
のバンクに対する定電流源の概略図； 第８図は第１図に示す本発明の装置の好適実施
例によるｎ個のコンパレータエレメントのバンク
即ち群の一要素の概略線図； 第９図は、全て第１図に示す本発明の装置の好
適実施例による、狭幅の放電パルスに応答して積
分器を放電する装置を含む（典型的には10ミリ秒
の）低周波数のクロツク時間にわたり二レベルの
入力信号の全体作用時間を測定するために使用す
る積分器の概略図； 第１０図は第１図に示す本発明の好適実施例に
より、幅の狭い転送パルスに応答して積分された
信号をコンデンサに転送し（その転送は積分器の
放電作動の開始前に完了）、記憶された信号の低
インピーダンス表示を生ずる単純な標本および保
持回路の概略図； 第１１Ａ図から第１１Ｅ図までは、第１図に示
す最大コンパレータ２２へのｎ個の波形入力の中
の１個を展開し、調時された調音時間にわたり特
定のチヤンネルの全体累積作動時間を示す安定し
た信号レベルを提供するために第１図に示す最小
コンパレータ１８の急速応答二レベル出力が処理
される様子を示す図； 第１２Ａ図および第１２Ｂ図は、第１図に示す
本発明の好適実施例において、１つ以上の音声に
対して同じフオルマントが適用される場合、ある
種のフオルマント反転フイルタを多重使用する状
態を示す図である。 特定実施例についての説明 各図面を詳細に参照すれば、第１図には音声の
調音要素を認識し、かつ分類する本発明による装
置の好適実施例の基本的要素の概略図が示されて
いる。本装置は、特定の候補者の声道伝達関数を
瞬時に認識し、かつ選択する装置と、認識された
伝達関数をタイミングをとつて即ち調時して分類
かつ選択する装置とを含む。 音声を瞬間的に認識することは、集約して参照
番号１２（１…ｎ、）で指示する複数の声道反転
フイルタのバンクにより達成される。声道反転フ
イルタバンクは「ｎ」個の並列の反転フイルタチ
ヤンネルから構成でき、各チヤンネルは少なくと
も１個の複素反共振要素を有するフイルタから構
成される。典型的には反転フイルタバンク１２は
10個から100個のフイルタチヤンネルから構成さ
れ、前記チヤンネルの各々は共通の音声入力に接
続されている。各声道反転フイルタチヤンネル
は、所定の音声を話者が調音する場合の声道の特
定の共振状態の複素伝達関数を相反する伝達関数
を有する。 各声道反転フイルタチヤンネル１２（１…ｎ）
の出力における信号は、集約的に参照番号１６で
指示しかつ個別に参照番号１６(j)（ｊ＝１…ｎ）
で指示する全波整流器のバンクの中の１個により
信号の絶対値を示す信号に瞬時に変換される。各
全波整流器１６(j)（ｊ＝１…ｎ）は同じチヤンネ
ルｊにおける同じ番号の声道反転フイルタ１２(j)
に対応する。 特定の全波整流器の出力は、(n)個のチヤンネル
１８(j)（ｊ＝１…ｎ）を有する多数の最小入力電
流スイツチコンパレータ１８により実施される瞬
時選択装置により選択され、その選択はいづれの
特定の反転フイルタチヤンネルがいづれかの瞬時
における最小の出力振幅を有するかを指示する。
コンパレータ１８は、入力の音声に現われるもの
として仮定した特定の声道フイルタ機能の振動お
よび過渡特性を最も抑制する反転フイルタを認識
する。全てのコンパレータチヤンネル１８(j)（ｊ
＝１…ｎ）の出力は選択したチヤンネルを除き電
圧は零である。選択されたチヤンネルにおけるコ
ンパレータ１８の出力は零より大きい電圧であ
る。 調音時間に対する特定の短時間（典型的には10
ミリ秒）に対する主要なチヤンネルを決定するた
めに、積分器チヤンネル２０(j)（ｊ＝１…ｎ）の
群即ちバンクが設けられている。各積分チヤンネ
ル２０(j)は調音時間にわたりコンパレータ１８の
所定のチヤンネル(j)の出力を合算する。調音時間
は低周波クロツク２４により調時される。クロツ
ク２４からの転送パルスは標本装置２１の各標本
保持要素２１(j)（ｊ＝１…，ｎ）のパルス入力側
に到来する。標本保持要素２１(j)の信号入力側は
積分器２０(j)の出力側に接続されている。この出
力が要素２１(j)で記憶された直後、積分器の出力
側２０(j)はクロツク２４からのリセツトパルスに
より零にリセツトされる。次に、積分器は最小コ
ンパレータ要素１８(j)からの出力を累積する新し
いサイクルを開始する。 一方引続き、最大値のコンパレータ２２がいづ
れの標本保持要素２１(j)が記憶された最大電圧値
を有するか決定する。実際には、最大値コンパレ
ータ２２からの出力(n)が調音時間にわたり最大の
全体時間に対していづれの(n)チヤンネルが整流器
１６の出力側において最小の信号を有するか指示
する。このように、これらの出力はその決定が、
規則的な速度で行われることにおいて、同期調音
測定を含む。 選定されたチヤンネルにおいて零より大で、そ
の他の全てのチヤンネルにおいては零である出力
電圧により最大値コンパレータ２２から決定が指
示される。低周波数クロツクの各時間（典型的に
は10ミリ秒）に対して新規な決定が行われる。 ｎ個のコンパレータ出力の他に、可聴入力にお
いて音のない場合に応答する調音チヤンネル（ｎ
＋１）が設けられている。このチヤンネルへの入
力は「制御」電圧であつて、それは通常自動レベ
ル制御要素２８の内部で使用されている。この電
圧は各クロツクの時間（典型的には10ミリ秒持
続）の範囲内で測定される音声の振動ピークに追
従する。制御電圧が著しい言語音声レベルに対応
するレベルを上廻ると「静寂閾値」装置が「高レ
ベル」出力を発生させる。通常この装置は、自動
レベル制御装置が信号増幅を低下し始める振幅よ
り丁度上位にセツトされている。 また、静寂閾値要素により発生する抑止信号に
より「静寂」状態態が存在すると全てその他の調
音信号の発生を抑止するｎ個の抑止ゲート２３が
設けられている。静寂閾値出力を含む全ての調音
出力からなるｎ＋１個のチヤンネルの出力が本発
明による調音測定を行う。 前記の測定を反映する出力は、元の調音声道共
振パターン、即ち所定の言語の音声あるいは静寂
のパターンを選定したものとして前記出力を理解
する装置に対する入力として使用できる。積分器
の代りにカウンタで代替しうることを理解すべき
である。調時された時間に分類するプロセスは通
常の音声における最高速の調音速度と対比しうる
速度であるべきで、その速度は典型的には100ヘ
ルツ、即ちそれぞれ10ミリ秒の間隔に対応するこ
とが認められている。 さらに、特定の調音フイルタの機能を正確に認
識することを可能とするが、本発明による調音認
識および分類装置の精神と範囲を必ずしも限定す
るものと考えられないが、音声波形の入力側３０
と、反転フイルタバンク１２への入力側との間に
プレエンフアシス回路２６と自動レベル制御回路
２８とが使用されている。前述のように、プレエ
ンフアシス回路は低周波数に対してより高波周数
を増幅し、生の言語音声の波の種々の周波数成分
を均一化するよう平均化する。平均音声スペクト
ルの全体のバランスが得られ、これは声門音イン
パルスを、デルタ関数を示す狭幅のパルスに変換
することにより調音の各種形態を区別しやすく
し、そのため入力波形の伝達関数が音源とは関係
なく受動的声道の結果として現われようとする。
しかしながら、受動声道の周期的なインパルスの
励振により重複作用は存在し続ける。 最近の技術においてはプレエンフアシス回路は
音声処理への使用において周知のものである。プ
レエンフアシスによる出力はまだ通常の音声の波
形特性と似ており、そのような出力は高周波数が
異常に強調されるものの、まだ人間の耳には聞き
分けられる。 プレエンフアシス回路は２つの増幅段階を有
し、各段段は微分回路として作用する。第１の微
分は電気入力が入つてきたときに行われるが、こ
の第１段は1000ヘルツまでの低周波数の微分に限
定され、この周波数以上の周波数は線形増幅に戻
る。3000ヘルツ以上の周波数は微分する必要がな
く、第２の微分回路はこの点以上の周波数の線形
増幅器となりうる。音声スペクトルにわたり全て
の周波数に対して対比しうる平均的な強度が得ら
れることは音声の正確な分類に対して重要な機能
である。 自動ゲイン調整はレベル制御回路２８によつて
行われる。自動レベル制御回路２８は入力音声を
比較的一定のレベルに保つことより、広範なダイ
ナミツクレンジを低ノイズの超精密認識および分
類チヤンネルの必要性を排除する。レベル制御回
路が入力波形に現われる過渡および振動特性に干
渉しないことが重要である。自動レベル制御回路
２８は当該技術分野で共通の特定の良質の制御要
素のいづれかでよい。自動レベル制御回路２８は
ピーク振幅を調整し、一方調音入力波形の過渡特
性を保つようにされている。作動時、レベル制御
回路２８は最高速の通常の調音速度に対応する、
調時された典型的には10ミリ秒の時間にわたり、
その絶対ピークレベルにより入力音声波形を除す
ることができる。したがつて、入力波形のピーク
の絶対値は２個のクロツクパルスの間で測定さ
れ、全体のクロツク時間の間の増幅を決定するた
めに使用される。クロツク時間に等しい可聴遅延
が、ピーク測定動作に続き、かつ信号増幅調整に
先立つて信号チヤンネルに供給できる。したがつ
て、音声波形の調音速度部分が本質的に一定のピ
ークレベルに対して調整され、一方その特徴のあ
る過渡特性が失われることはない。割り算器は、
例えば絶対値回路およびコンデンサを放電しうる
電界効果トランジスタのような周知の要素と関連
して使用されるAD7513あるいはその均等物のよ
うな要素でよい。 第２図は、実際には参照番号４０−４６で指示
するフオルマント反共振フイルタのカスケードで
ある反転フイルタバンク１２（１…ｎ）の中の１
個の可能な形態を示す。反転フイルタ１２（１…
ｎ）は、そのフーリエ変換が１組の言語音声にお
いて有効な声道の伝達関数の相反を近似するよう
設計されているので実際には声道反転フイルタで
ある。反転フイルタバンク１２は自動レベル制御
回路２８から音声入力を受取り、音声信号は反転
フイルタチヤンネル（１，…ｎ）の各々へ入る。
各チヤンネルはフオルマント反共振フイルタの特
定の組合せを有する。フオルマント反共振フイル
タのカスケードは、本質的には声道の特定の共振
である特定のフオルマントの振幅と位相とに応答
する。 当該技術においては、認識に対して重要で、そ
れぞれ明確な周波数、範囲を有する４個の主要な
フオルマントが知られている。したがつて、フオ
ルマントのパターンは調音共振のパターン認識に
対する基準を形成する。音声波により搬送される
単一の共振は数個の異つた反転フイルタに近密に
関係しているが、１個のフイルタのみが音声波形
の前記全ての振動要素に近密にマツチングするよ
う正確に応答するので、音声の調音器官が新しい
音素表示に向かつて動くまでは音源のインパルス
間に該１個のフイルタのみの出力は最小となる。
このように、各カスケードはフーリエ変換領域に
おいて、フオルマント共振の特定パターンに対し
て相反的に対応するよう構成されている。各チヤ
ンネルを４個までの、あるいはそれ以上のフオル
マント反共振フイルタで構成してよいが、必要な
フイルタの数はマツチングすべき共振のパターン
によつて決まる。 第３図は例えば４０のような、単純な形式のフ
オルマント反共振フイルタを示し、該フイルタは
フイルタのカスケードを構成するために使用でき
る。抵抗７２および７４を使用した反転演算増幅
器７０は入力を受取り、フイードバツクループ７
８のバンドパスフイルタ７６と関連して作動す
る。この回路はバンドパスフイルタ自体が増幅し
ようとする形式の音声に対する反共振回路をつく
り出す。一連の、４個まで、あるいはそれ以上の
前記フオルマント反共振フイルタが、音声波で表
示される声道の特定の状態をマツチングするよう
作動する。 第４Ａ図は仮定音声共振の振幅および位相特性
を示す。これは単一共振回路の周知の伝達特性に
対応し、当該技術分野の専門家には音声フオルマ
ントの共振特性を合理的に近似するものと理解さ
れている。 第４Ｂ図は音声の反共振フイルタ要素の振幅と
位相特性を示し、第３図に示す如き回路の伝達特
性に対応する当該技術分野の専門家には２個のフ
イルタをカスケード化することによる周波数領域
の結果は、２個の増幅応答の積である振幅応答を
発生させ、位相応答は２個の位相応答の総和であ
ることが周知である。 第４Ｃ図は当該技術分野の専門家によつて、第
４Ｂ図に示す特性を有し、かつ所定組の音声調音
要素に対応する反共振フイルタを構成するために
使用される設計パラメメータを示す。 第１表は第２図に示す形態の20個のフイルタチ
ヤンネルからなる１組に対するフイルタ特性につ
いての、初期の最上モードの一覧表である。この
中に含むよう選定した音素は、それらが発生した
場合、先行あるいは後続の音素とは独立して通常
の音声内で持続する音素である。対照的に、音
素／ｅ／は例えばSayに含されておらず、話され
ると／ｅ／が通常二重母音／ε_I／を形成する組合
せである。「Say」という言葉において／ｅ／を
同定するには／ｅ／に対する特定のチヤンネルを
有さない分析器は、／ｅ／の周波数特性に最も近
密にマツチングする一連のフイルタチヤンネルに
応答するものと考えられる。二重母音に対する分
析器の出力は通常音／ε_I／と読める。次に音／
ε_I／のシーケンスが、／Ｉ／が後読する／ε／
は／ｅ／と同定されるというルールに基いてシー
ケンス対音素の辞典収録語によりコンピユータプ
ログラムで変換されうる。音素対言葉の辞書にお
ける次のサーチがシーケンス／eε_I／を「Say」と
いう言葉として同定する。チヤンネルの持続時間
ならびに辞典と辞書双方を決定するカウンタは本
発明の一部を構成はしないが、本発明の重要な局
面は言葉や句を同定するための調音測定出力を処
理する上でのコンピユータ操作の簡便性と速度と
にある。

【表】 第５図は第３図と類似であつて、前述のフオル
マント反共振フイルタと同様に動作する反共振フ
イルタ回路８０の好適実施例を示す。741型の集
積回路８２とその関連の抵抗８４，８６とは入力
波形が入ると増幅機能作用を行う。第２の741集
積回路８８、その関連の抵抗９０，９２，９６お
よび関連のコンデンサ９８，１００とが、特定の
声道フオルマントとマツチングし、かつ波形反共
振機能を提供するよう集積回路８２にフイードバ
ツクするフオルマント・バンドパスフイルタ機能
を果す。集積回路８８とその関連の要素とはマル
チプルフイードバツク・バンドパスタイプのフイ
ルタと分類でき、その共振特性はその構造上特定
フオルマントの中心周波数と周波帯幅に応じて変
わる。特定のフイルタの周波数と周波帯幅とはコ
ンデンサ９８と１００を比例的に同時に変えるこ
とにより変更できる。また反転フイルタ回路は可
変の周波数と周波帯幅を有するよう構成してもよ
い。抵抗とコンデンサとを予め選定することによ
り各種フオルマントの周波数や周波帯幅を初期セ
ツトしたり変更するには、周知のバーブラウン
（Burr Brown）バハンドブツクを含む多くのハ
ンドブツクを参照すればよい。 本発明によれば、反転フイルタの各カスケード
は、音声信号が一連のデルタ関数に近づく該当チ
ヤンネル上で明確な信号を発生させるよう、ある
声道形状から発生する音声信号と相反的にマツチ
ングするよう組合わされて構成されている。全て
のフオルマント反転フイルタ回路８０は、各々の
回路の抵抗とコンデンサの値が、低いデユーテ
イ・サイクルの音源インパルス間で最小の出力を
発生させるため特定組の調音共振によつて変化す
ることを除いては概ね類似している。第５図に示
すフオルマントフイルタは第２図に示すカスケー
ドの中のほんの１個のフイルタであることに注意
すべきである。 以下の問題は本発明によつて反転フイルタバン
クを構成する上で考慮すべき領域を述べる。 Ａ 各フイルタの適正応答性を設定する方法 各話者に対してフイルタの適正応答性を設定
するには数種類の過程が必要である。それら
は、 １ 音声ライブラリの選定 ２ 対応するインパルス応答の記録 ３ 声道伝達関数の計算 ４ 声道反転フイルタの計算 ５ 反転ライブラリの選定 １ 音声ライブラリの選定 本発明に対する入力は連続した調音過程を個々
に近似したモデルから出発する。前記モデルの声
道フイルタは例えば英語の持続性のある音素ある
いは前記音素の部分集合を表示するよう構成され
る。英語の持続性ある音声は（大略）母音（／
ｉ／，／Ｉ／，／ε／，／／，／α／，／
δ／，／Λ／，／〓／，／Ｕ／，／ｕ／）、摩擦
音（／Ｓ／，／∫／，／／，／θ／，／ｈ／）、
有声摩擦音（／Ｚ／，／Ｖ／，／Ｏ／，／３／）、
および鼻音（／ｍ／，／ｎ／，／〓／）である。
前記の中にあるものは、例えば／／や／θ／お
よび鼻音／ｍ／，／ｎ／，／〓／のように可聴音
−発音レベルにおいて同じ音声として処理しう
る。当該技術分野においては、前記後者のグルー
プ内に入る要素は、隣接する母音に対して、ある
いはそこからの調音の変移を基準に区別しうるこ
とが知られている。 ２ 声道インパルス反答の記録 所定の人が発音する所定の音声の認識基準を設
定する基本的な測定方法は声道インパルス応答
で、次にフーリエ変換による声道伝達関数であ
る。声道インパルス応答は「人工喉頭」を使用す
ることにより、あるいは音源インパルスを声道へ
導入するために声道へ挿入された変換器により所
定の人間から確認できる。その結果としての出力
は唇からある距離をおいたマイクロフオンを介し
て記録できる。前記方法の重要な要件は（声道が
フイルタとして扱われる場合）フイルタ応答に何
らオーバラツプがないようにするに十分インパル
ス速度が遅くされることである。フイルタのイン
パルス応答を定義すれば単一の（理想的な）イン
パルス応答するその出力である。音源の多数のイ
ンパルスによりオーバラツプが発生すると、出力
はインパルス応答を正確に表示していない。ピツ
チの非常に低い話者の発声音は極めてオーバラツ
プの少ない一連のインパルス応答として現われる
ので、それらは声道伝達関数、次に反転フイルタ
バンクを得るため直接使用しうる。 プレイバツクセグメントを選定するために、カ
ーソルを備えたデジタル記憶オシロスコープのよ
うな波形記録装置が声道インパルス応答ライブラ
リを収集するのを支援するため使用できる。 前述の方法は声門で励振した母音やその他の音
声に特に適しているが、摩擦音の場合は適用可能
でないかもしれない。これらの場合、発行された
データ、あるいは出力を聴きかつそれを目標とす
る音声の記録と対比しながらパラメータを調整し
うる音声モデルの出力によればよい。勿論、この
方法は反転フイルタバンクを構成する上で使用す
るパラメータを確認する主要な方法として使用し
うる。音声処理技術の専門家であれば、音声合成
に使用され、かつ特に「ターミナル・アナグロ音
声合成装置」として周知の装置に使用されてきた
前記方法を利用しうるであろう。 前述のことから、一人の話者が話す基本言語音
声の選定した言彙に対応する一組のインパルス応
答が得られる。各音声のインパルス応答は最最初
の振幅の大きい振動を有し、徐々に、数ミリ秒
（10から20ミリ秒）で基本的に零まで消滅する。
声道インパルス応答を測定する上での重要な配慮
は、応答波形が単一の音源インパルスによること
である。近接する音源インパルスからの重畳によ
る何らかの影響が記録された結果において誤差を
生ぜしめる。 ３ 声道伝達関数の計算 事実、言語音声のライブラリに対応する前述の
組の声道インパルス応答はかなり複雑な突発性即
ちバーストがあり、これは時間の関数として電圧
により表示され、かつ実際には音声の突発（ｔ＝
０）から始まり、全ての振動が本質的に消滅する
（ｔ−t_h）まで続く短い（20ミリ秒程度）音声部
分により近似しうる。インパルス応答の組は、ブ
ラウン管上に表示されるインパルス応答から撮つ
た写真のようなグラフ形態で存在するか、あるい
はコンピユータ記憶装置に標本化され、かつコー
ド化された形態で記憶できる。 声道伝達関数は声道インパルス応答のフーリエ
変換である。ｎ番目の言語音声ライブラリに対応
するｎ番目のインパルス応答がg_o(t)により表わさ
れるとすれば、対応する音声伝達関数Gn(f)は下
式で表わされる。 Gn(f)＝∫^th _pg_o(t)exp（2πjft）dt これは周波数の複素関数であつて、Gn(f)＝An
(f)＋jBn(f)で書きかえてもよい。当該技術分野の
専門家には、音声共振器の特性により、Gn(f)は
有限であつて、音声が占める周波数範囲にわた
り、非零であつて、従い有限で、かつ音声の周波
数範囲にわたつて複素反転性を有することが判
る。 ４ 声道反転フイルタの計算 Ｇ(f)＝Ａ(f)＋jB(f)の伝達関数を有する所定の
音素に対しては、声道反転フイルタは前記関数の
相反形即ち反転形である伝達関数を有する。即
ち、 G_I(f)＝１／Ｇ(f)＝１／Ａ(f)＋jB(f) またはＡ(f)−jB(f)／（Ａ(f)）²＋（Ｂ(f)）² 声道伝達関数は言語処理技術の専門家によりイ
ンパルス応答から簡単に計算できる。声道伝達関
数はグラフ形式におけるプロツトの対（実数と虚
数）として、あるいはコンピユータ記憶装置にお
いて標本化し、かつ符号化したデータの複素アレ
イとして表示することができる。 ５ 反転フイルタの計画 ネツトワーク合成およびフイルタ設計における
専門家は前述の複素関数に近密に対応してフイル
タを容易に構成できる。好適実施例においては、
反共振が声道の伝達関数における共振と対応した
反共振フイルタのカスケードとして設計される。
したがつて、実際の動作において、声道伝達関数
と反共振フイルタの特定カスケードの間にマツチ
ングが行われ、その出力は、１ 周波数領域にお
いて平坦スペクトルとなり、２ 時間領域におい
て音源インパルスとなる。フイルタのカスケード
における特定の要素は、対応する声道伝達関数の
プロツトから測定した中心周波数と周波帯幅と反
転マツチングするよう構成できる。 中心周波数と周波帯幅とが調整可能とされるこ
とを除いて声道の周知の特性にしたがつて装置が
構成されることによつて所定の音声がフイルタの
中心周波数と周波帯幅とを試行錯誤式の調整によ
りつくり出せるようにする方法が可能である。前
述の調整は記録された音素の連続的繰返し、詳し
くはある数の言語音声ライブラリに対する装置と
関連して行われる。 合成された音声が記録された例と近似する場
合、そのパラメータ、特に種々の共振周波数と周
波帯幅とを測定、かつ書き留めることができる。
前記測定目的に使用する装置は、本質的にターミ
ナル・アナログ音声合成装置であつて、その構造
は当該技術分野では周知である。 また、各種反転フイルタのパラメータは調整可
能の反転フイルタのカスケードを含む装置によつ
て確認できる。この方法により、声道インパルス
応答、あるいは声道伝達関数のいづれかを得る必
要はなくなる。反共振周波数と周波帯幅とは入力
音素がテープループあるいは波形レコーダにより
連続的に繰返されている間に調整される。その出
力はオシロスコープにより観察でき、かつオシロ
スコープで観察でき、その出力の振動特性を最小
にするため反共振が調整される。前記調整は試行
錯誤により行う必要がある。前記調整の各々は、
全ての振動要素が除去され、音源の波形のみが残
るようなるある組合せが見出されまで次々と調整
される。この調整は、反転フイルタのライブラリ
の全てのものが設計されるまで種々の音素に対し
て繰り返される。 Ｂ フイルタバンクの適正応答を設定する方法 可聴音音素認識のために反転フイルタバンクを
構成する場合の重要な配慮は正規化の方法であつ
て、それにより特定のいづれかの出力に対して確
実に何ら偏りのないようにすることである。正規
化方法は本発明に対して入力を提供する調音モデ
ルに対して、ロスレスフイルタの概念を適用する
ことに基いている。 １ フイルタバンクの正規化 フイルタバンクの適正応答を設定するために使
用しうる理論的な方法は「ロスレス・フイルタ」
理論に基いている。厳密にいえば、この理論は入
力エネルギと等しい出力エネギを有するフイルタ
に適用される。また、この理論はエエネルギ損失
が一定の場合、即ち本発明のように全ての声道フ
イルタ内での損失が等しいと想定しうる場合にも
適用しうる。 音源インパルスＩ(t)が下記のように狭い場合を
検討する。 ∫^∞ _-∞〔Ｉ(t)〕²dt＝１ 入力としてロスレスフイルタに適用されると、
フイルタの応答Ｒ(t)は以下の通りである。 ∫^∞ _-∞〔Ｒ(t)〕²dt＝１ 第１のロスレスフイルタの相反であり、該フイ
ルタとカスケード形態である第２のロスレスフイ
ルタの場合、Ｉ(t)に対するカスケードの応答V_p
(t)は音源のインパルスＩ(t)が再生されるようなも
のである。即ち、V_p(t)＝Ｒ(t)^*R_I(t)＝Ｉ(t)ここで
＊はたたみこみ（convolution）を示しR_I(t)は反
転フイルタのインパルス応答である。 声道モデルはロスレスフイルタのバンクであつ
て、反転フイルタバンクがロスレススフイルタか
ら構成されているので、正確にマツチングされた
反転フイルタの出力における全体的な結果は元の
エネルギを備えた音源インパルスを再生している
ことである。このように、このチヤンネルにおい
ては再生したインパルス間の波形活動はほとんど
ない。ここで、実用的な認識装置が機能する状況
によつて、唇からマイクロフオオンまでの距離に
より音声の減衰と遅延があるが、これは全ての音
声に対して一定であつて、したがつて、システム
の作動を理解する上で重要でない。 反転フイルタバンクを構成する場合、ロスレス
フイルタ理論に一致するよう注意する必要があ
る。完全な反転フイルタ（フイルタのカスケード
でもよい）の各々の伝達関数R_N(f)は∫^∞ _-∞R_N(f)
(f)df＝一定という特性を有する必要がある。ここ
で、(f)はRN(f)の共役である。実際には、こ
れは一定の「ホワイトノイズ」入力電圧に応答す
る一定の出力即ちRMS電圧に対応する。各フイ
ルタの出力においてゲイン調整が行われ、ホワイ
トノイズを入力側に供給することにより反転フイ
ルタバンクについて最終調整が行われ、かつ
RMS電圧計において一定の出力に対してフイル
タが調整される。 当該技術分野の専門家には、ロスレスフイルタ
理論に基く前記手法を使用することによりフイル
タバンクが正規化されることが理解される。した
がつて、このように設定されたフイルタは、その
ために反転フイルタバンクを設けた全ての言語音
声に対して偏りをもつことなく応答する。 ２ 正規化におけるスペクトル平坦化の役目 特定の言語の音声に対する何らかの偏りを阻止
するために、特にフイルタバンクの正規化におい
て本発明によるモデルを構築し、かつ使用する技
術における専門家には反転フイルタとスペクトル
平坦化との関係を理解することが有用なので、本
明細書ではスペクトル平坦化の問題を含めてい
る。 音声認識の技術分野における専門家には、多数
の人々に対する平均的な音声スペクトルは平坦で
はなく、そのピークは音声スペクトル低い方の端
近くにあることが理解される。この周波数特性は
唇における放射特性により若干緩和された、声門
音響源の特性によつて生じるものと理解される。
スペクトル平坦化を行うことにより音声波があた
かもインパルス源によつて発生したようにさせ
る。 プレエンフアシスあるいはスペクトル平坦化機
能は本質的には、各反転フイルタの一部であつ
て、声門および摩擦音の音源の波形ならびに唇に
よる音声エネルギの放射によるスペクトル作用を
補償する。第１図に示すプレエンフアシスのブロ
ツク図は声門波形および組合わされた放射特性を
変換するための反転フイルタを近似する。声道反
転フイルタは全ての反転フイルタチヤンネルの前
記共通要素を反映しないようにされている。 スペクトル平坦化を適用すると、スペクトルの
全ての部分振幅を音響音素の同定の重要性と対応
させようとする傾向がある。またこれは、声道反
転フイルタのバンクの入力に対して、平坦な長時
間の平均的なスペクトルを近似し、その結果、全
体の正規化に対してフイルタチヤンネルを調整お
よび（または）試験する、即ちフイルタバンクに
対して平坦なスペクトル（ホワイト）ノイズを適
用し、かつ必要に応じてゲインを調整し全てのチ
ヤンネルから同じRMSを得るための実用的な手
段を提供する。 ３ 実用的な実施方法 フイルタバンクの各々がロスレスフイルタであ
り、あるいは各々が一定のロスを有するように構
成されたフイルタバンクは、他の音声に対してい
づれの音声についても選好性の偏りが最小にされ
ているという意味ですでに正規化されている。実
際には、適度の正規化に対してフイルタバンクの
各要素を試験および（または）調整する手段を提
供することが望ましい。 プレエンフアシスまたは「スペクトル平坦化」
が作用することによつて、声道反転フイルタのバ
ンクの入力に近似した平坦な長時間の平均スペク
トルを得る。フイルタバンクの正規化のための試
験は全体のバンクにわたり（理想的な場合零にお
いて）ロスを均等化する試験を解してよい。ロス
の均等化はプレエンフアシス後のフイルタバンク
にホワイトノイズ電圧を与え、各フイルタ出力に
おけるRMS電圧を測定することにより試験でき
る。全てのRMS出力が等しい場合、フイルタバ
ンクは適度に正規化され、偏りなく入力言語音声
に応答する。 Ｃ 調音タイプのマツチング 調音の「タイム」とは声道の種々の特性および
音声情報形成における前記特性の変化といえる。
調音過程における２つの音響的に重要な要素１）
音響源と２）音響源に作用する声道の形状であ
る。また、調音の「タイプ」は言語、方言、アク
セントを含む音声のタイプならびに例えば強調し
たり、ささやいたり等のより個人的で、かつ表現
上の音声の特性ともいえる。 １ 調音モデル 「調音のタイプ」の規定は最も適切には音源の
特性あるいはタイプといえるが、調音の場所や、
言語を調音することに関連する生理学的なその他
の中味に関してそれ以上細く分割できる。本項の
応用は、音源の存在する調音のモデルと、言語の
明確な音声の各々に関連した声道フイルタとに基
いている。ある種の音声は調音動作の結果である
が、個々に近似したモデル、即ち一連の適当な音
素モデルを動作させることによつて対処される。
当該技術分野の専門家には調音器官を働かすこと
により音素の知覚性が持続性のある音素からとつ
た一連の短く接続されたセグメントによつて模擬
しうることが理解される。 ２ 音響の音源タイプ ほとんどの言語の調音に関係する音源は３つの
タイプがある。それは１）声門音２）摩擦音およ
び３）破裂音である。声門音の音源は一連の略周
期的なインパルスを発生し、一方摩擦音は一連の
ランダムなインパルスを発生させる。モデルの破
裂音の音源は単一のインパルスを発生させる。本
発明はピツチあるいは音源のパターンに関係な
く、一連の声道フイルタを同定する方法である。
声門音源によりつくり出される音声の場合、本発
明は、所定の音声を、所定の声道形状によりつく
り出されるものとしてデルタ関数を近似する狭幅
のインパルスである音源インパルスを最もよく再
生する反転フイルタチヤンネルを選定することに
より検出する。好適実施例においては、前記検出
は再生されたインパルス間の最小の波形活動を検
出することにより行われる。最良の音源インパル
スの再生はそのインパルスのパターンに依るので
はないため、本発明は種々のタイプの音響の音源
によりつくり出される種々タイプの調音をマツチ
ングさせることができる。 ３ 調音器官 本発明を理解すれば、音声の調音器官は種々の
形状を伴つて運動し、そのため音響源の１つから
発生する音響信号に音声上の情報を付与すること
が判る。摩擦音や破裂音の場合、同じものが音源
および調音器官の双方として作用しうる。調音は
主として、舌、唇およびあごの運動を介して行わ
れる。舌は硬口蓋、歯肉の隆起部および歯と共に
音響空洞を形成する。唇は母音を唇を丸くして発
音する場合歯と共に、かつ歯に対して作用する。
下あごは、ある子音の調音の間上下に運動し、か
つまた特徴のある母音の共鳴を形成する１つの要
素である。調音における別の要素は鼻音による子
音の形成において軟口蓋により鼻の空洞を結合さ
せたり離すことである。 本発明は声道の形状およびその変化によりつく
り出される種々タイプの調音をマツチングさせる
ことができる。本発明による声道反転フイルタは
各々の明確な持続性ある音素を直接マツチングで
きる。当該技術分野の専門家には、調音器官を動
かすことによりつくり出される言語音声は持続性
ある音素の一連の接続されたセグメントにより近
密に近似でき、したがつて、反転フイルタのライ
ブラリは、着実で、かつ運動する調音器官による
調音を近密にマツチングできる。 ４ 言語および方言 反転フイルタバンクは明確な持続性のある音素
にマツチングするよう構成されているので、特定
の言語や方言に対して適正化されていることは勿
論である。ある場合には、２種類の言語あるいは
方言の調音要素が、その双方に対して１個のみの
フイルタバンクで要を足すに十分類似であるかも
しれない。その他の場合には、特定の言語あるい
は方言に対して適正化したフイルタバンクを構成
することが望ましいかもしれない。 異なる方言や言語が調音の「タイプ」と考えら
れるという観点から、それらは３種類の方法の中
の１つによりマツチングできる。即ち、１）別の
言語あるいは方言を概ねマツチングさせるため１
つの言語または方言に適正化したフイルタバンク
を直接的に使用すること、２）別の言語あるいは
方言に対して適当に作用するよう１つの言語に対
して適正化されたフイルタバンクのフイルタエレ
メントを追加および（または）代替することによ
り修正を行うこと、あるいは３）新規の言語また
は方言に適正化された新規のフイルタバンクを構
成することである。前記３種類の方法の１つを使
用することにより、本発明は異なる言語や方言に
よつてもたらされる種々タイプの調音をマツチン
グできる。 ５ 異常形態および表現のタイプ 最も近代的な言語は基本的に同じ全体的な方法
により調音されるが、欧州の言語群内でさえも、
調音過程での全体的な特質においてではないも
の、ある種の際立つた差異がある。その差異は喉
音音声、声門停止音および子音群を使用した場合
に発生する。本発明をこれらの形態に適用した場
合何ら困難はない。しかしながら世界のある地域
の隔絶された人々によつて使用される、口笛や、
トーンおよび擬音語のタイプがある。しかしなが
ら、これらは言語として明確に分類することは不
可能なので、本明細書では調音の「タイプ」とし
て扱わない。 人間はその音声のトーンにより広範囲の感情を
表現することができ、かつその声を種々の音響環
境に適合させることができる。これら表現タイプ
のあるものは１）強調したスピーチ、２）叫び、
３）かん高い泣き声、４）もぐもぐいうこと等で
ある。ほとんどの部分に対してはそれらは声道内
の各種の筋肉を緊張させることにより制御され、
そのために声門の波形および（または）調音の間
の口腔の空洞の硬直性や精密性を変える。これら
種々の表現タイプをマツチングさせるため本発明
の使用において採られる方法は１）通常の調音に
本来の構成を合わせる、２）種々の表現タイプか
らの例を用いて作動試験する、３）初期のセツテ
イングにより確実に認識されない調音要素を網羅
するためフイルタチヤンネルを修正、および（ま
たは）追加することである。１つの特定の表現タ
イプに対する性能を最大にするニーズがあるとす
れば、該タイプを基準にフイルタバンクを構成す
ることは可能である。したがつて、本発明は感情
ならびに環境から生じる調音の各種タイプをマツ
チングさせることが可能になることが判る。 ささやくような音声の場合も同じ基本的方法を
採ることができる。もつとも、この場合は通常の
調音において声門の振動により励振される音声は
声門の抑制部を通過する空気により励振するが、
空洞の配列は双方の場合同じであつて、したがつ
て有声音とささやかれた音声の双方に対して同じ
フイルタバンクで十分である。ささやかれた音声
に応答する本発明のフイルタバンクの出力は一連
のランダムパルスである。再生された狭幅の音源
インパルスを除いて、最小の波形活動を有する出
力チヤンネルは認識された調音種類を指示する。 Ｄ 人声タイプのマツチング 本発明は人の声のタイプを３種類の方法の中に
１つによりマツチングできる。 １ ある場合には、ある人に対するフイルタバン
クが他の人の声のタイプに対して十分機能す
る。 ２ ある場合には、ある人の声のタイプに対する
フイルタバンクを、他の人の声のタイプにも十
分機能するようフイルタを追加、代替あるいは
並列に使用して修正することができる。 ３ ある場合には、著しく異常の声のタイプを網
羅するよう全く新規のフイルタバンクを構成す
る必要がある。 人の声の種々のタイプをカバーするための付加
的な方法がある。即ち、 ａ 話者のカテゴリーを認識することにより、フ
イルタバンクの１つがいづれかの周知の１つの
声あるいは声のタイプに対して良好な性能を提
供するよう構成された多数のフイルタバンクが
設けられている。 ｂ 調整可能フイルタバンクの認識により、例え
ば平均的な男性と女性との間に見出されるよう
に、声道寸法の差を補正するようフイルタバン
クの全ての反共振性が同時に調整可能である。 ｃ 個々のパラメータによる方法により、反転フ
イルタバンクの全ての反共振性に対して均等に
個々のフイルタが調整され、そのため個々の話
者に対して適正な性能を達成するため個々の話
者に対してパラメータが調整できる。 Ｅ 人の音声スタイルのタイプのマツチング １ ピツチおよびピツチ抑揚 音声スタイルのこれら要素は、前述した本発明
による基本的なピツチ不感応性により対処され
る。 ２ 調音速度 本発明の調音速度に対して決定した速度は通常
の最も速い調音速度に追従するに十分速いものと
想定される。したがつて、調音認識装置は調音過
程の十分詳細な画像を提供するので、入力された
調音の全ての意味を抽出し、かつ認識するようよ
り高レベルの処理を行うことができる。 ３ 強調と明確さ 強調された調音は相手に判つてもらうよう意識
的な努力の結果として現われ、強調されていない
調音よりさらに明確であると考えられる。本発明
は、強調された、即ち明確な調音、に対して構成
しうることは勿論であるが、そちらは通常の調音
の変形とも感じられ、したがつて通常の調音に対
して構成されたシステムによつて多分認識可能で
ある。 ４ 粗雑な発声およびささやく発声 粗雑な発声は通常の変形と考えられるが、他方
ささやかれた発声は概ね周期的な声門の音源の代
りにノイズ状のランダムインパルス発生源に代替
する。本発明は音源インパルスのパターンに対し
ては不感応性として示してきたので、ささやかれ
た発声に応答することは可能である。 一時第１図を参照すれば、全波整流器１６は、
その各チヤンネルの声道反転フイルタのカスケー
ドの出力側における修正された音声波形を一方向
性の形態に変えている。第６図に示すように、第
１図の全波整流器１６は741型集積回路１１０と、
その関連の抵抗１１２，１１４およびダイオード
１１６，１１８により実施できる。全波整流器
は、いづれかの瞬間に対してどの反転フイルタカ
スケード１２(i)（ｊ＝１…ｎ）が最小の絶対値出
力を有するかをコンパレータ１８が決定しうるよ
うにする信号を提供する。 (n)個のチヤンネルを有する第１図に示す、マル
チプル入力電流スイツチコンパレータ１８はいづ
れかの瞬間に対して最小の絶対値回路出力を選
定、かつ決定し、それ自体の出力信号によりチヤ
ンネルを指示する。いづれかの瞬間に対して、唯
一個の反転フイルタが零に近い最小出力を有し、
そのため対応する１個のコンパレータの出力が絶
対値回路を介して使用可能とされる。実際には、
コンパレータ１８は単に、マルチプル入力電流ス
イツチである。 コンパレータ１８の目的は、ｎ番目の反転フイ
ルタ信号を表わすｎ番目のチヤンネルから、最小
の絶対値を有するものを連続的、かつ瞬間に選定
することである。ｎ番目のコンパレータの出力側
の信号はバイナリの形態であるが、瞬間作動のた
め狭いスパイクと、種々の長さのパルスを含む。
瞬間性のコンパレータ５Hz程度の速度で切換える
ことが可能であるべきである。 参照番号１２４は番号１８の一部であつて、定
電流源として作動するトランジスタである。作動
の詳細は第７図参照のこと。「ON」状態におけ
るエミツタ電圧V_BEへのベースは典型的にはシリ
コンPNPトランジスタタイプ2N3906用の−0.8ボ
ルトである。V_Bはデバイダ抵抗R₁およびR₂によ
りV⁺よりさらに引かれた２から３ボルトに選定
される。次に、エミツタの電圧V_EはV_E＝V_B−
V_BEにより与えられるので、R₃でつくられた一定
電流I_Cは次式から与えられる。 I_C＝V⁺−V_B＋V_BE／R₃ トランジスタタイプ2N3906の高いh_feにより、
ベース電流I_Bは負荷電流I_Lよりはるかに小さく、
したがつてI_L，I_Cは第８図における電流スイツチ
トランジスタ１２２の全体バンクに対する一定電
流供給を行う。 さて第８図を参照すれば、第１図に示すコンパ
レータ１８(i)が示されている。コンパレータエレ
メントのバンクにおける各トランジスタ１２２の
エミツタは第７図に示す一定電流源トランジスタ
１２４に接続されている。また、電流スイツチト
ランジスタ１２２は「ON」状態で、V_BE＝−0.8
ボルトのタイプ2N3906トランジスタである。ト
ランジスタ１２２への入力電圧V_iの一つは他のい
づれに対してよりも負であるため V_E＝min（V_i）＋0.8V または min（V_i）−V_E＝−0.8ボルトである。 その他全てのトランジスタのエミツタ電圧に対
するベースは下記によつて得られる。 V_i−V_E＞−0.8ボルト、V_i≠min（V_i）に対し
て。 これは、前記トランジスタにおいて電流を遮断
する方向であり、したがつて、全体電流は一定な
のでmin（V_i）を有するトランジスタにおいてさ
らに電流は増える。入力としてmin（V_i）を有す
るトランジスタは定電流源トランジスタ１８によ
り供給される電流のほとんどを導く傾向があり、
そ他のトランジスタはその特性曲線の急な屈曲部
により全体の一定電流I_Cの中のはるかに小さい比
率を占める。 入力としてmin（V_i）を有するものを除いて第
８図に示す全てのトランジスタ１２２は遮断され
るか、その方向に行く傾向がある。遮断されるト
ランジスタはこのコレクタにおいて本質的にV^-
であり、これがNPNトランジスタタイプ2N3904
である対応するエレメント１２６のベースに供給
される。また前記トランジスタのエミツタにV^-
が現われ、V_BE０であつて、それらは導通しな
い。最も激しく導通しているトランジスタ１２２
は対応するトランジスタ１２６のベースにより少
ない負の電圧を供給して該トランジスタを導通
し、該トランジスタのコレレクタに負の電位を提
供する。トランジスタ１２２の入力側に正のフイ
ードバツクが供給され、そのため作動ポイントが
わづかに移動するという犠性により堅実な決定が
行われる。本質的には、前記線図におけるフイー
ドバツク抵抗はオームが大きく（典型的には
150KΩ）、後続するレベル検出回路に著しい影響
を与えない。また、オーム値の小さいレジスタ
（典型的には100Ω）のエレメント１２０は正のフ
イードバツクネツトワークの一部として使用さ
れ、全ゆる瞬間において最小入力の明瞭な決定を
保証するよう入力信号のバランスを極くわづかに
変える。 いづれかのエレメント１２６が非導通のとき、
タイプLM３１１、またはＭ３９９の〓でよい集
積回路コンパレータ１２７の（−）入力側にレジ
スタを介して電圧入力１３２において正の電圧が
供給される。（−）入力に供給される正の電圧は、
対応するエレメント１２６が非導通とき、（＋）
入力に供給される基準電位よりも大きい（より正
である）必要があり、その結果エレメント１２７
からの出力は零となる。 エレメント１２６が導通しているとき、そのコ
レクタは負となり本質的にはV^-までとなり、そ
の結果、入力１３２から電圧の効果は零となり、
負の電位がエレメント１２７の（−）入力側へ送
られ、その出力を完全に正とさせる。ダイオード
１２８は（−）入力側を過度に負の電圧から保護
する。 第１図に示す積分器の群即ちバンク２０は、そ
の中の１個を第９図に示す(n)個のチヤンネルを有
する。 第９図に示す各積分器エレメントは、対応する
最小のコンパレータエレメントから出力を受取る
入力側を有し、積分器エレメントは、反転入力側
に対して直列の抵抗１４１と、フイードバツクル
ープ１４２のコンデンサ１４４とを備えた高イン
ピーダンス入力の演算増幅器１４０を含む。この
回路はクロツクされた時間中のコンパレータチヤ
ンネルの作動を、全体時間の中のクロツクされた
時間の終りに指示する線形積分器である。積分器
バンク２０の各要素は、電界効果トランジスタの
入力演算増幅器のタイプLE13741（参照番号１４
０）であつて、フイードバツクループにおけるコ
ンデンサ（参照番号１４４）を有するものと、第
１図に示すクロツク２４からのクロツクリセツト
パルスに応答してコンデンサを放電するようにコ
ンデンサを横切つてAD7513の二重アナログスイ
ツチの1/2から構成されるアナログスイツチとを備
えている。反転入力は充電レジスタに対して事実
上アースとして現われるので、積分は線形であ
る。積分出力レベルは、入力パルスが常に正ある
いは零であるのでエレメント１４０の反転により
常に負となる。調音速度をクロツクした時間の終
りと、アナログスイツチ１４６により積分器をリ
セツトする前に、最大値コンパレータ２２の入力
側における積分レベルは第１０図に示す標本保持
回路により第１０図に示すコンデンサ１５０へ転
送される。前記コンデンサは次のクロツクされた
時間の間前記レベルを保持する。先行する最小コ
ンパレータ１８のONの状態での積分値はクロツ
ク時間全体にわたりその全体値でコンデンサ１５
０において保持され、最大値コンパレータが各調
音時間に対して、最高即ち最大の積分信号を選定
できるようにし、そのため１つのクロツク時間に
おける支配的な反転フイルタチヤンネルを識別
し、次のクロツク時間の間その結果を表示する。
高入力インピーダンス演算増幅器１５２はコンデ
ンサを著しく放電することなく、該コンデンサ１
５０に記憶された電圧に対応する出力を発生さ
せ、該出力は対応する最大値コンパレータエレメ
ントに接続されている。コンデンサ１５０にかか
つている電圧は、第１図に示すクロツク２４から
の転送パルスによりアナログスイツチ１４８が瞬
間に閉鎖するとき新しい値が提供されるときまで
変らない。 第１１Ａ図は最小値コンパレータ１８のエレメ
ントの二レベルの出力の典型である波形を示す。
前記波形は５ＫHzまであり、かつそれを上廻る周
波数で発生するパルスを有する。第１１Ｂ図と第
１１Ｃ図とは、それぞれ転送パルスとリセツトパ
ルスとから構成され（典型的には100Hzである）
調音速度における狭幅のクロツクパルスである。
これらは、クロツク時間の間最小コンパレータの
チヤンネルの全体作動時間の決定において、積分
器２０と共に使用される。第１１Ｄ図は積分器２
０の出力波形を示す。この積分器は前述の狭幅の
リセツトパルスにより零にリセツトされ、次に第
１１Ａ図の波形を積分する。転送パルスに到来
時、積分レベルはアナログ電流スイツチエレメン
ト１４８を介して第１０図のコンデンサ１５０へ
転送される。第１０図に示す電圧フオロワ１５２
はFET高入力インピーダンスタイプLF13741で
あつて、そのためコンデンサ１５０の積分レベル
は第１１Ｅ図に示すように、次のクロツク時間の
間その出力側で現われる。 上に示した波形分析は最小コンパレータチヤン
ネルの作動時間を測定し、最大コンパレータに入
力を提供する方法を提供する。積分器をリセツト
することによる「不作動時間」は、調音時間と比
較して極く短い時間内に転送リセツトが完了する
限りは影響はほとんどない。 最大コンパレータ２２は、第８図に示されるコ
ンパレータエレメントをｎ個と、第７図に示され
る定電流源とを含む最小コンパレータ１８と同一
である。即ち、最大および最小コンパレータに同
一の回路を使用できる。電圧フオロワ１５２の最
大負の出力が最大コンパレータの出力を決定し、
一方前述のように、最小コンパレータが絶対値エ
レメント１６の出力のうち最小の正の値を得る。
コンパレータ回路は正および負の双方の範囲で作
動しうるので、双方のコンパレータに対して同一
の回路を使用しうる。 コンパレータ１８と２２は声道に最も近密にマ
ツチングする反転フイルタを選択するため調音入
力に応答して作動する。最小コンパレータ１８
は、全ゆる瞬間において最もよくマツチングした
反転フイルタを支配する、整流されたフイルタ出
力に対して瞬時に応答する。最大コンパレータ２
２は、調音速度で作動し、マツチングした支配的
な反転フイルタと応答し、そのため入力信号がそ
の中から発生した仮定／声道を表わし、かつ同定
する出力を提供する。 最小コンパレータの認識基準は１つである。該
コンパレータは反転フイルタと減衰チヤンネルと
の出力の中から最小の絶対値信号を有する１つの
チヤンネルを瞬時に選択する必要がある。フイル
タバンクの出力側に供給される計算ずみ重み付け
の形態の正規化は、本発明の基盤となつている音
声認識モデルによるシステムにおいては必要でな
い。これが正しいということは以下簡単に示しう
る。 単一の声道音源インパルスは時間領域において
ｉ(t)および周波数領域においてＩ(f)として表わす
ことができる。Ｈ(f)により提供される音声生成モ
デルの声道フイルタと、音声認識モデルのマツチ
ングした反転フイルタH_I(f)とが組み合わされて
オールパスフイルタを形成する。したがつて Ｉ(f)・Ｈ(f)・H_I(f)＝Ｉ(f) で逆フーリエ変換はF^-1〔Ｉ(f)〕＝ｉ(t)により提供
される。これはｉ(t)が理想的モデルにおいて元の
振幅で再生されるという意味で正規化を意味す
る。 実際の音声に基いて作動する実用システムにお
いては、口からマイクロフオンまでの距離によつ
て減衰を表わす常数Ｋが加えられ、認識装置の入
力側に導入される増幅を含むことができる。ま
た、唇からマイクロフオンまでの伝播時間のた
め、遅れτも生じる。その結果、再生されたイン
パルスはi′(t)＝K_i（ｔ−τ）としてより正確に表
わされる。ｎ個のチヤンネルの間で瞬間的に比較
を行うためには、Ｋとτとは全てのチヤンネルに
対して同じ効果を有し、したがつて反転フイルタ
の決定に影響を与えず、最小の瞬間的な絶対値を
提供する。 最小コンパレータ８の作動は、最小の電圧レベ
ルを有するチヤンネルを、絶対値回路１６のｎ個
の出力の中から瞬間的に選択するものとして観察
できる。これは、ｎ個の反転フイルタチヤンネル
の中から最小の絶対瞬間信号レベルを有する１個
のチヤンネルを選択することに相等する。 最大コンパレータ２２と標本保持回路２１の作
動は、調音を表示するに適した調時時間内で最小
コンパレータ１８の積分出力の中から最大値のも
のを比較し、選定し、かつ同定することを含む。
より詳しくは、コンパレータ２２はｎ個の積分器
信号の中から前記時間の終りに存在する最大のも
のを選択する。 ここに開示した調音音声認識装置により高いレ
ベルの処理に入力を提供するために使用する意図
のものである。その出力は、調時されたセグメン
ト内で波形活動に関するカテゴリ別の決定の形で
ある。最大決定回路要素２２は、この波形の活動
のみに基き、時間外に行われたいづれの決定とも
無関係に一連の前記の決定を行う。前記決定とは
それらが調音特性を同定するが、いづれかの隣接
する要素に及ぶいづれかの波形データあるいは決
定情報を考慮に入れないという意味で調音に関す
るものである。この種の性格の作業は本発明によ
るシステムの出力側に付与されうるが、本発明の
請求の範囲には含まれていない。 最大コンパレータの入力信号は、本質的に、第
１０図に示すコンデンサ１５０に対する充電の形
態で調音時間にわたつて一定に保持され、前記充
電は（これも第１０図に示し）狭幅に転送パルス
によつて作動するアナログスイツチ要素１４８を
介して更新され、そのため次の調音間隔を開始す
るよう積分器がリセツトされる前に全体の積分器
出力をコンデンサ１５０に転送する。コンデンサ
１５０にかつている電圧は電圧フオロワ１５２の
出力側で低インピーダンスの形態で現われる。転
送パルスの間で全ての入力は不変であるので、コ
ンパレータ２２の出力は転送パルスの持続中を除
いて変化しない。従つて、決定出力は後の転送送
や、より高位での処理や認識における利用に対し
て十分な時間一定状態に留る。 本発明による決定回路は反転フイルタのバンク
からいづれのフイルタが声道に対して（反転とい
う視点で）最もよくマツチングしているかを決
定、かつ同定するためのものであつて、そのよう
な決定は調音を表示するに適当な時間について行
われる。最良のマツチングは有効声道ならびにそ
の反転フイルタがオールパスフイルタに対応する
ので、音源インパルスが最良に再生されることを
基準にして行われる。 関連の回路と共にコンパレータ１８および２２
によつて表示される２つのレベルの決定は、音源
インパルスの最良再生を近似する「時間優先（タ
イムデミナンス）」法を含む。音源インパルスの
最良再生は再生された狭幅のインパルスの間の波
形活動のないことを検出し、かつ再生されたイン
パルス自体の近傍での応答を最小にすることによ
り示される。 前記決定方法は再生された音源インパルスの短
い持続時間と高いピークを有効利用している。時
間優先は、まづ瞬間的に比較を行い、したがつて
全体的な強度と決定プロセスからの時間に伴う強
度の変化の双方を排除することにより確実になさ
れる。再生されたインパルスの近傍での決定は最
小限調音決定のみに貢献し、その貢献は時間のみ
に対して比例するのであつて、絶対値回路出力の
直接的積分と最小値決定回路への適用によつて実
施されるように強度と時間を合せた積には比例し
ない。 絶対値回路１６、最小値コンパレータ１８、積
分器２０および最大値コンパレータ２２を前述の
ように実施する他に、アナログ対デジタル変換お
よびデジタル処理を利用した均等の方法がある。
これら代替的方法の要素を以下の通り開示する。 アナログからデジタルへの変換は反転フイルタ
１２あるいは絶対値回路１６の出力側へ付与しう
る。前者の場合、周知のデジタル法により絶対値
デジタル的に取り出される。アナログからデジタ
ルへの変換プロセスにおいては、周知のサンプリ
ング理論により指示されるように低周波を通過さ
せるフイルタリングが適用される。そのため、ア
ナログからデジタルへの変換プロセスに対する入
力周波数はサンプリング速度の半分以下に限定さ
れる。典型的には、5KHz以上の音声周波数が抑
制され、10KHzのサンプリング速度を使用しう
る。 各チヤンネルに対して、１個のアナログからデ
ジタルへの変換器モジユールを使用でき、あるい
は１個以上のチヤンネルをデジタル形態に単一の
Ａ／Ｄモジユールが変換する多重処理即ちマルチ
プレキシングを使用してもよい。事実、全ての反
転フイルタチヤンネルをデジタル形態に変換する
ために単一の高速作動のＡ／Ｄ変換をマルチプレ
キシングできる。残りの説明は各チヤンネルに対
して１個のＡ／Ｄに基いて行うが、マルチプレキ
シングしたシステムとの均等物も考慮に入れるべ
きである。 アナログ、あるいはデジタルのいづれかでの実
行に必要な主要操作が２つある。即ち(a)典型的に
は10KHzの速度での最小絶対値信号を有するチヤ
ンネルを瞬間的に決定することと(b)典型的には
100Hzの速度で、調音を表わす時間内で最小とな
ることが最も頻繁なチヤンネルを選定することで
ある。 最小値チヤンネルを瞬間的に決定することは、
高速デジタル処理方法により実施できる。（典型
的には100ミリ秒である）サンプリング信号の１
回の間隔の範囲内で、全てのチヤンネルのデジタ
ル表示が最小の信号を見出すよう走査され、その
チヤンネルが確認され、かつ指定される。前記プ
ロセスは各サンプリング間隔に対して繰返され、
そのため各サンプリング間隔に対して最小のチヤ
ンネルが同定される。 前記のチヤンネル同定データは、調音を表わす
間隔、典型的には10ミリ秒（典型的には100回の
サンプリング間隔）内で最も頻繁に最小となるチ
ヤンネル選定のための別のデジタル処理装置に対
する入力として使用される。選定プロセスは、各
反転フイルタチヤンネルに対して１個のカウンタ
のバンクとして理解され、各チヤンネルにおける
最小チヤンネル確認の全体数が（典型的には10ミ
リ秒即ち100回のサンプリング間隔の）規定され
たクロツク間隔にわたつて確認される。調音間隔
の終りにおいて、１個のカウンタが最大カウント
を含み、そのため特定の調音カテゴリーを指定す
る。 第１２Ａ図、第１２Ｂ図は反転フイルタのバン
クを構成する上で全体コストと複雑さを低減する
方法を示す。言語音声のある対は共通のフオルマ
ントを有し、かつある場合には１個のフオルマン
ト反転フイルタは双方のカスケードの一要素とし
て作用しうる。第１２Ａ図においては、５個の独
立したフイルタカスケードのバンクが示されてい
る。しかしながら、第１２Ｂ図においては、ある
反転フイルタが等しい場合、即ちＡ＝Ｅ＝Ｉおよ
びＢ＝Ｆの場合に対する均等のバンクが示されて
いる。複雑さにおいてある低減を行うには、可能
なところであるフオルマントフイルタを多目的使
用することである。 本発明は、音声ピツツチの差による言語音声の
多数の異つた波形表示に対処でき、かつ事実上音
声ピツチと独立して作動しうるので、音声認識技
術における著しい進歩と考えられる。音声要素の
連続した流れを同定する上で、前記要素のあるも
ののみが各フイルタチヤンネルに関連する持続性
ある音素であことが注目される。叙述されたモー
ドがそれぞれ10ミリ秒間隔においていづれかの組
の周波数に対して、ある１個のフイルタチヤンネ
ルを選定するので、本発明は、シーケンスのみな
らず選定したチヤンネルの持続時間に関して、子
音や母音の移行と関連する特徴のある音声の姿勢
を同定する感応性を備えている。したがつて、本
発明による装置は実験的に決定されたチヤンネル
のシーケンスとチヤンネルの持続時間とを、持続
性ある音素以外の言語音声の要素に関連づけるピ
ツチとは独立した変換論理を発生させるよう利用
できる。本発明は音声認識、周波帯幅の圧縮およ
びそれらの応用に対して実用的システムの実現に
貢献するものと考えられる。 前述した実施例は以下の請求の範囲の精神と範
囲とから逸脱することなく構成しうる多数の潜在
的実施例を単に例示するものと理解すべきであ
る。