JPH0564900U

JPH0564900U - 音声認識装置

Info

Publication number: JPH0564900U
Application number: JP081611U
Authority: JP
Inventors: 隆司仲田; 敬一風見
Original assignee: Bandai Co Ltd
Current assignee: Bandai Co Ltd
Priority date: 1991-12-03
Filing date: 1992-10-30
Publication date: 1993-08-27

Abstract

(57)【要約】【目的】簡単な構成により低コストの音声認識装置を
提供することを目的とする。【構成】入力した音声波形の包絡線を検出する検波回
路３と、当該包絡線を１または２以上のパルスで成るパ
ルス波形に変換するシュミットトリガ回路５と、前記各
パルスのパルス幅を算出し、当該パルス幅が所定の範囲
以内であるか否かを判断するＣＰＵ７とを備えて構成さ
れる。

Description

【考案の詳細な説明】

【０００１】

【産業上の利用分野】

本考案は、簡易な構成により簡単な単語等の音声を認識する音声認識装置に関するものである。

【０００２】

【従来の技術】

近年においては、トランシーバ等の送信機から送信された音声による指令を受信し、当該受信した音声指令に基づいて前進、後退等の動作を行う種々の走行玩具が提案されている。このような走行玩具では音声による指令を認識するための音声認識装置が設けられている。特公昭６３−１３７１３号公報には、フィルタ５４、増幅器５６、Ａ／Ｄ変換器５８、マイクロプロセッサ（ＣＰＵ）６０、ＲＡＭ６２等により構成した音声認識装置が示されている。この音声認識装置では基準の音声をデジタル値に変換して予めＲＡＭ６２へ登録しておき、入力した音声による指令がフィルタ５４、増幅器５６を通り、Ａ／Ｄ変換器５８でデジタル値に変換されると、マイクロプロセッサ（ＣＰＵ）６０が上記デジタル値に変換された音声による指令と前記基準の音声とを比較する。この比較の結果、双方のデジタル値が一致した場合に、入力した音声がその基準の音声であることを認識する。

【０００３】

【考案が解決しようとする課題】

しかしながら、従来の音声認識装置は基準の音声と、入力した音声のアナログ量をデジタルデータに変換して双方の音声を比較するので、データ量が多くなるばかりでなく、デジタルデータに変換した後の比較処理が繁雑であり、回路構成が複雑化してコストが増大するという問題点を有していた。

【０００４】本考案は上記課題に鑑みてなされたもので、簡単な構成により低コストの音声認識装置を提供することを目的とする。

【０００５】

【課題を解決するための手段】

本考案は上記の目的を達成するために、下記に示す要件を備えて構成した。すなわち、（イ）入力した音声波形の包絡線を検出する包絡線検出手段を有すること。（ロ）上記包絡線を１または２以上のパルスで成るパルス波形に変換する変換手段を有すること。（ハ）前記各パルスのパルス幅を算出する算出手段を有すること。（ニ）前記各パルスのパルス幅が所定の範囲以内であるか否かを判断する判断手段を有すること。上記の目的を達成するために、本考案に係る第２の手段は下記に示す要件を備えて構成した。すなわち、（イ）入力した音声波形の包絡線を検出する包絡線検出手段を有すること。（ロ）上記包絡線を１または２以上のパルスで成るパルス波形に変換する変換手段を有すること。（ハ）前記各パルスのパルス幅を算出する算出手段を有すること。（ニ）前記パルス幅の値と基準の値との誤差を演算し、入力した音声の各パルスの誤差の絶対値を加算することにより、当該入力した音声の全体誤差を演算する演算手段を有すること。（ホ）前記全体誤差の値がしきい値以下であるか否かを判定する判定手段を有すること。

【０００６】

【作用】

本考案に係る第１の手段は、入力した音声波形の包絡線を検出し、当該包絡線を１または２以上のパルスで成るパルス波形に変換する。そして、このパルス波形の各パルスのパルス幅を算出し、当該パルス幅が所定の範囲以内であるか否かを判断することにより、入力した音声を認識する。従って、音声のアナログ量をデジタルデータに変換する必要がなく、簡単な構成により低コストの音声認識装置を実現することができる。また、本考案に係る第２の手段は、入力した音声波形の包絡線を検出し、当該包絡線を１または２以上のパルスで成るパルス波形に変換する。このパルス波形の各パルスのパルス幅を算出すると、パルス幅の値と基準の値との誤差を演算し、入力した音声の各パルスの誤差の絶対値の総和を演算する。この誤差の絶対値の総和が入力した音声の全体誤差となり、当該全体誤差がしきい値以下であるか否かを判定することにより、入力した音声を認識する。このように各パルスについて誤差の絶対値の総和を考慮して音声認識を行うので精度の向上を図ることができる。

【０００７】

【実施例】

以下、図１乃至図７を参照して本考案に係る一実施例を説明する。図１は本考案に係る音声認識装置の回路図であり、図２は図１に示した音声認識装置の各部の信号波形図である。まず、図１及び図２を参照して構成を説明する。マイクロホンＭＩＣは抵抗Ｒ１、コンデンサＣ１と接続されている。このマイクロホンＭＩＣは外部からの音声を入力して電気信号に変換するものであり、図２（Ａ）に示すような音声の波形信号を増幅器１へ出力する。増幅器１は抵抗Ｒ２，Ｒ３、コンデンサＣ２、インバータＥ１，Ｅ２から構成され、マイクロホンＭＩＣから入力した信号を増幅して図２（Ｂ）に示すような増幅信号を検波回路３へ出力する。検波回路３は入力した音声波形の包絡線を検出する包絡線検出手段である。すなわち、検波回路３はダイオードＤ１、抵抗Ｒ４，Ｒ５、コンデンサＣ３から構成され、増幅器１から入力した信号を検波して図２（Ｃ）に示すような検波出力信号をシュミットトリガ回路５へ出力する。シュミットトリガ回路５は上記包絡線を１または２以上のパルスで成るパルス波形に変換する変換手段である。すなわち、シュミットトリガ回路５はインバータＥ３，Ｅ４、Ｅ５，Ｅ６、抵抗Ｒ６から構成され、上記検波出力信号のレベルが基準電圧Ｖｈ以上のときＨレベルに、基準電圧Ｖｌ以下のときＬレベルに変換して図２（Ｄ）に示すようなパルス信号をＣＰＵ７へ出力する。ＣＰＵ７はシュミットトリガ回路５から図２（Ｄ）に示すようなパルス信号を入力すると、各パルスのパルス幅を算出する算出手段と、前記パルス幅が所定の範囲以内であるか否かを判断する判断手段を有する。

【０００８】次に、ＣＰＵ７とその周辺部の回路構成を説明する。ＣＰＵ７には端子Ｐ１，Ｐ２，Ｐ３，…，Ｐ１７が設けられている。端子Ｐ１６，Ｐ１７には所定の直流電圧ＶＣが与えられる。端子Ｐ１５は学習ボタンスイッチＳＷ１と、抵抗Ｒ７が接続されている。学習ボタンスイッチＳＷ１がオン操作されると、基準の音声を登録するための学習モードに設定される。端子Ｐ１３にはＲＡＭ９が接続され、ＲＡＭ９は上記学習モードにおいて学習した学習データ、すなわち最小値Ｔｓｎｍｉｎ及び最大値Ｔｓｎｍａｘを所定のデータエリアに登録する。ここで、同一の音声を発音した場合であってもその強弱によっては、シュミットトリガ回路５から入力するパルス信号のパルス数が異なる場合がある。このため、上記学習モードでは、パルス信号のパルス数毎に学習して登録する。従って、ＲＡＭ９は図３に示すようにパルス信号のパルス数に応じて登録すべきデータエリアが設定されている。具体的に説明すると、パルス信号のパルス数が１である場合には番地０から番地１までのデータエリアが設定される。また、パルス数が３である場合には番地２から番地７までのデータエリアが設定される。そして、パルス数が５である場合には番地８から番地１７までのデータエリアが設定される。端子Ｐ１０，１１，１２はアースに接続されている。端子Ｐ８はリセットスイッチＳＷ２と抵抗Ｒ１０に接続されている。リセットスイッチＳＷ２はＣＰＵ７をリセットするためのスイッチである。端子Ｐ６，Ｐ７は発振器Ｈ１と、コンデンサＣ４，Ｃ５が接続されている。発振器Ｈ１は所定周期のクロックパルスを生成するものである。端子Ｐ２，３，４，５はアースに接続されている。端子Ｐ１には制御出力回路が接続されている。この制御出力回路は抵抗Ｒ８，Ｒ９と、トランジスタＱ１，Ｑ２とから構成されている。

【０００９】次に、電源回路を説明する。電源回路は電池ＢＥと、電池ＢＥへ並列に接続されたコンデンサＣ６と、定電圧回路１１と、平滑用のコンデンサＣ７，Ｃ８とから構成されている。定電圧回路１１の出力端子からは所定の直流電圧ＶＣが各回路部へ出力される。

【００１０】次に、図４乃至図７を参照して作用を説明する。まず、リセットスイッチＳＷ２をオン操作した場合のリセット時の作用を説明する。図４（Ａ）に示すような入力音声ａがマイクロホンＭＩＣ、増幅器１、検波回路３、シュミットトリガ回路５を介してＣＰＵ７へ入力すると、ＣＰＵ７は図５に示すステップＳ１で音声の入力があったことを判断してステップＳ３へ進む。ステップＳ３では入力音声ａが３つのパルスで形成されることを判断し、各パルスのパルス幅Ｔｎ、すなわち、パルス幅Ｔ１ａ，Ｔ２ａ，Ｔ３ａを検出する。続いてステップＳ５ではｎ＝１に設定する。以下、パルス幅Ｔ１ａについての判断処理が実行される。ステップＳ７では上記パルス幅Ｔ１ａが最小値Ｔｓ１ｍｉｎ以上で、且つ最大値Ｔｓ１ｍａｘ以下であるか否かを判断する。パルス幅Ｔ１ａが最小値Ｔｓ１ｍｉｎ以上で、且つ最大値Ｔｓ１ｍａｘ以下でない場合はステップＳ７からステップＳ１５へ進む。ステップＳ１５では学習ボタンスイッチＳＷ１がオン操作されたか否かを判断しており、学習ボタンスイッチＳＷ１がオン操作された場合はステップＳ１７へ進む。ステップＳ１７ではリセット状態であるか否かを判断し、リセット状態である場合は図６のステップＳ１９へ進む。ステップＳ１９ではｎ＝１に設定する。次にステップＳ２１ではパルス幅Ｔ１ａを最小値Ｔｓ１ｍｉｎとして設定し、ＲＡＭ９の番地２へ登録する。続いてステップＳ２３ではパルス幅Ｔ１ａを最大値Ｔｓ１ｍａｘとして設定し、ＲＡＭ９の番地３へ登録する。ステップＳ２５ではｎは最終値であるかどうかを判断しており、ｎは最終値ではないのでステップＳ２７へ進む。ステップＳ２７ではｎ＝ｎ＋１＝２に設定する。ステップＳ２７からステップＳ２１へ進み、パルス幅Ｔ２ａを最小値Ｔｓ２ｍｉｎとして設定し、ＲＡＭ９の番地４へ登録する。続いてステップＳ２３ではパルス幅Ｔ２ａを最大値Ｔｓ２ｍａｘとして設定し、ＲＡＭ９の番地５へ登録する。ステップＳ２５ではｎは最終値であるかどうかを判断しており、ｎは最終値ではないので再びステップＳ２７へ進む。ステップＳ２７ではｎ＝ｎ＋１＝３に設定する。再びステップＳ２７からステップＳ２１へ進み、パルス幅Ｔ３ａを最小値Ｔｓ３ｍｉｎとして設定し、ＲＡＭ９の番地６へ登録する。続いてステップＳ２３ではパルス幅Ｔ３ａを最大値Ｔｓ３ｍａｘとして設定し、ＲＡＭ９の番地７へ登録する。ステップＳ２５ではｎが最終値であることを判断してステップＳ１へ戻る。

【００１１】次に学習モードにおける作用を説明する。まず、図４（Ｂ）に示すようなパルス幅Ｔ１ｂ，Ｔ２ｂ，Ｔ３ｂの各パルスで成る入力音声ｂが入力すると、ステップＳ１，３，５，７を介してステップＳ１５へ進む。ステップＳ１５では学習ボタンスイッチＳＷ１がオン操作されたか否かを判断しており、学習ボタンスイッチＳＷ１がオン操作された場合はステップＳ１７へ進む。ステップＳ１７ではリセット状態であるか否かを判断し、リセット状態でない場合は図７のステップＳ２９へ進む。ステップＳ２９ではｎ＝１に設定する。次にステップＳ３１では上記パルス幅Ｔ１ｂが最小値Ｔｓ１ｍｉｎ以下であるか否かを判断する。ステップＳ３１でパルス幅Ｔ１ｂが最小値Ｔｓ１ｍｉｎ以下であることを判断した場合はステップＳ３３を介してステップＳ３５へ進み、パルス幅Ｔ１ｂが最小値Ｔｓ１ｍｉｎ以下でないことを判断した場合は直接ステップＳ３５へ進む。ステップＳ３３ではパルス幅Ｔ１ｂを最小値Ｔｓ１ｍｉｎとして設定し、ＲＡＭ９の番地２へ登録する。続いてステップＳ３５ではパルス幅Ｔ１ｂが最大値Ｔｓ１ｍａｘ以上であるか否かを判断する。ステップＳ３５でパルス幅Ｔ１ｂが最大値Ｔｓ１ｍａｘ以上であることを判断した場合はステップＳ３７を介してステップＳ３９へ進み、パルス幅Ｔ１ｂが最大値Ｔｓ１ｍａｘ以上でないことを判断した場合は直接ステップＳ３９へ進む。ステップＳ３７ではパルス幅Ｔ１ｂを最大値Ｔｓ１ｍａｘとして設定し、ＲＡＭ９の番地３へ登録する。ステップＳ３９ではｎは最終値であるかどうかを判断しており、ｎは最終値ではないのでステップＳ４１へ進む。ステップＳ４１ではｎ＝ｎ＋１＝２に設定して再びステップＳ３１へ進む。以下同様にパルス幅Ｔ２ｂ，Ｔ３ｂについての判断処理が実行され、最小値Ｔｓ２ｍｉｎ，Ｔｓ３ｍｉｎ及び最大値Ｔｓ２ｍａｘ，Ｔｓ３ｍａｘがそれぞれＲＡＭ９の該当する番地へ登録される。

【００１２】次に、図４（Ｃ）に示すようなパルス幅Ｔ１ｃ，Ｔ２ｃ，Ｔ３ｃの各パルスで成る入力音声ｃが入力すると、前述したと同様にステップＳ２９，３１，３３，３５，３７，３９，４１を通ってステップＳ３１へ戻る判断処理ルーチンによってパルス幅Ｔ１ｃ，Ｔ２ｃ，Ｔ３ｃについての判断処理が実行され、最小値Ｔｓ１ｍｉｎ，Ｔｓ２ｍｉｎ，Ｔｓ３ｍｉｎ及び最大値Ｔｓ１ｍａｘ，Ｔｓ２ｍａｘ，Ｔｓ３ｍａｘがそれぞれＲＡＭ９の該当する番地へ登録される。

【００１３】以上の如く学習モードにおいて入力音声ｂ，ｃが入力したことにより、ＲＡＭ９の該当する番地へ登録される最小値及び最大値を説明すると、Ｔ１ｂ＜Ｔ１ｃであるので番地２にはパルス幅Ｔ１ｂが最小値Ｔｓ１ｍｉｎとして登録され、番地３にはパルス幅Ｔ１ｃが最大値Ｔｓ１ｍａｘとして登録される。また、Ｔ２ｂ＝Ｔ２ｃであるので、番地４にはパルス幅Ｔ２ｃが最小値Ｔｓ２ｍｉｎとして登録され、番地５にはパルス幅Ｔ２ｃが最大値Ｔｓ２ｍａｘとして登録される。また、Ｔ３ｂ＞Ｔ３ｃであるので、番地６にはパルス幅Ｔ３ｃが最小値Ｔｓ３ｍｉｎとして登録され、番地７にはパルス幅Ｔ３ｂが最大値Ｔｓ３ｍａｘとして登録される。

【００１４】次に、図４（Ｄ）に示すような入力音声ｄを認識する場合の作用を説明する。入力音声ｄがマイクロホンＭＩＣ、増幅器１、検波回路３、シュミットトリガ回路５を介してＣＰＵ７へ入力すると、ＣＰＵ７は図５に示すステップＳ１で音声の入力があったことを判断してステップＳ３へ進む。ステップＳ３では入力音声ｄが３つのパルスで形成されることを判断し、各パルスのパルス幅Ｔｎ、すなわち、パルス幅Ｔ１ｄ，Ｔ２ｄ，Ｔ３ｄを検出する。続いてステップＳ５ではｎ＝１に設定する。以下、パルス幅Ｔ１ｄについての判断処理が実行される。ステップＳ７では上記パルス幅Ｔ１ｄが最小値Ｔｓ１ｍｉｎ以上で、且つ最大値Ｔｓ１ｍａｘ以下であるか否かを判断する。パルス幅Ｔ１ｄが最小値Ｔ１ｂ以上で、且つ最大値Ｔ１ｃ以下であるのでステップＳ７からステップＳ９へ進む。ステップＳ９ではｎは最終値であるかどうかを判断しており、ｎは最終値ではないのでステップＳ１１へ進む。ステップＳ１１ではｎ＝ｎ＋１＝２に設定して再びステップＳ７へ進む。ステップＳ７ではパルス幅Ｔ２ｄが最小値Ｔｓ２ｍｉｎ以上で、且つ最大値Ｔｓ２ｍａｘ以下であるか否かを判断する。パルス幅Ｔ２ｄが最小値Ｔ２ｃ以上で、且つ最大値Ｔ２ｃ以下であるのでステップＳ７からステップＳ９へ進む。ステップＳ９ではｎは最終値であるかどうかを判断しており、ｎは最終値ではないのでステップＳ１１へ進む。ステップＳ１１ではｎ＝ｎ＋１＝３に設定して再びステップＳ７へ進む。以下同様にパルス幅Ｔ３ｄについての判断処理が実行される。この判断処理の結果、パルス幅Ｔ２ｄが最小値Ｔ３ｃ以上で、且つ最大値Ｔ３ｂ以下であるのでステップＳ７からステップＳ９へ進む。ステップＳ９ではｎは最終値であるかどうかを判断しており、ｎは最終値であるのでステップＳ１３へ進み、入力音声ｄが登録された音声と同一であることを認識する。このように入力音声ｄが登録された音声と同一であることを認識すると、ＣＰＵ７の端子Ｐ１から信号が出力され、当該端子Ｐ１に接続される制御出力回路を駆動する。これにより、トランジスタＱ２が制御出力信号を送出する。

【００１５】尚、上記の実施例では入力音声の各パルスのパルス幅が、その前に登録された登録音声の対応する各パルスの最小値から最大値までの範囲内の値であるかどうかを判定することにより、入力音声が登録された音声と同一であるか否かを認識するように構成したが、入力音声の各パルスに対応して予めそれぞれの最小値と、最大値を設定しておき、入力音声の各パルスのパルス幅が上記予め設定した最小値から最大値までの所定の範囲以内であるか否かを判断するように構成すると、回路構成を簡略化することができ、コストの軽減を図ることができる。以上の如く、学習モードではパルス信号のパルス数毎に学習して登録するように構成したので、同一の音声を発音してその強弱によってパルス信号のパルス数が異なる場合であっても、これを確実に識別することができる。

【００１６】次に図８乃至図１７を参照して更に改良された本考案に係る他の実施例を説明する。まず、図８及び図９を参照して構成を説明する。図８及び図９に示す音声認識装置は例えば、犬等の適宜のぬいぐるみ玩具に設けられるものである。マイクロホン２１は抵抗Ｒ２１、Ｒ２２を介してマイクロコンピュータ２３と接続されている。抵抗Ｒ２１とＲ２２との接続点にはコンデンサＣ２１が接続されている。また、マイクロホン２１は音声処理回路２５を介してマイクロコンピュータ２３と接続されている。音声処理回路２５は、増幅回路２６と、ローパスフィルタ２８と、シュミットトリガ回路３０とから構成されている。上記増幅回路２６は、演算増幅器２７と、抵抗Ｒ２３，Ｒ２４，Ｒ２５と、コンデンサＣ２２とから構成されている。上記ローパスフィルタ２８は、演算増幅器２９と、抵抗Ｒ２６，Ｒ２７，Ｒ２８，Ｒ２９，Ｒ３０と、コンデンサＣ２３，Ｃ２４とから構成されている。上記シュミットトリガ回路３０は、演算増幅器３１と、抵抗Ｒ３１，Ｒ３２，Ｒ３３とから構成されている。増幅回路２６と、ローパスフィルタ２８とで音声波形の包絡線を検出する包絡線検出手段を構成する。また、シュミットトリガ回路３０は上記包絡線を１または２以上のパルスで成るパルス波形に変換するための変換手段である。上記のような構成から成る音声処理回路２５は、マイクロホン２１からの音声入力がある場合はＬレベル、音声入力がない場合はＨレベルとなるようなパルス信号をマイクロコンピュータ２３へ出力する。また、マイクロコンピュータ２３は音声合成回路３３と接続され、音声合成回路３３は増幅器３５を介してスピーカ３７と接続されている。増幅器３５はトランジスタＱ２１と、抵抗Ｒ３４と、コンデンサＣ２５とから構成されている。

【００１７】マイクロコンピュータ２３は、後で説明する学習ボタンスイッチＭＷがオン操作されたことを判断すると「音声Ａ」の合成指令を音声合成回路３３へ出力する。また、マイクロコンピュータ２３は登録音声のデータを記憶する記憶部を有し、シュミットトリガ回路３０を介して入力音声のパルス信号を入力すると、当該入力音声が登録音声と同一であるかどうかを判定する。すなわち、マイクロコンピュータ２３は、入力音声の各パルスのパルス幅を算出する算出手段と、パルス幅の値と基準の値との誤差を演算し、入力した音声の各パルスの誤差の絶対値を加算することにより、当該入力した音声の全体誤差を演算する演算手段と、全体誤差の値がしきい値以下であるか否かを判定する判定手段とを有する。そして、マイクロコンピュータ２３は入力音声が登録音声と同一であることを認識した場合は、「音声Ｂ」の合成指令を音声合成回路３３へ出力し、入力音声が登録音声と同一でないことを認識した場合は、「音声Ｃ」の合成指令を音声合成回路３３へ出力する。音声合成回路３３は、「音声Ａ」の合成指令を入力すると、「音声Ａ」を合成して出力する。この結果、スピーカ３７から「音声Ａ」として例えば、犬の鳴き声「ワン」の合成音を放音する。また、音声合成回路３３は、「音声Ｂ」の合成指令を入力すると、「音声Ｂ」を合成して出力する。この結果、スピーカ３７から「音声Ｂ」として例えば、犬の鳴き声「ワンワン」の合成音を放音する。また、音声合成回路３３は、「音声Ｃ」の合成指令を入力すると、「音声Ｃ」を合成して出力する。この結果、スピーカ３７から「音声Ｃ」として例えば、犬の鳴き声「クーン」の合成音を放音する。

【００１８】次に、マイクロコンピュータ２３とその周辺部の回路構成を説明する。マイクロコンピュータ２３には端子Ｐ１，Ｐ２，Ｐ３，…，Ｐ２４が設けられている。端子Ｐ２４にはスイッチＰＷを介して電池ＶＥから所定の直流電源が与えられる。端子Ｐ２４に接続されるコンデンサＣ２６は平滑用のコンデンサである。端子Ｐ１９には学習ボタンスイッチＭＷが接続されている。学習ボタンスイッチＭＷがオン操作されると、基準の音声を登録するための登録モードに設定される。端子Ｐ４にはダイオードＤ２１及びコンデンサＣ２７が接続されている。端子Ｐ２，Ｐ３間には抵抗Ｒ３６が接続されている。端子Ｐ１はアースに接続されている。

【００１９】次に図１０乃至図１７を参照して作用を説明する。図１０は全体的な制御処理を示したフローチャートであり、ステップＳ５１では初期設定を行う。続いてステップＳ５３では学習ボタンスイッチＭＷがオン操作されたかどうかを判断しており、学習ボタンスイッチＭＷがオン操作された場合はステップＳ５５へ進み、音声登録処理を実行する。また、ステップＳ５３で学習ボタンスイッチＭＷがオン操作されない場合はステップＳ５７へ進む。ステップＳ５７では音声処理回路２５からのパルス信号がＬレベルであるかどうか、すなわち、音声入力があったかどうかを判断しており、音声入力があった場合はステップＳ５９へ進み、音声認識処理を実行する。また、ステップＳ５７で音声入力がないことを判断した場合は再びステップＳ５３へ戻る。

【００２０】次に図１１を参照して前記ステップＳ５５における音声登録処理を詳細に説明する。ステップＳ６１では入力回数カウンタを０にして初期設定する。続いてステップＳ６３では、前述のステップＳ５３で学習ボタンスイッチＭＷがオン操作されたことに伴い「音声Ａ」を発音する。ステップＳ６５では音声入力があったかどうかを判断しており、音声入力があった場合はステップＳ６７へ進み、複数のパルスで成る音声の入力処理を実行する。続いて、ステップＳ６９で入力回数カウンタを＋１だけカウントアップしてステップＳ７１へ進む。また、ステップＳ６５で音声入力がないことを判断した場合もステップＳ７１へ進む。ステップＳ７１では学習ボタンスイッチＭＷがオン操作状態であるかどうかを判断しており、学習ボタンスイッチＭＷがオン操作状態を継続している場合はステップＳ６５へ戻る。また、ステップＳ７１で学習ボタンスイッチＭＷがオン操作状態でない場合はステップＳ７３へ進み、入力回数カウンタが１であるかどうかを判断する。入力回数カウンタが１である場合、すなわち音声が１回だけ入力された場合のみステップＳ７３からステップＳ７５へ進み、該当する音声を登録すると共に、ステップＳ７７で「音声Ｂ」を発音する。ステップＳ７３で入力回数カウンタが１でない場合、すなわち音声が複数回入力された場合は音声登録することなくステップＳ７９へ進み、「音声Ｃ」を発音する。

【００２１】次に図１２及び図１３を参照して前記ステップＳ６７における音声入力処理を詳細に説明する。ステップＳ８１では初期設定を行っており、パルス数カウンタを０に、パルス長カウンタを０に、有音・無音フラグをＬに設定する。ここで、パルス数カウンタとは、シュミットトリガ回路３０を介して入力したパルス信号のパルス数を計数するカウンタであり、正のパルスも負のパルスもそれぞれ１として計数する。また、パルス長カウンタとは、各パルスの幅を計数するカウンタである。有音・無音フラグとは、シュミットトリガ回路３０を介して入力したパルス信号の信号レベルがＬレベルであるか、またはＨベルであるかを示すフラグであり、信号レベルがＬレベルである場合には有音状態を示し、信号レベルがＨベルである場合には無音状態を示す。続いてステップＳ８３では単位時間２０ m秒だけ待機し、その後ステップＳ８５へ進む。ステップＳ８５では音声入力があったかどうか、すなわち、音声入力パルスがＬレベルであるかどうかを判定しており、音声入力パルスがＬレベルである場合はステップＳ８７へ進む。ステップＳ８７では前回の有音・無音フラグがＬであるかどうかを判定し、有音・無音フラグがＬである場合はステップＳ８９へ進む。ステップＳ８９ではパルス長カウンタが１５であるかどうかを判定する。ここで、パルス長カウンタが１５未満である場合はステップＳ９１でパルス長カウンタを＋１だけカウトアップしてステップＳ８３へ戻る。以下同様に、ステップＳ８３，Ｓ８５，Ｓ８７，Ｓ８９，Ｓ９１を繰り返し、単位時間２０ m秒を経過ごとにパルス長カウンタを＋１ずつカウントアップして負のパルスのパルス幅を計数する。このとき、ステップＳ８９でパルス長カウンタが１５に達した場合は、パルス長カウンタを１５に設定してステップＳ８３へ戻り、次のパルスについての処理を実行する。すなわち、ステップＳ８９では有音状態が３２０ m秒以上継続する場合には、強制的にパルス長カウンタを１５に設定する。

【００２２】負のパルスの次に正のパルスが入力した場合を説明する。前述と同様にステップＳ８３で２０ m秒だけ待機した後ステップＳ８５へ進む。ステップＳ８５では音声入力パルスがＬレベルであるかどうかを判定しており、音声入力パルスがＨレベルであるのでステップＳ９３へ進む。ステップＳ９３では前回の有音・無音フラグがＨであるかどうかを判定しており、前回の有音・無音フラグはＬであるので図１３のステップＳ９９へ進む。ステップＳ９９では有音・無音フラグをＨに設定する。続いてステップＳ１０１ではパルス数カウンタが５であるかどうかを判定しており、パルス数カウンタが５より小さい場合はステップＳ１０３へ進み、前述の負のパルスのパルス長カウンタの値を記録すると共に、パルス数カウンタを＋１だけカウントアップする。続いてステップＳ１０５ではパルス長カウンタを０にクリアしてステップＳ８３へ戻る。ステップＳ８３で２０ m秒だけ待機した後ステップＳ８５へ進む。ステップＳ８５では音声入力パルスがＬレベルであるかどうかを判定しており、音声入力パルスがＨレベルであるのでステップＳ９３へ進む。ステップＳ９３では前回の有音・無音フラグがＨであるかどうかを判定しており、前回の有音・無音フラグはＨであるのでステップＳ９５へ進む。ステップＳ９５ではパルス長カウンタが１５であるかどうかを判定する。ここで、パルス長カウンタが１５未満である場合はステップＳ９１でパルス長カウンタを＋１だけカウトアップしてステップＳ８３へ戻る。以下同様に、ステップＳ８３，８５，９３，９５，９１を繰り返すことにより、単位時間２０ m秒経過ごとにパルス長カウンタを＋１ずつカウントアップして正のパルスのパルス幅を計数する。

【００２３】正のパルスの次に負のパルスが入力すると、ステップＳ８３で２０ m秒だけ待機した後ステップＳ８５へ進む。ステップＳ８５では音声入力パルスがＬレベルであるかどうかを判定しており、音声入力パルスはＬレベルであるのでステップＳ８７へ進む。ステップＳ８７では前回の有音・無音フラグがＬであるかどうかを判定しており、前回の有音・無音フラグはＨであるので図１３のステップＳ９７へ進む。ステップＳ９７では有音・無音フラグをＬに設定する。続いてステップＳ１０１ではパルス数カウンタが５であるかどうかを判定しており、パルス数カウンタが５より小さい場合はステップＳ１０３へ進み、前述の正のパルスのパルス長カウンタの値を記録すると共に、パルス数カウンタを＋１だけカウトアップする。続いてステップＳ１０５ではパルス長カウンタを０にクリアしてステップＳ８３へ戻る。ステップＳ８３で２０ m秒だけ待機した後ステップＳ８５へ進む。ステップＳ８５では音声入力パルスがＬレベルであるかどうかを判定しており、音声入力パルスがＬレベルであるのでステップＳ８７へ進む。ステップＳ８７では前回の有音・無音フラグがＬであるかどうかを判定しており、前回の有音・無音フラグはＬであるのでステップＳ８９へ進む。ステップＳ８９ではパルス長カウンタが１５であるかどうかを判定する。ここで、パルス長カウンタが１５未満である場合はステップＳ９１でパルス長カウンタを＋１だけカウトアップしてステップＳ８３へ戻る。以下同様に、ステップＳ８３からステップＳ９１を繰り返すことにより、単位時間２０ m秒経過ごとにパルス長カウンタを＋１ずつカウントアップして負のパルスのパルス幅を計数する。以上のごとくステップＳ８３からステップＳ１０５を繰り返すことにより、複数のパルスで成るパルス信号の各パルスの長さをカウントすると共に、全パルス数をカウントする。ここで、ステップＳ９５において正のパルスのパルス長カウンタが１５に達した場合、すなわち、無音状態が３２０ m秒以上継続する場合には音声入力処理を終了して初期状態に復帰する。

【００２４】次に図１４を参照してステップＳ５９の音声認識処理を詳細に説明する。まず、ステップＳ１０７では前述の音声入力処理を実行する。続いてステップＳ１０９では認識フラグをＮＯに設定し、ステップＳ１１１で比較処理を実行する。ステップＳ１１３では認識フラグがＮＯであるかどうかを判定しており、認識フラグがＮＯでない場合はステップＳ１１５へ進み音声Ｂを発音する。また、ステップＳ１１３で認識フラグがＮＯである場合はステップＳ１１７へ進み音声Ｃを発音する。

【００２５】次に図１５乃至図１７を参照して前記ステップＳ１１１における比較処理を詳細に説明する。ステップＳ１２１では入力音声のパルス数が登録音声のパルス数以上であるかどうかを判定しており、入力音声のパルス数が登録音声のパルス数以上である場合はステップＳ１２３を介してステップＳ１２７へ進む。また、ステップＳ１２１で入力音声のパルス数が登録音声のパルス数を下回る場合はステップＳ１２５を介してステップＳ１２７へ進む。ステップＳ１２３では登録音声のパルス数を値ＣＴＳとして設定し、入力音声のパルス数を値ＣＴＬとして設定し、登録音声のデータ列、すなわち、登録音声の各パルスのパルス幅のデータをＳＨＯＲＴ（ＣＯＵＮＴ）として設定し、入力音声のデータ列、すなわち、入力音声の各パルスのパルス幅のデータをＬＯＮＧ（ＣＯＵＮＴ）として設定する。また、ステップＳ１２５では入力音声のパルス数を値ＣＴＳとして設定し、登録音声のパルス数を値ＣＴＬとして設定し、入力音声のデータ列、すなわち、入力音声の各パルスのパルス幅のデータをＳＨＯＲＴ（ＣＯＵＮＴ）として設定し、登録音声のデータ列、すなわち、登録音声の各パルスのパルス幅のデータをＬＯＮＧ（ＣＯＵＮＴ）として設定する。続いてステップＳ１２７では値ＣＴＳ＝１の場合はしきい値＝１に設定し、値ＣＴＳ＝３の場合はしきい値＝４に設定し、値ＣＴＳ＝５の場合はしきい値＝５に設定する。

【００２６】ステップＳ１２９からステップＳ１４１までは、入力音声と登録音声の先頭を合わせて比較処理を行う場合を示したものである。ステップＳ１２９ではパルス数カウンタの値を０に設定すると共に、入力音声と登録音声との相違を示す距離Ａを０に設定する。次にステップＳ１３１ではパルス数カウンタの値を＋１だけカウトアップする。ステップＳ１３３では次の第１式を用いて、入力音声と登録音声の先頭のパルスを合わせた場合の双方の距離Ａを算出する。すなわち、双方の先頭のパルス同士を比較してその距離Ａを求める。距離Ａ＝距離Ａ＋｜ＳＨＯＲＴ（ＣＯＵＮＴ）−ＬＯＮＧ（ＣＯＵＮＴ）｜ …（１）次に、ステップＳ１３５ではパルス数カウンタの値が値ＣＴＳと等しいかどうかを判定しており、パルス数カウンタの値が値ＣＴＳ以下である場合は再びステップＳ１３１へ戻り、双方の２番目のパルス同士を比較してその距離Ａを求める。以下同様に、ステップＳ１３１からステップＳ１３５を繰り返すことにより、入力音声と登録音声のそれぞれの対応するパルスの差の絶対値の和を双方の距離Ａとして算出する。

【００２７】入力音声と登録音声のそれぞれのパルス数が異なる場合、すなわち、いずれか一方が冗長である場合は、ステップＳ１３７からステップＳ１４１を実行する。前述のステップＳ１３５でパルス数カウンタの値が値ＣＴＳに達した場合は図１６のステップＳ１３７へ進み、パルス数カウンタの値が値ＣＴＬと等しいかどうかを判定する。パルス数カウンタの値が値ＣＴＳ未満である場合は、ステップＳ１３９へ進みパルス数カウンタを＋２だけカウントアップする。ステップＳ１４１では次の第２式を用いて、入力音声と登録音声とのいずれか一方の冗長な部分の有音部をそのまま加算して双方の距離Ａを算出する。距離Ａ＝距離Ａ＋ＬＯＮＧ（ＣＯＵＮＴ） …（２）

【００２８】次に、ステップＳ１４３からステップＳ１５５までは、入力音声と登録音声の後端を合わせて比較処理を行う場合を示したものである。ステップＳ１４３ではパルス数カウンタの値をＣＴＬに設定すると共に、入力音声と登録音声との相違を示す距離Ｂを０に設定する。ステップＳ１４５では次の第３式を用いて、入力音声と登録音声の後端のパルスを合わせた場合の双方の距離Ｂを算出する。すなわち、双方の最後尾のパルス同士を比較してその距離Ｂを求める。距離Ｂ＝距離Ｂ＋｜ＳＨＯＲＴ（ＣＯＵＮＴ＋ＣＴＳ−ＣＴＬ） −ＬＯＮＧ（ＣＯＵＮＴ）｜ …（３）次にステップＳ１４７ではパルス数カウンタの値を１だけカウントダウンする。続いて、ステップＳ１４９ではパルス数カウンタの値が（ＣＴＬ−ＣＴＳ）と等しいかどうかを判定しており、パルス数カウンタの値が（ＣＴＬ−ＣＴＳ）以上である場合は再びステップＳ１４５へ戻り、双方の最後尾から２番目のパルス同士を比較してその距離Ｂを求める。以下同様に、ステップＳ１４５からステップＳ１４９を繰り返すことにより、入力音声と登録音声のそれぞれの対応するパルスの差の絶対値の和を双方の距離Ｂとして算出する。

【００２９】入力音声と登録音声のそれぞれのパルス数が異なる場合、すなわち、いずれか一方が冗長である場合は、ステップＳ１５１からステップＳ１５５を実行する。前述のステップＳ１４９でパルス数カウンタの値が（ＣＴＬ−ＣＴＳ）に達した場合はステップＳ１５１へ進み、パルス数カウンタの値が１であるかどうかを判定する。パルス数カウンタの値が１以上である場合は、ステップＳ１５３へ進みパルス数カウンタを２だけカウントダウンする。ステップＳ１５５では次の第４式を用いて、入力音声と登録音声とのいずれか一方の冗長な部分の有音部をそのまま加算して双方の距離Ｂを算出する。距離Ｂ＝距離Ｂ＋ＬＯＮＧ（ＣＯＵＮＴ） …（４）ステップＳ１５１でパルス数カウンタの値が１に達した場合は図１７のステップＳ１５７へ進む。ステップＳ１５７では、入力音声と登録音声のそれぞれの先頭のパルスを合わせて比較した場合の双方の距離Ａと、入力音声と登録音声のそれぞれの後端のパルスを合わせて比較した場合の双方の距離Ｂとの最小値を入力音声と登録音声の最終的な距離Ｃとして求める。続いてステップＳ１５９では距離ＣがステップＳ１２７で設定したしきい値以下であるかどうかを判定しており、距離Ｃがしきい値以下である場合はステップＳ１６１へ進み、認識フラグをＯＫに設定する。また、ステップＳ１５９で距離Ｃがしきい値を上回る場合はステップＳ１１３へ進む。

【００３０】以上のごとく、入力音声と登録音声のそれぞれの先頭のパルスを合わせて比較した場合の双方の距離Ａと、入力音声と登録音声のそれぞれの後端のパルスを合わせて比較した場合の双方の距離Ｂとの最小値を入力音声と登録音声の最終的な誤差である距離Ｃとして求め、この距離Ｃを考慮して音声認識を行うように構成したので、音声認識の精度を向上させることができる。

【００３１】

【考案の効果】

以上説明してきたように本考案に係る第１の手段は、入力した音声波形の包絡線を検出し、当該包絡線を１または２以上のパルスで成るパルス波形に変換する。そして、このパルス波形の各パルスのパルス幅を算出し、当該パルス幅が所定の範囲以内であるか否かを判断するように構成したので、簡単な構成によりコストの低減を図ることができるという効果を有する。

【００３２】また、本考案に係る第２の手段は、入力した音声波形の包絡線を検出し、当該包絡線を１または２以上のパルスで成るパルス波形に変換する。このパルス波形の各パルスのパルス幅を算出すると、パルス幅の値と基準の値との誤差を演算し、入力した音声の各パルスの誤差の絶対値の総和を演算する。この誤差の絶対値の総和が入力した音声の全体誤差となり、当該全体誤差がしきい値以下であるか否かを判定することにより、入力した音声を認識するように構成したので、音声認識の精度の向上を図ることができる。

【図面の簡単な説明】

【図１】本考案に係る一実施例の回路図である。

【図２】図１に示した実施例の各部の信号波形図であ
る。

【図３】ＲＡＭ９のデータエリアを示した説明図であ
る。

【図４】入力音声のパルス波形図である。

【図５】図１に示した実施例の音声認識動作とその関連
動作を示したフローチャートである。

【図６】図１に示した実施例のリセット時における動作
を示したフローチャートである。

【図７】図１に示した実施例の学習モード時における動
作を示したフローチャートである。

【図８】本考案に係る他の実施例の回路図である。

【図９】図８に示した実施例のブロック図である。

【図１０】図８に示した実施例の全体的な動作を示した
フローチャートである。

【図１１】音声登録処理を詳細に示したフローチャート
である。

【図１２】音声入力処理の前半部を詳細に示したフロー
チャートである。

【図１３】音声入力処理の後半部を詳細に示したフロー
チャートである。

【図１４】音声認識処理を詳細に示したフローチャート
である。

【図１５】比較処理の前半部を詳細に示したフローチャ
ートである。

【図１６】比較処理の中間部を詳細に示したフローチャ
ートである。

【図１７】比較処理の後半部を詳細に示したフローチャ
ートである。

【符号の説明】

１増幅器３検波回路５シュミットトリガ回路７ＣＰＵ９ＲＡＭ２３マイクロコンピュータ２５音声処理回路２６増幅回路２８ローパスフィルタ３０シュミットトリガ回路

Claims

【実用新案登録請求の範囲】

【請求項１】次の要件を備えたことを特徴とする音声
認識装置。（イ）入力した音声波形の包絡線を検出する包絡線検出
手段を有すること。（ロ）上記包絡線を１または２以上のパルスで成るパル
ス波形に変換する変換手段を有すること。（ハ）前記各パルスのパルス幅を算出する算出手段を有
すること。（ニ）前記各パルスのパルス幅が所定の範囲以内である
か否かを判断する判断手段を有すること。
【請求項２】次の要件を備えたことを特徴とする音声
認識装置。（イ）入力した音声波形の包絡線を検出する包絡線検出
手段を有すること。（ロ）上記包絡線を１または２以上のパルスで成るパル
ス波形に変換する変換手段を有すること。（ハ）前記各パルスのパルス幅を算出する算出手段を有
すること。（ニ）前記パルス幅の値と基準の値との誤差を演算し、
入力した音声の各パルスの誤差の絶対値を加算すること
により、当該入力した音声の全体誤差を演算する演算手
段を有すること。（ホ）前記全体誤差の値がしきい値以下であるか否かを
判定する判定手段を有すること。