JPS5975298A - 音声認識方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ・産業上の利用分野 本発明は音声認識方法、特に標準パターンをもちいる音
声認識システムのパターン照合及び判定方法に関するも
のである。

従来例の構成とその問題点 一般に、音声認識システムにおいては標準パターンを用
いてパターン照合及び判定を行ない、人力音声の登録音
声との適合性を判断するようになっている。すなわち、
未知の音声が入力されると、その未知の音声の特徴を特
徴抽出部で抽出してｔ″Ｓ声パターンを求め、ついで照
合判定部で標準パターン記憶部に記憶している標準音声
パターンと前記未知の音声パターンとを比較照合して、
それらのパターン間の非類似度を求め、前記非類似度に
基いて判定を行ない、その認識結果を出力するように構
成されている。しかしながら、上述した従来方式はパタ
ーン全体の非類似度に基いて認識判定を行なうので、パ
ターン全体の照合判定を行なうのには適しているが、た
とえば数字音声９（Ｋｊｕ＋）、　１ｏ［：Ｚｊｕ＋］
の音声認識の場合、音響的な相違点は語頭の（Ｋ）及び
〔ｚ〕に存在３ するので誤認識しやすく、しかも発声による変動がある
場合に語頭における非類似度の相違が全体的な変動によ
ってマスキングされてしまい、誤認識をおこすという問
題があった。

発明の目的 本発明はこのような従来方法の問題点に鑑みなされたも
のであり、その目的とするところは認識率を向」−せし
めることにある。

発明の構成 本発明の音声認識方法は、未知の音声パターンと標準パ
ターンとのパターン全体の非類似度と、パターンを時間
系列にしたがって複数の部分パターンに分割してパター
ンの照合経路に沿って求めた前記部分パターンの非類似
度とに基いて、未知の音声パターンの推定を行なうこと
によって認識率を向」ニさせるようにしたものである。

実施例の説明 第１図は本発明の音声認識方法を適用したシステムの一
実施例を示しておシ、第１図において、本実施例のシス
テムでは、未知の音声が入力端子４から入力されると、
未知の音声の特徴を特徴抽出部１で抽出し、音声パター
ンを求める。ついで、照合判定部３で標準バクーン記憶
部２に記憶している標準音声パターンと前記未知の音声
パターンとを比較照合して、それらのパターン間のジ１
類似度を求め、前記非類似度に基いて判定を行ない、そ
の認識結果を出力端子５から出力するようになっている
。

ここで、上記照合判定部３は未知の音声パターンと標準
パターンとのパターン全体の非類似度とパターンの照合
経路に沿って求めた部分パターンの非類似度の最大値に
基いて音声パターンの認識判定を行なうという照合判定
方法のだめの１＋１クラムを備えたマイクロプロセッサ
を有している。

具体的に、上述した照合判定方法は第２図のフｌノーチ
ャートに示すように最初に標準音声パターンと未知の音
声パターンの照合経路に沿った部分パターンの非類似度
及びパターン全体の非類似度を求める。次にパターン全
体の非類似度に基いて第１の認識判定を行なう。そして
、この第１の認識判定での結果が適合性ないとした場合
、パターン全体の非類似度に基いて、第１及び第２候補
を選択し、第１候補と第２候補のパターン全体の非類似
度の差が所定の閾値より大きい場合には第１候補を認識
結果とＥｒ＋１定する。そうでない場合は、第１候補と
第２候補の部分パターンの非類似度の最大値をそれぞれ
求め、この値が小さい方の候補を認識結果と判定する。

以下、上述したパターン照合判定方法についてさらに詳
細に説、明する、 一般に音声パターンは、音声によってその継続時間が異
なり、また時間軸方向に非線形な伸縮を受けるので、パ
ターン照合を行なう場合は、このような継続時間及び時
間軸方向の非線形な伸縮を補正する以下のアルゴリズム
によるこトカ多い。

今、音声パターンがＰ次の特徴ベクトルの時系列データ
として表現されている場合を考える。標準音声パターン
をＲ１未知の音声パターンをＴとすれば、Ｒは（１）式
、（２）式、Ｔは（３）式、（４）式で与えｃｊ’ｍる
。

Ｒ＝　　Ｉｒｅ、　　＋ｒ２．　　Ｒ５，−、ｌｒｉ、
・・・−、ｐｒ■（１） ｊｒｉ　　”　　（ｒ＋（ｉ）＋　　ｒ２（ｉ）、　−
・・、　　ｒｐ（ｉ）　　ｌ　　　　　　　　　　　　
（２）Ｔ　−１１，１、ｔ２　、　　　ｔ３　、　・・
・・・・、′＃、コ　、　・・・・・・、　　ｔＪ　　
　　　　　（３）ｔｔｊ−（ｔｌｃＩ）、ｔ２θ）＋　
・−・・、ｔｐ（１）　］　　　　　　（４）第３図に
Ｒ，Ｔ両パターンの時間的な対応関係を２次元的に図示
したものを示す。ここでＲ，Ｔ両パターンの時間の対応
、すなわち時間変換関数は、ｉ−ｊ平面上の格子点Ｃ＝
（ｉ、ｊ）の系列Ｆで表現することができる。

Ｆ　＝　Ｃ（１）　Ｃ（２）・・・・・・Ｃ（２））・
・・・・・Ｃ（５））（５）だだし、 Ｃ（ｋ）＝（ｉ（ｋ）、　　コ（８））　）　　　　　
　　　　　　　　（６）Ｃ（１）＝　（’＋　　１　）
　、　　ｃ（ト）＝（Ｉ、Ｊ）　　　　　（７）である
。

このような場合、ＲとＴのパターン全体の非順序Ｄ　（
Ｒ，Ｔ）は次式で与えられる。

ここで、ｄ（Ｃ（８）））は２つの特徴ベクトルＪｒ、
１（ｌｃ）と町（ｋ）の間の非類似度（距離）であり、
Ｗ（ｋ）はＣ（ｋ）とＣ（ｋ−１）の関係により定まる
定数である。

第４図にこのようなパターンの照合経路に沿った非類似
度ｄ（Ｃ（８）））の時間系列ｋに対する変化の一例を
示す。この図で標準音声は数字の９〔Ｋ］ｕ：〕及び１
０（Ｚｊｕ：）であり、入力音声は９である。第４図で
破線は入力音声と標準音声９とのａ　（Ｃ％））、実線
は入力音声と標準音声１０とのｄ　（Ｃ（８）））を示
す。第４図では、入力音声と標準音声９，１０とのａ（
Ｃ（８）））のみ示したが、実際にはこの例は１から１
０の数字音声認識の例であり、入力音声と標準音声のパ
ターン全体の非類似度に基いて第１候補及び第２候補と
のａ　（Ｃ（２）））を表示したものである。第４図の
例の場合、入力音声をＴとし、まだＷ（ｋ）をすべての
ｋに対して１とすると、（８）式よりパターン全体の非
類似度Ｄ　（９，Ｔ）　＝２．８８．　　Ｉ）　（１０
，Ｔ）　＝２．３１が求捷る。よって、この場合、パタ
ーン全体の非類似度に基いて認識判定を行なっただけで
あるので、認識結果は１０となり、誤認識となる。

そのため、次にパターンを時間系列にしたがって複数の
部分パターンに分割し、ツクターンの照合経路に沿って
求めた部分パターンの非類似度にＪｉ（づく未知の音声
パターンの推定を行なうプログラムにしたがってアルゴ
リズムを実行する。この時前記部分パターンの数は、最
小２から最大（５）式のＫ、すなわち標準音声パターン
と未知の音声人カバターンの時間対応変換点の数まで可
能である。

次に本実施例によるアルゴリズムを第３し１の例に適用
した場合について述べる。この場合、すでに述べたよう
にパターン全体の非類似度にＪｌ（り第１候補は１０、
第２候補は９であり、非類似度の差は０．６２である。

第１候補と第２候補の／（ターン全体の非類似度の閾値
を１．０とすると、　との例の場合、部分パターンの非
類似度に９しって認識判定を行なうことになる。いま部
分〕々ターンとして特徴ベクトルそのものをとれば、部
分ノくターンの非類似度の最大値は、第４図より入力音
声と標準音声９の場合４、まだ入力音声と標準音声１゜
の場合９となる。したがって、本実施例の場合、部分パ
ターンの非類似度の最大値が小さい方のパターンを認識
結果と判定するので、この場合９が認識結果となり、先
に述べた従来方法の誤認識を救うことができる。

以」−のように本実施例による方法では、パターン全体
の非類似度に加えて部分パターンの非類似度に基いて認
識判定を行なうので、パターンの全体としての変化のみ
ならずパターンの部分的、時間的変化もとらえることが
できるので認識率を向」ニさせることができる。

なお、本実施例では特定の場合について説明したが、」
二記実施例のみに限定されるものではなく、たとえば、
上記実施例ではパターン全体の非類似度より２つの候補
を選択していだが、かわりにＮ（ＮはＮ２２の整数）個
の候補を選択してもよいし、またパターン全体の非類似
度が第１候補のそれに一定の値を加えた値以下のものを
候補とじて選択し、それに対して部分パターンの非類似
度に基く判定を行なってもよい。

次に本発明の音声認識方法の他の実施例について説明す
る。上述した第１の実施例ではパターン全体の非類似度
及び部分パターンの非類（１，）１．１！Ｊの最大値に
基いて認識判定を行なったが、本実施例ではパターン全
体の非類似度及び部分パターンの非類似度の極大値及び
その位置に基いて認識判定を行なう。数字音声９，１０
を再び例にとって説明すると、音声の発声変動が大きく
かつ語頭以外で大きな変動があった場合、部分パターン
の非類似度の極大値（発声の小さな変動による極大値を
除くために一定の閾値以−にの極大値とすることが望ま
しい。）とその位置を求め、たとえば９，１゜を識別す
る場合には語頭の部分の極大値の有無あるいは大小関係
に基いて認識判定を行なうものである。本実施例は第１
の実施例と比較して、音声の発声変動に対しては強くな
シ、更に認識率を向上させることができる。この場合、
認識に使用される言葉に対応して部分パターンの非類似
度の極犬値及びその位置を評価するだめの判定関数を発
生させなければならない。上記判定関数は登録時の音声
を分析することによって、壕だ音声登録時に発音記号も
しくは音素、音韻記号を同時に登録すること等によって
発生させることができる。

発明の効果 以上のように本発明によれは、パターン全体の非類似度
し、加えて部分パターンの非類似度に基いて認識判定す
るようにしたので、音声認識率を向」ニさせることがで
き、音声認識システムの高性能化に寄与することができ
る。

【図面の簡単な説明】

第１図は本発明の方法を適用した音声認識システムのブ
ロック図、第２図は同方法の一例を示すフローチャート
、第３図はパターンの照合判定方式を説明するだめの図
、第４図は部分パターンの非類似度の時間系列に対する
変化の一例を示す図である。 １・・・・・・特徴抽出部、２・・・・・標準パターン
記憶部。 ３・・・・・照合判定部。 第上図 ？ ４　　　　　　　　　　　　　　　　　　　ラ」 」 第３図 尺

Claims (2)

【特許請求の範囲】
1. （１）未知の音声パターンと標準音声パターンとの照合
   を行なう際に、パターンの照合経路に沿った部分パター
   ンの非類似度とパターン全体の非類似度を求め、前記パ
   ターン全体の非類似度と前記部分パターンの非類似度の
   最大値とに基いて音声パターンの推定を行なうことを特
   徴とする音声認識方法。
2. （２）未知の音声パターンと標準音声パターンとの照合
   を行なう際に、パターンの照合経路に治った部分パター
   ンの非類似度とパターン全体の非類似度を求め、前記パ
   ターン全体の非類似度と前記部分パターンの非類似度の
   極大値及びその位置とに基いて音声パターンの推定を行
   なうことを特徴とする音声認識方法。