JPH0827640B2 - 音声認識装置 - Google Patents

Description

【発明の詳細な説明】 産業上の利用分野 本発明は音声認識装置に関する。

従来例の構成とその問題点 人間にとって最も自然な情報発生手段である音声が、
人間−機械系の入力手段として使用できれば、その効果
は非常に大きい。

従来、音声認識装置としては特定話者登録方式による
ものが実用化されている。即ち、認識装置を使用しよう
とする話者が、予め、認識すべきすべての単語を自分の
声で特徴ベクトルの系列に変換し単語辞書に標準パター
ンとして登録しておき、認識時に発声された音声を、同
様に特徴ベクトルの系列に変換し、前記単語辞書中のど
の単語に最も近いかを予め定められた規則によって計算
し、最も類似している単語を認識結果とするものであ
る。

ところが、この方法によると、認識単語数が少ないと
きは良いが、数百，数千単語といったように増加してく
ると、主として次の三つの問題が無視し得なくなる。

（１）登録時における話者の負担が著しく増大する。

（２）認識時に発声された音声と標準パターンとの類似
度あるいは距離を計算するのに要する時間が著しく増大
し、認識装置の応答速度が遅くなる。

（３）前記単語辞書のために要するメモリが非常に大き
くなる。

以上の欠点を回避するための方法として認識の単位を
子音＋母音および母音の単音節（以後それぞれCV,Vで表
す。Ｃは子音、Ｖは母音を意味する。）とする方法があ
る。即ち、標準パターンとして単音節を特徴ベクトルの
系列として登録しておき、認識時に特徴ベクトルの系列
に変換された入力音声を、前記単音節の標準パターンと
マッチングすることにより、単音節の系列に変換するも
のである。日本語の場合、単音節はたかだか101種類で
あり、単音節は仮名文字に対応しているから、この方法
によれば、日本語の任意の単語あるいは文章を単音節列
に変換する（認識する）ことができ、前記（１）〜
（３）の問題はすべて解決されることになる。しかし、
この場合の問題として調音結合とセグメンテーションが
ある。調音結合は、音節を連続して発声すると各音節は
前後の音節の影響を受け、スペクトル構造が前後に接続
される音節によって変化する現象である。セグメンテー
ションは、連続して発声された音声を単音節単位に区切
ることであるが、これを確実に行う決定的な方法は未だ
見出されていない。この２つの問題を解決するために、
現在のところ各単音節を区切って、発声することが行わ
れており、実用化されている装置もある。

第１図は単音節音声認識をパターンマッチングで行う
装置の一般的な構成である。１は音声信号の入力端子で
ある。２は特徴抽出部であって、入力音声信号を、フィ
ルタバンクやFFT,LPCなどにより分析し、数ミリ秒毎に
特徴ベクトルの系列Ａ＝a₁,a₂……a_i……a_Iに変換す
る。３は標準パターン記憶部であって予め認識すべき単
音節音声を同様な手段によって特徴ベクトルの系列に変
換したものを各音節に対する標準パターン （ただし、ｎ＝１、2,……,N;Nは標準パターンの数）と
して記憶する部分である。４はパターン比較部であっ
て、特徴抽出部２の出力である入力パターンＡと、標準
パターン記憶部３に記憶されている夫々の標準パターン
Rⁿを比較し、両者の距離Ｄ（A,Rⁿ）を算出する。５は判
定部であって、 により、入力パターンに最も近い標準パターン を判定する。なお、 は（ｚ）を最小にするｚをとするという意味であ
る。６は判定結果を単音節認識結果として出力する出力
端子である。パターン比較部４におけるパターン比較
は、動的計画法を用いた所調DPマッチングや線形シフト
マッチング等がよく用いられる。また、先ず母音を認識
して候補母音を決定してから、その母音段に属する標準
パターンを用いて子音部を認識することにより、認識率
とマッチングの速度を向上させているのが一般的であ
る。

しかし、単音節音声は、持続時間が短かく、「シ」，
「チ」等子音部の微妙な差によって区別しなければなら
ないものが多く、単語音声のように高い認識率を得るの
が困難である。

この問題を解決するために、単語辞書を用いる方法が
考えられている。第２図はその例である。同図におい
て、第１図と同一の番号を付したブロックは、第１図と
同一の動作を行う。７は単語辞書で、認識すべき単語W^l
（ｌ＝1,2,……,L;Lは登録単語数）が単音節に対応する
記号列 として記憶されている。８は単語比較部であって、入力
単音節列Ｔ＝A₁A₂……A_m……A_M（Ｍは入力単語の音節
数）であるとき、入力単語の音節数に等しい音節数の単
語辞書７に記憶されている単語 （W^l′は音節数Ｍの単語）に対し、パターン比較部４で
算出された距離 から各ｌ′について を算出する。９は判定部であって、 なる′を求め、 を認識単語と判定する。10は認識された単語を出力する
出力端子である。

以上のように、単語辞書の知識を用いれば音節のみで
なくその組合せである単語全体としての妥当性を考慮す
ることになるので認識率は向上する。またワードプロセ
ッサへの入力を考えるとき、前記単語辞書は仮名漢字変
換を行うための辞書を共用することができ、単語辞書は
音声認識用として特別に準備する必要はない。

しかし、単語辞書の単語数は通常３万以上にもおよ
び、単語比較部８における計算量が無視できなくなる。

前以て母音系列を認識して最終的に照合すべき単語を
限定することによってこの問題を解決する装置が特願昭
58−143181号に述べられている。

即ち、入力音声信号を特徴ベクトルの系列に変換する
手段と、入力音声信号を音節毎に区切る手段と、前記特
徴ベクトルの系列から前記各音節の後続母音を認識する
手段と、前記後続母音列と同じ後続母音列を有する単語
あるいは文節の音節列を記号列として得る手段と、前記
記号列と前記入力音声信号から得られた音節列とをマッ
チングする手段と、このマッチングの結果、前記入力音
声信号に最も近い前記単語あるいは文節を前記入力音声
に対応する認識結果と判定する判定手段とを備えた音声
認識装置である。

このようにすると、例えば、４音節の単語の場合、母
音の出現確率が等しいとすれば、ある特定の母音列の生
ずる確率は(1/5)⁴＝1/625となり４音節の単語が１万語
あるとすれば、ある特定の母音列に対応する４音節語は
16語となり、実際に比較計算をしなければならない単語
は激減する。余裕をみて、第２候補の母音も勘定に入れ
るとしても(2/5)⁴≒1/39となり、同様に４音節の単語が
１万語あるとすれば、比較計算をすべき４音節語は256
語となり、大幅に減少する。さらに促音や撥音も上記母
音同様に処理することにすれば、さらに比較計算を減少
させることができる。これら母音や促音，撥音等の認識
はほぼ完全に行われるので、計算量の減少のみでなく認
識率自体も向上する。

以上の方法は、各単音節を離散的に（区切って）発声
する場合にはそのまま適用できるが、単音節の離散発声
により日本語の文章を入力するのは、話者にとって緊張
を強いるものであり、連続発声により入力できることが
望ましい。

連続発声された場合でも、各単音節をその音声から分
離することができれば、前記の方法を適用することは可
能である。しかしながら、連続的に発声された音声から
各音節の区切りの検出を高精度に行うのは大変困難であ
り、未だ決定的な方法は見出されていないと言える。

発明の目的 本発明は、認識すべき単語または文節に対し、それら
の数が多い場合でも小形低価格かつ標準パターンの登録
操作が簡単で、認識精度ならびに処理速度の向上を図っ
た音声認識装置を実現することを目的とする。

発明の構成 上記目的を達成するため、本発明は、入力音声信号を
特徴ベクトルの系列に変換する特徴抽出手段と，前記入
力音声信号の母音候補部を抽出する母音候補部抽出手段
と，抽出されたそれぞれの母音候補部を母音標準パター
ンと比較して前記母音候補部の特徴ベクトルの前記各母
音標準パターンに対する距離または類似度を算出する第
１の距離算出手段と，この距離を基に単語辞書のマッチ
ングすべき単語または文節を構成する母音列と，前記母
音候補部列との比較を行い両者の系列としての距離また
は類似度を算出する第２の距離算出手段と，その結果距
離的に小さい（類似度の大きい）母音系列を見出すこと
により，前記入力音声信号における各母音の位置と母音
の種類を判定する母音部判定手段と，この母音系列を含
む各単語または文節に対応するV,CV,VV,VCV（Ｖは母音,
Cは子音）で代表される子音と母音の組合せからなる音
節標準パターンの結合と前記入力パターンとの距離を算
出する第３の距離算出手段と，この第３の距離算出手段
により算出される距離の最小値（類似度の最大値）を与
える単語または文節を認識結果として判定する判定手段
とを有することを特徴とする音声認識装置である。

実施例の説明 以後、「単語」という言葉は「文節」という言葉も代
表するものとする。また、「類似度」は「距離」で説明
する。即ち、距離が最小とは類似度が最大ということで
ある。

本発明の基本的な原理は、発声された単語音声からそ
の単語を構成する各単音節の境界を精度よく検出するの
は大変困難であるが、一方、スペクトルの定常な点の検
出はほぼ確実に行うことができ、各母音の中心フレーム
は必ずスペクトルの定常点付近にあるという事実を利用
するところにある。

入力音声パターンにおいて定常となり得る点（フレー
ム）は、母音，有声子音，摩擦子音その他であるが、各
母音の中心フレームは、ほぼ確実にこの定常点に含まれ
ていると見做して差支えはない。そこでどの定常点が、
母音として最も妥当であるかを決定するには、単語辞書
の各単語に対応する許される母音系列に対応して、母音
標準パターンから生成された特徴ベクトルの系列（母音
系列標準パターン）と、前記定常点に対応する特徴ベク
トルの系列との距離を周知のDPマッチングにより求め、
最も距離的に小さい母音系列を入力単語音声の母音系列
とし、このとき得られるマッチング経路上で、前記母音
系列標準パターンのそれぞれの母音に対応する前記定常
点をその母音に対する定常点とすればよい。

このようにすることによって、前記母音以外の定常点
は排除され、入力パターンに対する正しい母音系列を決
定することができる。このようにして入力パターンに対
応する母音系列が得られると、単語を構成する単音節の
後続母音の系列が前記入力パターンに対応する母音系列
に等しい単語が、最終的な認識候補単語として選ばれる
のであって、前記説明によりその数は大幅に減少する。

この選ばれた単語について次のようなマッチングを行
う。

いま、入力パターンに対応する母音の系列がV₁V₂……
V_Mであるとする。このとき、マッチングすべき単語は である。ただし は、第ｌ単語を構成する第ｉ番の単音節の子音であっ
て、 が単母音の場合は が２重母音の場合は で表現するものとする。このとき、入力パターンと単語
W^lとのマッチングは次のようにして行うことができる。
即ち、前記の如くして求められたｉ番目の母音中心フレ
ームからｉ＋１番目の母音中心フレームの入力パターン
の部分パターンをＡ（i,i＋１）（ただし、Ａ（0,1）は
語頭から１番目の定常点までの入力パターンの部分パタ
ーンとする）、前記ｌ番目の単語W^lのｉ番目の母音を先
行母音とし、ｉ＋１番目の母音を後続母音とし、ｉ番目
とｉ＋１番目の母音で挾まれる子音 を先行母音と後続母音で挾まれる子音とするVCV音節標
準パターンをB^l（i,i＋１）（ただし、Ｂ（0,1）は前記
単語の１番目のCVまたはＶ音節標準パターンとする）と
し、前記部分パターンＡ（i,i＋１）と前記標準パター
ンB^l（i,i＋１）との距離をＤ（Ａ（i,i＋１），B^l（i,
i＋１））とすれば、入力パターンＴと単語W^lの距離D_W
（T,W^l）を で定義し、 を求め、単語 を認識結果とするものである。ここで、Ｄ（Ａ（i,i＋
１）,B（i,i＋１））は入力パターンの部分パターンと
各音節をを構成する特徴ベクトルの系列同志の距離とし
て周知のDPマッチングにより計算される。

以上の原理に基づく本発明の一実施例を図面と共に説
明する。

第３図は本発明の一実施例を示すブロック図である。
11は音声信号の入力端子、12は前述せる如き特徴抽出部
であって、例えば20チャネルのフィルタバンクを用い、
１フレームを10msecとすれば、その出力には10msec毎に
20個の数値（特徴ベクトル）が得られる。13は振幅正規
化部であって、入力音声信号のレベル変動の影響を除去
するために、前記特徴ベクトルの絶対値を一定の値にす
る為のものである。例えば入力の第ｉフレームが、 であるとすれば、正規化後のベクトル 等とすることができる。14は定常点抽出部であって、入
力の特徴ベクトルの系列から入力音声信号のスペクトル
の定常なフレームを抽出するものである。これはフレー
ム毎に前後数フレームのスペクトルの分散を求め、この
分散が最小になるフレームとして検出できる。即ち、各
フレームに対し前後Ｎフレームについて分散 を求める場合は、第ｉフレームの特徴ベクトルを前記 とすれば、 のように定義することができる。

15は母音標準パターン記憶部であって、各母音（撥音も
含む）に対応する特徴ベクトル（スペクトル）が記憶さ
れている。これは予め話者が発声した母音音声に前記1
2,13での処理を施した後その定常部の特徴ベクトルを抽
出したものである。16は距離マトリクス計算・記憶部で
あって、入力音声パターンのそれぞれの定常フレームの
特徴ベクトルと前記それぞれの母音標準パターンの特徴
ベクトルとのベクトル間距離を計算し、記憶する。ベク
トル間距離としては周知のユークリッド距離、市街地距
離等が使用され得る。第４図はこの距離マトリクスの様
子を示している。

は母音|a|〜|N|に対応する特徴ベクトル、１〜ｆは入力
音声の定常点に対し語頭側から順次付された番号、ｄ
（i,j）は母音標準パターン と第ｉ番の定常フレームの特徴ベクトルとのベクトル間
距離である。17は母音系列辞書であって、単語辞書を構
成する各単語の単音節の後続母音の系列が記憶されてい
る。例えば、「オオサカ」「トヨナカ」「ヨコハマ」等
の単語に対する母音系列は|o||o||a||a|である。18は前
記母音系列に対応する特徴ベクトル系列と前記定常フレ
ームに対応する特徴ベクトル系列の距離をDPマッチング
により求める母音系列間距離計算部である。第５図はそ
の様子を説明する図であって、（ｂ）は「ヨコハマ」と
発声した場合の電力波形と各音韻との対応を示し、51〜
55の「。」は定常点を示している。この例では母音部は
必ず定常となっており有声子音|m|も定常点となってい
る。（ａ）はこの定常点ベクトル系列と母音系列|o||o|
|a||a|とのマッチングの様子を示す格子グラフである。
母音系列|o||o||a||a|に対応する特徴ベクトルの系列は
ここでは となる。（ｃ）はDPマッチングを行う際のマッチング経
路の拘束条件の例を示す。マッチング経路の荷重和が入
力パターンの定常点数のみに依存するようにすれば、
（イ）に対する漸化式は （ロ）に対する漸化式は で表わされる。（イ）は入力音声の定常点が最大２つ連
続して飛ばしてマッチングされ得ることを意味し、
（ロ）はさらに、標準パターンの特徴ベクトルが一つ飛
ばしてマッチングされ得ることを意味している。即ち、
（イ）は母音でない定常点が最大２つ連続して挿入され
る場合を許し、（ロ）は加うるに母音として検出される
べき定常点が１つ脱落する場合を許すということであ
る。また、前記漸化式において、ｇ（i,j）は格子点
（（i,j）までの始点（1,1）からの最適の（ｇ（i,j）
の最小値を与える）マッチング経路に沿う累積距離であ
る。（イ），（ロ）は単に経路制限条件の一例に過ぎ
ず、他にも種々考えられ得るのであって、本例は本発明
を限定するものではない。結局、前記定常点系列と母音
系列との距離は、定常点の数をＩ、マッチングする母音
系列の母音数をＪとするとｇ（I,J）で与えられる。

（ａ）は「ヨコハマ」と発声した入力音声の定常点列
と母音系列|o||o||a||a|をマッチングする場合の一例で
あって、50は選ばれた経路で、音声子音|m|の飛ばされ
ている様子が示されている。この経路が求まれば、入力
音声の各定常点が如何なる母音と見做すべきか決定でき
る。19は以上のようにして求められた各母音列に対する
ｇ（I,J）のうち最小値を与える母音列を判定し記憶す
る母音系列判定・記憶部である。20は判定された母音系
列に対応して入力音声の定常フレームの位置を記憶する
母音定常フレーム記憶部である。21は単語辞書であって
認識すべき単語が記憶されている。22は電力計算部であ
って、入力音声信号の電力を求める。23は音声区間検出
部であって、入力音声電力の大きさから入力単語音声の
始端，終端を検出する。24はバッファメモリであって振
幅正規化部13で振幅正規化された入力音声パターンを前
記音声区間検出部23の出力に従って前記始端から終端ま
で一時的に記憶する。25は音節標準パターン記憶部であ
って、V,CVについては語頭から後続母音の定常部まで、
VV,VCVについては先行母音の定常部から後続母音の定常
部まで、それぞれ対応する特徴ベクトルの系列を記憶し
ている。この特徴ベクトルは、予め話者の発声したV,C
V,VV,VCV音声に特徴抽出部12、振幅正規化部13で行うの
と同様な処理を行って得られたものである。26は単語辞
書21で指定される前記音節標準パターンのそれぞれと、
バッファメモリ24の入力音声パターンとのDPマッチング
を、母音定常部記憶部20に記憶されている入力音声パタ
ーンのフレームを始端あるいは終端としてマッチングす
る単語間距離計算部である。即ち、前記|o||o||a||a|の
母音系列に対しては「オオサカ」「ヨコハマ」「トヨナ
カ」等の単語とマッチングすることになるが、例えば、
「ヨコハマ」とマッチングするときは、音節標準パター
ン記憶部25に対しては、|yo||oko||oha||ama|なる音節
に対する標準パターンが選択され、バッファメモリ24の
出力の始端から第１の定常点までは|yo|の標準パターン
と、第１の定常点から第２の定常点までは|oko|の標準
パターンと、第２の定常点から第３の定常点までは|oha
|の標準パターンと、第３の定常点から第４の定常点ま
では|ama|の標準パターンとマッチングすることにな
る。第６図はこの様子を例示するものである。（ａ）は
入力パターンの定常点から定常点までと、標準パターン
とのマッチングの様子を示しており、横軸は入力パター
ン、縦軸は標準パターンである。101は入力パターンの
電力を示し、100は標準パターンの電力を示す。

101,103は入力パターンの定常点を示す。前記「ヨコハ
マ」とマッチングする例では、102を第２の定常点、103
を第３の定常点とすれば、100は|oha|に対する標準パタ
ーンということになる。104はマッチング経路である。
（ｂ）はマッチング経路の拘束条件の例である。経路上
に示した数字はその経路に沿う重みであり本例では荷重
和はマッチングすべき入力パターンのフレーム数にのみ
依存する。本例の場合対応する漸化式は次のようにな
る。

ただし、Ａ（i,i＋１），B^l（i,i＋１）は前記記法に従
い、ｐは入力パターンの部分パターンＡ（i,i＋１）の
定常点ｉのフレームを１とするときのフレーム番号、ｑ
は標準パターンB^l（i,i＋１）のフレーム番号、ＰはＡ
（i,i＋１）のフレーム数、QⁿはB^l（i,i＋１）のフレー
ム数、ｎはB^l（i,i＋１）に対応する標準パターンの番
号、dⁿ（p,q）はＡ（i,i＋１）の第ｐフレームの特徴ベ
クトルと、B^l（i,i＋１）の第ｑフレームの特徴ベクト
ルとのベクトル間距離である。ここに示した漸化式も一
例にすぎず、他にも種々考えられるのであり、本発明を
限定するものではない。このように入力パターンの隣り
合う定常点間で求められた距離Ｄ（Ａ（i,i＋１），B^l
（i,i＋１））から単語W^lに対する入力パターンＴの距
離 が求められる。27は判定部であって、以上の如く求めら
れたD_W（T,W^l）のｌに関する最小値を求め、 を認識結果とするものである。28は出力端子である。次
に語中に促音を含む場合について説明する。

音声区間検出部23は、音声区間を検出すると共に促音
の検出も行う。即ち、無音が例えば250msec以上続けば
入力音声が終了したと見做し、無音区間が、100msec〜2
50msecのときは促音と見做すことができる。促音を検出
することによって、マッチングすべき単語辞書の単語を
さらに限定することができ、信頼性および処理速度の向
上をはかることができる。即ち、母音系列辞書は促音を
含んだ形で構成されており、促音が検出されると対応す
る位置に促音を有する母音列が母音系列間距離計算部18
でマッチングされるべき母音列として選ばれる。母音系
列判定記憶部19では促音を含んだ形で最適にマッチング
される母音系列が記憶される。従って、単語辞書21にお
ける単語は、促音を含んだ形での母音系列で限定される
単語が最終的に単語間距離計算部26でマッチングされる
対象となる単語として選ばれる。単語間距離計算部26で
は、促音が検出される毎に語頭あるいは一つ前の促音終
了後のフレームからのDPマッチングを行う。第７図はそ
の具体例であって、発声した音声の電力波形を示す。20
0は語頭、201は第１の定常点、202は促音の開始、203は
促音の終了、204は第２の定常点、205は第３の定常点、
206は語尾のそれぞれフレームである。この場合、母音
系列判定記憶部19には前記説明に従って、|a||Q||o||u|
が記憶されているものとする（|Q|は促音を示す記
号）。このとき単語辞書21で選ばれる単語は「サット
ウ」「ナットク」等である。

「サットウ」とマッチングする場合は、200〜201の入
力パターンと|Sa|に対応する標準パターンとのマッチン
グ距離と、203〜204の入力パターンと|to|に対応する標
準パターンとのマッチング距離と、204〜205の入力パタ
ーンと|oto|に対応する標準パターンとのマッチング距
離の和を以て、単語「サットウ」と入力音声パターンと
のマッチング距離とする。

促音の検出を行うと共に無音を検出して、この無音に
対しても促音に対して行ったのと同様の処理を行うこと
もできる。即ち、無音，有音の判定の為の閾値を適当に
選べば、無声破裂音|p||t||k|の前には必ず無音となる
ようにすることができる。このようにすれば、さらに単
語を限定することができる。例えば、前記の例におい
て、207〜208が無音であって、促音でない（例えば無音
区間が、100msec以下）であるとすれば、その直後は無
声破裂音して単語「サットウ」はマッチングの対象から
排除される。マッチングは無音から無音まで個々に行わ
れ、マッチング距離はその総和となる。例えば、本例の
場合、単語「ナットク」はマッチングの対象単語である
が、この単語とマッチングする場合は、入力パターンの
200〜201と|na|に対応する標準パターン、入力パターン
の203〜204と|to|に対応する標準パターン、入力パター
ンの208〜205と|ku|に対応する標準パターンとのそれぞ
れのマッチング距離の和を以て単語「ナットク」と入力
音声パターンとのマッチング距離とすれば良い。

さらに、例えば無声摩擦音の検出等、より多くの、各
単語についての属性を検出すれば、マッチングすべき候
補単語をさらに限定でき、処理速度の向上、認識率の改
善等が可能である。これをなすには第３図において単語
特徴抽出部29を付加すればよい。例えば無声摩擦音を抽
出することにすれば、前記の例のように母音列が|a||Q|
|o||u|で語頭と|o||o|の間に摩擦音｜％｜があることを
単語特徴抽出部29が検出したとすれば、母音系列判定記
憶部19には｜％||a||Q||％||o||u|なる系列が記憶さ
れ、単語辞書からは「サッソウ」等の単語が選ばれるこ
とになり、「サットウ」「ナットク」等はマッチングの
対象から除かれる。

発明の効果 本発明によれば、単音節を連続して発声した場合で
も、母音定常部を適切に抽出することによって、比較照
合すべき単語と音節標準パターンを限定することがで
き、認識率，照合速度において大幅な改善が得られたも
のである。

また、標準パターンは母音や子音の結合されたものに
対してのみ準備しておけば良く、単語辞書に単語を追加
するだけで、如何に多くの種類の単語でも能率よく認識
することができる。また単語辞書の単語は標準パターン
を特徴ベクトルの系列ですべて記憶する必要がなく各単
語は記号列（せいぜい100ビット／単語程度）のみ記憶
しておけば良いから容量的にも非常に少くて済み、登録
もすべての単語を発声する必要もないからその手間も大
幅に減少するものである。

【図面の簡単な説明】

第１図は従来の単音節音声認識装置を示すブロック図、
第２図は前記従来例を改良した例を示すブロック図、第
３図は本発明の一実施例における音声認識装置を示すブ
ロック図、第４図〜第７図は本発明装置の動作を説明す
るための図である。 11……音声信号入力端子、12……特徴抽出部、13……振
幅正規化部、14……定常点抽出部、15……母音標準パタ
ーン記憶部、16……距離マトリクス記憶部、17……母音
系列辞書、18……母音系列間距離計算部、19……母音系
列判定記憶部、20……母音定常部記憶部、21……単語辞
書、22……電力計算部、23……音声区間検出部、24……
バッファメモリ、25……音節標準パターン記憶部、26…
…単語間距離計算部、27……判定部、28……認識結果出
力端子、29……単語特徴抽出部。

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭58−59498（ＪＰ，Ａ) 特開 昭58−87599（ＪＰ，Ａ) 実開 昭56−10700（ＪＰ，Ｕ) 特公 昭49−18402（ＪＰ，Ｂ２) 特公 平５−85918（ＪＰ，Ｂ２)

Claims (1)

【特許請求の範囲】
1. 【請求項１】入力音声信号を特徴ベクトルの系列に変換
   する特徴抽出手段と，前記入力音声信号の母音候補部を
   抽出する母音候補部抽出手段と，抽出されたそれぞれの
   母音候補部を母音標準パターンと比較して前記母音候補
   部の特徴ベクトルの前記各母音標準パターンに対する距
   離または類似度を算出する第１の距離算出手段と，この
   距離を基に単語辞書のマッチングすべき単語または文節
   を構成する母音列と，前記母音候補部列との比較を行い
   両者の系列としての距離または類似度を算出する第２の
   距離算出手段と，その結果距離的に小さい（類似度の大
   きい）母音系列を見出すことにより，前記入力音声信号
   における各母音の位置と母音の種類を判定する母音部判
   定手段と，この母音系列を含む各単語または文節に対応
   するV,CV,VV,VCV（Ｖは母音,Cは子音）で代表される子
   音と母音の組合せからなる音節標準パターンの結合と前
   記入力パターンとの距離を算出する第３の距離算出手段
   と，この第３の距離算出手段により算出される距離の最
   小値（類似度の最大値）を与える単語または文節を認識
   結果として判定する判定手段とを有することを特徴とす
   る音声認識装置。