JPH09258783A - 音声認識装置 - Google Patents

Abstract

(57)【要約】 【課題】 従来の音声認識装置においては伝送路の伝送
特性により音声信号の伝送特性が変化した場合、その変
化に対応して音声認識処理をおこなえていなかったの
で、音声認識の正確性が問題であった。 【解決手段】 入力音声のパワーを検出するパワー検出
手段と、入力音声をベクトルに変換する分析手段と、入
力音声の標準モデルを記憶する標準モデル記憶手段と、
上記パワー検出手段で検出された入力音声のパワーに対
応する補正用特徴ベクトルを出力する補正用特徴ベクト
ル出力手段と、上記分析手段で変換された入力音声のベ
クトルを上記補正用特徴ベクトル出力手段で出力された
補正用特徴ベクトルにより補正するベクトル補正手段
と、上記ベクトル補正手段で補正されたベクトルと上記
標準モデル記憶部の標準モデルとにもとづいて、入力音
声の認識をおこなう音声認識手段とを備えた。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、伝送路の伝送特
性により、特性の変形を受けた音声信号に対して、音声
認識をおこなう音声認識装置に関する。

【０００２】

【従来の技術】既知音声に対して、標準パターンと入力
音声とを対応付け、周波数特性差を求め、求められた周
波数特性差を用いて入力音声に対して補正をかけて認識
を行なう方法（音声認識装置：長島、高橋、飛田：特開
平７−９８５９９）が知られている。この方法では、図
１５に示すように既知入力音声８０１に対し、音声分析
部８０２でケプストラム係数を特徴パラメータとして含
む特徴ベクトルを算出する。補正用特徴ベクトル算出部
８０３において標準モデル記憶部８０４の標準パターン
と既知音声とを対応付け、対応部分どうしのケプストラ
ムの差からケプストラムの補正量を算出し、補正用特徴
ベクトル記憶部８０５に記憶する。未知の入力音声８０
６に対し、音声分析部８０７でケプストラムを含む特徴
ベクトルを算出する。この算出された特徴ベクトルに対
し、伝送特性補正部８０８で補正用特徴ベクトル記憶部
８０５に記憶されている補正用特徴ベクトルを用い８０
７の出力のケプストラムに８０５出力の補正用のケプス
トラムを加算し、補正する。伝送特性補正部８０８で補
正された特徴ベクトルと、標準モデル記憶部８０４の標
準モデルを用いて、尤度計算部８０９で尤度計算を行な
う。尤度計算部８０９で計算された尤度が最も大きいも
のを判定部８１０で認識結果８１１として出力する。

【０００３】

【発明が解決しようとする課題】上述のように従来にお
いては、特徴ベクトルとして用いられているケプストラ
ム上の加算で表現できない非線形な伝送特性の変形に対
応できない。また、音声のパワーが小さいときや、雑音
が多くＳ／Ｎ（信号対雑音比）が小さいときに、音声区
間の周波数特性上に雑音の周波数特性がパワーのスケー
ル上で線形に加算されるため、ケプストラム上の線形な
加算に基づく従来の補正方法では、伝送特性による変形
量を誤って推定してしまうという問題点があった。さら
に、周波数特性差は既知入力に対して推定するため、発
声者に対して、決まった発声を強いることになるという
問題点がある。また、さらにこの方法を認識結果が確定
した音声を既知音声として用いて周波数特性差を推定す
ることは出来るが、この場合はあらかじめ、既知音声に
より、補正用特徴ベクトルの推定を行なえないので、伝
送特性差の仮定が行なわれていない一連の初めの単語に
対して認識率が悪く、誤認識した場合伝送特性差を補正
するための補正用特徴ベクトルの推定誤差が大きくなる
といった問題点があった。本発明は、対数スケールで線
形な伝送特性の変形と、パワースケールで線形な伝送特
性の変形に対応した伝送特性の補正を行ない、非線形な
伝送特性をもつ伝送経路を経た音声に対しても安定した
認識を行なう。また、音声のパワーが小さいときや、雑
音が多くＳ／Ｎが小さいときに、音声区間の周波数特性
上に雑音の周波数特性がパワースケール上で線形に加算
され、伝送特性による変形量を誤って推定してしまうこ
とを防ぎ、安定した認識を行なう。さらにまた、発声者
に対して、決まった発声を強いずに、伝送特性差の仮定
が十分に行なわれていない一連の初めの単語に対しても
安定した認識を行なうことを課題としている。

【０００４】

【課題を解決するための手段】本発明の請求項１に係る
音声認識装置は、入力音声のパワーを検出するパワー検
出手段と、入力音声をベクトルに変換する分析手段と、
入力音声の標準モデルを記憶する標準モデル記憶手段
と、上記パワー検出手段で検出された、入力音声のパワ
ーに対応する補正用特徴ベクトルを出力する補正用特徴
ベクトル出力手段と、上記分析手段で変換された入力音
声のベクトルを上記補正用特徴ベクトル出力手段で出力
された補正用特徴ベクトルにより補正するベクトル補正
手段と、上記ベクトル補正手段で補正されたベクトルと
上記標準モデル記憶部の標準モデルとにもとづいて、入
力音声の認識をおこなう音声認識手段とを備えたもので
ある。

【０００５】本発明の請求項２に係る音声認識装置は、
入力音声のＳ／Ｎを検出するＳ／Ｎ検出手段と、入力音
声をベクトルに変換する分析手段と、入力音声の標準モ
デルを記憶する標準モデル記憶手段と、上記Ｓ／Ｎ検出
手段で検出された、入力音声のＳ／Ｎに対応する補正用
特徴ベクトルを出力する補正用特徴ベクトル出力手段
と、上記分析手段で変換された入力音声のベクトルを上
記補正用特徴ベクトル出力手段で出力された補正用特徴
ベクトルにより補正するベクトル補正手段と、上記ベク
トル補正手段で補正されたベクトルと上記標準モデル記
憶部の標準モデルとにもとづいて、入力音声の認識をお
こなう音声認識手段とを備えたものである。

【０００６】本発明の請求項３に係る音声認識装置は、
分析手段で分析されたベクトルと標準モデル記憶部の標
準モデルとにもとづいて補正用特徴ベクトルを生成する
補正用特徴ベクトル生成手段と、パワー検出手段または
Ｓ／Ｎ検出手段での検出結果にもとづて、すでに生成さ
れた補正用特徴ベクトルを上記補正用特徴ベクトル生成
手段で生成された補正用特徴ベクトルに更新する補正用
特徴ベクトル更新手段とを備えたものである。

【０００７】本発明の請求項４に係る音声認識装置は、
入力音声のパワーを検出するパワー検出手段と、入力音
声をベクトルに変換する分析手段と、入力音声の標準モ
デルを記憶する標準モデル記憶手段と、上記パワー検出
手段で検出された、入力音声のパワーに対応する補正用
特徴ベクトルを出力する補正用特徴ベクトル出力手段
と、上記標準モデル記憶手段の標準モデルを、上記補正
用特徴ベクトル出力手段から出力された補正用特徴ベク
トルにより補正を行なう標準モデル補正手段と、上記標
準モデル補正手段により補正された標準モデルと、上記
分析手段で変換された特徴ベクトルとの尤度を計算する
尤度計算手段と、上記尤度計算手段により計算された尤
度が最大となる標準モデルの音声を認識結果として出力
する認識結果出力手段と、を備えたものである。

【０００８】本発明の請求項５に係る音声認識装置は、
入力音声のＳ／Ｎを検出するＳ／Ｎ検出手段と、入力音
声をベクトルに変換する分析手段と、入力音声の標準モ
デルを記憶する標準モデル記憶手段と、上記Ｓ／Ｎ検出
手段で検出された入力音声のＳ／Ｎに対応する補正用特
徴ベクトルを出力する補正用特徴ベクトル出力手段と、
上記標準モデル記憶手段の標準モデルを、上記補正用特
徴ベクトル出力手段から出力された補正用特徴ベクトル
により補正を行なう標準モデル補正手段と、上記標準モ
デル補正手段により補正された標準モデルと、上記分析
手段で変換された特徴ベクトルとの尤度を計算する尤度
計算手段と、上記尤度計算手段により計算された尤度が
最大となる標準モデルの音声を認識結果として出力する
認識結果出力手段と、を備えたものである。

【０００９】本発明の請求項６に係る音声認識装置は、
分析手段で分析されたベクトルと標準モデル記憶部の標
準モデルとにもとづいて補正用特徴ベクトルを生成する
補正用特徴ベクトル生成手段と、パワー検出手段または
Ｓ／Ｎ検出手段での検出結果にもとづいて、すでに生成
された補正用特徴ベクトルを上記補正用特徴ベクトル生
成手段で生成された補正用特徴ベクトルに更新する補正
用特徴ベクトル更新手段とを備えたものである。

【００１０】本発明の請求項７に係る音声認識装置は、
入力音声を特徴ベクトルに変換する分析手段と、入力音
声のＳ／Ｎを検出するＳ／Ｎ検出部と、標準モデルを記
憶する標準モデル記憶部と、上記分析手段により分析さ
れた特徴ベクトルと上記標準モデル記憶部の標準モデル
とを対応付け、補正用特徴ベクトルを算出する補正用特
徴ベクトル算出部と、上記補正用特徴ベクトル算出部で
算出された補正用特徴ベクトルを記憶する補正用特徴ベ
クトル記憶部と、上記Ｓ／Ｎ算出部により算出されたＳ
／Ｎを用いて上記補正用特徴ベクトル記憶部に記憶され
ている補正用特徴ベクトルを更新する補正用特徴ベクト
ル更新部と、上記補正用特徴ベクトル更新部により更新
された補正用特徴ベクトルにより上記分析手段により変
換された特徴ベクトルの補正を行なう特徴ベクトル補正
部と、上記特徴ベクトル補正部により補正された特徴ベ
クトルと、上記標準モデル記憶部の標準モデルとの尤度
を計算する尤度計算部と、上記尤度計算部により計算さ
れた尤度が最大となる標準モデルの音声を認識結果とし
て出力する認識結果出力部と、を備えたものである。

【００１１】本発明の請求項８に係る音声認識装置は、
入力音声を特徴ベクトルに変換する分析手段と、入力音
声のＳ／Ｎを算出するＳ／Ｎ算出部と、標準モデルを記
憶する標準モデル記憶部と、上記分析手段により分析さ
れた特徴ベクトルと上記標準モデル記憶部の標準モデル
とを対応付け、補正用特徴ベクトルを算出する補正用特
徴ベクトル算出部と、上記補正用特徴ベクトル算出部で
算出された補正用特徴ベクトルを記憶する補正用特徴ベ
クトル記憶部と、上記Ｓ／Ｎ算出部により算出されたＳ
／Ｎを用いて上記補正用特徴ベクトル記憶部に記憶され
ている補正用特徴ベクトルを更新する補正用特徴ベクト
ル更新部と、上記補正用特徴ベクトル更新部により更新
された補正用特徴ベクトルにより上記標準モデル記憶部
の標準モデルの補正を行なう標準モデル補正部と、上記
標準モデル補正部で補正された特徴ベクトルと、上記分
析手段で変換された特徴ベクトルとの尤度を計算する尤
度計算部と、上記尤度計算部により計算された尤度が最
大となる標準モデルの音声を認識結果として出力する認
識結果出力部と、を備えたものである。

【００１２】本発明の請求項９に係る音声認識装置は、
複数の伝送特性を考慮した音声を用いて標準モデルを作
成する第１の標準モデル作成部と、単一の伝送特性を考
慮した音声を用いて標準モデルを作成する第２の標準モ
デル作成部と、第１の標準モデル作成部で作成された標
準モデルを記憶する第１の標準モデル記憶部と、第２の
標準モデル作成部で作成された標準モデルを記憶する第
２の標準モデル記憶部と、入力音声を特徴ベクトルに変
換する分析手段と、上記分析手段により分析された特徴
ベクトルと上記第１の標準モデル記憶部の標準モデルと
を対応付け、第１の補正用特徴ベクトルを算出する第１
の補正用特徴ベクトル算出手段と、上記分析手段により
分析された特徴ベクトルと上記第２の標準モデル記憶部
の標準モデルとを対応付け、第２の補正用特徴ベクトル
を算出する第２の補正用特徴ベクトル算出手段と、上記
第１の補正用特徴ベクトル算出手段の算出した第１の補
正用特徴ベクトルを記憶する第１の補正用特徴ベクトル
記憶部と、上記第２の補正用特徴ベクトル算出手段の算
出した第２の補正用特徴ベクトルを記憶する第２の補正
用特徴ベクトル記憶部と、上記第１の補正用特徴ベクト
ル記憶部に記憶されている第１の補正用特徴ベクトルの
更新、及び、上記第２の補正用特徴ベクトル記憶部に記
憶されている第２の補正用特徴ベクトルの更新を行な
う、特徴ベクトル更新部と、上記第１の記憶部に記憶さ
れている更新された補正用特徴ベクトルにより上記分析
部により変換された特徴ベクトルの補正を行なう第１の
特徴ベクトル補正部と、上記第２の記憶部に記憶されて
いる更新された補正用特徴ベクトルにより上記分析部に
より変換された特徴ベクトルの補正を行なう第２の特徴
ベクトル補正部と、上記第１の特徴ベクトル補正部によ
り補正された特徴ベクトルと、上記第１の標準モデル記
憶部の標準モデルとの尤度を計算する第１の尤度計算部
と、上記第２の特徴ベクトル補正部により補正された特
徴ベクトルと、上記第２の標準モデル記憶部の標準モデ
ルとの尤度を計算する第２の尤度計算部と、上記第１の
尤度計算部で計算された尤度結果と上記第２の尤度計算
部で計算された尤度結果とのうち、尤度が最大となる結
果を認識結果として出力する認識結果出力部と、を備え
たものである。

【００１３】本発明の請求項１０に係る音声認識装置
は、入力音声を特徴ベクトルに変換する分析部と、標準
モデルを記憶している標準モデル記憶部と、上記分析手
段により分析された特徴ベクトルと上記標準モデル記憶
部の標準モデルとを対応付け、補正用特徴ベクトルを算
出する補正用特徴ベクトル算出手段と、ｎ個の補正用特
徴ベクトルを記憶する補正用特徴ベクトル記憶部と、上
記補正用特徴ベクトル算出手段により算出された補正用
特徴ベクトルにより、上記補正用特徴ベクトル記憶部に
記憶されているｎ個の補正用特徴ベクトルを更新する補
正用特徴ベクトル更新部と、上記補正用特徴ベクトル更
新部により更新されたｎ個の特徴ベクトルから、一つの
補正用特徴ベクトルを選択する補正用特徴ベクトル選択
部と、上記補正用特徴ベクトル選択部により選択された
補正用特徴ベクトルにより上記分析において変換された
特徴ベクトルを補正する特徴ベクトル補正部と、上記特
徴ベクトル補正部で補正された特徴ベクトルと、上記標
準モデル記憶部の標準モデルとの尤度を計算する尤度計
算部と、上記尤度計算部により計算された尤度が最大と
なる標準モデルの音声を認識結果として出力する認識結
果出力部と、を備えたものである。

【００１４】本発明の請求項１１に係る音声認識装置
は、複数の伝送特性を考慮した音声を用いて標準モデル
を作成する第１の標準モデル作成部と、単一の伝送特性
を考慮した音声を用いて標準モデルを作成する第２の標
準モデル作成部と、第１の標準モデル作成部で作成され
た標準モデルを記憶する第１の標準モデル記憶部と、上
記分析手段で分析された特徴ベクトルと、上記第１の標
準モデル記憶部の標準モデルとの尤度を計算する第１の
尤度計算部と、上記分析手段で分析された特徴ベクトル
と、上記第２の標準モデル記憶部の標準モデルとの尤度
を計算する第２の尤度計算部と、上記第１の尤度計算部
で計算された尤度結果と上記第２の尤度計算部で計算さ
れた尤度結果とのうち、尤度が最大となる結果を認識結
果として出力する認識結果出力部と、を備えたものであ
る。

【００１５】

【発明の実施の形態】

実施の形態１．本発明の一実施の形態を図１に示す。本
実施の形態１として、ＬＰＣケプストラムを特徴ベクト
ルとして含むＨＭＭ音声認識装置について示す。音声分
析部１０２で、入力音声の分析を行ない、音声特徴パラ
メータをベクトル化した特徴ベクトルの時系列を求め
る。入力パワー算出部１０３は入力音声１０１より音声
パワーの時系列を算出し出力する。標準モデル記憶部１
０５は、学習用音声に対して音声分析部１０２と同じ方
法で分析した特徴ベクトルの平均値、分散値の時系列を
カテゴリ毎に標準モデルとし記憶する。なお、ここでカ
テゴリとは、認識の対象を表す単位要素で、単語、音
素、などをあらわす。補正用特徴ベクトル記憶部１０８
は、入力音声のパワー別に、補正用特徴ベクトルを記憶
している。補正用特徴ベクトルとは、入力音声と、標準
モデル作成用音声との周波数特性差を補正するためのベ
クトルであり、ケプストラム係数が特徴ベクトルの場
合、周波数特性差を、入力音声の特徴ベクトルと、標準
モデルの特徴ベクトルの差として表すことができる。補
正用特徴ベクトル補正時選択部１０９は補正用特徴ベク
トル記憶部１０８に記憶されている複数組の補正用特徴
ベクトルの中から入力パワー算出部１０３により求めら
れた音声パワーに対応する補正用特徴ベクトルを選択す
る。 （例、ｐｗｒ＜＝４０ｄＢ、４０ｄＢ＜ｐｗｒ＜＝５０
ｄＢ，５０ｄＢ＜ｐｗｒ＜＝６０ｄＢ、６０ｄＢ＜ｐｗ
ｒ＜＝７０ｄＢ，７０ｄＢ＜ｐｗｒ（ｐｗｒ：入力音声
パワー）） 特徴ベクトル補正部１１０は、補正用特徴ベクトル補正
時選択部１０９で選択された補正用特徴ベクトルを用い
て、音声分析部１０２より算出された特徴ベクトルに対
して、ベクトルの加算により補正する。尤度計算部１１
１は、標準モデル記憶部１０６の標準モデルと、特徴ベ
クトル補正部１１０により補正された特徴ベクトルの時
系列とを用いてＨＭＭにより尤度計算を行なう。判定部
１１２は尤度計算部１１１で行なわれた尤度計算の結果
より尤度の一番低いものを認識結果１１３として出力す
る。なお、尤度計算部１１１、判定部１１２は音声認識
手段に相当する。また、音声分析部１０２は分析手段、
入力パワー算出部１０３はパワー算出手段、標準モデル
記憶部１０５は標準モデル記憶手段、補正用特徴ベクト
ル記憶部１０３と補正用特徴ベクトル補正時選択部１０
９とは、補正用特徴ベクトル出力手段にそれぞれ相当す
る。入力パワー別に伝送特性差の推定及び補正を行なう
ことにより、入力パワー別に伝送特性差が変化するよう
な伝送特性をもつ伝送経路を経た音声に対して、入力パ
ワーに適した伝送特性差の補正を行なうことが出来、安
定した認識が可能になる。なお、補正用特徴ベクトル補
正時選択部１０９で補正用特徴ベクトル記憶部１０８の
補正用特徴ベクトルを複数選択し、それらの加重平均を
とったものを補正用特徴ベクトルとして使用してもよ
い。この場合、入力パワー別の伝送特性差の変化が連続
的であるような伝送系において、補正用特徴ベクトルの
量が少ない時にも伝送特性の推定誤差が減るといった効
果がある。

【００１６】実施の形態２．本発明の一実施の形態を図
２に示す。本実施の形態２として、ＬＰＣケプストラム
を特徴ベクトルとして含むＨＭＭ音声認識装置について
示す。音声分析部１０２で、入力音声の分析を行ない、
音声特徴パラメータをベクトル化した特徴ベクトルの時
系列を求める。Ｓ／Ｎ算出部１０３ｂは入力音声１０１
より音声Ｓ／Ｎを算出し出力する。標準モデル記憶部１
０５は、学習用音声に対して音声分析部１０２と同じ方
法で分析した特徴ベクトルの平均値、分散値の時系列を
カテゴリ毎に標準モデルとし記憶する。なお、ここでカ
テゴリとは、認識の対象を表す単位要素で、単語、音
素、などをあらわす。補正用特徴ベクトル記憶部１０８
は、入力音声のＳ／Ｎ別に、補正用特徴ベクトルを記憶
している。補正用特徴ベクトルとは、入力音声と、標準
モデル作成用音声との周波数特性差を補正するためのベ
クトルであり、ケプストラム係数が特徴ベクトルの場
合、周波数特性差を、入力音声の特徴ベクトルと、標準
モデルの特徴ベクトルの差として表すことができる。補
正用特徴ベクトル補正時選択部１０９は補正用特徴ベク
トル記憶部１０８に記憶されている複数組の補正用特徴
ベクトルの中からＳ／Ｎ算出部１０３ｂにより求められ
たＳ／Ｎに対応する補正用特徴ベクトルを選択する。 （例、Ｓ／Ｎ＜＝１０ｄＢ、１０ｄＢ＜Ｓ／Ｎ＜＝２０
ｄＢ，２０ｄＢ＜Ｓ／Ｎ＜＝３０ｄＢ、３０ｄＢ＜Ｓ／
Ｎ＜＝４０ｄＢ，４０ｄＢ＜Ｓ／Ｎ） 特徴ベクトル補正部１１０は、補正用特徴ベクトル補正
時選択部１０９で選択された補正用特徴ベクトルを用い
て、音声分析部１０２より算出された特徴ベクトルに対
して、ベクトルの加算により補正する。尤度計算部１１
１は、標準モデル記憶部１０６の標準モデルと、特徴ベ
クトル補正部１１０により補正された特徴ベクトルの時
系列とを用いてＨＭＭにより尤度計算を行なう。判定部
１１２は尤度計算部１１１で行なわれた尤度計算の結果
より尤度の一番低いものを認識結果１１３として出力す
る。なお、尤度計算部１１１、判定部１１２は音声認識
手段に相当する。また、音声分析部１０２は、分析手
段、Ｓ／Ｎ算出部１０３ｂはＳ／Ｎ算出手段、標準モデ
ル記憶部１０５は標準モデル記憶手段、補正用特徴ベク
トル記憶部１０８と補正用特徴ベクトル補正時選択部１
０９とは、補正用特徴ベクトル出力手段にそれぞれ相当
する。入力音声のＳ／Ｎ別に伝送特性差の推定及び補正
を行なうことにより、Ｓ／Ｎ別に伝送特性差が変化する
ような伝送特性をもつ伝送経路を経た音声に対して、入
力音声のＳ／Ｎに適した伝送特性差の補正を行なうこと
が出来、安定した認識が可能になる。なお、補正用特徴
ベクトル補正時選択部１０９で補正用特徴ベクトル記憶
部１０８の補正用特徴ベクトルを複数選択し、それらの
加重平均をとったものを補正用特徴ベクトルとして使用
してもよい。この場合、入力音声のＳ／Ｎ別の伝送特性
差の変化が連続的であるような伝送系において、補正用
特徴ベクトルの量が少ない時にも伝送特性の推定誤差が
減るといった効果がある。

【００１７】実施の形態３．本発明の実施の形態を図３
及び図４に示す。この実施の形態は、上記実施の形態１
及び２に補正用特徴ベクトルの算出部、更新部、更新時
選択部を付加したものである。補正用特徴ベクトル算出
部１０４は音声分析部１０２より算出された特徴ベクト
ルの時系列に対し一番距離の近いベクトル列を標準モデ
ル記憶部に保存されている特徴ベクトルより作成し、そ
のベクトル差の平均を補正用ベクトルとする。この補正
用ベクトルは補正用特徴ベクトル更新部１０７に一度メ
モリされて、補正用特徴ベクトル更新時選択部１０６に
送られる。 （例、ｐｗｒ＜＝４０ｄＢ、４０ｄＢ＜ｐｗｒ＜＝５０
ｄＢ，５０ｄＢ＜ｐｗｒ＜＝６０ｄＢ、６０ｄＢ＜ｐｗ
ｒ＜＝７０ｄＢ，７０ｄＢ＜ｐｗｒ（ｐｗｒ：入力音声
パワー）） 補正用特徴ベクトル更新時選択部１０６は、入力パワー
算出部１０３または、Ｓ／Ｎ算出部１０３ｂにより求め
られた音声パワー又はＳ／Ｎにより、補正用特徴ベクト
ル記憶部１０８に記憶されている複数組の補正用特徴ベ
クトルの中から対応する一つ選択する。（更新するもの
を１つ選択し、特徴ベクトル更新部１０７にメモリされ
た補正用特徴ベクトルと変換する。） なお、補正用特徴ベクトル更新時選択部１０６におい
て、選択する補正用特徴ベクトル記憶部１０８の補正用
特徴ベクトルは同時に複数組選択しても構わない。ま
た、補正用特徴ベクトル算出部１０４は音声分析部１０
２より算出された特徴ベクトルの時系列に対しＨＭＭに
よるマッチングで、尤度の一番高い標準モデル記憶部に
保存されている特徴ベクトルのベクトル列をもとめ、特
徴ベクトルの時系列との、ベクトル差の平均を補正用ベ
クトルとしてもよい。なお、補正用特徴ベクトル算出部
１０４は、補正用特徴ベクトル生成手段、補正用特徴ベ
クトル更新部１０７と補正用特徴ベクトル更新時選択部
１０６は、補正用特徴ベクトル更新手段に相当する。

【００１８】実施の形態４．本発明の一実施の形態を図
５，６に示す。実施の形態４として、ＬＰＣケプストラ
ムを特徴ベクトルとして含むＨＭＭ音声認識装置につい
て示す。音声分析部２０２で、入力音声の分析を行な
い、音声特徴パラメータをベクトル化した、特徴ベクト
ルの時系列を求める。入力パワー算出部２０３は入力音
声１０１より音声パワーの時系列を算出し出力する。ま
た、Ｓ／Ｎ算出部２０３ｂは入力音声のＳ／Ｎを算出す
る。標準モデル記憶部２０５は、学習用音声に対して音
声分析部２０２と同じ方法で分析した特徴ベクトルの平
均値、分散値の時系列をカテゴリ毎に標準モデルとして
記憶する。補正用特徴ベクトル記憶部２０８は、入力音
声のパワー別に、標準モデル記憶部に記憶されている特
徴ベクトルと、分析部により算出される特徴ベクトルの
差を表す補正用特徴ベクトルを記憶している。補正用特
徴ベクトル補正時選択部２０９は入力パワー算出部２０
３またはＳ／Ｎ算出部２０３ｂにより求められた音声パ
ワーにより、補正用特徴ベクトル記憶部１０８に記憶さ
れている複数組の補正用特徴ベクトルの中から対応する
補正用特徴ベクトルを選択する。 （例、ｐｗｒ＜＝４０ｄＢ、４０ｄＢ＜ｐｗｒ＜＝５０
ｄＢ，５０ｄＢ＜ｐｗｒ＜＝６０ｄＢ、６０ｄＢ＜ｐｗ
ｒ＜＝７０ｄＢ，７０ｄＢ＜ｐｗｒ（ｐｗｒ：入力音声
パワー）） 補正用特徴ベクトル補正時選択部２０９は、入力パワー
算出部２０３またはＳ／Ｎ算出部２０３ｂにより求めら
れたパワーまたはＳ／Ｎにより、補正用特徴ベクトル記
憶部２０８のなかから複数ある補正用特徴ベクトルから
補正に用いる補正用特徴ベクトルを選択する。標準モデ
ル補正部２１０は、選択された補正用特徴ベクトルを用
いて、標準モデル記憶部２０５に記憶されている標準モ
デルの特徴ベクトルの分析部より算出された特徴ベクト
ルとの差を補正する。尤度計算部２１１は、標準モデル
補正部２１０において補正された標準モデルと音声分析
部２０２より算出された特徴ベクトルの時系列とを用い
てＨＭＭにより尤度計算を行なう。判定部２１２は尤度
計算部２１１で行なわれた尤度計算の結果により、尤度
の一番高いものを認識結果２１３として出力する。ま
た、補正用特徴ベクトル補正時選択部２０９において、
補正用特徴ベクトル記憶部２０８の補正用特徴ベクトル
を同時に複数組選択し、それらの加重平均をとったもの
を補正用特徴ベクトルとして使用してもよい。入力パワ
ーまたはＳ／Ｎ別に伝送特性差の推定及び補正を行なう
ことにより、入力パワーまたはＳ／Ｎ別に伝送特性差が
変化するような伝送特性をもつ伝送経路を経た音声に対
して、入力パワーに適した伝送特性差の補正を行なうこ
とが出来、安定した認識が可能になる。また、標準モデ
ル側で補正を行なう際、補正量が変化しない場合各入力
パワーまたはＳ／Ｎに対する補正を行なったモデルを記
憶することにより補正の演算を繰り返す必要が無い。

【００１９】実施の形態５．本発明の実施の形態を図
７，８に示す。この実施の形態は上記実施の形態４に補
正用特徴ベクトルの算出部、更新部、更新時選択部を付
加したもの。補正用特徴ベクトル算出部１０４は音声分
析部１０２より算出された特徴ベクトルの時系列に対し
一番距離の近いベクトル列を標準モデル記憶部１０５に
保存されている特徴ベクトルを作成し、そのベクトル差
の平均を補正用ベクトルとして出力する。この補正用ベ
クトルは、補正用特徴ベクトル更新部２０７に一度メモ
リされて、補正用特徴ベクトル更新時選択部２０６に送
られる。 （例、ｐｗｒ＜＝４０ｄＢ、４０ｄＢ＜ｐｗｒ＜＝５０
ｄＢ，５０ｄＢ＜ｐｗｒ＜＝６０ｄＢ、６０ｄＢ＜ｐｗ
ｒ＜＝７０ｄＢ，７０ｄＢ＜ｐｗｒ（ｐｗｒ：入力音声
パワー）） 補正用特徴ベクトル更新時選択部２０６は、入力パワー
算出部２０３または、Ｓ／Ｎ算出部２０３ｂにより求め
られた音声パワー又はＳ／Ｎにより、補正用特徴ベクト
ル記憶部１０８に記憶されている複数組の補正用特徴ベ
クトルの中から対応する一つ選択する。（更新するもの
を１つ選択し、特徴ベクトル更新部１０７にメモリされ
た補正用特徴ベクトルと交換する。）

【００２０】実施の形態６．本発明の実施の形態６を図
９に示す。図９において、３０１は入力音声を表す。音
声分析部３０２は、入力された音声３０１の分析を行な
い、音声特徴パラメータをベクトル化した特徴ベクトル
の時系列を求める。Ｓ／Ｎ算出部３０３は、入力音声３
０１よりＳ／Ｎを出力する。補正用特徴ベクトル算出部
３０４は、音声分析部３０２より算出された特徴ベクト
ルの時系列に対し一番距離の近いベクトル列を標準モデ
ル記憶部３０５に保存されている特徴ベクトルを作成
し、そのベクトル差の平均を補正用ベクトルとして出力
する。補正用特徴ベクトル更新部３０６は、Ｓ／Ｎ算出
部３０３により算出されたＳ／Ｎの値により更新量（加
重平均重み）を決定し、補正用特徴ベクトル記憶部３０
７に記憶されている補正用特徴ベクトルとの加重平均を
とることにより更新する。特徴モデル補正部３０８は、
補正用特徴ベクトル記憶部３０７に記憶されている補正
用特徴ベクトルを、音声分析部３０２より算出された特
徴ベクトルに加えることにより補正する。尤度計算部３
０９は、特徴ベクトル補正部３０８において補正された
特徴ベクトルと標準モデル記憶部３０５は標準モデルを
用いてＨＭＭにより尤度計算を行なう。判定部３１０
は、尤度計算部３０９で行なわれた尤度計算の結果によ
り、尤度の一番高いものを認識結果３１１として出力す
る。この構成で入力のＳ／Ｎを算出し、Ｓ／Ｎが小さい
時に伝送特性差の更新量を減らすことにより、あるいは
伝送特性差の推定更新を行なわないことにより、音声の
パワーが小さい時や、雑音が多くＳ／Ｎが小さい時に、
音声区間の周波数特性上に雑音の周波数特性がパワーリ
ニアで加算され、伝送特性による変形量を誤って推定し
てしまうことを防ぐ。これにより、雑音による伝送特性
差の推定誤りを減らすことが出来る。

【００２１】実施の形態７．本発明の実施の形態７を図
１０に示す。図１０において、４０１は入力音声を表
す。音声分析部４０２は、入力された音声４０１の分析
を行ない、音声特徴パラメータをベクトル化した、特徴
ベクトルの時系列を求める。Ｓ／Ｎ算出部４０３は入力
音声４０１よりＳ／Ｎを出力する。補正用特徴ベクトル
算出部は４０４は音声分析部４０２より算出された特徴
ベクトルの時系列に対し一番距離の近いベクトル列を標
準モデル記憶部４０５に保存されている特徴ベクトルを
作成し、そのベクトル差の平均を補正用ベクトルとして
出力する。補正用特徴ベクトル更新部４０６は、Ｓ／Ｎ
算出部４０３により算出されたＳ／Ｎの値により更新量
（加重平均重み）を決定し、補正用特徴ベクトル記憶部
４０７に記憶されている補正用特徴ベクトルとの加重平
均をとることにより更新する。標準モデル補正部４０８
は、選択された補正用特徴ベクトルを用いて、標準モデ
ル記憶部４０７に記憶されている標準モデルの特徴ベク
トルの分析部より算出された特徴ベクトルとの差を補正
する。尤度計算部４０９は、音声分析部４０２より算出
された特徴ベクトルと標準モデル補正部４０８において
補正された標準モデルを用いてＨＭＮによる尤度計算を
行なう。判定部４１０は尤度計算部４０９で行なわれた
尤度計算の結果により、尤度の一番高いものを認識結果
４１１として出力する。この構成で入力のＳ／Ｎを算出
し、Ｓ／Ｎが小さい時に伝送特性差の更新量を減らすこ
とにより、あるいは伝送特性差の推定更新を行なわない
ことにより、音声のパワーが小さいときや、雑音が多く
Ｓ／Ｎが小さいときに、音声区間の周波数特性上に雑音
の周波数特性がパワーリニアで加算され、伝送特性によ
る変形量を誤って推定してしまうことを防ぐ。これによ
り、雑音による伝送特性差の推定誤りを減らすことが出
来る。また、標準モデル側で補正を行なうため、補正量
が変化しない場合補正の演算を繰り返す必要が無い。

【００２２】実施の形態８．本発明の実施の形態８を図
１１に示す。図１１において、５０１は入力音声を表
す。入力された音声５０１に対して、音声分析部５０２
で、入力音声の分析を行ない、音声特徴パラメータをベ
クトル化した、特徴ベクトルの時系列を求める。単一環
境用補正用特徴ベクトル算出部５０３は、音声分析部５
０２より算出された特徴ベクトルの時系列に対し一番距
離の近いベクトル列を単一環境用標準モデル記憶部５１
２に保存されている特徴ベクトルから作成し、そのベク
トル差の平均を単一環境用補正用ベクトルとして出力す
る。単一環境用補正用特徴ベクトル更新部５０４は、単
一環境用補正用特徴ベクトル算出部５０３により算出さ
れた単一環境用補正用特徴ベクトルと、単一環境用補正
用特徴ベクトル記憶部５０５に記憶されている補正用特
徴ベクトルとの加重平均をとり、更新をおこなう。同様
に、複数環境用補正用特徴ベクトル算出部５０７は、音
声分析部５０２より算出された特徴ベクトルの時系列に
対し一番距離の近いベクトル列を複数環境用標準モデル
記憶部５１５に保存されている特徴ベクトルから作成
し、そのベクトル差を平均を複数環境用補正用ベクトル
として出力する。複数環境用補正用特徴ベクトル更新部
５０８は、複数環境用補正用特徴ベクトル算出部５０７
により算出された複数環境用補正用特徴ベクトルと複数
環境用補正用特徴ベクトル記憶部５０９に記憶されてい
る補正用特徴ベクトルとの加重平均をとり、更新をおこ
なう。単一環境用補正用伝送特性補正部５０６は、単一
環境用補正用特徴ベクトル記憶部５０５に記憶されてい
る補正用特徴ベクトルを用いて、音声分析部５０２にお
いて算出された特徴ベクトルに加えることにより補正す
る。単一環境用尤度計算部５１３は、標準モデル記憶部
５１２に記憶されている標準モデルと単一環境用伝送特
性補正部５０６により補正された特徴ベクトルとを用い
て、ＨＭＭにより尤度計算を行なう。複数環境用補正用
伝送特性補正部５１０は、複数環境用補正用特徴ベクト
ル記憶部５０９に記憶されている補正用特徴ベクトルを
用いて、音声分析部５０２において算出された特徴ベク
トルに加えることにより補正する。複数環境用尤度計算
部５１６は、標準モデル記憶部５１５に記載されている
標準モデルと複数環境用伝送特性補正部５１０により補
正された特徴ベクトルとを用いて、ＨＭＭにより尤度計
算を行なう。判定部５１７は、複数環境用尤度計算部５
１６で行なわれた尤度計算の結果、及び、単一環境用尤
度計算部５１３で行なわれた尤度計算の結果により一番
尤度の高いものを認識結果５１８として出力する。本構
成を用いることにより、伝送特性差の推定が十分に行な
われていない一連の初めの単語に対しても複数環境を考
慮した標準モデルを用意することが出来、発声者に対し
て、決まった発声を強いずに、伝送特性差の仮定が十分
に行なわれていない一連の初めの単語に対しても安定し
た認識を行なうことが可能になる。

【００２３】実施の形態９．本発明の実施の形態９を図
１２に示す。図１２において、補正用特徴ベクトル記憶
部６０５には、あらかじめ代表的な伝送特性と標準パタ
ーンとの伝送特性差を補正するための補正用特徴ベクト
ルをｎ組用意しておく。入力された音声６０１に対し
て、音声分析部６０２で、入力音声の分析を行ない、音
声特徴パラメータをベクトル化した、特徴ベクトルの時
系列を求める。補正用特徴ベクトル算出部６０３は、音
声分析部６０２より分析された特徴ベクトルの時系列に
対し一番距離の近いベクトル列を標準モデル記憶部６０
５に保存されている特徴ベクトルから作成し、そのベク
トル差の平均を補正用ベクトルとして出力する。補正用
特徴ベクトル更新部６０４は、補正用特徴ベクトル算出
部６０３により算出された補正用特徴ベクトルと、補正
用特徴ベクトル記憶部６０５に記憶されている各補正用
特徴ベクトルとの加重平均をそれぞれ計算しその結果を
新しい、補正用特徴ベクトルとして、補正用特徴ベクト
ル記憶部６０５に記憶する。補正用特徴ベクトル選択部
６０６は、音声分析部６０２より算出された特徴ベクト
ルを補正用特徴ベクトル記憶部６０５に記載されている
更新された各補正用特徴ベクトルの中から、推定された
伝送特性差との距離値が最も近いものを選択する。伝送
特性補正部６０７は補正用特徴ベクトル選択部６０６に
おいて選択された補正用特徴ベクトルを用いて、音声分
析部６０２より算出された特徴ベクトルを補正する。こ
の補正された特徴ベクトルにたいし、標準モデル記憶部
６０８の標準モデルを用いて尤度計算部６０９で尤度を
計算し、一番尤度の高い結果を判定部６１０において認
識結果６１１として出力する。なお、補正用特徴ベクト
ル選択部６０６において、同時に複数組の特徴ベクトル
を選択し、補正用特徴ベクトル算出部において算出され
た補正用特徴ベクトルとの距離値、過去に選択された頻
度を用いて、加重平均をとり、補正用特徴ベクトルとし
てもよい。本構成を用いることにより、伝送特性差の推
定が十分に行なわれていない一連の初めの単語に対して
も複数環境を考慮した標準モデルを用意することが出
来、発声者に対して、決まった発声を強いずに、伝送特
性差の仮定が十分に行なわれていない一連の初めの単語
に対しても安定した認識を行なうことが可能になる。ま
たその他の例を、図１３に示す。図１３において、補正
用特徴ベクトル記憶部７０８には、あらかじめ代表的な
伝送特性と標準パターンとの伝送特性差を補正するため
の補正用特徴ベクトルをｎ組用意しておく。入力された
音声７０１に対して、音声分析部７０２で、入力音声の
分析を行ない、音声特徴パラメータをベクトル化した、
特徴ベクトルの時系列を求める。補正用特徴ベクトル算
出部７０３は、音声分析部７０２より算出された特徴ベ
クトルの時系列に対し一番距離の近いベクトル列を標準
モデル記憶部７０４に保存されている特徴ベクトルから
作成し、そのベクトル差の平均を補正用ベクトルとして
出力する。補正用特徴ベクトル更新部７０４は、補正用
特徴ベクトル算出部７０３により算出された補正用特徴
ベクトルと、補正用特徴ベクトル記憶部７０８に記憶さ
れている各補正用特徴ベクトルとの加重平均を計算し、
その結果を新しい補正用特徴ベクトルとして補正用特徴
ベクトル記憶部７０８に記憶させる。伝送特性補正部７
０６は、補正用特徴ベクトル記憶部７０８に記憶されて
いる更新された各補正用特徴ベクトルを用いて音声分析
部７０２より算出された特徴ベクトルを補正する。尤度
計算部７０７は、伝送特性補正部７０６により補正され
た各特徴ベクトルと、標準モデル記憶部７０８の標準モ
デルとを用いてＨＭＭによる尤度計算を行なう。判定部
７０９は、尤度計算部７０７で行なった尤度計算の結果
により、一番尤度の高いものを認識結果７１０を出力す
る。本構成を用いることにより、伝送特性差の推定が十
分に行なわれていない一連の初めの単語に対しても複数
環境を考慮した標準モデルを用意することが出来、発声
者に対して、決まった発声を強いずに、伝送特性差の仮
定が十分に行なわれていない一連の初めの単語に対して
も安定した認識を行なうことが可能になる。また、標準
モデル側で補正を行なうため、補正量が変化しない場合
補正の演算を繰り返す必要が無い。

【００２４】実施の形態１０．本発明の実施の形態１０
を図１４に示す。図１４において、５０１は入力音声を
表す。入力された音声５０１に対して、音声分析部５０
２で、入力音声の分析を行ない、音声特徴パラメータを
ベクトル化した、特徴ベクトルの時系列を求める。単一
環境用補正用伝送特性補正部５０６は、単一環境用補正
用特徴ベクトル記憶部５０５に記憶されている補正用特
徴ベクトルを用いて、音声分析部５０２において算出さ
れた特徴ベクトルに加えることにより補正する。単一環
境用尤度計算部５１３は、標準モデル記憶部５１２に記
憶されている標準モデルと単一環境用伝送特性補正部５
０６により補正された特徴ベクトルとを用いて、ＨＭＭ
により尤度計算を行なう。複数環境用補正用伝送特性補
正部５１０は、複数環境用補正用特徴ベクトル記憶部５
０９に記憶されている補正用特徴ベクトルを用いて、音
声分析部５０２において算出された特徴ベクトルに加え
ることにより補正する。複数環境用尤度計算部５１６
は、標準モデル記憶部５１５に記憶されている標準モデ
ルと複数環境用伝送特性補正部５１０により補正された
特徴ベクトルとを用いて、ＨＭＭにより尤度計算を行な
う。判定部５１７は、複数環境用尤度計算部５１６で行
なわれた尤度計算の結果、及び、単一環境用尤度計算部
５１３で行なわれた尤度計算の結果により一番尤度の高
いものを認識結果５１８として出力する。本構成を用い
ることにより、伝送特性差の推定が十分に行なわれてい
ない一連の初めの単語に対しても複数環境を考慮した標
準モデルを用意することが出来、発声者に対して、決ま
った発声を強いずに、伝送特性差の仮定が十分に行なわ
れていない一連の初めの単語に対しても安定した認識を
行なうことが可能になる。

【００２５】

【発明の効果】本発明によれば、伝送特性差が変化する
ような伝送特性をもつ伝送経路を経た音声に対しても安
定した認識が可能になる。

【図面の簡単な説明】

【図１】 実施の形態１の音声認識装置の機能ブロック
構成図。

【図２】 実施の形態２の音声認識装置の機能ブロック
構成図。

【図３】 実施の形態３の音声認識装置の機能ブロック
構成図。

【図４】 実施の形態３の音声認識装置の機能ブロック
構成図。

【図５】 実施の形態４の音声認識装置の機能ブロック
構成図。

【図６】 実施の形態４の音声認識装置の機能ブロック
構成図。

【図７】 実施の形態５の音声認識装置の機能ブロック
構成図。

【図８】 実施の形態５の音声認識装置の機能ブロック
構成図。

【図９】 実施の形態６の音声認識装置の機能ブロック
構成図。

【図１０】 実施の形態７の音声認識装置の機能ブロッ
ク構成図。

【図１１】 実施の形態８の音声認識装置の機能ブロッ
ク構成図。

【図１２】 実施の形態９の音声認識装置の機能ブロッ
ク構成図。

【図１３】 実施の形態９の音声認識装置の機能ブロッ
ク構成図。

【図１４】 実施の形態１０の音声認識装置の機能ブロ
ック構成図。

【図１５】 従来の音声認識装置の機能ブロック構成
図。

【符号の説明】

１０２ 音声分析部、１０３ 入力パワー算出部、１１
０ 特徴ベクトル補正部、１０５ 標準モデル記憶部、
１１１ 尤度計算部、１１２ 判定部、１０３ｂ Ｓ／
Ｎ算出部、１０４ 補正用特徴ベクトル算出部、１０６
補正用特徴ベクトル更新時選択部、１０７ 補正用特
徴ベクトル更新部、１０８ 補正用特徴ベクトル記憶
部、１０９ 補正用特徴ベクトル補正時選択部、５１２
単一環境用標準モデル記憶部、５１５ 複数環境用標
準モデル記憶部。

Claims (11)

【特許請求の範囲】
1. 【請求項１】 入力音声のパワーを検出するパワー検出
   手段と、 入力音声をベクトルに変換する分析手段と、 入力音声の標準モデルを記憶する標準モデル記憶手段
   と、 上記パワー検出手段で検出された、入力音声のパワーに
   対応する補正用特徴ベクトルを出力する補正用特徴ベク
   トル出力手段と、 上記分析手段で変換された入力音声のベクトルを上記補
   正用特徴ベクトル出力手段で出力された補正用特徴ベク
   トルにより補正するベクトル補正手段と、 上記ベクトル補正手段で補正されたベクトルと上記標準
   モデル記憶部の標準モデルとにもとづいて、入力音声の
   認識をおこなう音声認識手段とを備えたことを特徴とす
   る音声認識装置。
2. 【請求項２】 入力音声のＳ／Ｎを検出するＳ／Ｎ検出
   手段と、 入力音声をベクトルに変換する分析手段と、 入力音声の標準モデルを記憶する標準モデル記憶手段
   と、 上記Ｓ／Ｎ検出手段で検出された、入力音声のＳ／Ｎに
   対応する補正用特徴ベクトルを出力する補正用特徴ベク
   トル出力手段と、 上記分析手段で変換された入力音声のベクトルを上記補
   正用特徴ベクトル出力手段で出力された補正用特徴ベク
   トルにより補正するベクトル補正手段と、 上記ベクトル補正手段で補正されたベクトルと上記標準
   モデル記憶部の標準モデルとにもとづいて、入力音声の
   認識をおこなう音声認識手段とを備えたことを特徴とす
   る音声認識装置。
3. 【請求項３】 上記分析手段で分析されたベクトルと上
   記標準モデル記憶部の標準モデルとにもとづいて補正用
   特徴ベクトルを生成する補正用特徴ベクトル生成手段
   と、 上記パワー検出手段またはＳ／Ｎ検出手段での検出結果
   にもとづいて、すでに生成された補正用特徴ベクトルを
   上記補正用特徴ベクトル生成手段で生成された補正用特
   徴ベクトルに更新する補正用特徴ベクトル更新手段とを
   備えたことを特徴とする請求項１または２記載の音声認
   識装置。
4. 【請求項４】 入力音声のパワーを検出するパワー検出
   手段と、 入力音声をベクトルに変換する分析手段と、 入力音声の標準モデルを記憶する標準モデル記憶手段
   と、 上記パワー検出手段で検出された、入力音声のパワーに
   対応する補正用特徴ベクトルを出力する補正用特徴ベク
   トル出力手段と、 上記標準モデル記憶手段の標準モデルを、上記補正用特
   徴ベクトル出力手段から出力された補正用特徴ベクトル
   により補正を行なう標準モデル補正手段と、 上記標準モデル補正手段により補正された標準モデル
   と、上記分析手段で変換された特徴ベクトルとの尤度を
   計算する尤度計算手段と、 上記尤度計算手段により計算された尤度が最大となる標
   準モデルの音声を認識結果として出力する認識結果出力
   手段と、を備えたことを特徴とする音声認識装置。
5. 【請求項５】 入力音声のＳ／Ｎを検出するＳ／Ｎ検出
   手段と、 入力音声をベクトルに変換する分析手段と、 入力音声の標準モデルを記憶する標準モデル記憶手段
   と、 上記Ｓ／Ｎ検出手段で検出された入力音声のＳ／Ｎに対
   応する補正用特徴ベクトルを出力する補正用特徴ベクト
   ル出力手段と、 上記標準モデル記憶手段の標準モデルを、上記補正用特
   徴ベクトル出力手段から出力された補正用特徴ベクトル
   により補正を行なう標準モデル補正手段と、 上記標準モデル補正手段により補正された標準モデル
   と、上記分析手段で変換された特徴ベクトルとの尤度を
   計算する尤度計算手段と、 上記尤度計算手段により計算された尤度が最大となる標
   準モデルの音声を認識結果として出力する認識結果出力
   手段と、を備えたことを特徴とする音声認識装置。
6. 【請求項６】 上記分析手段で分析されたベクトルと上
   記標準モデル記憶部の標準モデルとにもとづいて補正用
   特徴ベクトルを生成する補正用特徴ベクトル生成手段
   と、 上記パワー検出手段またはＳ／Ｎ検出手段での検出結果
   にもとづて、すでに生成された補正用特徴ベクトルを上
   記補正用特徴ベクトル生成手段で生成された補正用特徴
   ベクトルに更新する補正用特徴ベクトル更新手段とを備
   えたことを特徴とする請求項５または４記載の音声認識
   装置。
7. 【請求項７】 入力音声を特徴ベクトルに変換する分析
   手段と、 入力音声のＳ／Ｎを検出するＳ／Ｎ検出部と、 標準モデルを記憶する標準モデル記憶部と、 上記分析手段により分析された特徴ベクトルと上記標準
   モデル記憶部の標準モデルとを対応付け、補正用特徴ベ
   クトルを算出する補正用特徴ベクトル算出部と、 上記補正用特徴ベクトル算出部で算出された補正用特徴
   ベクトルを記憶する補正用特徴ベクトル記憶部と、 上記Ｓ／Ｎ算出部により算出されたＳ／Ｎを用いて上記
   補正用特徴ベクトル記憶部に記憶されている補正用特徴
   ベクトルを更新する補正用特徴ベクトル更新部と、 上記補正用特徴ベクトル更新部により更新された補正用
   特徴ベクトルにより上記分析手段により変換された特徴
   ベクトルの補正を行なう特徴ベクトル補正部と、 上記特徴ベクトル補正部により補正された特徴ベクトル
   と、上記標準モデル記憶部の標準モデルとの尤度を計算
   する尤度計算部と、 上記尤度計算部により計算された尤度が最大となる標準
   モデルの音声を認識結果として出力する認識結果出力部
   と、を備えたことを特徴とする音声認識装置。
8. 【請求項８】 入力音声を特徴ベクトルに変換する分析
   手段と、 入力音声のＳ／Ｎを算出するＳ／Ｎ算出部と、 標準モデルを記憶する標準モデル記憶部と、 上記分析手段により分析された特徴ベクトルと上記標準
   モデル記憶部の標準モデルとを対応付け、補正用特徴ベ
   クトルを算出する補正用特徴ベクトル算出部と、 上記補正用特徴ベクトル算出部で算出された補正用特徴
   ベクトルを記憶する補正用特徴ベクトル記憶部と、 上記Ｓ／Ｎ算出部により算出されたＳ／Ｎを用いて上記
   補正用特徴ベクトル記憶部に記憶されている補正用特徴
   ベクトルを更新する補正用特徴ベクトル更新部と、 上記補正用特徴ベクトル更新部により更新された補正用
   特徴ベクトルにより上記標準モデル記憶部の標準モデル
   の補正を行なう標準モデル補正部と、 上記標準モデル補正部で補正された特徴ベクトルと、上
   記分析手段で変換された特徴ベクトルとの尤度を計算す
   る尤度計算部と、 上記尤度計算部により計算された尤度が最大となる標準
   モデルの音声を認識結果として出力する認識結果出力部
   と、を備えたことを特徴とする音声認識装置。
9. 【請求項９】 複数の伝送特性を考慮した音声を用いて
   標準モデルを作成する第１の標準モデル作成部と、単一
   の伝送特性を考慮した音声を用いて標準モデルを作成す
   る第２の標準モデル作成部と、第１の標準モデル作成部
   で作成された標準モデルを記憶する第１の標準モデル記
   憶部と、 第２の標準モデル作成部で作成された標準モデルを記憶
   する第２の標準モデル記憶部と、 入力音声を特徴ベクトルに変換する分析手段と、 上記分析手段により分析された特徴ベクトルと上記第１
   の標準モデル記憶部の標準モデルとを対応付け、第１の
   補正用特徴ベクトルを算出する第１の補正用特徴ベクト
   ル算出手段と、 上記分析手段により分析された特徴ベクトルと上記第２
   の標準モデル記憶部の標準モデルとを対応付け、第２の
   補正用特徴ベクトルを算出する第２の補正用特徴ベクト
   ル算出手段と、 上記第１の補正用特徴ベクトル算出手段の算出した第１
   の補正用特徴ベクトルを記憶する第１の補正用特徴ベク
   トル記憶部と、 上記第２の補正用特徴ベクトル算出手段の算出した第２
   の補正用特徴ベクトルを記憶する第２の補正用特徴ベク
   トル記憶部と、 上記第１の補正用特徴ベクトル記憶部に記憶されている
   第１の補正用特徴ベクトルの更新、及び、上記第２の補
   正用特徴ベクトル記憶部に記憶されている第２の補正用
   特徴ベクトルの更新を行なう、特徴ベクトル更新部と、 上記第１の記憶部に記憶されている更新された補正用特
   徴ベクトルにより上記分析部により変換された特徴ベク
   トルの補正を行なう第１の特徴ベクトル補正部と、 上記第２の記憶部に記憶されている更新された補正用特
   徴ベクトルにより上記分析部により変換された特徴ベク
   トルの補正を行なう第２の特徴ベクトル補正部と、 上記第１の特徴ベクトル補正部により補正された特徴ベ
   クトルと、上記第１の標準モデル記憶部の標準モデルと
   の尤度を計算する第１の尤度計算部と、 上記第２の特徴ベクトル補正部により補正された特徴ベ
   クトルと、上記第２の標準モデル記憶部の標準モデルと
   の尤度を計算する第２の尤度計算部と、 上記第１の尤度計算部で計算された尤度結果と上記第２
   の尤度計算部で計算された尤度結果とのうち、尤度が最
   大となる結果を認識結果として出力する認識結果出力部
   と、を備えたことを特徴とする音声認識装置。
10. 【請求項１０】 入力音声を特徴ベクトルに変換する分
    析部と、 標準モデルを記憶している標準モデル記憶部と、 上記分析手段により分析された特徴ベクトルと上記標準
    モデル記憶部の標準モデルとを対応付け、補正用特徴ベ
    クトルを算出する補正用特徴ベクトル算出手段と、 ｎ個の補正用特徴ベクトルを記憶する補正用特徴ベクト
    ル記憶部と、 上記補正用特徴ベクトル算出手段により算出された補正
    用特徴ベクトルにより、上記補正用特徴ベクトル記憶部
    に記憶されているｎ個の補正用特徴ベクトルを更新する
    補正用特徴ベクトル更新部と、 上記補正用特徴ベクトル更新部により更新されたｎ個の
    特徴ベクトルから、一つの補正用特徴ベクトルを選択す
    る補正用特徴ベクトル選択部と、 上記補正用特徴ベクトル選択部により選択された補正用
    特徴ベクトルにより上記分析部において変換された特徴
    ベクトルを補正する特徴ベクトル補正部と、 上記特徴ベクトル補正部で補正された特徴ベクトルと、
    上記標準モデル記憶部の標準モデルとの尤度を計算する
    尤度計算部と、 上記尤度計算部により計算された尤度が最大となる標準
    モデルの音声を認識結果として出力する認識結果出力部
    と、を備えたことを特徴とする音声認識装置。
11. 【請求項１１】 複数の伝送特性を考慮した音声を用い
    て標準モデルを作成する第１の標準モデル作成部と、単
    一の伝送特性を考慮した音声を用いて標準モデルを作成
    する第２の標準モデル作成部と、第１の標準モデル作成
    部で作成された標準モデルを記憶する第１の標準モデル
    記憶部と、 上記分析手段で分析された特徴ベクトルと、上記第１の
    標準モデル記憶部の標準モデルとの尤度を計算する第１
    の尤度計算部と、 上記分析手段で分析された特徴ベクトルと、上記第２の
    標準モデル記憶部の標準モデルとの尤度を計算する第２
    の尤度計算部と、 上記第１の尤度計算部で計算された尤度結果と上記第２
    の尤度計算部で計算された尤度結果とのうち、尤度が最
    大となる結果を認識結果として出力する認識結果出力部
    と、を備えたことを特徴とする音声認識装置。