JPH0572598B2 - - Google Patents
Info
- Publication number
- JPH0572598B2 JPH0572598B2 JP59109172A JP10917284A JPH0572598B2 JP H0572598 B2 JPH0572598 B2 JP H0572598B2 JP 59109172 A JP59109172 A JP 59109172A JP 10917284 A JP10917284 A JP 10917284A JP H0572598 B2 JPH0572598 B2 JP H0572598B2
- Authority
- JP
- Japan
- Prior art keywords
- time series
- trajectory
- parameter
- distance
- point
- 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.)
- Expired - Lifetime
Links
Description
産業上の利用分野
本発明は音声を認識する音声認識装置に関す
る。 背景技術とその問題点 従来、音声の発声速度変動に対処した音声認識
装置として例えば特開昭50−96104号公報に示さ
れるようなDPマツチング処理を行なうようにし
たものが提案されている。 先ず、このDPマツチング処理にて音声認識を
行なうようにした音声認識装置について説明す
る。 第１図において、１は音声信号入力部としての
マイクロホンを示し、このマイクロホン１からの
音声信号が音響分析部２に供給され、この音響分
析部２にて音響パラメータ系列Pi(n)が得られる。
この音響分析部２において例えばバンドバスフイ
ルタバンクの整流平滑化出力が音響パラメータ時
系列Pi(n)（ｉ＝１，……，Ｉ；Ｉはハンドバスフ
イルタバンクのチヤンネル数、ｎ＝１，……，
Ｎ；Ｎは音声区間判定により切り出されたフレー
ム数である。）として得られる。 この音響分析部２の音響パラメータ時系列Pi(n)
がモード切換スイツチ３により登録モードにおい
ては認識対象語毎に標準パターンメモリ４に格納
され、認識モードにおいてはDPマツチング距離
計算部５の一端に供給される。又、この認識モー
ドにおいては標準パターンメモリ４に格納されて
いる標準パターンDPマツチング距離計算部５の
他端に供給される。 このDPマツチング距離計算部５にてその時入
力されている音声の音響パラメータ時系列Pi(n)よ
りなる入力パターンと標準パターンメモリ４の標
準パターンとのDPマツチング距離計算処理がな
され、このDPマツチング距離計算部５のDPマツ
チング距離を示す距離信号が最小距離判定部６に
供給され、この最小距離判定部６にて入力パター
ンに対してDPマツチング距離が最小となる標準
パターンが判定され、この判定結果より入力音声
を示す認識結果が出力端子７に得られる。 ところで、一般に標準パターンメモリ４に格納
される標準パターンのフレーム数Ｎは発声速度変
動や単語長の違いにより異なつている。DPマツ
チング処理によりこの発声速度変動や単語長の違
いに対処する為の時間軸正規化がなされる。 以下、このDPマツチング処理について説明す
る。ここで、簡単の為に音響パラメータ時系列Pi
(n)の周波数軸方向ｉに対応する次元を省略して標
準パターンのパラメータ時系列をb1……，bN、入
力パターンのパラメータ時系列をa1，……，aMと
して、端点固定のDP−パス〓の場合のDPマツチ
ング処理について説明する。 第２図はDPマツチング処理の概念図を示し、
横軸に入力パラメータ（Ｍ＝19）が並べられ、縦
軸に標準パラメータ（Ｎ＝12）が並べられ、この
第２図に示す、Ｍ，Ｎ格子状平面に於ける・点は
Ｍ×Ｎ個であり、この各・点に１つの距離が対応
する。例えばa3とb5との距離がa3から縦に伸した
直線と、b5から横に伸した直線との交点に位置す
る・に対応する。この場合、距離として例えばチ
エビシエフ距離を取れば、a3とb5とのチエビシエ
フ距離ｄ（３，５）は ｄ（３，５）＝I Σi=1 ｜Ｐａ ｉ(3)−Ｐａ ｉ(5)｜ となる。（この場合、周波数軸方向ｉに対応する
次元を省略しているのでＩ＝Ｉである。）。そし
て、端点固定のDP−パスとして、格子点（ｍ，
ｎ）に対してこの格子点（ｍ，ｎ）に結びつける
前の状態として左側の格子点（ｍ−１，ｎ）、斜
め左下側の格子点（ｍ−１，ｎ−１）及び下側の
格子点（ｍ，ｎ−１）の３つ〓だけを許した場
合、始点、即ちa1とb1とのチエビシエフ距離ｄ
（１，１）を示す点○・から出発し、パス（経路）
として３方向〓を選び、終点、即ちaMとbNとの
チエビシエフ距離ｄ（Ｍ，Ｎ）を示す点〓に至る
パスで、通過する各格子点の距離の総和が最小に
なるものを求め、この距離の総和を入力パラメー
タ数Ｍと標準パラメータ数Ｎとの和より値１を減
算した（Ｍ＋Ｎ−１）にて除算して得られた結果
が入力パターンのパラメータ時系列b1，……，bN
とのDPマツチング距離となされる。この様な処
理を示す初期条件及び漸化式は 初期条件 ｇ（１，１）＝ｄ（１，１） 漸化式 ｇ（ｍ，ｎ）＝minｄ（ｍ，ｎ）＋ｇ（
ｍ−１，ｎ） ２・ｄ（ｍ，ｎ）＋ｇ（ｍ−１，ｎ−１） ｄ（ｍ，ｎ）＋ｇ（ｍ，ｎ−１） と表され、これよりDPマツチング距離DM（Ａ，
Ｂ）は DM（Ａ，Ｂ）＝ｇ（Ｍ，Ｎ）／Ｍ＋Ｎ−１）と
表される（（Ｍ＋Ｎ−１）でｇ（Ｍ，Ｎ）を割つて
いるのは標準パターンのフレーム数Ｎの違いによ
る距離の値の差を補正するためである。）。この様
な処理により標準パターンの数がＬ個ある場合に
は入力パターンに対するDPマツチング距離がＬ
個求められ、このＬ個DPマツチング距離中最小
の距離となる標準パターンが認識結果となされ
る。 この様なDPマツチング処理による音声認識装
置によれば発声速度変動や単語長の違いに対処、
即ち時間軸正規化のなされた音声認識を行なうこ
とができる。 然し乍ら、この様なDPマツチング処理により
音声認識を行なうものにおいては、音声の定常部
がDPマツチング距離に大きく反映し、部分的に
類似しているような語い間に於いて誤認識し易い
ということが明らかとなつた。 即ち、音響パラメータ時系列Pi(n)はそのパラメ
ータ空間で軌跡を描くと考えることができる。実
際には各フレームｎのパラメータがパラメータ空
間内の１点に対応することから、点列ではあるが
時系列方向に曲線で結んでいくと始点から終点迄
の１つの軌跡が考えられる。例えば２種類の単語
“SAN”と“HAI”とを登録した場合、夫々の標
準パターンA′，B′は第３図に示す如く“Ｓ”，
“Ａ”，“Ｎ”，“Ｈ”，“Ａ”，“Ｉ”の各音韻領域
を
通過する軌跡を描く。そして、認識モードで
“SAN”と発声した場合、全体的にみれば入力パ
ターンＡに対する標準パターンB′の類似する部
分は非常に少ないが、この入力パターンＡの
“SAN”の“Ａ”の部分が標準パターンA′の
“SAN”の“Ａ”の部分より標準パターンB′の
“HAI”の“Ａ”の部分により類似し、且つその
部分（準定常部）に点数が多い場合がある。 ここで、第３図に示す如く入力パターンＡのパ
ラメータが全体的には標準パターンA′のパラメ
ータに類似し、部分的には標準パターンB′のパ
ラメータに類似する場合にDPマツチング処理に
より誤認識を招く場合を１次元パラメータを例に
説明する。この場合、第３図に示す状況、即ち部
分的に類似している語い間の関係と同様の１次元
パラメータ時系列として第４図に示す如き入力パ
ターンＡ；２，４，６，８，８，８，８，６，
４，４，４，６，８と、第５図に示す如き標準パ
ターンA′；３，５，７，９，９，９，９，７，
５，５，７，９と、第６図に示す如き標準パター
ンB′；７，６，６，８，８，８，８，６，４，
４，４とを考える。これら第４図乃至第６図のパ
ターンより明らかな如く入力パターンＡは標準パ
ターンA′と判定されて欲しいパターンである。
ところが、入力パターンＡに対する標準パターン
A′及びB′のDPマツチング距離を計算すると、入
力パターンＡは標準パターンB′に近いことが示
される。 即ち、入力パターンＡに対する標準パターン
A′のDPマツチング処理として第２図と同様、第
７図に示す如く横軸に入力パターンＡのパラメー
タ時系列；２，４，６，８，８，８，８，６，
４，４，４，６，８を並べ、縦軸に標準パターン
A′のパラメータ時系列；３，５，７，９，９，
９，９，７，５，５，７，９を並べ、格子状平面
に於ける交点に対応して入力パターンＡの個々の
パラメータに対する標準パターンA′の個々のパ
ラメータのチエビシエフ距離を求める。そして、
入力パラメータＡのパラメータ時系列の第１番目
のパラメータ２と、標準パターンA′のパラメー
タ時系列の第１番目のパラメータ３とのチエビシ
エフ距離ｄ（１，１）＝１の点を始点として、入力
パターンＡのパラメータ時系列の第13番目のパラ
メータ８と、標準パターンA′のパラメータ時系
列の第12番目のパラメータ９とのチエビシエフ距
離ｄ（13，12）＝１の点を終点とし、DP−パスと
して第２図の場合と同様、任意の点に対する前の
状態としてその任意の点の左側の点、下側の点及
び斜め左下側の点を取ることを許した場合（この
パスを実線矢印にて示す。）パス上の点はｄ（１，
１）−ｄ（２，２）−ｄ（３，３）−ｄ（４，４）−ｄ
（５，５）−ｄ（６，６）−ｄ（７，７）−ｄ（８，８
）
−ｄ（９，９）−ｄ（10，10）−ｄ（11，10）−ｄ（12
，
10）−ｄ（13，11）−ｄ（13−12）の14点であり、そ
の距離の総和は24であり、このDPマツチング処
理DM（Ａ，A′）は１である。 一方、入力パターンＡに対する標準パターン
B′のDPマツチング処理を上述第７図に示す場合
と同様、第８図に示す如く行なう。即ち、入力パ
ターンＡの個々のパラメータ；２，４，６，８，
８，８，８，６，４，４，４，６，８に対する標
準パターンB′の個個のパラメータ；７，６，６，
８，８，８，８，６，４，４，４のチエビシエフ
距離を求め、DP−パスとして任意の点に対する
前の状態としてその任意の点の左側の点、下側の
点及び斜め左下側の点を取ることを許した場合
（このパスを実線矢印にて示す。）パス上の点はｄ
（１，１）−ｄ（２，２）−ｄ（３，３）−ｄ（４，４
）
−ｄ（５，５）−ｄ（６，６）−ｄ（７，７）−ｄ（８
，
８）−ｄ（９，９）−ｄ（10，10）−ｄ（11，11）−ｄ
（12，11）−ｄ（13，11）の13点であり、その距離
の総和は15であり、このDPマツチング距離DM
（Ａ，B′）は0.65である。 このDP−パスを３方向〓とした結果より明ら
かな様に入力パターンＡがそのDPマツチング距
離の小さな標準パターンB′と判定され、判定さ
れるべき結果が得られない。この様にDPマツチ
ング処理においては部分的に類似しているような
語い間に於いて誤認識し易い。 又、DPマツチング処理においては上述した様
に標準パターンのフレーム数Ｎが不定であり、し
かも入力パターンに対して全標準パターンをDP
マツチング処理する必要があり、語いが多くなる
とそれに伴つて演算量が飛躍的に増加し、標準パ
ターンメモリ４の記憶容量や演算量の点で問題が
あつた。 この為、部分的に類似しているような語い間に
於いても誤認識することが比較的少なく、且つ標
準パターンメモリ４の記憶容量や処理の為の演算
量が比較的少ない音声認識装置として第９図に示
す如きものが考えられている。 第９図において、１は音声信号入力部としての
マイクロホンを示し、このマイクロホン１からの
音声信号を音響分析部２の増幅器８に供給し、こ
の増幅器８の音声信号をカツトオフ周波数5.5K
Hzのローパスフイルタ９を介してサンプリング周
波数12.5KHzの12ビツトＡ／Ｄ変換器１０に供給
し、このＡ／Ｄ変換器１０のデジタル音声信号を
15チヤンネルのデジタルバンドパスフイルタバン
ク１１A，１１B，……，１１Oに供給する。この
15チヤンネルのデジタルバンドパスフイルタバン
ク１１A，１１B，……，１１Oは例えばバターワ
ース４次のデジタルフイルタにて構成し、250Hz
から5.5KHzまでの帯域が対数軸上で等間隔とな
るように割り振られている。そして、各デジタル
バンドパスフイルタバンク１１A，１１B，……，
１１Oの出力信号を15チヤンネルの整流器１２A，
１２B，……，１２Oに夫々供給し、これら整流器
１２A，１２B，……，１２Oの２乗出力を15チヤ
ンネルのデジタルローパスフイルタ１３A，１３
Ｂ，……，１３Oに夫々供給する。これらデジタル
ローパスフイルタ１３A，１３B，……，１３Oは
カツトオフ周波数52.8HzのFIR（有限インパルス
応答形）ローパスフイルタにて構成する。 そして、各デジタルローパスフイルタ１３A，
１３B，……，１３Oの出力信号をサンプリング周
期5.12msのサンプラー１４に供給する。このサ
ンプラー１４によりデジタルローパスフイルタ１
３A，１３B，……，１３Oの出力信号をフレーム
周期5.12ms毎にサンプリングし、このサンプラ
ー１４のサンプリング信号を音源情報正規化器１
５に供給する。この音源情報正規化器１５は認識
しようとする音声の話者による声帯音源特性の違
いを除去するものである。 即ち、フレーム周期毎にサンプラー１４から供
給されるサンプリング信号Ai(n)（ｉ＝１，……，
15；ｎ：フレーム番号）に対して A′i(n)＝log（Ai(n)＋Ｂ） ……(1) なる対数変換がなされる。この(1)式において、Ｂ
はバイアスでノイズレベルが隠れる程度の値を設
定する。そして、声帯音源特性をyi＝ａ・ｉ＋ｂ
なる式で近似する。このａ及びｂの計数は次式に
より決定される。
る。 背景技術とその問題点 従来、音声の発声速度変動に対処した音声認識
装置として例えば特開昭50−96104号公報に示さ
れるようなDPマツチング処理を行なうようにし
たものが提案されている。 先ず、このDPマツチング処理にて音声認識を
行なうようにした音声認識装置について説明す
る。 第１図において、１は音声信号入力部としての
マイクロホンを示し、このマイクロホン１からの
音声信号が音響分析部２に供給され、この音響分
析部２にて音響パラメータ系列Pi(n)が得られる。
この音響分析部２において例えばバンドバスフイ
ルタバンクの整流平滑化出力が音響パラメータ時
系列Pi(n)（ｉ＝１，……，Ｉ；Ｉはハンドバスフ
イルタバンクのチヤンネル数、ｎ＝１，……，
Ｎ；Ｎは音声区間判定により切り出されたフレー
ム数である。）として得られる。 この音響分析部２の音響パラメータ時系列Pi(n)
がモード切換スイツチ３により登録モードにおい
ては認識対象語毎に標準パターンメモリ４に格納
され、認識モードにおいてはDPマツチング距離
計算部５の一端に供給される。又、この認識モー
ドにおいては標準パターンメモリ４に格納されて
いる標準パターンDPマツチング距離計算部５の
他端に供給される。 このDPマツチング距離計算部５にてその時入
力されている音声の音響パラメータ時系列Pi(n)よ
りなる入力パターンと標準パターンメモリ４の標
準パターンとのDPマツチング距離計算処理がな
され、このDPマツチング距離計算部５のDPマツ
チング距離を示す距離信号が最小距離判定部６に
供給され、この最小距離判定部６にて入力パター
ンに対してDPマツチング距離が最小となる標準
パターンが判定され、この判定結果より入力音声
を示す認識結果が出力端子７に得られる。 ところで、一般に標準パターンメモリ４に格納
される標準パターンのフレーム数Ｎは発声速度変
動や単語長の違いにより異なつている。DPマツ
チング処理によりこの発声速度変動や単語長の違
いに対処する為の時間軸正規化がなされる。 以下、このDPマツチング処理について説明す
る。ここで、簡単の為に音響パラメータ時系列Pi
(n)の周波数軸方向ｉに対応する次元を省略して標
準パターンのパラメータ時系列をb1……，bN、入
力パターンのパラメータ時系列をa1，……，aMと
して、端点固定のDP−パス〓の場合のDPマツチ
ング処理について説明する。 第２図はDPマツチング処理の概念図を示し、
横軸に入力パラメータ（Ｍ＝19）が並べられ、縦
軸に標準パラメータ（Ｎ＝12）が並べられ、この
第２図に示す、Ｍ，Ｎ格子状平面に於ける・点は
Ｍ×Ｎ個であり、この各・点に１つの距離が対応
する。例えばa3とb5との距離がa3から縦に伸した
直線と、b5から横に伸した直線との交点に位置す
る・に対応する。この場合、距離として例えばチ
エビシエフ距離を取れば、a3とb5とのチエビシエ
フ距離ｄ（３，５）は ｄ（３，５）＝I Σi=1 ｜Ｐａ ｉ(3)−Ｐａ ｉ(5)｜ となる。（この場合、周波数軸方向ｉに対応する
次元を省略しているのでＩ＝Ｉである。）。そし
て、端点固定のDP−パスとして、格子点（ｍ，
ｎ）に対してこの格子点（ｍ，ｎ）に結びつける
前の状態として左側の格子点（ｍ−１，ｎ）、斜
め左下側の格子点（ｍ−１，ｎ−１）及び下側の
格子点（ｍ，ｎ−１）の３つ〓だけを許した場
合、始点、即ちa1とb1とのチエビシエフ距離ｄ
（１，１）を示す点○・から出発し、パス（経路）
として３方向〓を選び、終点、即ちaMとbNとの
チエビシエフ距離ｄ（Ｍ，Ｎ）を示す点〓に至る
パスで、通過する各格子点の距離の総和が最小に
なるものを求め、この距離の総和を入力パラメー
タ数Ｍと標準パラメータ数Ｎとの和より値１を減
算した（Ｍ＋Ｎ−１）にて除算して得られた結果
が入力パターンのパラメータ時系列b1，……，bN
とのDPマツチング距離となされる。この様な処
理を示す初期条件及び漸化式は 初期条件 ｇ（１，１）＝ｄ（１，１） 漸化式 ｇ（ｍ，ｎ）＝minｄ（ｍ，ｎ）＋ｇ（
ｍ−１，ｎ） ２・ｄ（ｍ，ｎ）＋ｇ（ｍ−１，ｎ−１） ｄ（ｍ，ｎ）＋ｇ（ｍ，ｎ−１） と表され、これよりDPマツチング距離DM（Ａ，
Ｂ）は DM（Ａ，Ｂ）＝ｇ（Ｍ，Ｎ）／Ｍ＋Ｎ−１）と
表される（（Ｍ＋Ｎ−１）でｇ（Ｍ，Ｎ）を割つて
いるのは標準パターンのフレーム数Ｎの違いによ
る距離の値の差を補正するためである。）。この様
な処理により標準パターンの数がＬ個ある場合に
は入力パターンに対するDPマツチング距離がＬ
個求められ、このＬ個DPマツチング距離中最小
の距離となる標準パターンが認識結果となされ
る。 この様なDPマツチング処理による音声認識装
置によれば発声速度変動や単語長の違いに対処、
即ち時間軸正規化のなされた音声認識を行なうこ
とができる。 然し乍ら、この様なDPマツチング処理により
音声認識を行なうものにおいては、音声の定常部
がDPマツチング距離に大きく反映し、部分的に
類似しているような語い間に於いて誤認識し易い
ということが明らかとなつた。 即ち、音響パラメータ時系列Pi(n)はそのパラメ
ータ空間で軌跡を描くと考えることができる。実
際には各フレームｎのパラメータがパラメータ空
間内の１点に対応することから、点列ではあるが
時系列方向に曲線で結んでいくと始点から終点迄
の１つの軌跡が考えられる。例えば２種類の単語
“SAN”と“HAI”とを登録した場合、夫々の標
準パターンA′，B′は第３図に示す如く“Ｓ”，
“Ａ”，“Ｎ”，“Ｈ”，“Ａ”，“Ｉ”の各音韻領域
を
通過する軌跡を描く。そして、認識モードで
“SAN”と発声した場合、全体的にみれば入力パ
ターンＡに対する標準パターンB′の類似する部
分は非常に少ないが、この入力パターンＡの
“SAN”の“Ａ”の部分が標準パターンA′の
“SAN”の“Ａ”の部分より標準パターンB′の
“HAI”の“Ａ”の部分により類似し、且つその
部分（準定常部）に点数が多い場合がある。 ここで、第３図に示す如く入力パターンＡのパ
ラメータが全体的には標準パターンA′のパラメ
ータに類似し、部分的には標準パターンB′のパ
ラメータに類似する場合にDPマツチング処理に
より誤認識を招く場合を１次元パラメータを例に
説明する。この場合、第３図に示す状況、即ち部
分的に類似している語い間の関係と同様の１次元
パラメータ時系列として第４図に示す如き入力パ
ターンＡ；２，４，６，８，８，８，８，６，
４，４，４，６，８と、第５図に示す如き標準パ
ターンA′；３，５，７，９，９，９，９，７，
５，５，７，９と、第６図に示す如き標準パター
ンB′；７，６，６，８，８，８，８，６，４，
４，４とを考える。これら第４図乃至第６図のパ
ターンより明らかな如く入力パターンＡは標準パ
ターンA′と判定されて欲しいパターンである。
ところが、入力パターンＡに対する標準パターン
A′及びB′のDPマツチング距離を計算すると、入
力パターンＡは標準パターンB′に近いことが示
される。 即ち、入力パターンＡに対する標準パターン
A′のDPマツチング処理として第２図と同様、第
７図に示す如く横軸に入力パターンＡのパラメー
タ時系列；２，４，６，８，８，８，８，６，
４，４，４，６，８を並べ、縦軸に標準パターン
A′のパラメータ時系列；３，５，７，９，９，
９，９，７，５，５，７，９を並べ、格子状平面
に於ける交点に対応して入力パターンＡの個々の
パラメータに対する標準パターンA′の個々のパ
ラメータのチエビシエフ距離を求める。そして、
入力パラメータＡのパラメータ時系列の第１番目
のパラメータ２と、標準パターンA′のパラメー
タ時系列の第１番目のパラメータ３とのチエビシ
エフ距離ｄ（１，１）＝１の点を始点として、入力
パターンＡのパラメータ時系列の第13番目のパラ
メータ８と、標準パターンA′のパラメータ時系
列の第12番目のパラメータ９とのチエビシエフ距
離ｄ（13，12）＝１の点を終点とし、DP−パスと
して第２図の場合と同様、任意の点に対する前の
状態としてその任意の点の左側の点、下側の点及
び斜め左下側の点を取ることを許した場合（この
パスを実線矢印にて示す。）パス上の点はｄ（１，
１）−ｄ（２，２）−ｄ（３，３）−ｄ（４，４）−ｄ
（５，５）−ｄ（６，６）−ｄ（７，７）−ｄ（８，８
）
−ｄ（９，９）−ｄ（10，10）−ｄ（11，10）−ｄ（12
，
10）−ｄ（13，11）−ｄ（13−12）の14点であり、そ
の距離の総和は24であり、このDPマツチング処
理DM（Ａ，A′）は１である。 一方、入力パターンＡに対する標準パターン
B′のDPマツチング処理を上述第７図に示す場合
と同様、第８図に示す如く行なう。即ち、入力パ
ターンＡの個々のパラメータ；２，４，６，８，
８，８，８，６，４，４，４，６，８に対する標
準パターンB′の個個のパラメータ；７，６，６，
８，８，８，８，６，４，４，４のチエビシエフ
距離を求め、DP−パスとして任意の点に対する
前の状態としてその任意の点の左側の点、下側の
点及び斜め左下側の点を取ることを許した場合
（このパスを実線矢印にて示す。）パス上の点はｄ
（１，１）−ｄ（２，２）−ｄ（３，３）−ｄ（４，４
）
−ｄ（５，５）−ｄ（６，６）−ｄ（７，７）−ｄ（８
，
８）−ｄ（９，９）−ｄ（10，10）−ｄ（11，11）−ｄ
（12，11）−ｄ（13，11）の13点であり、その距離
の総和は15であり、このDPマツチング距離DM
（Ａ，B′）は0.65である。 このDP−パスを３方向〓とした結果より明ら
かな様に入力パターンＡがそのDPマツチング距
離の小さな標準パターンB′と判定され、判定さ
れるべき結果が得られない。この様にDPマツチ
ング処理においては部分的に類似しているような
語い間に於いて誤認識し易い。 又、DPマツチング処理においては上述した様
に標準パターンのフレーム数Ｎが不定であり、し
かも入力パターンに対して全標準パターンをDP
マツチング処理する必要があり、語いが多くなる
とそれに伴つて演算量が飛躍的に増加し、標準パ
ターンメモリ４の記憶容量や演算量の点で問題が
あつた。 この為、部分的に類似しているような語い間に
於いても誤認識することが比較的少なく、且つ標
準パターンメモリ４の記憶容量や処理の為の演算
量が比較的少ない音声認識装置として第９図に示
す如きものが考えられている。 第９図において、１は音声信号入力部としての
マイクロホンを示し、このマイクロホン１からの
音声信号を音響分析部２の増幅器８に供給し、こ
の増幅器８の音声信号をカツトオフ周波数5.5K
Hzのローパスフイルタ９を介してサンプリング周
波数12.5KHzの12ビツトＡ／Ｄ変換器１０に供給
し、このＡ／Ｄ変換器１０のデジタル音声信号を
15チヤンネルのデジタルバンドパスフイルタバン
ク１１A，１１B，……，１１Oに供給する。この
15チヤンネルのデジタルバンドパスフイルタバン
ク１１A，１１B，……，１１Oは例えばバターワ
ース４次のデジタルフイルタにて構成し、250Hz
から5.5KHzまでの帯域が対数軸上で等間隔とな
るように割り振られている。そして、各デジタル
バンドパスフイルタバンク１１A，１１B，……，
１１Oの出力信号を15チヤンネルの整流器１２A，
１２B，……，１２Oに夫々供給し、これら整流器
１２A，１２B，……，１２Oの２乗出力を15チヤ
ンネルのデジタルローパスフイルタ１３A，１３
Ｂ，……，１３Oに夫々供給する。これらデジタル
ローパスフイルタ１３A，１３B，……，１３Oは
カツトオフ周波数52.8HzのFIR（有限インパルス
応答形）ローパスフイルタにて構成する。 そして、各デジタルローパスフイルタ１３A，
１３B，……，１３Oの出力信号をサンプリング周
期5.12msのサンプラー１４に供給する。このサ
ンプラー１４によりデジタルローパスフイルタ１
３A，１３B，……，１３Oの出力信号をフレーム
周期5.12ms毎にサンプリングし、このサンプラ
ー１４のサンプリング信号を音源情報正規化器１
５に供給する。この音源情報正規化器１５は認識
しようとする音声の話者による声帯音源特性の違
いを除去するものである。 即ち、フレーム周期毎にサンプラー１４から供
給されるサンプリング信号Ai(n)（ｉ＝１，……，
15；ｎ：フレーム番号）に対して A′i(n)＝log（Ai(n)＋Ｂ） ……(1) なる対数変換がなされる。この(1)式において、Ｂ
はバイアスでノイズレベルが隠れる程度の値を設
定する。そして、声帯音源特性をyi＝ａ・ｉ＋ｂ
なる式で近似する。このａ及びｂの計数は次式に
より決定される。
【化】
【化】
そして、音源の正規化されたパラメータをPi(n)
とすると、ａ(n)＜０のときパラメータPi(n)は Pi(n)＝A′i(n)−｛ａ(n)・ｉ＋ｂ(n)｝ ……(4) と表される。 又、ａ(n)≧０のときレベルの正規化のみ行な
い、パラメータPi(n)は Pi(n)＝A′i(n)−I Σi=1 A′i(n)／Ｉ（Ｉ＝15） ……(5) と表される。 この様な処理により音源特性の正規化されたパ
ラメータPi(n)を音声区間内パラメータメモリ１６
に供給する。この音声区間内パラメータメモリ１
６は後述する音声区間判定部１７からの音声区間
判定信号を受けて音源特性の正規化されたパラメ
ータPi(n)を音声区間毎に格納する。 一方、Ａ／Ｄ変換器１０のデジタル音声信号を
音声区間判定部１７のゼロクロスカウンタ１８及
びパワー算出器１９に夫々供給する。このゼロク
ロスカウンタ１８は5.12ms毎にその区間の64点
のデジタル音声信号のセロクロス数をカウント
し、そのカウント値を音声区間判定器２０の第１
の入力端に供給する。又、パワー算出器１９は
5.12ms毎にその区間のデジタル音声信号のパワ
ー、即ち２乗和を求め、その区間内パワーを示す
パワー信号を音声区間判定器２０の第２の入力端
に供給する。更に、音源情報正規化器１５の音源
正規化情報ａ(n)及びｂ(n)を音声区間判定器２０の
第３の入力端に供給する。そして、音声区間判定
器２０においてはゼロクロス数、区間内パワーお
よび音源正規化情報ａ(n)，ｂ(n)を複合的に処理
し、無音、無声音および有声音の判定処理を行な
い、音声区間を決定する。この音声区間判定器２
０の音声区間を示す音声区間判定信号を音声区間
判定部１７の出力として音声区間内パラメータメ
モリ１６に供給する。 この音声区間内パラメータメモリ１６に格納さ
れた音声区間毎に音源特性の正規化された音響パ
ラメータPi(n)をその時系列方向にNAT処理部２
１に供給する（このNATとはNormalization
Along Trajectoryの頭文字を取つたものであ
る。）。このNAT処理部２１はNAT処理として
音響パラメータ時系列Pi(n)からそのパラメータ空
間における軌跡を直線近似で推定し、この軌跡に
沿つて直線補間で新たな音響パラメータ時系列
Qi（ｍ）を形成する。 ここで、このNAT処理部２１について更に説
明する。音響パラメータ時系列Pi(n)（ｉ＝１，…
…，Ｉ；ｎ＝１，……，Ｎ）はそのパラメータ空
間に点列を描く。第１０図に２次元パラメータ空
間に分布する点列の例を示す。この第１０図に示
す如く音声の非定常部の点列は粗に分布し、準定
常部は密に分布する。この事は完全に定常であれ
ばパラメータは変化せず、その場合には点列はパ
ラメータ空間に停留することからも明らかであ
る。 第１１図は第１０図に示す如き点列上に滑らか
な曲線で軌跡を描いた例を示す。この第１１図に
示す如く点列に対して軌跡を推定できれば、音声
の発声速度変動に対して軌跡は殆ど不変であると
考えることができる。何故ならば、音声の発声速
度変動による時間長の違いは殆どが準定常部の時
間的伸縮（第１０図に示す如き点列においては準
定常部の点列密度の違いに相当する。）に起因し、
非定常部の時間長の影響は少ないと考えられるか
らである。 NAT処理部２１においてはこの様な音声の発
声速度変動に対する軌跡の不変性に着目して時間
軸正規化を行なう。 即ち、第１に音響パラメータ時系列Pi(n)に対し
て始端Pi(1)から終端Pi(N)迄を連続曲線で描いた軌
跡を推定し、この軌跡を示す曲線をPi^(s)０≦ｓ≦
Ｓ）とする。この場合、必ずしもPi^(o)＝Pi(1)，Pi^
(s)＝Pi(N)である必要は無く、基本的にはPi^(s)が点
列全体を近似的に通過するようなものであれば良
い。 第２に推定されたPi^(s)から軌跡の長さSLを求
め、第１２図に○印にて示す如く軌跡に沿つて一
定長で新たな点列をリサンプリングする。例えば
Ｍ点にサンプリングする場合、一定長さ、即ちリ
サンプリング間隔Ｔ＝SL／（Ｍ−１）を基準と
して軌跡上をリサンプリングする。このリサンプ
リングされた点列をQi（ｍ）（ｉ＝１，……，
Ｉ；ｍ＝１，……，Ｍ）とすれば、Qi(1)＝Pi^(o)，
Qi(M)＝Pi^(s)である。 この様にして得られた新たなパラメータ時系列
Qi(m)は軌跡の基本情報を有しており、しかも音
声の発声速度変動に対して殆ど不変なパラメータ
となる。即ち、新たなパラメータ時系列Qi(m)は
時間軸正規化がなされたパラメータ時系列とな
る。 この様な処理の為に、音声区間内パラメータメ
モリ１６の音響パラメータ時系列Pi(n)を軌跡長算
出器２２に供給する。この軌跡長算出器２２は音
響パラメータ時系列Pi(n)がそのパラメータ空間に
おいて描く直線近似による軌跡の長さ、即ち軌跡
長を算出するものである。この場合、Ｉ次元ベク
トルai及びbi間のユークリツド距離Ｄ（ai，bi）は
とすると、ａ(n)＜０のときパラメータPi(n)は Pi(n)＝A′i(n)−｛ａ(n)・ｉ＋ｂ(n)｝ ……(4) と表される。 又、ａ(n)≧０のときレベルの正規化のみ行な
い、パラメータPi(n)は Pi(n)＝A′i(n)−I Σi=1 A′i(n)／Ｉ（Ｉ＝15） ……(5) と表される。 この様な処理により音源特性の正規化されたパ
ラメータPi(n)を音声区間内パラメータメモリ１６
に供給する。この音声区間内パラメータメモリ１
６は後述する音声区間判定部１７からの音声区間
判定信号を受けて音源特性の正規化されたパラメ
ータPi(n)を音声区間毎に格納する。 一方、Ａ／Ｄ変換器１０のデジタル音声信号を
音声区間判定部１７のゼロクロスカウンタ１８及
びパワー算出器１９に夫々供給する。このゼロク
ロスカウンタ１８は5.12ms毎にその区間の64点
のデジタル音声信号のセロクロス数をカウント
し、そのカウント値を音声区間判定器２０の第１
の入力端に供給する。又、パワー算出器１９は
5.12ms毎にその区間のデジタル音声信号のパワ
ー、即ち２乗和を求め、その区間内パワーを示す
パワー信号を音声区間判定器２０の第２の入力端
に供給する。更に、音源情報正規化器１５の音源
正規化情報ａ(n)及びｂ(n)を音声区間判定器２０の
第３の入力端に供給する。そして、音声区間判定
器２０においてはゼロクロス数、区間内パワーお
よび音源正規化情報ａ(n)，ｂ(n)を複合的に処理
し、無音、無声音および有声音の判定処理を行な
い、音声区間を決定する。この音声区間判定器２
０の音声区間を示す音声区間判定信号を音声区間
判定部１７の出力として音声区間内パラメータメ
モリ１６に供給する。 この音声区間内パラメータメモリ１６に格納さ
れた音声区間毎に音源特性の正規化された音響パ
ラメータPi(n)をその時系列方向にNAT処理部２
１に供給する（このNATとはNormalization
Along Trajectoryの頭文字を取つたものであ
る。）。このNAT処理部２１はNAT処理として
音響パラメータ時系列Pi(n)からそのパラメータ空
間における軌跡を直線近似で推定し、この軌跡に
沿つて直線補間で新たな音響パラメータ時系列
Qi（ｍ）を形成する。 ここで、このNAT処理部２１について更に説
明する。音響パラメータ時系列Pi(n)（ｉ＝１，…
…，Ｉ；ｎ＝１，……，Ｎ）はそのパラメータ空
間に点列を描く。第１０図に２次元パラメータ空
間に分布する点列の例を示す。この第１０図に示
す如く音声の非定常部の点列は粗に分布し、準定
常部は密に分布する。この事は完全に定常であれ
ばパラメータは変化せず、その場合には点列はパ
ラメータ空間に停留することからも明らかであ
る。 第１１図は第１０図に示す如き点列上に滑らか
な曲線で軌跡を描いた例を示す。この第１１図に
示す如く点列に対して軌跡を推定できれば、音声
の発声速度変動に対して軌跡は殆ど不変であると
考えることができる。何故ならば、音声の発声速
度変動による時間長の違いは殆どが準定常部の時
間的伸縮（第１０図に示す如き点列においては準
定常部の点列密度の違いに相当する。）に起因し、
非定常部の時間長の影響は少ないと考えられるか
らである。 NAT処理部２１においてはこの様な音声の発
声速度変動に対する軌跡の不変性に着目して時間
軸正規化を行なう。 即ち、第１に音響パラメータ時系列Pi(n)に対し
て始端Pi(1)から終端Pi(N)迄を連続曲線で描いた軌
跡を推定し、この軌跡を示す曲線をPi^(s)０≦ｓ≦
Ｓ）とする。この場合、必ずしもPi^(o)＝Pi(1)，Pi^
(s)＝Pi(N)である必要は無く、基本的にはPi^(s)が点
列全体を近似的に通過するようなものであれば良
い。 第２に推定されたPi^(s)から軌跡の長さSLを求
め、第１２図に○印にて示す如く軌跡に沿つて一
定長で新たな点列をリサンプリングする。例えば
Ｍ点にサンプリングする場合、一定長さ、即ちリ
サンプリング間隔Ｔ＝SL／（Ｍ−１）を基準と
して軌跡上をリサンプリングする。このリサンプ
リングされた点列をQi（ｍ）（ｉ＝１，……，
Ｉ；ｍ＝１，……，Ｍ）とすれば、Qi(1)＝Pi^(o)，
Qi(M)＝Pi^(s)である。 この様にして得られた新たなパラメータ時系列
Qi(m)は軌跡の基本情報を有しており、しかも音
声の発声速度変動に対して殆ど不変なパラメータ
となる。即ち、新たなパラメータ時系列Qi(m)は
時間軸正規化がなされたパラメータ時系列とな
る。 この様な処理の為に、音声区間内パラメータメ
モリ１６の音響パラメータ時系列Pi(n)を軌跡長算
出器２２に供給する。この軌跡長算出器２２は音
響パラメータ時系列Pi(n)がそのパラメータ空間に
おいて描く直線近似による軌跡の長さ、即ち軌跡
長を算出するものである。この場合、Ｉ次元ベク
トルai及びbi間のユークリツド距離Ｄ（ai，bi）は
【化】
である。そこで、Ｉ次元の音響パラメータ時系列
Pi(n)（ｉ＝１，……，Ｉ；ｎ＝１，……，Ｎ）よ
り、直線近似により軌跡を推定した場合の時系列
方向に隣接するパラメータ間距離Ｓ(n)は Ｓ(n)＝Ｄ（Pi（ｎ＋１），Pi(n)） （ｎ＝１，……，Ｎ−１） ……(7) と表される。そして、時系列方向における第１番
目のパラメータPi(1)から第ｎ番目のパラメータPi
(n)迄の距離SL(n)は SL(n)N-1 Σn ′=1Ｓ（n′） ……(8) と表される。尚、SL(1)＝０である。更に、軌跡
長SLは SL＝SL(N)＝o-1 Σn ′=1Ｓ（n′） ……(9) と表される。軌跡長算出器２２はこの(7)式、(8)式
及び(9)式にて示す信号処置を行なう如くなす。 この軌跡長算出器２２の軌跡長SLを示す軌跡
長信号を補間間隔算出器２３に供給する。この補
間間隔算出器２３は軌跡に沿つて直線補間により
新たな点列をリサンプリングする一定長のリサン
プリング間隔Ｔを算出するものである。この場
合、Ｍ点にリサンプリングするとすれば、リサン
プリング間隔Ｔは Ｔ＝SL／（Ｍ−１） ……(10) と表わされる。補間間隔算出器２３はこの(10)式に
て示す信号処理を行なう如くなす。 この補間間隔算出器２３のリサンプリング間隔
Ｔを示すリサンプリング間隔信号を補間点抽出器
２４の一端に供給すると共に音声区間内パラメー
タメモリ１６の音響パラメータ時系列Pi(n)を補間
点抽出器２４の他端に供給する。この補間点抽出
器２４は音響パラメータ時系列Pi(n)のそのパラメ
ータ空間における軌跡例えばパラメータ間を直線
近似した軌跡に沿つてリサンプリング間隔Ｔで新
たな点列をリサンプリングし、この新たな点列よ
り新たな音響パラメータ時系列Qi(m)を形成する
ものである。 ここで、この補間点抽出器２４における信号処
理を第１３図に示す流れ図に沿つて説明する。先
ず、ブロツク２４ａにてリサンプリング点の時系
列方向における番号を示す変数Ｊに値１が設定さ
れると共に音響パラメータ時系列Pi(n)の時系列方
向における番号を示す変数ICに値１が設定され
る。そして、ブロツク２４ｂにて変数Ｊがインク
リメントされ、ブロツク２４ｃにてそのときの変
数Ｊが（Ｍ−１）以下であるかどうかにより、そ
のときのリサンプリング点の時系列方向における
番号がリサンプリングする必要のある最後の番号
になつていないかどうかを判断し、なつていれば
この補間点抽出器２４の信号位置を終了し、なつ
ていなければブロツク２４ｄにて第１番目のリサ
ンプリング点から第Ｊ番目のリサンプリング点ま
でのリサンプル距離DLが算出され、ブロツク２
４ｅにて変数ICがインクリメントされ、ブロツ
ク２４ｆにてリサンプル距離DLが音響パラメー
タ時系列Pi(n)の第１番目のパラメータPi(1)から第
IC番目のパラメータPi(IC)までの距離SL(IC)よりも
小さいかどうかにより、そのときのリサンプリン
グ点が軌跡上においてそのときのパラメータ
Pi(IC)よりも軌跡の始点側に位置するかどうかを
判断し、位置していなければブロツク２４ｅにて
変数ICをインクリメントした後再びブロツク２
４ｆにてリサンプリング点とパラメータPi(IC)と
の軌跡上における位置の比較をし、リサンプリン
グ点が軌跡上においてパラメータPi(IC)よりも始
点側に位置すると判断されたとき、ブロツク２４
ｇにてリサンプリングにより軌跡に沿う新たな音
響パラメータQi(J)が形成される。即ち、先ず第Ｊ
番目のリサンプリング点によるリサンプル距離
DLからこの第Ｊ番目のリサンプリング点よりも
始点側に位置する第（IC−１）番目のパラメー
タPi(IC-1)による距離SL(IC-1)を減算して第(IC-1)番
目のパラメータPi(IC-1)から第Ｊ番目のリサンプリ
ング点迄の距離SSを求める。次に、軌跡上にお
いてこの第Ｊ番目のリサンプリング点の両側に位
置するパラメータPi(IC-1)及びパラメータPi(IC)間
の距離Ｓ(n)（この距離Ｓ(n)は(7)式にて示される信
号処理にて得られる。）にてこの距離SSを除算
SS／S(IC-1)し、この除算結果SS／S(IC-1)に軌跡上
において第Ｊ番目のリサンプリング点の両側に位
置するパラメータPi(IC)とPi(IC-1)との差（Pi(IC)−
Pi(IC-1))）を掛算（Pi(IC)−Pi(IC-1)）＊SS／S(IC-1)
して、軌跡上において第Ｊ番目のリサンプリング
点のこのリサンプリング点よりも始点側に隣接し
て位置する第（IC−１）番目のパラメータ
Pi(IC-1)からの補間量を算出し、この補間量と第Ｊ
番目のリサンプリング点よりも始点側に隣接して
位置する第（IC−１）番目のパラメータPi(IC-1)
とを加算して、軌跡に沿う新たな音響パラメータ
Qi(J)が形成される。第１４図に２次元の音響パラ
メータ時系列Ｐ(1)，Ｐ(2)，……，Ｐ(8)に対してパ
ラメータ間を直線近似して軌跡を推定し、この軌
跡に沿つて直線補間により６点の新たな音響パラ
メータ時系列Ｑ(1)，Ｑ(2)，……，Ｑ(6)を形成した
例を示す。又、このブロツク２４ｇにおいては周
波数系列方向にＩ次元分（ｉ＝１，……，Ｉ）の
信号処理が行なわれる。 この様にしてブロツク２４ｂ乃至２４ｇにて始
点及び終点（これらはQi(1)＝Pi^（ｏ），Qi(M)＝Pi^
(s)である。）を除く（Ｍ−２）点のリサンプリン
グにより新たな音響パラメータ時系列Qi(m)が形
成される。 このNAT処理部２１の新たな音響パラメータ
時系列Qi(m)をモード切換スイツチ３により、登
録モードにおいては認識対象語毎に標準パターン
メモリ４に格納し、認識モードにおいてはチエビ
シエフ距離算出部２５の一端に供給する。又、こ
の認識モードにおいては標準パターンメモリ４に
格納されている標準パターンをチエビシエフ距離
算出部２５の他端に供給する。このチエビシエフ
距離算出部２５においてはその時入力されている
音声の時間軸の正規化された新たな音響パラメー
タ時系列Qi(m)よりなる入力パターンと、標準パ
ターンメモリ４の標準パターンとチエビシエフ距
離算出処理がなされる。 そして、このチエビシエフ距離を示す距離信号
を最小距離判定部６に供給し、この最小距離判定
部６にて入力パターンに対するチエビシエフ距離
が最小となる標準パターンが判定され、この判定
結果より入力音声を示す認識結果を出力端子７に
供給する。 この様にしてなる音声認識装置の動作について
説明する。 マイクロホン１の音声信号が音響分析部２にて
音声区間毎に音源特性の正規化された音響パラメ
ータ時系列Pi(n)に変換され、この音響パラメータ
時系列Pi(n)がNAT処理部２１に供給され、この
NAT処理部２１にて音響パラメータ時系列Pi(n)
からそのパラメータ空間における直線近似による
軌跡が推定され、この軌跡に沿つて直線補間され
た時間軸正規化のなされた新たな音響パラメータ
時系列Qi(m)が形成され、登録モードにおいては
この新たな音響パラメータ時系列Qi(m)がモード
切換スイツチ３を介して標準パターンメモリ４に
格納される。 又、認識モードにおいては、NAT処置部２１
の新たな音響パラメータ時系列Qi(m)がモード切
換スイツチ３を介してチエビシエフ距離算出部２
５に供給されると共に標準パターンメモリ４の標
準パターンがチエビシエフ距離算出部２５に供給
される。第１５図乃至第１７図に第４図乃至第６
図に示す１次元の入力パターンＡのパラメータ時
系列；２，４，６，８，８，８，８，６，４，
４，４，６，８、標準パターンA′のパラメータ
時系列；３，５，７，９，９，９，９，７，５，
５，７，９、標準パターンB′のパラメータ時系
列；７，６，６，８，８，８，８，６，４，４，
４をNAT処理部２１にて直線近似にて軌跡を推
定し、リサンプリング点を８点とする処理をした
１次元の入力パターンＡのパラメータ時系列；
２，４，６，８，６，４，６，８、標準パターン
A′のパラメータ時系列；３，５，７，９，７，
５，７，９、標準パターンB′のパラメータ時系
列；７，６，７，８，７，６，５，４を夫々示
す。この場合、音響パラメータ時系列Pi(n)からそ
のパラメータ空間における軌跡を推定し、この軌
跡に沿つて新たな音響パラメータ時系列Qi(m)が
形成されるので、入力音声を変換した音響パラメ
ータ時系列Pi(n)自身により時間軸正規化がなされ
る。そして、チエビシエフ距離算出部２５におい
て入力パターンＡと標準パターンA′との間にチ
エビシエフ距離８が算出されると共に入力パター
ンＡと標準パターンB′との間のチエビシエフ距
離１６が算出され、これら距離８及び距離１６を
夫々示す距離信号が最小距離判定部６に供給さ
れ、この最小距離判定部６にて距離８が距離１６
よりも小さいことから標準パターンＡが入力パタ
ーンA′であると判定され、この判定結果より入
力音声が標準パターンＡであることを示す認識結
果が出力端子７に得られる。従つて、部分的に類
似しているような語い間に於いても誤認識するこ
とが比較的少ない音声認識を行なうことができ
る。 ここで、NAT処理を行なう音声認識装置とDP
マツチング処理を行なう音声認識装置との演算量
における差異について説明する。 入力パターンに対する標準パターン１個当たり
のDPマツチング距離計算部５における平均演算
量をαとし、チエビシエフ距離算出部２５におけ
る平均演算量をβとし、NAT処理部２１の平均
の演算量をγとしたとき、Ｊ個の標準パターンに
対するDPマツチング処理による演算量C1は C1＝α・Ｊ ……(11) である。又、Ｊ個の標準パターンに対するNAT
処理した場合の演算量C2は C2＝β・Ｊ＋γ ……(12) である。一般に、平均演算量αは平均演算量βに
対してα》βなる関係がある。従つて、 Ｊ≫γ／α−β ……(13) なる関係が成り立つ、即ち認識対象語い数が増加
するに従つて演算量C1は演算量C2に対してC1≫
C2なる関係となり、NAT処理を行なう音声認識
装置に依れば、演算量を大幅に低減できる。 又、NAT処理部２１より得られる新たな音響
パラメータ時系列Qi(m)はその時系列方向におい
て一定のパラメータ数に設定できるので、標準パ
ターンメモリ４の記憶領域を有効に利用でき、そ
の記憶容量を比較的少なくできる。 ところで、一般に音声にはゆらぎがある。この
音声のゆらぎのためにパラメータ空間における準
定常部にゆらぎを生じる。準定常部にゆらぎがあ
ると軌跡上において準定常部に比較的大きな距離
を生じることがあり、このゆらぎによる距離の違
いによりリサンプリング点にバラツキを生じ、こ
のリサンプリング点のバラツキにより認識率が低
下するという不都合があつた。 発明の目的 本発明は斯かる点に鑑み音声にゆらぎを生じて
も比較的高い認識率の得られるものを得ることを
目的とする。 発明の概要 本発明は音声信号入力部を有し、この音声信号
入力部の音声信号を音響分析部に供給し、この音
響分析部の音響パラメータ系列をNAT処理部に
供給し、このNAT処理部にて音響パラメータ系
列からそのパラメータ空間における軌跡を推定
し、この軌跡に沿つて新たな音響パラメータ系列
を形成するNAT処理を複数回行ない、NAT処
理部の新たな音響パラメータ系列を処理すること
により音声信号を認識するようにしたものであ
り、斯かる本発明音声認識装置に依れば音声にゆ
らぎを生じても比較的高い認識率が得られる利益
がある。 実施例 以下、第１８図乃至第２１図を参照しながら本
発明音声認識装置の一実施例について説明しよ
う。この第１８図乃至第２１図において第１図乃
至第１７図と対応する部分に同一符号を付してそ
の詳細な説明は省略する。 本例においては第１８図に示す如く音響分析部
２の音響パラメータ時系列Pi(n)を第１のNAT処
理部２６に供給し、この第１のNAT処理部２６
の第１の新たな音響パラメータ時系列Qi(m)を第
２のNAT処理部２７に供給する。この第２の
NAT処理部２７は第２のNAT処理として第１
のNAT処理部２６の第１の新たな音響パラメー
タ時系列Qi(m)からそのパラメータ空間における
軌跡を例えば直線近似により推定し、この軌跡に
沿つて例えば直線補間により第２の新たな音響パ
ラメータ時系列Pi(1)を形成する。 この様な処理の為に、第１のNAT処理部２６
の第１の新たな音響パラメータ時系列Qi(m)を軌
跡長算出器２８に供給する。この軌跡長算出器２
８は第１のNAT処理部２６の軌跡長算出器２８
と同様、第１の新たな音響パラメータ時系列Qi
(m)がそのパラメータ空間において描く軌跡長を算
出するものである。 この軌跡長算出器２８の軌跡長を示す第２の軌
跡長信号を補間間隔算出器２９に供給する。この
補間間隔算出器２２は第１のNAT処理部２６の
補間間隔算出器２３と同様、軌跡に沿つてＭ点の
新たな点列をリサンプリングする一定長の第２の
リサンプリング間隔を算出するものである。 この補間間隔算出器２９の第２のリサンプリン
グ間隔を示す第２のリサンプリング間隔信号を補
間点抽出器３０の一端に供給すると共に第１の
NAT処理部２１の第１の新たな音響パラメータ
時系列Qi(m)を補間点抽出器３０の他端に供給す
る。この補間点抽出器３０は第１のNAT処理部
２６の補間点抽出器２４と同様、第１の新たな音
響パラメータ時系列Qi(m)のそのパラメータ空間
における軌跡例えばパラメータ間を直線近似した
軌跡に沿つて第２のリサンプリング間隔で新たな
点列をリサンプリングし、この新たな点列より第
２の新たな音響パラメータ時系列Pi(m)を形成する
ものである。 この第２のNAT処理部２７の第２の新たな音
響パラメータ時系列Pi(m)をモード切換スイツチ３
に供給する。その他音響分析部２、第１のNAT
処理部２６、モード切換スイツチ３、標準パター
ンメモリ４、チエビシエフ距離算出部２５、最小
距離判定部６等は上述第９図に示す音声認識装置
と同様に構成する。 この様にしてなる音声認識装置の動作について
説明する。 マイクロホン１の音声信号が音響分析部２にて
音声区間毎に音源特性の正規化された音響パラメ
ータ時系列Pi(n)に変換され、この音響パラメータ
時系列Pi(n)が第１のNAT処理部２６に供給さ
れ、この第１のNAT処理部２６にて音響パラメ
ータ時系列Pi(n)からそのパラメータ空間における
直線近似による軌跡が推定され、この軌跡に沿つ
て直線補間され時間軸正規化のなされた第１の新
たな音響パラメータ時系列Qi(m)が形成される。
第１９図にこの第１のNAT処理部２６における
NAT処理の状態を簡略化して示す。 即ち、この第１９図において、25個の×印は音
響分析部２の音響パラメータ時系列Pi(n)のそのパ
ラメータ空間における点列を示し、この×印間の
実線は直線近似により推定された軌跡を示す。
又、14個の△印は第１のNAT処理部２６の第１
の新たな音響パラメータ時系列Qi(m)のそのパラ
メータ空間における点列を示す。この第１９図よ
り明らかな如く×印の分布の密なところが準定常
部であり、音声のゆらぎによりこの準定常部の点
列がゆらいでおり、このゆらぎにより軌跡上にお
いて準定常部に比較的大きな距離を生じ、リサン
プリング点（△印）がゆらぎの影響を受けてい
る。 そして、この第１のNAT処理部２６の音声の
ゆらぎの影響を受けた第１の新たな音響パラメー
タ時系列Qi(m)が第２のNAT処理部２７に供給さ
れ、この第２のNAT処理部２７にて音声のゆら
ぎの影響を受けた第１の新たな音響パラメータ時
系列Qi(m)からそのパラメータ空間における直線
近似による軌跡が推定され、この軌跡に沿つて直
線補間された第２の新たな音響パラメータ時系列
Pi(m)が形成される。第２０図及び第２１図にこの
第２のNAT処理部２７におけるNAT処理の状
態を簡略化して示す。 即ち、この第２０図において、14個の△印は第
１の新たな音響パラメータ時系列Qi(m)のそのパ
ラメータ空間における点列を示し、この△印間の
点線は直線近似により推定された軌跡を示す。
又、14個の○印は第２のNAT処理部２７の第２
の新たな音響パラメータ時系列Pi(m)のそのパラメ
ータ空間における点列を示す。又、第２１図には
音響パラメータ時系列Pi(n)のそのパラメータ空間
における点列を25個の×印、この音響パラメータ
時系列Pi(n)からそのパラメータ空間において直線
近似により推定された軌跡を×印間の実線、第２
の新たな音響パラメータ時系列Pi(m)のそのパラメ
ータ空間における点列を○印にて夫々示す。この
第２１図より明らかな如く第２のNAT処理部２
７のNAT処理によりゆらぎの影響を受けた×印
の分布の密な準定常部と、×印の分布の粗な非定
常部との間で○印の分布に偏りがないことがわか
る。従つて、第２のNAT処理部２７のNAT処
理により形成される第２の新たな音響パラメータ
時系列Pi(m)は音声のゆらぎの影響の比較的少ない
パラメータ時系列となる。 この様にして形成された第２の音響パラメータ
時系列Pi(m)が、登録モードにおいてはモード切換
スイツチ３を介して標準パターンメモリ４に格納
される。 又、認識モードにおいては、第２のNAT処理
部２７の第２の新たな音響パラメータ時系列Pi(m)
が入力パターンとしてモード切換スイツチ３を介
してチエビシエフ距離算出器２５に供給されると
共に標準パターンメモリ４の標準パターンがチエ
ビシエフ距離算出部２５に供給され、このチエビ
シエフ距離算出部２５にて入力パターンと標準パ
ターンとのチエビシエフ距離が算出され、このチ
エビシエフ距離を示す距離信号が最小距離判定部
６にて判定され、入力パターンがどの標準パター
ンであるか、即ち入力音声が如何なる標準パター
ンであるかを示す認識結果が出力端子７に得られ
る。従つて、音声のゆらぎの影響の比較的少ない
音声認識を行なうことができ、その分だけ高い認
識率が得られる。 以上述べた如く本発明音声認識装置に依れば、
音声信号入力部としてマイクロホン１を有し、こ
の音声信号入力部１の音声信号を音響分析部２に
供給し、この音響分析部２の音響パラメータ時系
列をNAT処理部２６，２７に供給し、この
NAT処理部２６，２７にて音響パラメータ時系
列からそのパラメータ空間における直線近似によ
る軌跡を推定し、この軌跡に沿つて直線補間によ
り新たな音響パラメータ時系列を形成するNAT
処理を２回行ない、NAT処理部２７の新たな音
響パラメータ時系列を処理することにより音声信
号を認識するようにした為、音声にゆらぎを生じ
ても比較的高い認識率が得られる利益がある。因
みに、第１及び第２のNAT処理部２６及び２７
のリサンプリング点数として20点を取るようにし
て、実験データとして32単語を４名の３回発声の
内、３名の２回発声を標準パターンとして登録
し、残り１名の３回発声に対して音声認識を行な
うようにした場合、第９図に示す如き１回の
NAT処理を行なうようにした音声認識装置の認
識率が94％であつたのに対し、第１８図に示す如
き２回のNAT処理を行なうようにした本例の音
声認識装置の認識率が97％という飛躍的に高い認
識率を得ることができた。 又、本例の音声認識装置に依れば部分的に類似
しているような語い間に於いても誤認識すること
が比較的少なく、且つ標準パターンメモリ４の記
憶領域を有効に利用でき、その記憶容量を比較的
少なくできる利益がある。 尚、上述実施例においてはNAT処理を２回行
なうようにした場合について述べたけれども、そ
の他３回等適宜な回数NAT処理を行なうように
しても、上述実施例と同様の作用効果を得ること
ができることは容易に理解できよう。又、上述実
施例においては音響パラメータ時系列からそのパ
ラメータ空間における軌跡を直線近似にて推定す
ると共にこの軌跡から新たな音響パラメータ時系
列を直線補間にて形成するようにした場合につい
て述べたけれども、円弧近似、スプライン近似等
により軌跡を推定すると共に軌跡から新たな音響
パラメータ時系列を円弧補間、スプライン補間等
にて形成するようにしても上述実施例と同様の作
用効果を得ることができることは容易に理解でき
よう。又、上述実施例においては音響パラメータ
時系列からそのパラメータ空間における軌跡を推
定し、この軌跡に基づいて新たな音響パラメータ
時系列を形成するようにした場合について述べた
けれども、音響パラメータ周波数系列からそのパ
ラメータ空間における軌跡を推定し、この軌跡に
基づいて新たな音響パラメータ周波数系列を形成
することにより、音声信号の周波数特性の正規化
を行なうことができる。更に、本発明は上述実施
例に限らず本発明の要旨を逸脱することなくその
他種々の構成を取り得ることは勿論である。 発明の効果 本発明音声認識装置に依れば、音声信号入力部
を有し、この音声信号入力部の音声信号を音響分
析部に供給し、この音響分析部の音響パラメータ
系列をNAT処理部に、供給し、このNAT処理
部にて音響パラメータ系列からそのパラメータ空
間における軌跡を推定し、この軌跡に沿つて新た
な音響パラメータ系列を形成するNAT処理を複
数回行ない、NAT処理部の新たな音響パラメー
タ系列を処理することにより音声信号を認識する
ようにした為、音声にゆらぎを生じても比較的高
い認識率が得られると共に部分的に類似している
ような語い間に於いても誤認識することが比較的
少なく、且つ標準パターンメモリの記憶領域を有
効に利用でき、その記憶容量を比較的少なくでき
る利益がある。
Pi(n)（ｉ＝１，……，Ｉ；ｎ＝１，……，Ｎ）よ
り、直線近似により軌跡を推定した場合の時系列
方向に隣接するパラメータ間距離Ｓ(n)は Ｓ(n)＝Ｄ（Pi（ｎ＋１），Pi(n)） （ｎ＝１，……，Ｎ−１） ……(7) と表される。そして、時系列方向における第１番
目のパラメータPi(1)から第ｎ番目のパラメータPi
(n)迄の距離SL(n)は SL(n)N-1 Σn ′=1Ｓ（n′） ……(8) と表される。尚、SL(1)＝０である。更に、軌跡
長SLは SL＝SL(N)＝o-1 Σn ′=1Ｓ（n′） ……(9) と表される。軌跡長算出器２２はこの(7)式、(8)式
及び(9)式にて示す信号処置を行なう如くなす。 この軌跡長算出器２２の軌跡長SLを示す軌跡
長信号を補間間隔算出器２３に供給する。この補
間間隔算出器２３は軌跡に沿つて直線補間により
新たな点列をリサンプリングする一定長のリサン
プリング間隔Ｔを算出するものである。この場
合、Ｍ点にリサンプリングするとすれば、リサン
プリング間隔Ｔは Ｔ＝SL／（Ｍ−１） ……(10) と表わされる。補間間隔算出器２３はこの(10)式に
て示す信号処理を行なう如くなす。 この補間間隔算出器２３のリサンプリング間隔
Ｔを示すリサンプリング間隔信号を補間点抽出器
２４の一端に供給すると共に音声区間内パラメー
タメモリ１６の音響パラメータ時系列Pi(n)を補間
点抽出器２４の他端に供給する。この補間点抽出
器２４は音響パラメータ時系列Pi(n)のそのパラメ
ータ空間における軌跡例えばパラメータ間を直線
近似した軌跡に沿つてリサンプリング間隔Ｔで新
たな点列をリサンプリングし、この新たな点列よ
り新たな音響パラメータ時系列Qi(m)を形成する
ものである。 ここで、この補間点抽出器２４における信号処
理を第１３図に示す流れ図に沿つて説明する。先
ず、ブロツク２４ａにてリサンプリング点の時系
列方向における番号を示す変数Ｊに値１が設定さ
れると共に音響パラメータ時系列Pi(n)の時系列方
向における番号を示す変数ICに値１が設定され
る。そして、ブロツク２４ｂにて変数Ｊがインク
リメントされ、ブロツク２４ｃにてそのときの変
数Ｊが（Ｍ−１）以下であるかどうかにより、そ
のときのリサンプリング点の時系列方向における
番号がリサンプリングする必要のある最後の番号
になつていないかどうかを判断し、なつていれば
この補間点抽出器２４の信号位置を終了し、なつ
ていなければブロツク２４ｄにて第１番目のリサ
ンプリング点から第Ｊ番目のリサンプリング点ま
でのリサンプル距離DLが算出され、ブロツク２
４ｅにて変数ICがインクリメントされ、ブロツ
ク２４ｆにてリサンプル距離DLが音響パラメー
タ時系列Pi(n)の第１番目のパラメータPi(1)から第
IC番目のパラメータPi(IC)までの距離SL(IC)よりも
小さいかどうかにより、そのときのリサンプリン
グ点が軌跡上においてそのときのパラメータ
Pi(IC)よりも軌跡の始点側に位置するかどうかを
判断し、位置していなければブロツク２４ｅにて
変数ICをインクリメントした後再びブロツク２
４ｆにてリサンプリング点とパラメータPi(IC)と
の軌跡上における位置の比較をし、リサンプリン
グ点が軌跡上においてパラメータPi(IC)よりも始
点側に位置すると判断されたとき、ブロツク２４
ｇにてリサンプリングにより軌跡に沿う新たな音
響パラメータQi(J)が形成される。即ち、先ず第Ｊ
番目のリサンプリング点によるリサンプル距離
DLからこの第Ｊ番目のリサンプリング点よりも
始点側に位置する第（IC−１）番目のパラメー
タPi(IC-1)による距離SL(IC-1)を減算して第(IC-1)番
目のパラメータPi(IC-1)から第Ｊ番目のリサンプリ
ング点迄の距離SSを求める。次に、軌跡上にお
いてこの第Ｊ番目のリサンプリング点の両側に位
置するパラメータPi(IC-1)及びパラメータPi(IC)間
の距離Ｓ(n)（この距離Ｓ(n)は(7)式にて示される信
号処理にて得られる。）にてこの距離SSを除算
SS／S(IC-1)し、この除算結果SS／S(IC-1)に軌跡上
において第Ｊ番目のリサンプリング点の両側に位
置するパラメータPi(IC)とPi(IC-1)との差（Pi(IC)−
Pi(IC-1))）を掛算（Pi(IC)−Pi(IC-1)）＊SS／S(IC-1)
して、軌跡上において第Ｊ番目のリサンプリング
点のこのリサンプリング点よりも始点側に隣接し
て位置する第（IC−１）番目のパラメータ
Pi(IC-1)からの補間量を算出し、この補間量と第Ｊ
番目のリサンプリング点よりも始点側に隣接して
位置する第（IC−１）番目のパラメータPi(IC-1)
とを加算して、軌跡に沿う新たな音響パラメータ
Qi(J)が形成される。第１４図に２次元の音響パラ
メータ時系列Ｐ(1)，Ｐ(2)，……，Ｐ(8)に対してパ
ラメータ間を直線近似して軌跡を推定し、この軌
跡に沿つて直線補間により６点の新たな音響パラ
メータ時系列Ｑ(1)，Ｑ(2)，……，Ｑ(6)を形成した
例を示す。又、このブロツク２４ｇにおいては周
波数系列方向にＩ次元分（ｉ＝１，……，Ｉ）の
信号処理が行なわれる。 この様にしてブロツク２４ｂ乃至２４ｇにて始
点及び終点（これらはQi(1)＝Pi^（ｏ），Qi(M)＝Pi^
(s)である。）を除く（Ｍ−２）点のリサンプリン
グにより新たな音響パラメータ時系列Qi(m)が形
成される。 このNAT処理部２１の新たな音響パラメータ
時系列Qi(m)をモード切換スイツチ３により、登
録モードにおいては認識対象語毎に標準パターン
メモリ４に格納し、認識モードにおいてはチエビ
シエフ距離算出部２５の一端に供給する。又、こ
の認識モードにおいては標準パターンメモリ４に
格納されている標準パターンをチエビシエフ距離
算出部２５の他端に供給する。このチエビシエフ
距離算出部２５においてはその時入力されている
音声の時間軸の正規化された新たな音響パラメー
タ時系列Qi(m)よりなる入力パターンと、標準パ
ターンメモリ４の標準パターンとチエビシエフ距
離算出処理がなされる。 そして、このチエビシエフ距離を示す距離信号
を最小距離判定部６に供給し、この最小距離判定
部６にて入力パターンに対するチエビシエフ距離
が最小となる標準パターンが判定され、この判定
結果より入力音声を示す認識結果を出力端子７に
供給する。 この様にしてなる音声認識装置の動作について
説明する。 マイクロホン１の音声信号が音響分析部２にて
音声区間毎に音源特性の正規化された音響パラメ
ータ時系列Pi(n)に変換され、この音響パラメータ
時系列Pi(n)がNAT処理部２１に供給され、この
NAT処理部２１にて音響パラメータ時系列Pi(n)
からそのパラメータ空間における直線近似による
軌跡が推定され、この軌跡に沿つて直線補間され
た時間軸正規化のなされた新たな音響パラメータ
時系列Qi(m)が形成され、登録モードにおいては
この新たな音響パラメータ時系列Qi(m)がモード
切換スイツチ３を介して標準パターンメモリ４に
格納される。 又、認識モードにおいては、NAT処置部２１
の新たな音響パラメータ時系列Qi(m)がモード切
換スイツチ３を介してチエビシエフ距離算出部２
５に供給されると共に標準パターンメモリ４の標
準パターンがチエビシエフ距離算出部２５に供給
される。第１５図乃至第１７図に第４図乃至第６
図に示す１次元の入力パターンＡのパラメータ時
系列；２，４，６，８，８，８，８，６，４，
４，４，６，８、標準パターンA′のパラメータ
時系列；３，５，７，９，９，９，９，７，５，
５，７，９、標準パターンB′のパラメータ時系
列；７，６，６，８，８，８，８，６，４，４，
４をNAT処理部２１にて直線近似にて軌跡を推
定し、リサンプリング点を８点とする処理をした
１次元の入力パターンＡのパラメータ時系列；
２，４，６，８，６，４，６，８、標準パターン
A′のパラメータ時系列；３，５，７，９，７，
５，７，９、標準パターンB′のパラメータ時系
列；７，６，７，８，７，６，５，４を夫々示
す。この場合、音響パラメータ時系列Pi(n)からそ
のパラメータ空間における軌跡を推定し、この軌
跡に沿つて新たな音響パラメータ時系列Qi(m)が
形成されるので、入力音声を変換した音響パラメ
ータ時系列Pi(n)自身により時間軸正規化がなされ
る。そして、チエビシエフ距離算出部２５におい
て入力パターンＡと標準パターンA′との間にチ
エビシエフ距離８が算出されると共に入力パター
ンＡと標準パターンB′との間のチエビシエフ距
離１６が算出され、これら距離８及び距離１６を
夫々示す距離信号が最小距離判定部６に供給さ
れ、この最小距離判定部６にて距離８が距離１６
よりも小さいことから標準パターンＡが入力パタ
ーンA′であると判定され、この判定結果より入
力音声が標準パターンＡであることを示す認識結
果が出力端子７に得られる。従つて、部分的に類
似しているような語い間に於いても誤認識するこ
とが比較的少ない音声認識を行なうことができ
る。 ここで、NAT処理を行なう音声認識装置とDP
マツチング処理を行なう音声認識装置との演算量
における差異について説明する。 入力パターンに対する標準パターン１個当たり
のDPマツチング距離計算部５における平均演算
量をαとし、チエビシエフ距離算出部２５におけ
る平均演算量をβとし、NAT処理部２１の平均
の演算量をγとしたとき、Ｊ個の標準パターンに
対するDPマツチング処理による演算量C1は C1＝α・Ｊ ……(11) である。又、Ｊ個の標準パターンに対するNAT
処理した場合の演算量C2は C2＝β・Ｊ＋γ ……(12) である。一般に、平均演算量αは平均演算量βに
対してα》βなる関係がある。従つて、 Ｊ≫γ／α−β ……(13) なる関係が成り立つ、即ち認識対象語い数が増加
するに従つて演算量C1は演算量C2に対してC1≫
C2なる関係となり、NAT処理を行なう音声認識
装置に依れば、演算量を大幅に低減できる。 又、NAT処理部２１より得られる新たな音響
パラメータ時系列Qi(m)はその時系列方向におい
て一定のパラメータ数に設定できるので、標準パ
ターンメモリ４の記憶領域を有効に利用でき、そ
の記憶容量を比較的少なくできる。 ところで、一般に音声にはゆらぎがある。この
音声のゆらぎのためにパラメータ空間における準
定常部にゆらぎを生じる。準定常部にゆらぎがあ
ると軌跡上において準定常部に比較的大きな距離
を生じることがあり、このゆらぎによる距離の違
いによりリサンプリング点にバラツキを生じ、こ
のリサンプリング点のバラツキにより認識率が低
下するという不都合があつた。 発明の目的 本発明は斯かる点に鑑み音声にゆらぎを生じて
も比較的高い認識率の得られるものを得ることを
目的とする。 発明の概要 本発明は音声信号入力部を有し、この音声信号
入力部の音声信号を音響分析部に供給し、この音
響分析部の音響パラメータ系列をNAT処理部に
供給し、このNAT処理部にて音響パラメータ系
列からそのパラメータ空間における軌跡を推定
し、この軌跡に沿つて新たな音響パラメータ系列
を形成するNAT処理を複数回行ない、NAT処
理部の新たな音響パラメータ系列を処理すること
により音声信号を認識するようにしたものであ
り、斯かる本発明音声認識装置に依れば音声にゆ
らぎを生じても比較的高い認識率が得られる利益
がある。 実施例 以下、第１８図乃至第２１図を参照しながら本
発明音声認識装置の一実施例について説明しよ
う。この第１８図乃至第２１図において第１図乃
至第１７図と対応する部分に同一符号を付してそ
の詳細な説明は省略する。 本例においては第１８図に示す如く音響分析部
２の音響パラメータ時系列Pi(n)を第１のNAT処
理部２６に供給し、この第１のNAT処理部２６
の第１の新たな音響パラメータ時系列Qi(m)を第
２のNAT処理部２７に供給する。この第２の
NAT処理部２７は第２のNAT処理として第１
のNAT処理部２６の第１の新たな音響パラメー
タ時系列Qi(m)からそのパラメータ空間における
軌跡を例えば直線近似により推定し、この軌跡に
沿つて例えば直線補間により第２の新たな音響パ
ラメータ時系列Pi(1)を形成する。 この様な処理の為に、第１のNAT処理部２６
の第１の新たな音響パラメータ時系列Qi(m)を軌
跡長算出器２８に供給する。この軌跡長算出器２
８は第１のNAT処理部２６の軌跡長算出器２８
と同様、第１の新たな音響パラメータ時系列Qi
(m)がそのパラメータ空間において描く軌跡長を算
出するものである。 この軌跡長算出器２８の軌跡長を示す第２の軌
跡長信号を補間間隔算出器２９に供給する。この
補間間隔算出器２２は第１のNAT処理部２６の
補間間隔算出器２３と同様、軌跡に沿つてＭ点の
新たな点列をリサンプリングする一定長の第２の
リサンプリング間隔を算出するものである。 この補間間隔算出器２９の第２のリサンプリン
グ間隔を示す第２のリサンプリング間隔信号を補
間点抽出器３０の一端に供給すると共に第１の
NAT処理部２１の第１の新たな音響パラメータ
時系列Qi(m)を補間点抽出器３０の他端に供給す
る。この補間点抽出器３０は第１のNAT処理部
２６の補間点抽出器２４と同様、第１の新たな音
響パラメータ時系列Qi(m)のそのパラメータ空間
における軌跡例えばパラメータ間を直線近似した
軌跡に沿つて第２のリサンプリング間隔で新たな
点列をリサンプリングし、この新たな点列より第
２の新たな音響パラメータ時系列Pi(m)を形成する
ものである。 この第２のNAT処理部２７の第２の新たな音
響パラメータ時系列Pi(m)をモード切換スイツチ３
に供給する。その他音響分析部２、第１のNAT
処理部２６、モード切換スイツチ３、標準パター
ンメモリ４、チエビシエフ距離算出部２５、最小
距離判定部６等は上述第９図に示す音声認識装置
と同様に構成する。 この様にしてなる音声認識装置の動作について
説明する。 マイクロホン１の音声信号が音響分析部２にて
音声区間毎に音源特性の正規化された音響パラメ
ータ時系列Pi(n)に変換され、この音響パラメータ
時系列Pi(n)が第１のNAT処理部２６に供給さ
れ、この第１のNAT処理部２６にて音響パラメ
ータ時系列Pi(n)からそのパラメータ空間における
直線近似による軌跡が推定され、この軌跡に沿つ
て直線補間され時間軸正規化のなされた第１の新
たな音響パラメータ時系列Qi(m)が形成される。
第１９図にこの第１のNAT処理部２６における
NAT処理の状態を簡略化して示す。 即ち、この第１９図において、25個の×印は音
響分析部２の音響パラメータ時系列Pi(n)のそのパ
ラメータ空間における点列を示し、この×印間の
実線は直線近似により推定された軌跡を示す。
又、14個の△印は第１のNAT処理部２６の第１
の新たな音響パラメータ時系列Qi(m)のそのパラ
メータ空間における点列を示す。この第１９図よ
り明らかな如く×印の分布の密なところが準定常
部であり、音声のゆらぎによりこの準定常部の点
列がゆらいでおり、このゆらぎにより軌跡上にお
いて準定常部に比較的大きな距離を生じ、リサン
プリング点（△印）がゆらぎの影響を受けてい
る。 そして、この第１のNAT処理部２６の音声の
ゆらぎの影響を受けた第１の新たな音響パラメー
タ時系列Qi(m)が第２のNAT処理部２７に供給さ
れ、この第２のNAT処理部２７にて音声のゆら
ぎの影響を受けた第１の新たな音響パラメータ時
系列Qi(m)からそのパラメータ空間における直線
近似による軌跡が推定され、この軌跡に沿つて直
線補間された第２の新たな音響パラメータ時系列
Pi(m)が形成される。第２０図及び第２１図にこの
第２のNAT処理部２７におけるNAT処理の状
態を簡略化して示す。 即ち、この第２０図において、14個の△印は第
１の新たな音響パラメータ時系列Qi(m)のそのパ
ラメータ空間における点列を示し、この△印間の
点線は直線近似により推定された軌跡を示す。
又、14個の○印は第２のNAT処理部２７の第２
の新たな音響パラメータ時系列Pi(m)のそのパラメ
ータ空間における点列を示す。又、第２１図には
音響パラメータ時系列Pi(n)のそのパラメータ空間
における点列を25個の×印、この音響パラメータ
時系列Pi(n)からそのパラメータ空間において直線
近似により推定された軌跡を×印間の実線、第２
の新たな音響パラメータ時系列Pi(m)のそのパラメ
ータ空間における点列を○印にて夫々示す。この
第２１図より明らかな如く第２のNAT処理部２
７のNAT処理によりゆらぎの影響を受けた×印
の分布の密な準定常部と、×印の分布の粗な非定
常部との間で○印の分布に偏りがないことがわか
る。従つて、第２のNAT処理部２７のNAT処
理により形成される第２の新たな音響パラメータ
時系列Pi(m)は音声のゆらぎの影響の比較的少ない
パラメータ時系列となる。 この様にして形成された第２の音響パラメータ
時系列Pi(m)が、登録モードにおいてはモード切換
スイツチ３を介して標準パターンメモリ４に格納
される。 又、認識モードにおいては、第２のNAT処理
部２７の第２の新たな音響パラメータ時系列Pi(m)
が入力パターンとしてモード切換スイツチ３を介
してチエビシエフ距離算出器２５に供給されると
共に標準パターンメモリ４の標準パターンがチエ
ビシエフ距離算出部２５に供給され、このチエビ
シエフ距離算出部２５にて入力パターンと標準パ
ターンとのチエビシエフ距離が算出され、このチ
エビシエフ距離を示す距離信号が最小距離判定部
６にて判定され、入力パターンがどの標準パター
ンであるか、即ち入力音声が如何なる標準パター
ンであるかを示す認識結果が出力端子７に得られ
る。従つて、音声のゆらぎの影響の比較的少ない
音声認識を行なうことができ、その分だけ高い認
識率が得られる。 以上述べた如く本発明音声認識装置に依れば、
音声信号入力部としてマイクロホン１を有し、こ
の音声信号入力部１の音声信号を音響分析部２に
供給し、この音響分析部２の音響パラメータ時系
列をNAT処理部２６，２７に供給し、この
NAT処理部２６，２７にて音響パラメータ時系
列からそのパラメータ空間における直線近似によ
る軌跡を推定し、この軌跡に沿つて直線補間によ
り新たな音響パラメータ時系列を形成するNAT
処理を２回行ない、NAT処理部２７の新たな音
響パラメータ時系列を処理することにより音声信
号を認識するようにした為、音声にゆらぎを生じ
ても比較的高い認識率が得られる利益がある。因
みに、第１及び第２のNAT処理部２６及び２７
のリサンプリング点数として20点を取るようにし
て、実験データとして32単語を４名の３回発声の
内、３名の２回発声を標準パターンとして登録
し、残り１名の３回発声に対して音声認識を行な
うようにした場合、第９図に示す如き１回の
NAT処理を行なうようにした音声認識装置の認
識率が94％であつたのに対し、第１８図に示す如
き２回のNAT処理を行なうようにした本例の音
声認識装置の認識率が97％という飛躍的に高い認
識率を得ることができた。 又、本例の音声認識装置に依れば部分的に類似
しているような語い間に於いても誤認識すること
が比較的少なく、且つ標準パターンメモリ４の記
憶領域を有効に利用でき、その記憶容量を比較的
少なくできる利益がある。 尚、上述実施例においてはNAT処理を２回行
なうようにした場合について述べたけれども、そ
の他３回等適宜な回数NAT処理を行なうように
しても、上述実施例と同様の作用効果を得ること
ができることは容易に理解できよう。又、上述実
施例においては音響パラメータ時系列からそのパ
ラメータ空間における軌跡を直線近似にて推定す
ると共にこの軌跡から新たな音響パラメータ時系
列を直線補間にて形成するようにした場合につい
て述べたけれども、円弧近似、スプライン近似等
により軌跡を推定すると共に軌跡から新たな音響
パラメータ時系列を円弧補間、スプライン補間等
にて形成するようにしても上述実施例と同様の作
用効果を得ることができることは容易に理解でき
よう。又、上述実施例においては音響パラメータ
時系列からそのパラメータ空間における軌跡を推
定し、この軌跡に基づいて新たな音響パラメータ
時系列を形成するようにした場合について述べた
けれども、音響パラメータ周波数系列からそのパ
ラメータ空間における軌跡を推定し、この軌跡に
基づいて新たな音響パラメータ周波数系列を形成
することにより、音声信号の周波数特性の正規化
を行なうことができる。更に、本発明は上述実施
例に限らず本発明の要旨を逸脱することなくその
他種々の構成を取り得ることは勿論である。 発明の効果 本発明音声認識装置に依れば、音声信号入力部
を有し、この音声信号入力部の音声信号を音響分
析部に供給し、この音響分析部の音響パラメータ
系列をNAT処理部に、供給し、このNAT処理
部にて音響パラメータ系列からそのパラメータ空
間における軌跡を推定し、この軌跡に沿つて新た
な音響パラメータ系列を形成するNAT処理を複
数回行ない、NAT処理部の新たな音響パラメー
タ系列を処理することにより音声信号を認識する
ようにした為、音声にゆらぎを生じても比較的高
い認識率が得られると共に部分的に類似している
ような語い間に於いても誤認識することが比較的
少なく、且つ標準パターンメモリの記憶領域を有
効に利用でき、その記憶容量を比較的少なくでき
る利益がある。
第１図はDPマツチング処理により音声認識を
行なうようにした音声認識装置の例を示す構成
図、第２図はDPマツチング処理の説明に供する
概念図、第３図は音響パラメータ空間における軌
跡の説明に供する線図、第４図、第５図及び第６
図は夫々１次元の入力パターンＡ、標準パターン
A′及び標準パターンB′の例を示す線図、第７図
は入力パターンＡのパラメータ時系列と標準パタ
ーンA′のパラメータ時系列とのDPマツチング処
理による時間軸正規化の説明に供する線図、第８
図は入力パターンＡのパラメータ時系列と標準パ
ターンB′のパラメータ時系列とのDPマツチング
処理による時間軸正規化の説明に供する線図、第
９図はNAT処理をして音声認識を行なうように
した音声認識装置の例を示す構成図、第１０図、
第１１図、第１２図及び第１４図は夫々NAT処
理部の説明に供する線図、第１３図は補間点抽出
器の説明に供する流れ図、第１５図、第１６図及
び第１７図は夫々NAT処理部にてNAT処理し
た入力パターンＡ、標準パターンA′及び標準パ
ターンB′の１次元の音響パラメータ時系列を示
す線図、第１８図は本発明音声認識装置の一実施
例を示す構成図、第１９図、第２０図及び第２１
図は夫々第１８図の説明に供する線図である。 １は音声信号入力部としてのマイクロホン、２
は音響分析部、３はモード切換スイツチ、４は標
準パターンメモリ、６は最小距離判定器、１１A，
１１B，……，１１Oは15チヤンネルのデジタルバ
ンドパスフイルタバンク、１６は音声区間内パラ
メータメモリ、２１はNAT処理部、２２及び２
８は夫々軌跡長算出器、２３及び２９は夫々補間
間隔算出器、２４及び３０は夫々補間点抽出器、
２５はチエビシエフ距離算出部、２６及び２７は
夫々第１及び第２のNAT処理部である。
行なうようにした音声認識装置の例を示す構成
図、第２図はDPマツチング処理の説明に供する
概念図、第３図は音響パラメータ空間における軌
跡の説明に供する線図、第４図、第５図及び第６
図は夫々１次元の入力パターンＡ、標準パターン
A′及び標準パターンB′の例を示す線図、第７図
は入力パターンＡのパラメータ時系列と標準パタ
ーンA′のパラメータ時系列とのDPマツチング処
理による時間軸正規化の説明に供する線図、第８
図は入力パターンＡのパラメータ時系列と標準パ
ターンB′のパラメータ時系列とのDPマツチング
処理による時間軸正規化の説明に供する線図、第
９図はNAT処理をして音声認識を行なうように
した音声認識装置の例を示す構成図、第１０図、
第１１図、第１２図及び第１４図は夫々NAT処
理部の説明に供する線図、第１３図は補間点抽出
器の説明に供する流れ図、第１５図、第１６図及
び第１７図は夫々NAT処理部にてNAT処理し
た入力パターンＡ、標準パターンA′及び標準パ
ターンB′の１次元の音響パラメータ時系列を示
す線図、第１８図は本発明音声認識装置の一実施
例を示す構成図、第１９図、第２０図及び第２１
図は夫々第１８図の説明に供する線図である。 １は音声信号入力部としてのマイクロホン、２
は音響分析部、３はモード切換スイツチ、４は標
準パターンメモリ、６は最小距離判定器、１１A，
１１B，……，１１Oは15チヤンネルのデジタルバ
ンドパスフイルタバンク、１６は音声区間内パラ
メータメモリ、２１はNAT処理部、２２及び２
８は夫々軌跡長算出器、２３及び２９は夫々補間
間隔算出器、２４及び３０は夫々補間点抽出器、
２５はチエビシエフ距離算出部、２６及び２７は
夫々第１及び第２のNAT処理部である。
Claims (1)
- 【特許請求の範囲】 １ 音声信号入力部を有し、該音声信号入力部の
音声信号を音響分析部に供給し、該音響分析部の
音響パラメータ系列をNAT処理部に供給し、該
NAT処理部にて上記音響パラメータ系列からそ
のパラメータ空間における軌跡を推定し、該軌跡
に沿つて新たな音響パラメータ系列を形成する NAT処理を複数回行ない、上記NAT処理部
の上記新たな音響パラメータ系列を処理すること
により上記音声信号を認識するようにしたことを
特徴とする音声認識装置。
Priority Applications (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59109172A JPS60252396A (ja) | 1984-05-29 | 1984-05-29 | 音声認識装置 |
| AU42751/85A AU586167B2 (en) | 1984-05-25 | 1985-05-22 | Speech recognition method and apparatus thereof |
| CA000482156A CA1227286A (en) | 1984-05-25 | 1985-05-23 | Speech recognition method and apparatus thereof |
| DE8585303666T DE3583067D1 (de) | 1984-05-25 | 1985-05-23 | Verfahren und anordnung zur spracherkennung. |
| EP85303666A EP0164945B1 (en) | 1984-05-25 | 1985-05-23 | Methods of and apparatus for speech recognition |
| US07/323,098 US5003601A (en) | 1984-05-25 | 1989-03-07 | Speech recognition method and apparatus thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59109172A JPS60252396A (ja) | 1984-05-29 | 1984-05-29 | 音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS60252396A JPS60252396A (ja) | 1985-12-13 |
| JPH0572598B2 true JPH0572598B2 (ja) | 1993-10-12 |
Family
ID=14503481
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59109172A Granted JPS60252396A (ja) | 1984-05-25 | 1984-05-29 | 音声認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS60252396A (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0634183B2 (ja) * | 1984-05-31 | 1994-05-02 | ソニー株式会社 | 音声認識装置 |
-
1984
- 1984-05-29 JP JP59109172A patent/JPS60252396A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS60252396A (ja) | 1985-12-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5003601A (en) | Speech recognition method and apparatus thereof | |
| JP2692581B2 (ja) | 音響カテゴリ平均値計算装置及び適応化装置 | |
| JPH0743598B2 (ja) | 音声認識方法 | |
| US4513436A (en) | Speech recognition system | |
| JPH0572598B2 (ja) | ||
| KR930007790B1 (ko) | 음성 인식방법 | |
| JPH0632022B2 (ja) | 音声認識装置 | |
| JPH0573036B2 (ja) | ||
| JPS6117196A (ja) | 音声認識装置 | |
| JP3011997B2 (ja) | 参照ベクトル更新方法 | |
| JPH0634183B2 (ja) | 音声認識装置 | |
| JPH0634182B2 (ja) | 音声認識装置 | |
| JPH0632004B2 (ja) | 音声認識装置 | |
| JPS619696A (ja) | 音声認識装置 | |
| JPH0336436B2 (ja) | ||
| JPH0343639B2 (ja) | ||
| JPH0273398A (ja) | 音声標準パタン登録方式 | |
| JPH0247758B2 (ja) | ||
| JPH05313695A (ja) | 音声分析装置 | |
| JPS6117195A (ja) | 音声認識装置 | |
| JPH0577080B2 (ja) | ||
| JPS61275799A (ja) | 音声認識装置 | |
| JPH054679B2 (ja) | ||
| JPH0289099A (ja) | 音声認識装置 | |
| JPH06100918B2 (ja) | 音声認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EXPY | Cancellation because of completion of term |