JPS6019200A - 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】 （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り、
１は入力端子、２は周波数分析部、３はスペクトル傾斜
値、４は音声区間決定部、５は非類似度演算部、６は標
準パターンメモリ、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、スペクトル傾斜した入力音声
／４’ターンと標準・ぐターンに、（ｋ＝ｌ−Ｋ）との
非類似度演算において、非類似度Ｄｋを入カバターンの
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（１）式に
より計算しに個の標準・ぐターンの中でＤｋを最小とす
る標準ノや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　＋　ｎ　）の計算方法については数
々の方式があるが、也の発明の目的でないので省略する
。

従来の音声認識装置では入力音声を周波数分析し、音声
スペクトルの最小２乗近似直線を計算し、最小２乗近似
直線の傾きをスペクトル傾斜値としている。そして、ス
ペクトル傾斜値が負の場合は入力音声を有声音と判定し
、音声スペクトルから音声スにクトルの最小２乗近似直
線を引き、スペクトル傾斜値が正の場合には入力音声を
無声音と判定し、音声スペクトルから音声スペクトルの
平均を引くことにより、入力音声の声帯音源特性の傾き
および発声強度の差の正規化を行なっている。

その結果「サン」と「ヨン」を誤認識したシ、「二」と
「キュ′つ」を誤認識する場合がある。

第２図に「サン」と「ヨン」、「二」ト「−キュウ」の
音声パターンの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。

このように前記の変換により「サン」と「ヨンーＩ・「
二」と「キュウ」はかなり似かよった・マターンになシ
、その差としては「サンＪの先頭数フレームは無声音で
あるが「ヨン」ては有声音であること、又「キーウ」の
先頭数フレームは無声音だが「二」では有声音であるこ
とがあげられるか、その差はごくわずかであり、前記変
換作用により、はとんど同じようなノミターンとなって
し１い、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、誤認識をなくして認識率の向上をは
か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、上記目的を達成するため非類似度演算処
理時に音声入カバターンと標準パターン間のスペクトル
傾斜値の比較を行わせるようにしたものであり、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、２００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３０１９乗算回路３０２゜加算回路３０３．レジス
タ３０４．加算回路３０５゜レジスタ３０６１マルチプ
レクサ３０７，３０８゜乗算回路３０９，３１０．減算
除算回路３１１゜レジスタ３１２．減算除算回路３１３
．レジスタ３１４、カウンタ３１５１乗算回路３１６．
加算回路３１７．遅延回路３１８．減算回路３１９゜切
シ換え回路３２０，３２１から成る。４００は音声区間
決定部である。５００は非類似度演算部であシ、入力・
母ターンメ牟り５θｌ、減算回路５０２、絶対値回路５
０３１乗算回路５ｏ４９重み決定回路、５０５．切り換
え回路５０６．アキュムレータ５０７．入力パターンス
ペクトル傾斜値メモリ５θ８．コン７ぞレータ５０９，
５１０．標準パターンスペクトル傾斜値メモリ５１１　
、　ＡＮＤ回路５１２，５１３．ＯＲ回路５１４．定数
発生回路５１５から成る。６００は標準／Ｆターンメモ
リ、７θＯは判定部、８００は認識結果出力端子である
。

このような構成において、入力端子１　’００から入力
される入力音声信号は周波数分析部２００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３００に送られる。周波数分
析部２００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）ｌ　（
ｍ＝１〜Ｍ）は（１）式で与えられる。

Ａ（ｍ、ｎ）＝ｘ（ｍ＋ｎ）　−（αｎ’ｍ＋βｎ　）
　・−（１）（１）式においてα□、β。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＝１　ｍ＝ｌ ｍ＝４　ｍ＝１ （３）式の分母も定数となる。

Ｃ１−Σｍ　＋　Ｃ２＝Σｍ２とおけば（２）、（３）
式はｒｒｉ＝１　ｍ＝ｌ ｍ＝１　ｍ＝１ （４）　、　（５）式から明らかのように入力データか
らによシα。、β。の値をめることができ、さらに（１
）式により入カス被りトルデータＡ（ｍ、ｎ）をめるこ
とができる。

第３図ではこの人カスベクトルデータＡ　（ｍ　＋　ｎ
　）を次の如くして作っている。捷ず、周波数分析部２
００より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、？　０２によってめ、さらに加
算回路３０３とレジスタ３０４によ’９　ｍ−ｘ（ｍ、
　ｎ）の値を累積させることにより、ことができる。ま
た、加算回路３０５とレジスタ３０６により同様に、レ
ジスタ３０６にΣｘ（ｍ、ｎ）。

ｍ＝１ の値をセットすることができる。

次にマルチプレクサ３０７．３０８において、それぞれ
Ｍ、Ｃ１の値を選択することにより、乗算さらに減算除
算回路３１１によシ セットする。また、その値を入力・ぐターンスペクトル
傾斜値として入力パターンス被りトル傾斜値メモリ５０
８に出力する。同様に、マルチプレクサ３０７，３０８
においてそれぞれＣ□＋Ｃ２を選択させ、乗算回路３０
９．３１０及び切９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 ない、その結果すなわちβ。の値をレジスタ３１４にセ
ットする。

続いてカウンタ３１５によシｍを発生させ、乗算回路３
１６によりα□・ｍをめ、さらに加算回路３１７によシ
α。・ｍ＋β。をめることができる。

次に遅延回路３１′８により遅延した入力データｘ（ｍ
、ｎ）と加算回路３１７でめたα。・１ｒ＋β。の減算
を減算回路３１９によって行なえば、ス啄りトル変換デ
ータＡ　（ｍ　＋　ｎ　）が入力・ぐターンメモリ５０
１に出力される。

第４図は入力データＸ　（ｍ　＋　ｎ　）、直線Ｙ−α
。・ｍ＋β。、入カス被りトルデータＡ（ｍ　、　ｎ　
）の関係を表わした図である。（ｎはある時刻２ｍ−１
〜Ｍ）Ｙ−α。・ｍ十β。はＸ　（ｍ　＋　ｎ　）の最
小２乗近似直線であり、Ｘ　（ｍ　＋　ｎ　）からα。

・ｍ十β。をさし引いたものがＡ（ｍ、ｎ）である。

音声区間検出部４００は音声区間の始端及び終端を検出
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２００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、最後に閾値以下になった時点を終端と
する検出法がある。

音声区間検出部において、音声の始端が検出されると入
カスベクトルパターンデータＡ（ｍ、ｎ）の入カバター
ンメモリ５０１への書き込みとスペクトル傾斜値の入カ
バターンスペクトル傾斜値メモリ５０８への書き込みが
開始される。まだ、音声の終端が検出されると入カス波
りトルパターンデータの入カバターンメモＩＪ　５０１
への書き込みとスペクトル傾斜値が入力／ぐターンス被
りトル傾斜値メモリ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。まず、スペクトル変換
部３００からス被りトル変換された音声テ゛−タが入力
／ｅターンメモリ５０１に書き込まれる。入カッＲター
ンメモリは２次元のメモリであり、その要素をＡ（ｍ、
ｎ）、（ｍ　＝１〜Ｍ、　ｎ＝１ｏ　−Ｎ　）で表わす
。また、スペクトル傾斜値３００から入カバターンのス
ペクトル傾斜値が入カバターンスペクトル傾斜値メモリ
５０８に書き込まれる。入力ｉ４ターンスにクトル傾斜
値メモリ５０８は１次元のメモリであシ、その要素をＩ
　Ａ（ｎ）　、　（ｎ＝１〜Ｎ）で表わす。非類似度演
算部５００ではに個の標準・ξターンと入カバターンと
の非類似度を計算するが、ここではに番目の標準パター
ン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。

十ΣＣＣ（ｎ）ｘＷＡ −１ ＣＣ（ｎ）　＝　Ｉ　ＩＡ（ｎ）≧Ｑ１かつＡＡｋ（ｎ
）≦Ｑ２又はＩＡ（ｎ）≦Ｑ２かつＡＡｋ（ｎ）≧Ｑ１
−〇　その他　（６） ここでＳｋ（ｍ、ｎ）はに番目の標準パターンの要素（
ｍ＝１〜Ｍ＋　ｎ＝１〜Ｎ）　ｏ　Ｗ（ｍ、ｎ）は重み
決゛定回路５０５により決定される重み、ＡＡｋ（ｎ）
　、　（ｎ＝１−Ｎ　）は標準パターンにのスペクトル
傾斜値、Ｑｌ、Ｑ２は定数、ＷＡは非類似度Ｄｋの中で
のス被りトル傾斜値による非類似度の割合を決定するた
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５０７をゼロクリ
アする。次に、入力ｉ４ターンメモリ５０１゜から入カ
ッぐターンの要素Ａ　（ｍ　＋　ｎ　）と標準・ぐター
ンメモリ６００から標準／ぞターンにの要素８ｋ（ｍ　
ｒ　ｎ　）を読み込み減算回路５０２により　Ａ（ｍ、
　ｎ）　−８ｋ（ｍ、ｎ）を計算し、絶対値回路５０３
によシ絶対値をとり、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５６−１８４４１６　ｒ音声認識装
置」に開示されておシ、この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５０４の出力を切り換え
回路５０６を通じアキュムレータ５０７に加算する。ｍ
　＋　ｎをｍ＝　１〜Ｍ　、　ｎ　＝　１〜Ｎまで以上
の動作を繰シ返し、Ｄｋの第１項が計算されることにな
る。

次に入力パターンス被りトル傾斜値メモリ５０８から入
カバターンのス（゛クトル傾斜値ＩＡ（ｎ）。

（ｎ−１〜Ｎ）を順に読み出し、定数Ｑ１とのコンパレ
ータ５０９と定数Ｑ２とのコンパ、レータ５１０に加え
る。ここでＩＡ（ｎ）≧Ｑ１なら定数Ｑ１とのコンパレ
ータ５０９の出力は「１」となりＩＡ（ｎ）＜Ｑｌなら
ｒＯＪとなる。又ＩＡ（ｎ）≦Ｑ２なら定数Ｑ２とのコ
ンノミレータ５１０の出力は「１」と々す、ＩＡ（ｎ）
）Ｑ２なら「０」となる。一方、標準ノやターンス被り
トル傾斜メモリ５１１には標準パターンを構成する音声
・ぐターンのス被りトル傾斜値ＡＡｋ（ｎ）と定数Ｑｌ
およびＱ２と比較しＡＡｋ（ｎ）がどの範囲にあるかに
より標準・ぐターンス硬りトル傾斜比較値ＸＹｋ（ｎ）
にｒｌ　ＯＪ、ｒＯ０ＪＪＯＩＪの形であらかじめ書き
込んでおく。ここで、ＡＡｋ（ｎ）≧Ｑｌなら　ＸＹｋ
（ｎ）＝　ｒ　ｌ　ＯＪＱｌ　＞　ＡＡｋ（ｎ）＞　Ｑ
２なら　ＸＹｋ（ｎ）　＝　「００　ｊＡＡｋ（ｎ）≦
Ｑ２なら　ＸＹｋ（ｎ）＝　ｒ　０１　Ｊである。この
標準・やターンスにクトル傾斜比較値ＸＹｋ（ｎ）の上
位１ビツトはＡＮＤ回路５１３に入力され、下位１ビツ
トはＡＮＤ回路５１２に入力される。次に、標準パター
ンスペクトル傾斜値メモリ５１１からＱｌ　、　Ｑ２と
の標準パターンス硬りトル傾′斜比較値ＸＹｋ（ｎ）を
順に読み出し、定数Ｑｌとのコン・やレータ５０９、定
数Ｑ２とのコンパレータ５１０の出力とともにＡＮＤ回
路５１２およびＡＮＤ回路５１３に加える。ここで、Ｉ
　Ａ（ｎ）≧Ｑ１かつＡＡｋ（ｎ）≦Ｑ２ならばＡＮＤ
回路５１２の出力は「１」となり、ＩＡ（ｎ）≦Ｑ２か
つＡＡｋ（ｎ）≧Ｑ１ならばＡＮＤ回路５１３の出力は
１になる。次にＡＮＤ回路５１２およびＡＮＤ回路５１
３の出力をＯＲ回路５１４に加えることにより、ＩＡ（
ｎ）≧Ｑ１かつＡＡｋ（ｎ）≦Ｑ２又はＩＡ（ｎ）≦Ｑ
２かつＡＡｋ≧Ｑ１の時にＯＲ回路５１４の出力は「１
」になる。ＯＲ回路５１４の出力が「１」になった時に
定数発生回路５１５から定数ＷＡを発生し、切り換え回
路５０６を通じアキュムレータ５０７に加算する。

ｎを１〜Ｎまで変化させてアキームレータへの加算が終
了したら加算結果を非類似度Ｄｋとして判定部７００に
出力する。判定部７００では非類似度が最も小さい標準
ノｆターンのカテゴリを認識結果とする。定数Ｑｌ　、
　Ｑ２はスペクトル傾斜値が正から負へ変化する位置が
発声ごとにずれる場合があること、又、ノイズによ・シ
符号が逆転する場合にそなえ、入カバターンと標準パタ
ーンのスペクトル傾斜値の符号が明らかに異なる部分の
み類似度に加算するために ０２≦０１　≦　１ −１　≦Ｑ２≦−０，２ 程度に設定する。Ｑｌ、Ｑ２の絶対値が大きすぎる場合
は非類似度に加算されることが少なく効果が小さい。定
数ＷＡの値は入力・Ｐターンと標準・ぞターンのスペク
トル傾斜値の符号が異なるフレームが２〜３フレームあ
った時に１位、２位のカテゴリが逆転するように設定さ
れる。

以上説明したように第１の実施例では通常の・ぐター７
マノチングに加え音声のスペクトル傾斜値を比較してい
る。第５図は「サン」と１ヨノ」のスペクトル傾斜値を
比較した図である・「サン」の先頭数フレームは無声音
であり、スにクトル傾斜値が正になっているが、ヨノの
先頭数フレームは有声音であるためにスペクトル傾斜値
が負になっている。このため例えば「サン」と発声され
た入カスベクトルパターンと「ヨン」の標準・Ｐ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シも
非類似度が大きくなる。又、「サン」と発声された入カ
バターンを「サン」の標準パターンと比較する場合には
、発声スピードの違いによりスペクトル傾斜値が正から
負へ変化する点が多少ずれたとしても、どちらか一方が
Ｑ２〜Ｑ１の範囲内であれば非類似度に失点として加算
されることは々いので、非類似度は従来よりも大きくは
々らない。

したがって、「ヨン」の標準ノぐターンと「サン」と発
声された音声の非類似度はより大きくな９、「サン」と
発声された音声の非類似度はほとんど変化しないので、
誤認識が少なくなり、認識率が向上する。これらの関係
は「二」と「キーウ」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、音声の
スペクトル傾斜値を比較し、非類似度を演算しているの
で、「サン′」と「ヨン」、「二」と「キーウ」などの
間の誤認識が少なく、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ブロック図、第２図は音
声パターンの例、第３図はこの発明による音声認識装置
の一実施例、第４図は入力データＸ　（ｍ　＋　ｎ　）
とスペクトル変換データＡ　（ｍ　＋　ｎ　）との関係
を表わした図、第５図はスペクトル傾斜値の比較図であ
る。 １００・・・入力端子、２００・・周波数分析部、３０
θ・・・スペクトル傾斜値、４００　音声区間決定部、
５００　・非類似度演算部、５０１　人カバターンメモ
リ、５０２・・・減算回路、５０３・・絶対値回路、５
０４・・・乗算回路、５０５・・重み決定回路・　５０
６・・切り換え回路、５０７・・アキームレータ、５０
８・入カバターンスペクトル傾斜値メ−Ｅ：す、５０９
，５１０・・・コンノぐレータ、５１ノ・・・標準・ぞ
ターンスペクトル傾斜値メモリ、５１２゜５１３・・・
ＡＮＤ回路、５１４・・・ＯＲ回路、Ｊ　Ｉ　Ｊ　・定
数発生回路、６００・・・標準・やターンメモリ、７０
０・・・判定部、８００・・・認識結果出力端子。 第１図 ４　０ 第２図 ヨゝノ　二 寸ゝノ　キエフ ー粛浪数 ↓ ０如　明 第４図 （０） ル （ｂ） 第５図 （＋） １、事件の表示 昭和５８年　特　許　願第１２６２３８号２　発明の名
称 音声認識方法 図面「第２図」 ６、補正の内容　別紙のとおシ ロ、補正の内容 Ｃ１Σ、、、−ｘ　（ｍ、　ｎ））／ｃ５Ｊと補正する
。 ｍ＝１ （２）　同書第１０頁第１４行、第１５行、第１６行目
、第１１頁第１行、第２行、第７行目に「検出」とある
のを「決定」と補正する。 （３）　同書第１１頁第１５行目に［（ｍ−１〜Ｍ。 ｎ＝　１０−Ｎ　）　Ｊとあるのをｒ（ｍ＝１〜Ｍ。 ｎ＝１〜Ｎ）Ｊと補正する。 （４）同書第１５頁第３行目から第４行目に「出力はｌ
になる。」とあるのを「出力は「１」になる。」と補正
する。 （５）図面「第２図」を別紙のとおり補正する。

Claims (1)

1. 【特許請求の範囲】 入力音声のスペクトル傾斜値を作成する過程と、入力音
   声のスペクトル傾斜で正規化されたスペクトル・ぐター
   ンを作成す之過程と、 標準音声の予め用意されたスペクトルパターンと入力音
   声の前記スにクトルパターンとのパ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、 入力音声のスペクトル傾斜値が正のある一定値Ｑ１以上
   で前記標準音声のスペクトル傾斜値が負のある一定値Ｑ
   ２以下であるか、又は入力音声のスペクトル傾斜値が負
   のある一定値Ｑ２以下で前記標準音声のスペクトル傾斜
   値が正のある一定値Ｑ１以上である時に定数を発生させ
   るものであってこれを入力音声のスペクトル傾斜値・母
   ターンの全区間にわたって行い、発生する定数を累算す
   る過程と、 前記第１の非類似度と累算された前記定数とを加算する
   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。