JPS6019199A

JPS6019199A - 音声認識方法

Info

Publication number: JPS6019199A
Application number: JP12623783A
Authority: JP
Inventors: 裕飯塚
Original assignee: Oki Electric Industry Co Ltd
Current assignee: Oki Electric Industry Co Ltd
Priority date: 1983-07-13
Filing date: 1983-07-13
Publication date: 1985-01-31
Also published as: JPH0311479B2

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】（技術分野）この発明は認識性能の向上を図るようにした音声認識方
法に関する。

（従来技術）従来の音声認識装置は第１図のように構成されておシ、
１は入力端子、２は周波数分析部、３はスペクトル変換
部、４は音声区間決定部、５は非類似度演算部、６は標
準音声ス被りトルノクタ〜ンメモリ、７は判定部、８は
認識結果出力端子である。

従来の音声認識装置では、ス被りトル変換した入力音声
スペクトルツクターンと標準スぜクトルノソターンｋ（
ｋ＝１〜Ｋ）との非類似度演算において、非類似度Ｄｋ
を入カスにクトルパターンの時間標本点第ｎ番目のｍチ
ャネル目の要素をＡ　（ｍ　＋　ｎ　）とし、標準スペ
クトルパターンにの時間標本点ｎ番目のｍチャネル目の
要素をＳｋ（ｍ、ｎ）とした時に、Ｄｋ＝ｆ、　’ｌ　
、ＩＡ（ｍ、ｎ）−８ｋ（ｍ、ｎ］ＸＷ（ｍ、ｎ）　（
１）ｎ　＝　１　ｍ＝　１（１）式によシ計算し、Ｋ個の標準スペクトルｉｅター
ンの中でＤｋを最小とする標準スペクトルパターンのカ
テゴリを認識結果としている。ここで重みＷ　（ｍ　ｒ
　ｎ　）の計算方法については数々の方式があるが、こ
の発明の目的でないので省略する。

従来の認識装置ではスペクトル変換により入力音声のパ
ワー情報は完全に失なわれる。その結果、例えば「イチ
」を「二」と誤認識したり「ゴ」を「ロク」に誤認識す
るという場合がある。

第２図に「イチ」、「二」、「コゝ」、「ロク」の音声
パターンツナグラムの例を示す。第２図で横方向は周波
数軸、たて方向が時間軸である。

このようにスペクトル変換によシ「イチ」と「二」。

「ゴ」と「ロク」はかな′シ似かよったパターンとなシ
その差としては「イ」と「チ」の間の無音区間、「口」
と「り」の間の無音区間が大きいがパワー情報は失なわ
れているので、結果として誤認識されることがあシ、認
識率低下の原因となった。

（発明の目的）この発明の目的はこれらの欠点を解決し、認識率を向上
させることの出来る音声認識方法を提供するにある。

（発明の概要）この発明では、非類似度演算処理時に音声入力と標準音
声間のパワー・ぐターンの比較を行わせるようにしだも
のであり、以下詳細に説明する。

（発明の実施例）第３図はこの発明の１実施例を示したブロック図である
。第３図において、１００は入力端子、２θＯは周波数
分析部である。３００はスペクトル変換部であシ、カウ
ンタ３０１１乗算回路３０２、加算回路３０３、レジス
タ３θ４、加算回路３０５、レジスタ３０６、マルチプ
レクサ３０７．３０Ｂ、乗算回路３０９，３１０、減算
除算回路３１ｊルジスタ３１２、減算除算回路３１３、
レジスタ３１４、カウンタ３１５、乗算回路３１６、加
算回路、７７７、遅延回路３１８、減算回路、１１９、
切勺換え回路３２０．３２１、除算回路３２２から成る
。

４００は音声区間決定部である。５０θは非類似度演算
部であり、入力音声スペクトル／、ｏターンメモリ５０
１、減算回路５０２、絶対値回路５０３、乗算回路５０
４、重み決定回路５０５、定数発生回路５０６、アキュ
ムレータ、入力音声ノぐワーノやターンメモリ５０８、
加算回路５０９、レジスタ５１０、除算回路５ノ１、標
準音声平均・ぐワーメモリ５１２、減算回路５１３、標
準音声パワーパターンメモリ５１４、加算回路５１５、
切シ換え回路５１６　、５１７　＋’　５２８から成る
。

６００は標準音声ス被りトルパターンメモリ、７θＯは
判定部、８００は認識結果出力端子である。

入力端子１θＯから入力される入力音声信号は周波数分
析部２０θに入力され、複数の周波数帯域に対応した量
子化信号として周波数分析され、スペクトル変換部３０
’０に送られる。

周波数分析部２０−０で、ある時刻ｎに分析されたＭ個
のデータをｘ（ｍ　、　ｎ　）　（ｍ−１〜Ｍ）とする
と、スペクトル変換された入カスベクトルデータＡ　（
ｍ　＋　ｎ　）　＋（ｍ−１〜Ｍ）は（１）式で与えら
れる。

Ａ（ｍ、ｎ）＝ｘ（ｍ、ｎ’）−（αｎ”ｍ＋β１）−
（１）（１）式においてαｎ、βｎはそれぞれＸ　（ｍ
　＋　ｎ　）の最小２乗近似直線の傾き及び切片を意味
するもので、それぞれ次式によってめられる。

Ｍ−Ｌ　ｒ＋ｒｘ（ｍ、　ｎ）−Ｌ　ｍ、ｆ：、　ｘ（
ｍ、ｎ　）ｍ”’１　ｍ＝Ｊ　ｍ＝１数となる。

自＝’！ｌ＋　ｍ　＋　Ｃ２＝欠ｍ２とおけば、（２）
　、　（３）式はｍ＝　１　ｍ＝　１（１）式によシ入カスベクトルデータＡ　（ｍ　＋　ｎ
　）をめることができる。第４図ではこの入カスベクト
ルデータＡ（ｍ、ｎ）を次の如く作成している。まず、
周波数分析部２００よシ入力された入力データｘ（ｍ、
ｎ）と、入力データと同期して計算するカウンタ３０１
によって発生したｍとの積を乗算回路３０２によってめ
、さ′らに加算回路３０３とレジスタ３０４によＶ）　
ｉｎ　”　Ｘ　（ｍ　＋　ｎ　）の値を累積させること
によシ、レジスタ３０４にΣｍ”Ｘ（ｎｌ＋ｎ）の値を
−１セットすることができる。また、加算回路３０５とレジ
スタ３０６によシ同様に、レジスタ３０６パワーＰｎと
して出力する。

次にマルチプレクサ３０７．３０８において、それぞれ
Ｍ　＋　ＣＢの値を選択することにより、乗算回路３２
１によシ減算除算回路、？　Ｉ　ｌ側に接続させてさら
に減算除算回路Ｊ　Ｉ　１によシにより、結果すなわちαｎの値をレジスタ３１２にセッ
トし、これを非類似度演算部へ出力する。

同様に、マルチプレクサ３０７．．３０Ｂにおいてそれ
ぞれＣ１，Ｃ２を選択させ、乗算回路、７０９．３１０
及び切シ換え回路３２０，３２１を減算除算回路３１３
側に切り換え、減算除算回路３１３を使用して行ない、
その結果すなわちｉｎの値をレジスタ３１４にセットす
る。

続いてカウンタ３１５によｐｍを発生させ、乗算回路３
１６によシαｌ’ｍをめ、さ、らに加算回路３１７によ
シαｎ’ｍ＋βｎをめることができる。

次に遅延回路３１８によシ遅延した入力データ）［（ｍ
＋ｎ）と加算回路３１７でめたαｎ’ｍ＋βｎの減算を
減算回路３１９によって行なえば、ス被りトル変換され
た入カスベクトルデータＡ（ｍ、ｎ）が入カス波りトル
ノぐターンメモリ５０１に出力される。

第４図は入力データＸ　（ｍ　＋　ｎ　）　ｒ直線Ｙ＝
αｎ−ｍ＋βｎ。

入カスベクトル・母ターンデータＡ（ｍ、ｎ）の関係を
表わした図である。（ｎはある時刻ｌｍ＝１〜Ｍ）Ｙ＝
αｎ’ｒｎ＋βｎはｘ（ｍ、ｎ）の最小２乗近似直線で
あり、Ｘ（ｍ＋１）からαｎ’ｍ＋βｎをさし引いたも
のがＡ（ｍ、ｎ）である。

音声区間検出部４０θは音声区間の始端及θム端を検出
し非類似度演算・部に始端検出信号及び終端検出信号を
送るものであり、簡易的な検出法としてはサンプル周期
毎の周波数分析部からのＭ個の分析データの平均値をめ
その値があらかじめ設定された閾値を最初に越えた時点
を始点とし、最後に閾値以下に々った時点を終端とする
検出法がある。

音声区間検出部４００において、音声め始端が検出され
ると、入カスイクトルデータＡ　（ｍ　＋　ｎ　）・の
入力音声スイクトルパターンメモリ５０１への書き込み
、入力音声の・ぐワー情報Ｐｎの入力音声・ぐワーパタ
ーンメモリ５０８への書き込みが開始される。また音声
の終端が検出されると、入力音声スにクトルパターンメ
モリ５０ノ、入力音声パワーパターンメモリ５０８への
書き込みが打ち切られ、非類似度演算処理が開始される
。入力音声スイクトルノやターンメモリ５０１は２次元
のメモリであり、その要素が入カス４クトルデータＡ（
ｍ、ｎ）（ｍ−１〜Ｍ　、　ｎ　＝　１〜Ｎ）で表わさ
れる。入力音声パワーパターンメモリ５０８は１次元の
メモリであシ、その要素をＩＰ（ｎ）　（ｎ　＝　１〜
Ｎ）で表わす。非類似度演算部５００ではに個の標準音
声と入力音声、との非類似度を計算するが、ここではに
番目の標準音声との非類似度を計算することを考える。

非類似度Ｄｋは次式で表わされる。

ここで、Ｓｋ（ｍ、ｎ）はに番目の標準音声のスペクト
ルミ４ターンの要素（ｍ　＝　１〜Ｎ　、ｎ　＝　１〜
Ｎ　）。Ｗ（ｍ、ｎ）は重み決定回路５０５によシ決定
される重み、＝Ｐ　ｋ（ｎ）　（ｎ　＝　１〜Ｎ）は標
準音声にのパワーパターンの要素、ＰＰは入力音声の平
均・やワー、ＡＰｋは標準音の割合を設定するための重
み係数である。

まず、非類似度計算用アキュムレータ５０５・をゼロク
リアする。

次に、入力音声パワーパターンメモリ５０１　カら入力
音声の要素Ａ　（ｍ　＋’ｎ　）を切シ換え回路５１Ｇ
を通じ読み出し、又、標準音声スペクトルＡターンメモ
リｃｏｏから標準音声にの要素Ｓｋ　（ｍ＋　ｎ　）を
切シ換え回路５１７を通じ読み込み、減算回路５θ２に
よりＡ（ｍ’、　ｎ　）　−Ｓｋ（ｍ　、　ｎ　）を割
算し、絶対値回路５０３により絶対値をとシ、切シ換え
回路５１９を通じ乗算回路５０４によシ重み係数Ｗ（ｍ
、ｎ）を乗じる。重み係数Ｗ（ｍ、ｎ）は重み決定回路
５０５により決定される。重み決定方式については数々
の方式があシ、その例としては、特願昭５６−１８／Ｉ
４１６「音声認識装置」で開示されており、本発明の目
的ではないので説明は省略する。さらに、乗算回路の出
力をアキュムレータ５０５に加算する。ｍ。

ｎをｍ　＝　１〜Ｍ、ｎ＝１〜Ｎ１で以上の動作をくり
返し、Ｄｋの第１項が計算されることになる。

次に入力音声の平均・ぐワーｐｐ　４計算する。入力音
声パワー・ぐターンメモＩＪ　ｓ　ｏ　ｓから入力音声
のノぐワーノやターンＩＰ（ｎ）、ｎ＝１〜Ｎを読み出
し、加算回路５０９とレノスタ５１０により累算してレ
ノスタ５１θに　ΣＩＰ（ｎ）の値をセットする。この
ｎ＝＋値を除算回路５１ノによ、９Ｎで除し、入力音声の平均
・ぐワーｐｐをめる。ＰＰは次式で表わせる。

ｐｐｍ、！−景ＩＰ（Ｎ）Ｎ。＝＝４　（７）次に、標準音声平均パワーメモ！Ｊ５１２から標準音声
にの平均パワーＡＰｋを読み出し、減算回路５１３によ
シｐｐからＡＰｋを減じ、パワー補正値ＰＰ−ＡＰｋを
計算する。

次に、標準音声パワーパターンメモリ５１４から標準音
声にのｉｅワーパターンｐｋ（ｎ）を加算回路５１５に
よシパワー補正値’（ｐｐ−Ａｐｋ）と加算する。

加算結果は（Ｐｋ（ｎ）＋　（ＰＰ　−ＡＰｋ）　）と
なる。

一方、入力音声パワーパターンメモリ５０Ｂから入力音
声ノセワーパターンＩＰ（ｎ）（ｎ＝１　、　Ｎ）を切
シ換え回路５１７を通じて読み出し、切シ換え回路５１
７によシ加算回路５１５の出力を選択し、減算回路５０
２でＩＰ（ｎ）　（Ｐｋ（ｎ）＋　（ＰＰ　−ＡＰｋ）
　）を計算し、絶対値回路５０３で絶対値をとる。

次に定数前発生回路５０６から定数詐を出力し、切シ換
え回路５１’８を通じ乗算回路５θ４によシ絶対値回路
の出力に乗じ′アキュムレータ５０５に加算していく。

ｎを１〜Ｎ−ｊで変化させてアキュムレータへの加算が
終了したら加算結果を非類似度演算結果として判定部７
００に出力する。判定部７００では非類似度が最も小さ
い標準音声のカテコゝりを認識結果とする。定数ｗｐの
値はシュミレーションの結果１／２〜２程度が最適であ
る。

第５図はパワーパターンの比較を非類似度に組込む場合
の重み係数饗の値を決定するために行なイ、イイエ）を
学習し、標準音声・ぐターンを作成し評価したものであ
る。この時標準音声パターン数を１９２パターンとして
、■を０〜４１で変化させている。

このように従来の非類似度演算部（Ｖｔ／Ｐ　＝　Ｏに
相当する）に比較して明らかに認識率が向上しｗｐの値
は１／２〜２が最適であることがわかる。

以上説明したように、第１の実施例では、通常のパター
ンマツチングに加え音声のパワーパターンを比較してい
る。

第６図は「イチ」と「二」の音声の・ぞワーを比較した
図である。「チ」は無声破裂音であるために「イ」と「
チ」の間は無音になる。一方「二」の方はパワーが連続
しているので、例えば「イチ」と発声された入力音声パ
ターンと、「二」の標準音声ｉ？ターンを本発明による
非類似度演算部で比較すれば、従来よりも非類似度が大
きくなる。

又、「二」と発生された入力音声パターンを「二」の標
準音声パターンと比較すれば、両方とも単語内の無音区
間は存在しないし、声の大きさが異なったとしても、音
声の平均パワーが等しくなるように・やワー正規化して
いるため、非類似度は大きくならない。

したがって、「二」の標準音声パターンと「イチ」と発
声された音声との非類似度はよシ犬きくなシ、「二」と
発声された音声との非類似度はほとんど変化しないので
、誤認識が少なくなシ認識率が向上する。これらの関係
は「ゴ」と「ロク」、「ハイ」と「ハチ」の間でも成立
する。

（発明の効果）この発明は通常のパターンマツチングに加え、パワー正
規化した形で音声のノ４ワーノ４ターンを比較し、非類
似度を演算しているので、「イチＪと「二」、「ゴ」と
「ロク」、「ハイ」と「ハチ」などの間の誤認識が少々
く、認識率が向上するので、音声認識応答システムに利
用することができる。

【図面の簡単な説明】

第１図は従来の音声認識装置のプＯツク図、第２図は音
声ｉｅターンの例、第３図はこの発明による音声認識装
置の一実施例を示した図、第４図は入力データＸ　（ｍ
　＋　ｎ　）と入カス被りトルパターンデータＡ、　（
ｍ　、　ｎ　）との関係を示した図、第５図は重み係数
詐決定のためのシーミレー７ヨン結果、第６図はパワー
パターンの例である。１００・・入力端子、２００・・周波数分析部。３００・・スペクトル変換部、４００・・・音声区間決
定部、５００・・・非類似度演算部、５０１・・入力音
声スペクトルパターンメモリ、５ｏ２・・・渥、算回路
、５０３・・・絶対値回路、５ｏ４・・・乗算回路、５
０５・・・重み決定回路、５０６・・・定数発生回路、
５ｏｚ・・・アキュムレータ、５ｏ８・・・入力音声パ
ワーｉｅターンメモリ、５０９・・・加算回路、５１０
’・レジスタ、５１１・・・除算回路、５１２・・・標
準音声平均パワーメモリ、５１３・・・減算回路、５１
４・・・標準音声パワーパターンメモリ、５１５・・・
加ｊｆＥ　回路、５１６．５１７，５１８・・・切り換
え回路、６００・・・標準音声ス被りトルパターンメモ
リ、７００・・・判定部。特許出願人　沖電気工業株式会社第１図第２図二　丁イチ　ｔ＋７八呼 →彫を数 ↓ ｉ１８問ル（ｂｌ第５図Ｐ第６図手続補正書輸幻昭和　−９°１１゛月１　日特許庁長官　殿１、事件の表示昭和５８年　特　許　願第１２６２３７　号２、発明の
名称音声認識方法３、補正をする者事件との関係　特許出願人任　所（〒１０５）　東京都港区虎ノ門１丁目７番１２
号４代理人住　所（〒１０５）　東京都港区虎ノ門１丁目７番１２
号６、補正の内容　別紙。とおシロ、補正の内容（１）明細書第９頁第１６行、第１７行、第１８行目、
第１０頁第２行、第４行、第５行、第９行目に「検出」
とあるのを「決定」と補正する。（２）同書第１１頁式（６）を次のとおシ補正する。＋Σｌ　ＩＰ（ｎ）　−（Ｐｋ（ｎ）　＋（ＰＰ　ＡＰ
ｋ））　ｌｘｗｐｉ１＝１・・・・・・（６）（３）開明第１４行第２行、第６行目、第１６頁第１１
行目に［シュミレーションｊとあるのを「シミュレーシ
ョン」と補正する。（４）図面「第２図」を別紙のとおり補正する。

Claims

【特許請求の範囲】入力音声のパワーノＰターンを作成する過程と、入力音
声の、スイクトル傾斜で正規化されたスイクトルパター
ンを作成する過程と、標準音声の予め用意されたスペクトルＡ’ターンと入力
音声の前記スペクトル・母ターンとのツクターンマツチ
ングを行い、第１の非類似度を算出する過程と、前記標準音声の予め用意された・やワー・々ターンをそ
の平均パ、ワー及び入力音声の平均ノｆワーに基づいて
正規化した後、その正規化されたｉＱワー／ｅターンと
入力音声の前記パワーノやターンとのノやターンマツチ
ングを行い、第２の非類似度を算出する過程と、前記第１の非類似度に（ｉ〜２）の重みを付けた後、前
記第２の非類似度と加算する過程とを備え、その加算値を入力音声と前記標準音声との非類似度とし
て入力音声を認識することを特徴とした音声認識方法。