JPH08314495A - 数字列音声認識装置及びビデオレコーダシステム - Google Patents

Abstract

(57)【要約】 【目的】 複数桁の数字列を構成する個々の数字を話者
が発声した場合に、それらを逐次的に音声認識してその
結果を蓄積し、また他の装置へ送信することにより、一
括して数字列のデータとして利用し得るようにすると共
に、使い勝手の面をも考慮した数字列音声認識装置の提
供を目的とする。 【構成】 音声として発声された認識対象の数字列の各
数字の音声信号を個別に取り込んで認識結果の確度を示
す認識スコアを複数の認識候補の数字それぞれに関して
求める DSP部10と、この DSP部10により求められた認識
スコアを所定の基準に従って判定することにより、いず
れかの認識候補を一つの数字の認識結果として決定する
マイクロコンピュータ部20と、この一つの数字の認識結
果として決定された認識候補の数字を順次的に格納して
数字列として保持するRAM213とを備えた数字列音声認識
装置。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は数字列音声認識装置に関
し、より詳しくは、話者が逐次的に発声した数字列の各
数字を個別に音声認識して最終的には数字列のデータと
して蓄え、またその蓄えた数字列のデータを他の装置へ
送信することが可能な数字列音声認識装置に関する。ま
た更に、そのような数字列音声認識装置を利用してＧコ
ードを音声入力するビデオレコーダシステムにも関す
る。

【０００２】

【従来の技術】ビデオレコーダとして一般的に普及して
いるビデオテープレコーダの録画予約の操作は機械操作
が苦手な人達、特に老人にとっては難しいとされてお
り、それを容易にする技術としてＧコードと称される数
字列を利用したビデオテープレコーダの録画予約のため
の手法が近年普及している。このＧコードは、一般的に
は２桁乃至８桁程度の数字列を専用の装置に入力する
と、その数字列がデコードされてビデオテープレコーダ
の録画予約に必要な諸データ、即ちチャネル番号，録画
開始日時，録画時間等がビデオテープレコーダに設定さ
れるものである。換言すれば、上述の諸データを所定の
法則に従ってエンコードすることによりＧコードが生成
される。このようにして生成されたＧコードは新聞等に
掲載されている。従って、ユーザは新聞等に掲載されて
いるＧコードを見つつ専用の装置に数字列を入力すれば
よいので、機械操作が苦手な人達でも容易にビデオテー
プレコーダの録画予約を行なう事が可能である。

【０００３】しかし現実には、未知の数字列の各数字を
逐次的にキー操作により入力することは意外に面倒であ
って、途中で間違って最初から再入力する必要が生じる
ことが多い。これは、たとえば自身が記憶している電話
番号を入力するのであれば、ユーザはキーのみに視線を
置いてキー操作が可能であるが、Ｇコードのような未知
の数字列を入力する場合には、ユーザは新聞等に掲載さ
れている数字列と装置のキーとの間で視線を往復させつ
つキー操作を行なう必要があるためである。

【０００４】このような事情から、Ｇコードを音声入力
することが考えられる。その場合には、ユーザは新聞等
に掲載されているＧコードの数字列上に視線を固定した
状態で各数字を順に読み上げるのみでよいため、途中で
再入力しなければならないという状態に陥る虞は少なく
なる。

【０００５】一方近年、所謂移動電話機と称される無線
式の電話機が普及している。移動電話機には大きく分け
て主として自動車に装備される自動車電話機と、利用者
が持ち運ぶ携帯電話機とがあり、両者に兼用可能なタイ
プもある。自動車電話機では、安全性の観点から運転者
が手を触れずに操作可能な所謂ハンズフリータイプであ
ることが望ましい。ハンズフリータイプの電話機は、通
常の電話機においても回線が接続された後の状態として
は既に実用化されているが、ダイヤルの操作に関しては
ユーザ自身の手で操作する必要がある。しかし特に自動
車電話機の場合、ユーザが運転中にダイヤルボタンを操
作する際には手と視線がそちらにとられるために非常に
危険な状態になる。従って、最初にメインスイッチをオ
ンするのみにて、電話番号を音声入力し、それによって
回線が接続した後はそのままハンズフリーで通話可能で
あることが望ましい。

【０００６】

【発明が解決しようとする課題】ところで現状の音声認
識の技術では、万人のあらゆる言葉を音声認識すること
は困難であり、一般的には予め登録した人の音声による
ある限定された範囲の言葉のみを主としてパターンマッ
チング等の手法により認識する場合が多い。しかし、異
なる読みを含めても15種類程度の言葉で表される数字の
みに認識対象を限定すれば、万人の音声を認識すること
も可能である。従って、上述のようなＧコードの入力装
置、あるいは電話番号の入力装置等のような数字のみを
対象とする用途には万人を対象とした音声認識の技術は
充分に実用可能である。

【０００７】しかし、上述のＧコードあるいは電話番号
等は通常は単独の数字ではなく、ある程度の桁数の数字
列である。このため、話者が発声する個々の数字を個別
に音声認識し、それらの認識結果を順次的に蓄積してお
き、話者から指示があった時点で、あるいは予め定めら
れた桁数に達した時点で数字列のデータとして本来それ
が入力されるべき装置へ一括して転送するような手法が
必要になる。

【０００８】また、そのような手法を実現する場合には
使い勝手の問題も考慮しなければならない。たとえば、
個々の数字の認識結果をたとえばLCD に表示してユーザ
に確認を求めるような場合には、ユーザは視線をLCD へ
移動させると共に確認ボタンを操作する必要が生じる。
このような操作はユーザにとって煩瑣であるのみなら
ず、自動車の運転中においては非常に危険な状態を招来
し、更に次の入力が可能になるまでにタイムラグが生じ
る。また、個々の数字の認識結果をスピーカから合成音
声として発声してユーザに確認を求めるような場合に
は、ユーザは視線を移動する必要はないが少なくとも確
認ボタンを操作する必要が生じる。この場合にも、次の
入力が可能になるまでにタイムラグが生じるため、使い
勝手が悪くなることは否めない。

【０００９】本発明はこのような事情に鑑みてなされた
ものであり、複数桁の数字列を構成する個々の数字を話
者が発声した場合に、それらを逐次的に音声認識してそ
の結果を蓄積し、また他の装置へ送信することにより、
一括して数字列のデータとして利用し得るようにすると
共に、使い勝手の面をも考慮した数字列音声認識装置の
提供を目的とする。

【００１０】また本発明は上述のような数字列音声認識
装置を利用して、Ｇコードの各数字を順次的にリモート
コントロール装置に音声入力し、全数字の入力が完了し
た時点でそれをＧコードとしてデコードすることによ
り、録画予約に必要な諸データ、即ちチャネル番号，録
画開始日時，録画時間等がビデオレコーダへ送信される
ようにしたビデオレコーダシステムの提供をも目的とす
る。

【００１１】

【課題を解決するための手段】本発明に係る数字列音声
認識装置は、音声として発声された認識対象の数字列の
各数字の音声信号を個別に取り込んで認識結果の確度を
示す認識スコアを複数の認識候補の数字それぞれに関し
て求める認識処理部と、認識処理部により求められた認
識スコアを所定の基準に従って判定することにより、い
ずれかの認識候補を一つの数字の認識結果として決定す
る判定部と、判定部により一つの数字の認識結果として
決定された認識候補の数字を順次的に格納して数字列と
して保持する数字列記憶手段とを備えたことを特徴とす
る。

【００１２】また、本発明に係る数字列音声認識装置
は、数字列またはそれにより規定されるデータが与えら
れることにより所定の動作を行なう主装置に数字列また
はそれにより規定されるデータを送信する数字列音声認
識装置であって、音声として発声された数字列の各数字
の音声信号を個別に取り込んで認識結果の確度を示す認
識スコアを複数の認識候補の数字それぞれに関して求め
る認識処理部と、認識処理部により求められた認識スコ
アを所定の基準に従って判定することにより、いずれか
の認識候補を一つの数字の認識結果として決定する判定
部と、判定部により一つの数字の認識結果として決定さ
れた認識候補の数字を順次的に格納して数字列として保
持する数字列記憶手段と、数字列記憶手段に保持されて
いる数字列またはそれにより規定されるデータを主装置
へ送信する送信手段とを備えたことを特徴とする。

【００１３】更に、本発明に係るビデオレコーダシステ
ムは、所定のフォーマットのデータが与えられることに
より録画予約を行なうべくなしてあるビデオレコーダ本
体と、所定のフォーマットのデータを送信するリモート
コントロール装置とで構成されるビデオレコーダシステ
ムであって、ビデオレコーダ本体に与えられるべきデー
タの元となる音声として発声された数字列の各数字の音
声信号を個別に取り込んで認識結果の確度を示す認識ス
コアを複数の認識候補の数字それぞれに関して求める認
識処理部と、認識処理部により求められた認識スコアを
所定の基準に従って判定することにより、いずれかの認
識候補を一つの数字の認識結果として決定する判定部
と、判定部により一つの数字の認識結果として決定され
た認識候補の数字を順次的に格納して数字列として保持
する数字列記憶手段と、数字列記憶手段に保持されてい
る数字列を所定の論理に従って所定のフォーマットのデ
ータに変換する変換手段と、変換手段により得られたデ
ータをビデオレコーダ本体へ送信する送信手段とをリモ
ートコントロール装置に備えたことを特徴とする。

【００１４】

【作用】本発明に係る数字列音声認識装置では、音声と
して発声された認識対象の数字列の各数字の音声信号が
個別に取り込まれて認識結果の確度を示す認識スコアが
複数の認識候補の数字それぞれに関して認識処理部によ
り求められ、これらの求められた認識スコアが判定部に
より所定の基準に従って判定されることにより、いずれ
かの認識候補が一つの数字の認識結果として決定され、
このようにして一つの数字の認識結果として決定された
認識候補の数字が数字列記憶手段に順次的に格納されて
数字列として保持される。

【００１５】また、本発明に係る数字列音声認識装置で
は、数字列またはそれにより規定されるデータが与えら
れることにより所定の動作を行なう主装置に数字列また
はそれにより規定されるデータを送信するために、音声
として発声された数字列の各数字の音声信号が個別に取
り込まれて認識結果の確度を示す認識スコアが複数の認
識候補の数字それぞれに関して認識処理部により求めら
れ、これらの求められた認識スコアが判定部により所定
の基準に従って判定されることにより、いずれかの認識
候補が一つの数字の認識結果として決定され、このよう
にして一つの数字の認識結果として決定された認識候補
の数字が数字列記憶手段に順次的に格納されて数字列と
して保持され、この数字列またはそれにより規定される
データが主装置へ送信される。

【００１６】更に、本発明に係るビデオレコーダシステ
ムでは、リモートコントロール装置において、ビデオレ
コーダ本体に与えられるべきデータの元となる音声とし
て発声された数字列の各数字の音声信号が個別に取り込
まれて認識結果の確度を示す認識スコアが複数の認識候
補の数字それぞれに関して認識処理部により求められ、
これらの求められた認識スコアを判定部が所定の基準に
従って判定することにより、いずれかの認識候補が一つ
の数字の認識結果として決定され、この一つの数字の認
識結果として決定された認識候補の数字が数字列記憶手
段に順次的に格納されて数字列として保持され、更に変
換手段が所定の論理に従って所定のフォーマットのデー
タに変換し、送信手段が変換手段により得られたデータ
をビデオレコーダ本体へ送信することにより、録画予約
が行なわれる。

【００１７】

【実施例】以下、本発明をその実施例を示す図面に基づ
いて詳述する。なお、以下に説明する各実施例では、本
発明の数字列音声認識装置をその一具体的適用例として
のビデオレコーダのＧコードの入力装置（以下、Ｇコー
ドリモコンと言う）に適用した場合について説明する。

【００１８】図１は本発明に係る数字列音声認識装置と
してのＧコードリモコンのハードウェアの構成例を示す
ブロック図である。本発明の数字列音声認識装置の内部
構成は大きくは、参照符号10にて示されている認識処理
部としてのDSP(Digital Signal Processor) 部と、参照
符号20にて示されている判定部としてのマイクロコンピ
ュータ部とに分かれる。また、参照符号40は本発明のＧ
コードリモコンにより得られたＧコードにより録画予約
が行なわれるビデオレコーダ本体を示しているが、本実
施例では一般的なビデオテープレコーダ(VTR) を使用し
ている。

【００１９】DSP部10は主として、マイクロフォン11,A/
D変換器12,DSP13,D/A変換器14, スピーカ15, PROM16,
マイクロコンピュータ部20とのI/F(インタフェイス)17,
RAM18, ROM19 等にて構成されている。

【００２０】話者が発声した音声はマイクロフォン11か
ら入力し、マイクアンプ11A を介して A/D変換器12によ
りパルス符号変調(PCM:Pulse Code Modulation) された
ディジタル信号として取り込まれ、 DSP13により処理さ
れる。 DSP13には、PROM16,RAM18, ROM19等の記憶装置
が接続されている。

【００２１】ROM19には、スピーカ15から合成音声とし
て出力すべき種々の音声の符号化データ、音声認識のた
めのニューラルネットワークのウェイトデータ等が予め
格納されている。 RAM18には、 DSP13による処理に必要
な種々の変数の値、及び処理途中, 処理結果のデータ等
が一時的に記憶される。PROM16には、 DSP13による処理
に必要なプログラムが格納されている。

【００２２】DSP13は、PROM16に格納されているプログ
ラムに従って所定の音声認識処理を行ない、必要に応じ
てマイクロコンピュータ部20から与えられるコマンドに
応答して ROM19に格納されている符号化データを読み出
して復調し、 D/A変換器14を介してスピーカアンプ15A
へ出力することにより、スピーカ15から合成音声を発声
させる。また、 DSP13は必要に応じて、またはマイクロ
コンピュータ部20から与えられるコマンドに応答してマ
イクロコンピュータ部20との間でコマンド，データ等の
送受を行なう。 I/F17はそのために使用される。

【００２３】マイクロコンピュータ部20は主として、マ
イクロコンピュータ (μP)21, 転送ボタン22, Ｇコード
ボタン23, I/F24, LCD25, 送信手段として機能する送信
器26等で構成されている。

【００２４】マイクロコンピュータ21には転送ボタン2
2, Ｇコードボタン23からそれらがオン（プッシュ）さ
れている場合にオン信号が継続的に与えられる。送信器
26は、認識済みの数字列をＧコードとしてデコードした
結果を VTR40へ送信するために使用される。また、 LCD
25は、 I/F24を介してマイクロコンピュータ21により制
御されることにより、認識結果の数字列の表示、あるい
はその他の種々の表示に使用される。

【００２５】マイクロコンピュータ21には、CPU211, RO
M212, RAM213等が内蔵されており、内部バス214 により
相互に接続されている。なお、この内部バス214 は、 D
SP部10の I/F17, 転送ボタン22, Ｇコードボタン23, I/
F24,送信器26等とも相互に信号の送受を行なう。

【００２６】内蔵ROM212にはCPU211による処理に必要な
プログラム、あるいは任意の数字列をＧコードとしてデ
コードするためのプログラム (またはテーブル) 等が格
納されている。また、内蔵RAM213はCPU211によるプログ
ラム実行中に種々のデータを記憶すると共に、認識結果
の各数字を順次的に格納して数字列を保持することによ
り数字列記憶手段としても機能する。CPU211は、上述の
ROM212に格納されている処理プログラムに従って、 DSP
13による音声認識の処理結果を所定の基準に従って判定
することにより、リジェクトするか、あるいは認識結果
として決定する。

【００２７】図２は本発明の数字列音声認識装置として
のＧコードリモコンの外観を示す模式図である。図２に
おいて、参照符号30はケーシングであり、上述の図１に
示されている構成要素が格納されている。なお、マイク
ロフォン11, スピーカ15, 転送ボタン22, Ｇコードボタ
ン23及び LCD25はそれぞれの機能を有効に発揮させるた
めにケーシング30の表面に一部が露出している。

【００２８】次に、本発明の数字列音声認識装置の DSP
部10について、特にその音声認識のための構成及び手法
について説明する。図３は DSP部10により行なわれる音
声認識の処理手順を示すフローチャート、図４は DSP13
の内部構成を機能的に示した機能ブロック図である。

【００２９】図４において、参照符号13は DSPを、18は
RAMを、19は ROMを、17は I/Fをそれぞれ示しているこ
とは前述の図１と同様である。なお、 DSP13には ROM1
9, RAM18 の他に DSP13のプログラムを格納したPROM16
が接続されているが、この図４では省略してある。ま
た、前述の如く DSP13は I/F17を介してマイクロコンピ
ュータ部20と接続されている。

【００３０】図３のフローチャートに示されているよう
に、 DSP13は A/D変換器12から取り込んだディジタル音
声信号の音声分析 (ステップS1) をまず行なうが、これ
は音声分析部130 により行なわれる。

【００３１】マイクロフォン11から入力されたアナログ
の音声信号は A/D変換器12においてサンプリング周波数
12kHz でパルス符号変調(PCM:Pulse Code Modulation)
されてディジタルの音声信号（以下、 PCM音声信号と言
う) として出力されている。DSP13は、後述する如く I/
F17を介してマイクロコンピュータ21から音声取り込み
コマンドが与えられると、ステップS1, S2の処理を行な
う。まず、 DSP13は A/D変換器12から出力されている P
CM音声信号を音声分析部130 に取り込む。

【００３２】音声分析部130 は、図５のブロック図に示
されているように、入力された PCM音声信号を16の周波
数帯域に分割して周波数分析を行なうために16チャネル
の回路を並列接続して構成されている。第１チャネル
(第２〜第16チャネル) は、バンドパスフィルタ(BPF)13
01-1(1301-2〜1301-16)と、絶対値演算を行なうための
整流回路1302-1(1302-2 〜1302-16)と、緩やかな短時間
スペクトルを求めるためのローパスフィルタ(LPF)1303-
1(1303-2〜1303-16)とを直列に接続して構成されてい
る。

【００３３】この音声分析部130 では、周波数分析の有
効帯域を124.5Hz 〜5738Hzとし、各チャネルの周波数帯
域は所謂 melスケールで分割されており、第１チャネル
から第16チャネルまで順に、124.1Hz 〜257.3Hz, 258.0
Hz〜406.6Hz, 406.9Hz〜573.2Hz, 573.4Hz〜759.7Hz, 7
59.5Hz〜967.6Hz, 967.8Hz〜1200.7Hz, 1200.6Hz〜146
1.1Hz, 1461.6Hz〜1752.6Hz, 1752.8Hz〜2078.4Hz, 207
8.6Hz〜2443.3Hz, 2442.7Hz〜2850.5Hz, 2850.7Hz〜330
6.6Hz, 3307.1Hz〜3816.4Hz, 3816.8Hz〜4386.6Hz, 438
6.9Hz〜5024.7Hz, 5027.8Hz〜5738.0Hzが割り当てられ
ている。

【００３４】ここで melとは、聴覚の主観実験により得
られた尺度であり、1kHzを1000melとし、下記式にて近
似される。なお、mel は対数尺度に比して、低域でやや
粗く、高域で細かくなる。

【００３５】mel ＝ (1000×log(f/1000＋1))/log2

【００３６】従って、音声分析部130 は、12kHz でサン
プリングを行なう A/D変換器12からの割り込みに同期し
て、83.3μs 間隔で16チャネル分の分析を行なう。この
音声分析部130 による分析結果は200Hz でリサンプリン
グされる。従って、１フレームの期間は５msになる。以
下、このリサンプリングされた結果を１フレームの分析
結果と言う。

【００３７】なお、一回の分析は本実施例では 256フレ
ーム分、即ち1.28秒分の音声信号に対して行なわれる。
これは、後述するリングバッファ131 の容量により規定
されている。また、各フレームのデータとしては音声信
号のパワー (音圧) 、即ち16チャネルの各周波数帯域の
音圧の変化の状態が得られる。

【００３８】このようにして得られた各チャネルの各フ
レームのデータは順次的にリングバッファ131 に書き込
まれると共に各チャネルの同一のフレームのパワー (音
圧)の総和（又は平均値) が音声区間検出部132 により
所定の閾値と比較されることにより、実時間的な音声区
間の粗い切り出し、即ち音声の仮始端及び仮終端の切り
出しが行なわれる (ステップS2) 。具体的には、音声区
間検出部132 は音声分析部130 から出力される各チャネ
ルの同一のフレームのパワーの総和（又は平均値) を所
定の閾値と比較し、16チャネルのパワーの総和（又は平
均値) が所定の閾値以上になるフレームが所定数連続し
た時点を音声区間の仮始端と見做し、その後に16チャネ
ルのパワーの総和（又は平均値) が所定の閾値以下にな
るフレームが所定数連続した時点を音声区間の仮終端と
見做すと共に、この時点で DSP13は A/D変換器12からの
PCM音声信号の取り込みを停止する。

【００３９】たとえば、図６のグラフに示されているよ
うな音声分析の結果が音声分析部130 により得られたと
する。この場合、フレームFsからｎ個のフレームにおい
て各チャネルのパワーの総和（又は平均値) が連続して
所定の閾値th０を越えたとすると、音声分析部130 はフ
レームFsを音声区間の仮始端と見做す。そして、その後
のフレームFeからｎ個のフレームにおいて各チャネルの
パワーの総和（又は平均値) が連続して所定の閾値th０
に達しなかったとすると、音声分析部130 はフレームFe
を音声区間の仮終端と見做す。従って、これらのフレー
ムFsである仮始端とフレームFeである仮終端との間が仮
の音声区間として検出され、その間にリングバッファ13
1 に取り込まれた各チャネルの 256フレーム分、即ち1.
28秒分の音声信号が RAM18に格納される。この時点で D
SP13は音声取り込み終了応答をマイクロコンピュータ21
へ送信する。

【００４０】ここで、図３のフローチャートにステップ
S11 で示されているように、変数ｉに初期値として”
５”が設定される。これは、後述する如く、本実施例で
は一つの仮の音声区間のデータに対して５通りの異なる
条件でより精細な再切り出しを行なって分析するように
しているからであり、変数ｉはその際の制御に使用され
る。

【００４１】次に、マイクロコンピュータ21から認識コ
マンドが与えられると、 DSP13は、ステップS3乃至S7,
S13, S8 の処理を行なう。まず DSP13は、 RAM18に格納
されている16チャネル分のデータを対象として、具体的
には16チャネルの各フレームのデータの総和（又は平均
値) に基づいて音声区間の精細な切り出し、即ち音声の
本始端及び本終端の再切り出しを音声区間検出部132 に
行なわせる (ステップS3) 。このステップS3での処理
は、 RAM18に格納されている16チャネルの各フレームの
パワーの総和（又は平均値) の最大値に対応して予め定
められている閾値により行なわれる。

【００４２】具体的には、PROM16には最大パワーに対応
して本実施例では５段階の閾値が図７のグラフに示され
ているような関数、またはテーブルとして予め設定され
ており、得られたデータの最大パワーPmaxに対応して５
段階の閾値th1, th2, th3, th4, th5 が設定される。そ
して、まず変数ｉ(=5)に対応して閾値th5 が与えられる
ことにより、図６のグラフに示されているように、音声
区間検出部132 は RAM18に格納されている各チャネルの
データに対する音声区間の再切り出しを行なう。このよ
うにして切り出された音声区間の16チャネルの各フレー
ムのデータに対しては、音声パターン作成部133 により
以下の手順でレベル方向，時間方向の正規化及びベクト
ル化が行なわれる。

【００４３】まず、各フレームのデータに対して、”20
log(X)＋1 ”の処理を行なうことにより対数変換を行な
い (ステップS4) 、過大なレベルを抑制する。これは主
としてマイクロフォン11のゲインを調整するための処理
である。その後に時間方向が８フレームになるように各
フレームのチャネルのデータの平均値を求めることによ
り線形圧縮を行なう (ステップS5) 。これは主として発
声時間の個人差を均一化するための処理である。以上に
より、周波数方向に16チャネル、時間方向に８フレーム
の計128 データが一つの PCM音声信号に対して得られ
る。更に、それらの平均値を求めて各データから減算す
ることにより、オフセットを除去してレベル正規化を行
なう (ステップS6) 。これは主として発声レベルの個人
差を均一化するための処理である。

【００４４】このようにして音声パターン作成部133 に
より得られた 128個のデータはニューロ演算部134 に与
えられてニューラルネット演算が行なわれる (ステップ
S7)。図８はニューロ演算部134 のニューラルネットの
構成を示す模式図であり、一般的な３層のBP(Back Prop
agation)モデルとして構成されている。

【００４５】本実施例では、前述の如く、一つの数字の
入力音声に対して五回の認識処理が行なわれ、その各一
回の処理に16×８、即ち128 個のデータが得られるの
で、入力層のニューロンは基本的には 128個であり、出
力層のニューロンは認識候補である”０”乃至”９”の
10個の数字に対する計15通りの読み (ゼロ, サン, ニ,
レイ, ナナ, ヨン, ゴ, マル, シ, ロク, ク, ハチ, シ
チ, キュウ, イチ) に対応している。中間層は基本的に
は50個であるが、これは便宜的なものであって限定され
るものではない。

【００４６】なお、中間層及び出力層の各ニューロンは
下層の全てのニューロンと接続している。これらのニュ
ーロンの出力は下層のニューロンの出力にウェイトデー
タを乗じた値の総和に閾値処理関数（シグモイド関数）
を通した値として得られる。また、入力層及び中間層に
はそれぞれ閾値処理時のオフセット制御のためのニュー
ロン (◎で表されている) が１個ずつ付加されている。
これらのニューロンは中間層，出力層の各ニューロンと
のみ結合している。

【００４７】図８に示されているニューロネットワーク
のウェイトデータ（結合係数）は予め学習により求めら
れており、 ROM19に書き込まれている。このウェイトデ
ータの数、換言すれば ROM19に格納されているウェイト
データのワード数は、３層相互間の結合数と等しい。即
ち、本実施例では (128＋1)×50＋ (50＋1)×15＝7215 となる。

【００４８】また、シグモイド関数sig(x)は下記式にて
与えられる。 sig(x)＝1.0/(1.0＋exp(-x)) なお、sig(0)＝0.5, sig(+∞) ＝1.0, sig(-∞) ＝0.0
となる。

【００４９】以上のようなステップS3, S4, S5, S6, S7
の処理により、ニューロ演算部134において、ニューロ
ネットワークの出力層の各ニューロンから得られる出力
信号が認識スコアとして対応する認識候補と関連付けて
RAM18に格納される。

【００５０】以上により、閾値th5 により切り出された
音声区間を対象とする一回目の認識処理が終了し、前述
の15個の認識候補それぞれについて認識スコアが得られ
るので、それらの結果は RAM18に一旦格納される。そし
て、ステップS12 において変数ｉが”１”デクリメント
されて”４”になり、変数ｉの値が”０”になったか否
かが調べられる (ステップS13)。変数ｉの値が”０”に
なっている場合には認識処理は終了するが、そうでなけ
ればステップS3へ戻って変数ｉに対応して音声区間の本
始端及び本終端の切り出し条件を変更した上で再度上述
同様の認識処理が反復される。即ち、この場合は変数ｉ
は”４”になっているので、閾値th4 が音声区間検出部
132 に与えられて二回目の認識処理、即ち音声区間の切
り出し (ステップS3) 、対数変換 (ステップS4) 、線形
圧縮 (ステップS5) 、レベル正規化 (ステップS6) 、ニ
ューラルネット演算 (ステップS7) の各処理が実行され
る。

【００５１】このように、ステップS3, S4, S5, S6, S7
からステップS3へ戻るループ処理がステップS3での音声
区間の切り出しの閾値を変数ｉの値に応じて順次変更し
て行なわれることにより、図６のグラフに示されている
ような５段階の閾値で、換言すればそれぞれ異なる５種
類の条件に従って音声区間検出部132 が音声区間の切り
出しを行ない、それぞれの結果を音声パターン作成部13
3 が処理し、それぞれの処理結果からニューロ演算部13
4 が前述の15個の認識候補それぞれについて認識スコア
を求める。従って、最終的には15個の認識候補それぞれ
について５通りの認識スコアが得られ、総計では75通り
の認識スコアが得られる。

【００５２】本実施例では上述のようにステップS3, S
4, S5, S6, S7の処理が音声区間の切り出し条件を異な
らせて５回反復されるので、各認識候補について５通り
の認識スコアが得られる。 DSP13は RAM18に格納されて
いる各認識候補に対する５通りの認識スコアを集計し
(ステップS8) 、それらの内の最も高い認識スコアを最
終的に第１位の認識スコアとして決定する。また、第１
位の認識スコアとは異なる認識候補の認識スコアの内で
次点を第２位の認識スコアとして決定する。これらの第
１位及び第２位の認識スコアはマイクロコンピュータ部
20へ送られる。

【００５３】このようにして DSP13から送られてくる第
１位及び第２位の認識スコアを受け取ると、マイクロコ
ンピュータ21はそれをリジェクトするか否かの処理、即
ちリジェクト処理を行なう。

【００５４】次に、上述のような DSP部10の動作を含む
本発明の数字列音声認識装置としてのＧコードリモコン
の実施例の全体の動作について、特にマイクロコンピュ
ータ21のCPU211による処理手順を分割して示す図９，図
10及び図11のフローチャートを参照して説明する。

【００５５】まず、CPU211は変数ｉ，ｊ，ｋを共にゼロ
クリアし (ステップS31)、Ｇコードボタン23のオン／オ
フ状態を調べる (ステップS32)。Ｇコードボタン23がオ
ン状態である場合は、CPU211はタイマの計時値”time”
をゼロクリアする (ステップS33)。次に、CPU211は I/F
17を介して DSP13へ音声取り込みコマンドを送信する
(ステップS34)。これに応答して、 DSP13ではマイクロ
フォン11からの音声入力を受け付ける状態になる。

【００５６】DSP13は音声を取り込むとCPU211に対して
I/F17を介して音声取り込み終了応答を送信する。この
DSP13から送信された音声取り込み終了応答をCPU211が
受信した場合 (ステップS35)、CPU211は DSP13に対して
音声認識を行なわせるコマンド (認識コマンド) を送信
する (ステップS36)。但し、 DSP13が音声を取り込むこ
とが出来ず、且つＧコードボタン23がオンされている状
態である場合は (ステップS61)、CPU211はステップS35
とS61 とを往復するループ処理を反復し、 DSP13がマイ
クロフォン11から音声を入力するのを待機する状態にな
る。

【００５７】DSP13は、CPU211から送信された認識コマ
ンドに応答して、先に取り込んだ音声の認識を前述の如
くして行ない、その結果、即ち認識結果の候補及び各候
補の認識スコアをCPU211へ送信する。CPU211は DSP13か
ら送信された認識結果の候補及び各候補の認識スコアを
受信し (ステップS37)、一旦RAM213に格納する。

【００５８】次に、CPU211は、この時点では変数ｉが”
０”であるのでリジェクト閾値”reject”として”150
”をセットする (ステップS38)。そして、CPU211は DS
P13から送信されて来てRAM213に格納されている認識ス
コアの内の第１位の認識スコアをリジェクト閾値”reje
ct(=150)”と比較する (ステップS39)。なお、本実施例
では認識スコアの理論的最小値は”０”, 最大値は”25
5 ”である。

【００５９】ステップS39 での比較の結果、第１位の認
識スコアがリジェクト閾値”reject(この場合は150)”
以上である場合は、CPU211は第１位の認識スコアが得ら
れた認識候補を一つの数字の認識結果として内蔵RAM213
に格納すると共に、 DSP13へ応答音声出力コマンドを送
信する (ステップS40)。この応答音声出力コマンドに応
答して DSP13は認識結果の数字を合成音声にてスピーカ
15から出力すると共に、CPU211に対して終了応答を出力
する。

【００６０】CPU211は、 DSP13から終了応答を受信する
と (ステップS41)、変数ｉを”０”クリアすると共に変
数ｊを”１”インクリメントし (ステップS42)、転送フ
ラグに”０”をセットする (ステップS43)。

【００６１】以上で一つの数字がリジェクトされること
なく音声認識されると共にこれから入力されるべき数字
列の最上位の桁の数字としてRAM213に一時的に格納され
たことになり、ステップS32 へ処理が戻される。従っ
て、上述の処理が反復されることにより、任意桁の数字
列の各数字が上位桁側から下位桁側へ順次的に内蔵RAM2
13に格納される。なお、変数ｊは上述のステップS32 か
らステップS43 までのループ処理が一回実行される都
度、”１”ずつインクリメントされる。従って、変数ｊ
の値はその時点で既に認識済みの字数を表している。

【００６２】ところで、ステップS39 において第１位の
認識スコアがリジェクト閾値”reject (この場合は15
0)”未満であった場合には、CPU211は正当な認識結果が
得られなかった、即ちリジェクトが行なわれたことを示
すリジェクト音を出力させるコマンドを DSP13へ送信す
る (ステップS44)。これに応答して DSP13はたとえば
「ブッ」というようなリジェクト音をスピーカ15から出
力すると共に、CPU211に対して終了応答を出力する。こ
の DSP13から出力される終了応答を受信すると (ステッ
プS45)、CPU211は次のステップS46 において変数ｉを”
１”インクリメントした上でステップS32 へ処理を戻
す。従って、変数ｉはリジェクト回数を表すことにな
る。但し、リジェクトされなかった場合はステップS42
において変数ｉが”０”クリアされるため、変数ｉはリ
ジェクトが連続した回数を表すことになる。

【００６３】このように、一回目の認識処理においてリ
ジェクトされた場合はCPU211は変数ｉを”１”インクリ
メントして”０”から”１”にする。このため、次のス
テップS38 でリジェクト閾値”reject”＝100 に設定さ
れた上でステップS39 においてリジェクトするか否かの
判断が行なわれる。従って、一回リジェクトされた後の
二回目の認識処理に際しては、一回目の認識処理に比し
てよりリジェクトの可能性が小さい状態でリジェクトす
るか否かの判断が行なわれることになる。

【００６４】更に、二回連続してリジェクトされた場合
にはCPU211はステップS46 において変数ｉを更に”１”
インクリメントして”２”にするため、ステップS38 に
おいてリジェクト閾値”reject”＝0 に設定された上で
ステップS39 においてリジェクトするか否かの判断が行
なわれる。従って、この二回連続してリジェクトされた
後の三回目の認識処理に際しては、リジェクトの可能性
が全くない状態でリジェクトするか否かの判断が行なわ
れることになる。換言すれば、二回連続してリジェクト
された後には、第１位の認識スコアの認識候補が無条件
で認識結果として決定される。

【００６５】前述のステップS35 とステップS61 とが反
復されるループ処理において、音声が DSP13に取り込ま
れない状態でＧコードボタン23がオフされていることが
検出された場合、CPU211は DSP13に対して音声取り込み
強制終了コマンドを送信する(ステップS62)。これに応
答して DSP13は終了応答信号を送信するので、それを受
信することによりCPU211はそれまでに認識済みの数字の
字数を表す変数ｊの値を変数ｋにコピーして保存する
(ステップS64)。

【００６６】この後、ステップS65 乃至ステップS70 の
処理により、CPU211は認識済みの数字列を一括して合成
音声にてスピーカ15から発声する。即ち、まずCPU211は
変数ｋの値、即ち認識済みの数字の個数が１以上である
か否かを、換言すれば一つでも認識済みの数字があるか
否かを判定する (ステップS65)。

【００６７】認識済みの数字が全くないとステップS65
において判定された場合には、CPU211はステップS32 へ
処理を戻して待機状態になる。ステップS65 において数
字が一つでも認識されていた場合には、CPU211は”ｋ−
ｊ”番目に認識した音声の認識結果に対応する合成音声
をスピーカ15から発声させるためのコマンドを DSP13へ
送信する (ステップS66)。

【００６８】これに応答して DSP13は合成音声をスピー
カ15から発声させると共にその終了を示す終了応答信号
を送信する。CPU211は、この DSP13から送信された終了
応答信号を受信すると (ステップS67)、変数ｊを”１”
デクリメントし (ステップS68)、更にその結果が”０”
よりも小さくなっているか否かを判定する (ステップS6
9)。変数ｊが”０”になるまでの間はステップS69 から
ステップS66 へ処理が戻されるので、CPU211はステップ
S66 乃至ステップS69 のループ処理を反復する。

【００６９】ところで、ステップS61 からステップS62
へ処理が進められた時点では変数ｊは認識済みの数字の
個数を表している。また、ステップS64 において変数ｋ
の値が変数ｊにコピーされる（”ｋ＝ｊ”）ので、この
時点では変数ｋも認識済みの数字の個数を表している。
そして、上述のループ処理の一回目のステップS66 での
処理においては、”ｋ＝ｊ”であるため第”０”番目、
換言すれば変数ｊが”０”であった時点で認識されてRA
M213に格納されている数字を合成音声で発声させるコマ
ンドがCPU211から DSP13へ送信される。この後、上述の
ステップS66 乃至ステップS69 のループ処理が反復され
る都度、ステップS68 において変数ｊが”１”ずつデク
リメントされるため、ステップS66 においては変数ｊ
が”１”,”２”…であった時点それぞれにおいて認識
された数字が合成音声でスピーカ15から発声されること
になる。

【００７０】やがて、変数ｊが”０”よりも小さくなる
とループ処理から脱出し、CPU211は変数ｉ及びｊを共に
ゼロクリアし (ステップS70)、ステップS32 へ処理を戻
す。以上の処理により、認識済みの数字列の各数字が合
成音声でスピーカ15から順次的且つ連続的に発声され
る。

【００７１】上述の状態は、任意桁数の数字列が入力さ
れた後にユーザがそれ以上の入力を停止した状態、換言
すればユーザによる所望の数字列の入力が終了したか、
あるいはユーザが何らかの理由で数字の入力を中止した
状態である。この場合には、ステップS32 へ処理が戻さ
れるが、その時点でＧコードボタン23がオフ状態である
場合はステップS71 へ処理が進められる。このステップ
S71 では、CPU211は転送ボタン22のオン／オフの状態を
調べる。転送ボタン22がオンされていない場合は、先に
ステップS33 でゼロクリアされたタイマの計時値”tim
e”が所定の制限時間に達しているか否かをCPU211は調
べる (ステップS78)。

【００７２】タイマの計時値”time”が制限時間に達す
るまではステップS78 からステップS32 へ処理が戻さ
れ、更にステップS71, S78を経由するループ処理が反復
される。従って、Ｇコードボタン23及び転送ボタン22の
双方がオフ状態である場合は、CPU211はそれらの内のい
ずれかがオン状態になるのを待つ状態になる。但し、い
ずれもがオフ状態のままでタイマの計時値”time”が制
限時間に達した場合はCPU211は上述のループ処理を終了
するので、それまでに認識済みの数字列は無効になる。
しかし、それ以前にＧコードボタン23がオンされれば、
CPU211はステップS32 でそれを検出してステップS33 へ
処理を進めるので、数字列の入力が新たに可能な状態に
なる。一方、転送ボタン22がオンされれば、CPU211はス
テップS71でそれを検出するので、Ｇコードを内蔵RAM21
3から読み出してROM212に格納されているデコード用の
プログラムに従って、またはテーブルを参照してデコー
ドし、 VTR40へ送信するための処理を行なう。

【００７３】この場合、まずCPU211はタイマの計時値”
time”をゼロクリアし (ステップS72)、変数ｋの値が”
０”であるか否かを調べる (ステップS73)。変数ｋは前
述したように、それまでに認識済みの数字の個数を表
す。従って、変数ｋの値が”０”である場合は認識済み
の数字がないので、CPU211はステップS32 へ処理を戻
す。変数ｋの値が”０”でなければ、次にCPU211は転送
フラグの値を調べる (ステップS74)。

【００７４】転送フラグは、その値が”０”である場合
はその時点で認識済みの数字列の転送が未だ行なわれて
いないことを、”１”である場合はその時点で認識済み
の数字列の転送が既に行なわれたことをそれぞれ示して
いる。従って、CPU211は、転送フラグの値が”０”でな
ければステップS32 へ処理を戻し、”０”である場合は
既に認識済みの、即ち内蔵RAM213に格納されている数字
列を読み出し、ROM212に格納されいる変換プログラムに
従って、またはテーブルを参照してＧコードとしてデコ
ードする (ステップS75)。このデコード結果は送信器26
により VTR40へ送信される (ステップS76)。この後、転
送フラグが”１”にセットされ (ステップS77)、ステッ
プS32 へ処理が戻される。

【００７５】本発明の数字列音声認識装置としてのＧコ
ードリモコンの実施例ではCPU211が以上のような処理を
行なうようにプログラミングされているが、以下にユー
ザが本発明の数字列音声認識装置としてのＧコードリモ
コンを実際に使用する場合の手順を説明する。

【００７６】ユーザが本発明の数字列音声認識装置とし
てのＧコードリモコンの使用を開始する以前において
は、マイクロコンピュータ21はユーザによる何らかの操
作を待機する状態になっている。即ち、転送ボタン22も
Ｇコードボタン23も共にオフ状態であるため、ステップ
S31, S32, S71, S78の順に処理が進み、以降はステップ
S32 へ戻ってステップS71, S78, S32 の順にループ処理
が反復される。

【００７７】ユーザがＧコードを入力するためにＧコー
ドボタン23をオン状態に維持するとオン信号がCPU211に
与えられる。CPU211は、ステップS32, S71, S78, S32の
順のループ処理中のステップS32 においてＧコードボタ
ン23からのオン信号を検出する。これによりCPU211は、
以降はステップS32 からステップS35 へ処理を進め、こ
のステップS35 とステップS61 とを往復するループ処理
に入る。この状態でユーザがＧコードの最初の数字を発
声すると、 DSP13がユーザの音声を取り込む。この後、
CPU211はステップS35 からステップS43 までの各ステッ
プの処理を実行するので、 DSP13は先に取り込んだ音声
の認識及びその認識結果の合成音声によるスピーカ15か
らの発声を行なう。

【００７８】このように、CPU211がステップS32 からス
テップS43 までの各ステップを順次経由してステップS3
2 へ戻るループ処理を反復することにより、ユーザが順
次的に発声した任意桁数のＧコードの各数字が各一回の
ループ処理について一つずつ取り込まれる。そして、取
り込まれた各数字はリジェクト閾値”reject”＝150の
基準値で認識処理される。この認識結果は合成音声によ
りスピーカ15から発声されると共にRAM213に順次格納さ
れる。

【００７９】なお、個々の数字の認識処理が途中でリジ
ェクトされた場合は、ステップS39からステップS44, S4
5へ処理が進められてステップS32 へ処理が戻される。
従ってこの場合にユーザがＧコードボタン23をオンし続
けていれば、変数ｉが”１”になることによりリジェク
ト閾値”reject”＝100 となり、一回目よりもリジェク
トの基準値が低い状態での再認識が可能になる。しか
し、二回連続してリジェクトされた場合には、変数ｉ
が”２”になることによりリジェクト閾値”reject”＝
０となり、第１位の認識スコアの認識候補が無条件で認
識結果として決定される。このため、リジェクトが反復
される可能性が低下し、最大でも連続二回のリジェクト
後の三回目の入力音声が認識される。

【００８０】やがてユーザは、Ｇコードの全ての数字を
入力し終えると、Ｇコードボタン23をオフする。この場
合、ユーザが合成音声による応答を確認した上でＧコー
ドボタン23をオフする反応時間よりも早くCPU211による
処理はステップS32 を経てステップS35 まで進むので、
CPU211はユーザがＧコードボタン23をオフしたことをス
テップS35 とステップS61 とを反復するループ処理中の
ステップS61 において検出する。これにより、CPU211は
ステップS62 からステップS64 の各ステップの処理を行
なって DSP13に音声の取り込みを終了させた後に、ステ
ップS65 からステップS70 の処理を行なう。

【００８１】このステップS65 からステップS70 の処理
により、スピーカ15からは認識済みのＧコードの数字列
が順次的に合成音声で発声されるので、ユーザは自身の
望み通りの数字列が入力されているか否かを確認するこ
とが可能である。ユーザはこの確認の後に転送ボタン22
をオンすればよい。

【００８２】ステップS70 の後はCPU211はステップS32,
S71へ処理を進めるので、ユーザが転送ボタン22をオン
したことがステップS71 で検出される。即ち、ステップ
S71では転送ボタン22のオン／オフが調べられ、オフで
ある場合はステップS78 では所定時間が経過したか否か
が調べられる。更に、ステップS78 で所定時間が経過し
ていないと判断された場合にはステップS32 へ処理が戻
され、以降はステップS71, S78を順次経由してステップ
S32 へ戻るループ処理が反復される。従って、最後の数
字が入力された時点から所定時間が経過するまでの間に
ユーザが転送ボタン22をオンすれば、CPU211はそれを上
述のループ処理中のステップS71 において検出する。こ
の場合には、CPU211は以降はステップS72 からステップ
S77 までの各ステップの処理を行なうことにより、先に
認識された数字列をＧコードとしてデコードすることに
より、 VTR40の録画予約に必要な諸データ、即ちチャネ
ル番号，録画開始日時，録画時間等のデータに変換して
VTR40へ送信する。

【００８３】Ｇコードボタン23も転送ボタン22も共にオ
ンされない内に所定時間が経過した場合にはステップS7
8 においてそれが検出されるので、CPU211による処理は
終了する。この場合は、既に認識済みのＧコードは無効
になるが、再度Ｇコードボタン23をオンすることにより
ユーザは新たなＧコードを入力することが可能になる。

【００８４】なお、Ｇコードの入力途中で誤入力、ある
いは誤認識にユーザが気付いた場合には、Ｇコードボタ
ン23をオフすればよい。この場合、CPU211はＧコードボ
タン23がオフされたことをステップS61 で検出するの
で、以降は前述同様にステップS32 へ処理が戻され、ス
テップS71, S72からステップS32 へ戻るループ処理が反
復される。そして、ユーザが再度Ｇコードボタン23をオ
ンしてその状態を維持すれば、上述のループ処理のステ
ップS32 からステップS33 へ処理が進んで新たにＧコー
ドの入力が可能な状態になる。

【００８５】なお上記実施例では、リジェクトが行なわ
れる都度、リジェクト閾値”reject”を”150 ”, ”10
0 ”, ”０”に３段階に順次的に変更しているが、２段
階に変更しても、あるいは４段階以上に変更してもよ
く、更に上記以外の数値を採用してもよいことは言うま
でもない。

【００８６】また上記実施例では、本発明の数字列音声
認識装置を VTR40とそれに対してＧコード入力により録
画予約を行なうためのリモートコントロール装置 (Ｇコ
ードリモコン) とで構成されるビデオレコーダシステム
に適用した例が示されている。しかし、他にたとえば、
移動電話機 (いわゆる自動車電話, 携帯電話) の電話番
号の音声入力装置として適用することも可能である。上
述のビデオレコーダシステムのＧコード入力に適用した
場合には、入力された数字列をＧコードに変換(デコー
ド) する処理あるいは手段が必要であるが、移動電話機
に適用した場合には入力された各数字により構成される
数字列をそのまま電話機本体へ送信すればよい。

【００８７】また更に上記実施例では、ステップS40 の
処理において、応答音声出力コマンドに応答して DSP13
から認識結果の数字以外の合成音声、たとえば「ピッ」
と言うような音声を出力することにより音声入力の間隔
を短縮するようにしてもよい。この場合には、全ての数
字の入力終了後に合成音声にて一連の入力数字の確認が
短時間で行なえるため、連続しての音声の入力がスムー
ズに行なえる。

【００８８】

【発明の効果】以上に詳述したように本発明に係る数字
列音声認識装置によれば、複数桁の数字列を構成する個
々の数字を話者が発声した場合に、それらが逐次的に音
声認識されてその結果が蓄積され、また他の装置へ送信
されることにより、一括して数字列のデータとして利用
することが可能になる。従って、数字列全体を一括して
音声入力する場合に比して正しく認識される可能性が高
く、また使い勝手も向上する。

【００８９】また本発明に係るビデオレコーダシステム
によれば、上述のような数字列音声認識装置を利用する
ことにより、Ｇコードの各数字が順次的にリモートコン
トロール装置に音声入力され、全数字の入力が完了した
時点でそれがＧコードとしてデコードされることによ
り、録画予約に必要な諸データ、即ちチャネル番号，録
画開始日時，録画時間等がビデオレコーダへ送信され
る。従って、たとえば老人等の機械操作が苦手な人達に
とっても容易にビデオレコーダの録画予約を行なうこと
が可能になる。

【図面の簡単な説明】

【図１】本発明に係る数字列音声認識装置としてのＧコ
ードリモコンのハードウェアの構成例を示すブロック図
である。

【図２】本発明の数字列音声認識装置としてのＧコード
リモコンの外観を示す模式図である。

【図３】本発明の数字列音声認識装置としてのＧコード
リモコンの DSP部により行なわれる音声認識の処理手順
を示すフローチャートである。

【図４】本発明の数字列音声認識装置としてのＧコード
リモコンの DSPの内部構成を機能的に示した機能ブロッ
ク図である。

【図５】本発明の数字列音声認識装置としてのＧコード
リモコンの音声分析部による、入力された PCM音声信号
の周波数分析を行なうための16チャネルの回路を示すブ
ロック図である。

【図６】本発明の数字列音声認識装置としてのＧコード
リモコンの DSPにより得られた音声分析の結果の一例を
示すグラフである。

【図７】本発明の数字列音声認識装置としてのＧコード
リモコンの DSPのPROMに予め設定されている最大パワー
に対応した５段階の閾値を示すグラフである。

【図８】本発明の数字列音声認識装置としてのＧコード
リモコンの DSPのニューロ演算部の一般的な３層のBP(B
ack Propagation)モデルとして構成されているニューラ
ルネットの構成を示す模式図である。

【図９】本発明の数字列音声認識装置としてのＧコード
リモコンの実施例動作手順を示すフローチャートであ
る。

【図１０】本発明の数字列音声認識装置としてのＧコー
ドリモコンの実施例動作手順を示すフローチャートであ
る。

【図１１】本発明の数字列音声認識装置としてのＧコー
ドリモコンの実施例動作手順を示すフローチャートであ
る。

【符号の説明】

10 DSP部 13 DSP 20 マイクロコンピュータ部 21 マイクロコンピュータ 26 送信器 211 CPU 212 ROM 213 RAM

Claims (3)

【特許請求の範囲】
1. 【請求項１】 音声として発声された認識対象の数字列
   の各数字の音声信号を個別に取り込んで認識結果の確度
   を示す認識スコアを複数の認識候補の数字それぞれに関
   して求める認識処理部と、 前記認識処理部により求められた認識スコアを所定の基
   準に従って判定することにより、いずれかの認識候補を
   一つの数字の認識結果として決定する判定部と、 前記判定部により一つの数字の認識結果として決定され
   た認識候補の数字を順次的に格納して数字列として保持
   する数字列記憶手段とを備えたことを特徴とする数字列
   音声認識装置。
2. 【請求項２】 数字列またはそれにより規定されるデー
   タが与えられることにより所定の動作を行なう主装置に
   前記数字列またはそれにより規定されるデータを送信す
   る数字列音声認識装置であって、 音声として発声された数字列の各数字の音声信号を個別
   に取り込んで認識結果の確度を示す認識スコアを複数の
   認識候補の数字それぞれに関して求める認識処理部と、 前記認識処理部により求められた認識スコアを所定の基
   準に従って判定することにより、いずれかの認識候補を
   一つの数字の認識結果として決定する判定部と、 前記判定部により一つの数字の認識結果として決定され
   た認識候補の数字を順次的に格納して数字列として保持
   する数字列記憶手段と、 前記数字列記憶手段に保持されている数字列またはそれ
   により規定されるデータを前記主装置へ送信する送信手
   段とを備えたことを特徴とする数字列音声認識装置。
3. 【請求項３】 所定のフォーマットのデータが与えられ
   ることにより録画予約を行なうべくなしてあるビデオレ
   コーダ本体と、前記所定のフォーマットのデータを送信
   するリモートコントロール装置とで構成されるビデオレ
   コーダシステムであって、 前記ビデオレコーダ本体に与えられるべきデータの元と
   なる音声として発声された数字列の各数字の音声信号を
   個別に取り込んで認識結果の確度を示す認識スコアを複
   数の認識候補の数字それぞれに関して求める認識処理部
   と、 前記認識処理部により求められた認識スコアを所定の基
   準に従って判定することにより、いずれかの認識候補を
   一つの数字の認識結果として決定する判定部と、 前記判定部により一つの数字の認識結果として決定され
   た認識候補の数字を順次的に格納して数字列として保持
   する数字列記憶手段と、 前記数字列記憶手段に保持されている数字列を所定の論
   理に従って前記所定のフォーマットのデータに変換する
   変換手段と、 前記変換手段により得られたデータを前記ビデオレコー
   ダ本体へ送信する送信手段とを前記リモートコントロー
   ル装置に備えたことを特徴とするビデオレコーダシステ
   ム。