JPS60203992A - 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） 本発明は音声認識方法に関し、具体的には単語入力音声
の終端の確認を待たないで、入力音声の始端検出から認
識動作を開始するようにした音声認識方法に関する。

（背景技術） 音声認識方法の一形式として、各標準音声に対応して周
波数成分のフレーム時系列として標準パターンを記憶し
ておき、入力音声から同じく周波数成分のフレーム時系
列として入カバターンを抽出し、入力・ぞターンと各標
準・ぐターンとの非類似度を計算し、その非類似度に基
づいて入力音声を識別する方法が知られている。

一例として、沖研究開発第１１８号第５３頁、昭和５７
年１２月、に開示されている。このような方法における
標準又は入力の音声パターンは、通常、規則的にフレー
ムを設定して周波数分析し、対数変換と最小自乗近似直
線を用いた声道長等の正規化とを経て、周波数成分のフ
レーム時系列として表現したものを用いる。

また、入カッやターンと各標準パターンとの非類似度を
計算するためにマツチングパスを設定する方法としては
、動的計画法を用いだＤＰマツチング法と前記文献に見
られるような本質的に線形なマツチング法とが知られて
いる。構成の簡易化の観点からは、線形マツチング法が
有利であるが、奔 第１図に例示した如く、単語の発生速度は変動がきわめ
て大きく、個人差があると共に心理状態や状況によって
も変動し、標準という感覚のもとてすら２０％〜４０チ
の発声長のばらつきが見られ何等かの工夫が必要である
。線形マツチング法には種々の形式が提案されているが
、前記文献に限らず、そこでは入力音声の終端を検出し
たのち、マツチングパスを設定していて、認識応答の面
では問題があり、入カバターンも始端から終端を確認す
るまで記憶しておく必要がある。

（発明の目的） 本発明の目的は、入力音声の始端を検出して直ちにマツ
チング動作を開始させることによって認識速度を高め、
且つ発声速度変動を予想してマツチングパスを設定する
ことによって発声速度の変動を吸収することにある。

（発明の概要） 本発明の第１の特徴は、入カッ９ターンの各フレーム毎
にマツチング処理を行ない、各フレーム毎に各標準パタ
ーンの各マツチングパスに対応した非類似度を更新記憶
するようにしたことにある。

まず、入力音声の有音状態の検出には音声パワーを用い
る方法を用いることができる。この場合音声の始端検出
はフレーム電力Ｐ（ｊ）　（但しｊは入力ｉｅターンの
フレーム番号）があらかじめ定められた閾値を越えた時
点を始端と考える。但し外部からの雑音などにより音声
入力が行なわれていなくとも電力Ｐ（ｊ）が閾値を越え
てしまい、誤った始端とする場合がある。そのため、と
もかくフレーム電力Ｐ　（ｊ）が閾値を越えたフレーム
を始端と考え認識処理を開始するものの連続して３フレ
一ム以上電力が閾値を越えなければその人力フレームを
音声の始端とは考えず認識処理を中断し始端検出のだめ
の処理へともどる。但し、フレーム長を１６ｍ５ｅｃ。

とじている。ここで音声の始端からフレーム電力が閾値
を越えたフレームの番号付けを定義しｈ番目の音声フレ
ームと称し、単なる入力フレーム番号とは区別する。す
なわち、音声フレーム番号りの音声フレームは、有音区
間でｈ番目の入力フレームに対応する。

発声速度の正規化を行なうマツチング処理を音声の始端
から開始し、音声分析部用力が得られる周期（フレーム
周期）ごとに行なえれば音声分析部のデータを始端から
すべて格納しておく必要もなく、また、応答時間も速く
なる。

本発明の第２の特徴は発声がおそく行なわれた場合、標
準的に行なわれた場合、はやく行なわれた場合を想定し
たマツチングパスを設定しそれぞれのマツチングパス上
でのマツチング処理を行なうことにある。音声の始端検
出時点では今から入力される単語の発生速度は不明であ
る。そこで発生がおそく行なわれた場合、標準的に行な
われた場合、はやく行なわれた場合を想定したマツチン
グパスを設定し、それぞれのマツチングパス上でマツチ
ング処理を行々えば終端検出前からでもマツチング処理
が開始可能となる。もちろん、この場合、入力の終端と
標準ノｅターンの終端が一致するパスが存在する可能性
は少ないが、入力の終端と標準パターンの終端が最も一
致している・ぐス上での非類似度が最小となることが予
想される。

一方、単語には「イチ」の「イ」と「チ」の間のように
単語内にフレーム電力が閾値に満たない部分を持つ単語
がある。このような部分を「ノクワーディソグ」と称す
る。このノヤワーディップの長さは単語によって１なる
が通常３０フレーム長を越えることはほとんどない。音
声の始端を検出後、あるフレーム時間点においてそのフ
レーム電力が閾値未満となった場合、そのフレーム時間
点は・ぐワーディッゾの始まりなのか、音声の終端なの
かは判断がつかない。この判定は通常、フレーム電力が
閾値未満の区間が３０フレ一ム以上あるかないかによっ
て行なうため最大３０フレーム後でなければ判断が下さ
れない。従って、フレーム電力が閾値未満となった場合
のマツチング結果は何らかの形で保留されなければなら
々い。本発明では、音声フレーム番号の更新を停止して
、フレーム電力が閾値未満となったフレームに対しては
マツチング処理を停止することによシこの問題を解決す
る。

第２図（ａ）は本発明による音声認識方法における入力
・ぐターンと標準パターンとのマツチングを行なう複数
のマツチングパス上例を示した図、第２図（ｂ）は入力
・ぐターンのフレーム電力例を示した図、第２図（ｃ）
は入カバターンと標準・々ターンとの各マツチングパス
における非類似度Ｄｎ（ｊ）　、　Ｄ’ｎ　（ｊ）　、
Ｄ”ｎ（ｊ）の例を示した図である。

第２図（、）においては発声速度の範囲を例えば±２０
％と考え、マツチングパスを３本設定した場合を示して
いる。第２図（ａ）において、横軸は入力／−，ｌ）タ
ーンのフレーム番号を表わす。また、縦軸は標準・やタ
ーンのフレーム番号を表わし、ｎ番目の標準パターンＳ
ｎを例として考え、そのフレーム長を５Ｌ（Ｆｌ）とす
る。１０１は発声を２０チ遅く発声した場合を想定した
・ぐス、１０２Ｖｌ標準的な発声を想定した・ぐス、１
０３は発声を２０％速く想定した場合のパスを示す。３
番目の入力フレームの電力が開鎖以上の場合、３本のノ
クス上での標準パターンＳｎとの距離を次式によって与
える。但し、ｈはｊ番目の入力フレーム番号に対応した
音声フレーム番号であり、Ｗ（ｉ、ｊ）は入力フレーム
番号がＪでチャンネル番号が１（但し、ｉ　＝　１〜８
）の入力・ｅターンであり、’Ｓｎ　（ｉ、ｋ　）はフ
レーム番号がｋでチャンネル番号がｌの標準パターンで
ある。

パス１．０１に対する距離 ｄ　ｎ　（ｊ）＝ΣＩＷ（ｔ、Ｄ−８ｎ　（ｔ、ｋ）　
１１＝１ パス１０２に対する距離 ｄ　’ｎ　（ｊ）−ΣＩＷ（ｉ、ｊ）−８ｎ　（ｉ、に
′）１パス１０３に対する距離 ｄ＃ｎ（ｊ）＝ΣＩｗ（ｔ、ｊ）−８ｎ（ｉ、ｋ“）１
−１ 尚、〔〕はガウス記号を示す。

前記の式によればノｅス１０’ｌにおいては人カッやタ
ーンの３番目の入力音声フレームと標準パターンのに番
目のフレームの間の距離計算を行々う。

パス１０２においては入カバターンＪ番目の入力フレー
ムと標準ノぐターンのに′番目のフレームの間の距離計
算を行ない、ｉＱＱ１００．３においては入力・ぐター
ンのｊ番目の入力フレームと標準パターンのに″番目の
フレームの間の距離計算が行なわれる。

但し、標準パターンのフレヘム番号を示すｋ　、　ｋ’
。

ｋ“はその標準パターンの長さ５Ｌ（ｎ）より大きくな
る場合には５Ｌ（ｎ）に制限される。

一方、ｊ番目の入力フレームの電力が閾値未７．ｊ、％
の場合、それぞれのパス上での距Ｍ　ｄｎ（ｊ）　、　
ｄ’ｎ（ｊ）　。

ｄ’ｎ（ｊ）を強制的に ｄ　ｎ　（ｊ）＝　０　・第４式 ｄ’ｎ　（ｊ）＝　Ｏ・・第５式 ｄ“ｎ（ｊ）＝Ｏ第６式 とすることによりフレーム電力が閾値以下の場合の非類
似度計算を事実上加算しない処理を行なう。

またこのために、標準ノやターンもパワーディ、プ対応
のフレームを除いた形で蓄積する。

このように、パワーディノブや標準ノミターンの終端以
後でのマツチングのように、非類似度としてＭ９でない
フレームでは距離を０としているけれども、本発明では
本質的に線形なマツチングである。、 次に入カッＰターンの３番目の入力フレームまでの非類
似度Ｄｎ　（Ｆ）　、　Ｄ’ｎ　（ｊ）　、　Ｄ”ｎ　
ｌ）が計算される。

・ぐス１０１の非類似度 Ｄｎ（ｊ）−ｄｎ（ｊ）＋Ｄｎ（ｊ　−１）　第７式％
式％ Ｄ’ｎ（ｊ）＝　ｄ’ｎ（ｊ）＋Ｄ’ｎ　（ｊ　−１）
　・第８式パス１０３の非類似度 Ｄ’ｎ（ｊ）−ｄ’ｎ（ｊ）＋Ｄ’ｎ　（ｊ　−１）　
−第９式すなわち、それぞれのパス上での３番目のフレ
ームの非類似度の算出は各チャンネルごとの距離（例え
ばＩＷ（ｉ、Ｄ−８ｎ（ｉ、ｋ）　ｌ　）をチャンネル
分、ｊ−１番目のフレームに対する非類似度値（たとえ
ばＤｎ（ｊ−１））に加えることによって得られる。

これらの演算は３番目のフレームの入力がなされた時点
で行なわれる。３番目のフレームに対する非類似度の算
出にあたっては３番目のフレームの入カバターンデータ
とそれぞれのｉｅスに相当する標準パターンのデータお
よび１フレーム前のＪ−１番目のフレームの非類似度デ
ータのみが必要であって２フレ一ム以上前の入カッ９タ
ーンデータは不必要である。そのため、終端を検出する
までの入カッやターンを格納しておかなければならない
線形伸縮マツチング法に比較しても記憶領域が小さくな
る効果が生じる。

第２図（ｃ）は入力・ぐターンと標準・ぐターンとの各
マツチングパターンでの非類似度Ｄｎ　（ｊ）　、　Ｄ
’ｎ　（ｊ）　。

Ｄ”ｎ（ｊ）を示したものであるが、第２図（Ｃ）に見
られるようにフレーム電力が閾値以下となったとき距離
値を強制的に０にすることにより非類似度Ｄｎ　（ｊ）
　。

””　（Ｊ）　＋　Ｄ“ｎ（Ｊ）は保持される。従って
、終端における非類似度と終端から３０フレームへだて
だ入力フレーム（この時点で初めて終端が検出される）
における非類似度は等しい。

次に、音声の終端を検出した時点（音声の終端から３０
フレーム後）から各標準パターンごとに得られた非類似
度によってカテコ゛リーの判定が行なわれる。終端検出
時点の入力フレーム番号をＪ、音声フレーム番号をＨと
するとｎ番目の標準パターンに対する各ノクスの非類似
度はＤｎ　（Ｊ）　、　Ｄ’ｎ　（Ｊ）　。

Ｄ　ｎ　（Ｊ）で与えられる。これらの非類似度の組が
杼準・やターンの数（Ｎとする）だけ存在する。これら
の非類似度を用いてカテゴリー判定を行なう手法につい
て述べる。判定第１ステツプは次のように行なわれる。

寸ず、ｎ番目の標準ノ９ターンに対する各／Ｆスごとの
非類似度Ｄｎ　（Ｊ）　、　Ｄ’ｎ　（Ｊ）　、　Ｄ“
ｎ　（Ｊ）のうち１つが選択される。この選択にあたっ
ては音声終端検出時の音声フレーム番号Ｈに対して次式
で与えられるり、Ｌ’、Ｌ“が用いられる。

パス１０１　Ｌ＝Ｃ−Ｈ：］　・第１１式）ｅ７．１０
２　Ｌ’＝Ｈ−第１１式 ノぐス１０３　Ｌ“＝〔工Ｈ〕　・・・第１２式これら
の値り、Ｌ’、Ｌ“は音声フレームに対応する標準／ｅ
ターンのフレーム数を与える式に類似しているが、標準
／ぐターンの長さＳ　Ｌ　（ｎ）によって制限されるこ
とはない。従って、Ｌ　、　Ｌ’、、　Ｌ“は標準・や
ターンの種類とは無関係である。これらり、Ｌ′、Ｌ“
のうち標準・（ターンの長さＳ　Ｌ　（ｎ）に最も近い
値を示すパスに対応する非類似度のみを選択する。たと
えば、Ｌ′が５Ｌ（ｎ）に最も近いとすると・ぐス１０
２が対応しそれに対する非類似度Ｄ’ｎ（Ｊ）が選択さ
れる。

選択された非類似度をＤＤｎとするこれらの選択は標準
パターンごとに行なわれる。

次に判定の第２ステノゾが行なわれる。前記側、定第１
ステ、ゾによって得られた標準・ぐターンごとの非類似
度ＤＤｎに対して最小値をめる。この最小値を与える標
準パターンに付加されたカテコ゛リが認識結果となる。

（実施例） 第３図は本発明におけるマツチング処理と判定処理を行
なう回路構成を示した一実施例である。

以下、その動作について詳細に説明する。

第３図において、５２は始端からの音声フレーム数をカ
ウントする音声フレームカウンタで、始端検出時はリセ
ット・ぞルス５０によってその内容は０となり以後入力
フレームの電力が閾値を越えたときに入力されるカラン
トノぐルス５１によってカウントアノｆ動作を行なう。

入力フレームの電力が閾値未満の場合にはカランＦ　７
Ｆルス５ノは付加されず、音声フレームカウンタ５２の
出力は保持される。音声フレームカウンタ５２の出力で
ある音声フレーム番号をｈとする。５３はマツチングの
際の・やスの種類を表わす信号でパスの数は３本なので
０〜２の値をとる。５４はｈ番目の音声フレームにおい
て各パス上で対応する標準ノやターンのフレーム番号を
与えるＲＯＭである。ＲＯＭ　５４１ には［Ｔｆ−ｇ−ｈ　〕、　ｈ　！　［、ｈ　）に相当
する値が格納されている。ＲＯＭ　５４の出力をｔとす
る。５５は標準パターンの番号を与える標準・ぐターン
番号信号であってｎとする。標準パターンの総数がＮの
とき０−Ｎ−’１の値をとる。５６はｎ番目の標準ノや
ターンに対してその標準・母ターンの長さＳ　Ｌ　（ｎ
）を格納するＲＯＭである。５７は標準パターンフレー
ム番号ｔを出力するＲＯＭ　５４の出力と標準パターン
の長さＳ　Ｌ　（ｎ）を出力するＲＯＭ　５６の内容を
比較してｔ≦Ｓ　Ｌ　（ｎ）ならばｌ″を、ｚ）ＳＬ（
ｎ）ならば°゛０″を出力スルコンノぐレータ−ｔ’、
ｓル。５８はコンパレータ５７の出力が°゛１″のとき
はＲＯＭ　５４の出力を、コンノやレータ５７の出力が
“Ｏ”のときはＲＯＭ５６の出力を選択するセレクタで
ある。コン・ぐレータ５７とセレクタ５８によってｔ≦
ＳＬ　（ｎ）ならばｔが、Ａ）ＳＬ（ｎ）ならば５Ｌ（
ｎ）がセレクタ５８より出力される動作が行なわれる。

セレクタ５８の出方をｋとする。５９はチャンネル番号
ｌを与える９号である。６０はチャンネル番号ｌとセレ
クタ５８の出力例えばｋと標準ノソターン番号信号ｎに
よってアドレッシングされ標準パターン５ｎ（ｉ、ｋ）
を出力する標準パターンのメモリである。６１はスペク
トル正規化を行なった１フレ一ム分の入カバターンＷ（
ｉ、ｊ）を格納しておくメモリでチャンネル番号信号５
９によってアドレスが与えられる。

６２はメモリ６１の入力端子であり、図示しないスペク
トル正規化部でスペクトル正規化された入力データＷ（
ｉ、ｊ　）が入力される。６３はメモリ６ノの出力Ｗ（
ｔ、ｊ　）と標準パターンＲＯＭ　６０の出力５ｎ（ｉ
、ｋ）の間でコントロール信号Ｃ０ＮＴによって以下の
値を出力する演算器である。

Ｃ０ＮＴ　＝　１のとき　ＩＷ（ｉ、ｊ）−８ｎ（ｉ、
ｋ）　ｌを、閾値未満のときは′０″となる信号である
。

６４は加算器、６５は・やス信号５３と標準パターン番
号信号５５の値をアドレスとするＲＡＭであり非類似度
Ｄｎ（ｊ）　、　Ｄ′ｎ（ｊ）　、　Ｄ″ｎ（ｊ）が格
納される。６７は音声フレーム長りに対して判定第１ス
テツプにおける選択すべきノ９ス番号を与えるＲＯＭで
ある。但し、選択すべきパス番号は標準ンやターンごと
に力えられるためＲＯＭ　６７は音声フレーム番号りと
標準ノｅターン番号ｎをアドレスとして入力しそのとき
選択すべきパス番号を出力する。６８はＲＯＭ６７の出
力とＡス信号５３とを比較して一致すると１を出力する
コンパレータである。６９はコンパレータ６８の信号に
従いコン・ｅレータ６８の出力が１″′のときはＲＡＭ
　６５の出力をそのまま、またコンパレータ６８の出力
が０″のときはＲＡＭ　６５の出力を非類似度最大値に
変換するだめのコンバーりである。７０はコンバータ６
９の出力と後で述べるレジスタ７ノの出力を比較して小
さい方のイ直を出力するコンバータであり、２つの信号
を出力する。１つは比較した結果のうち小さい方の値を
与える信号であり、この信号はレジスタ７ノに格納され
る。もう一方の信号は比較の結果コンバータ６９の値の
方が小さければ発するクロックでありレジスタ７２の入
力り口、りとなる。

レジスタ７ノは非類似度の最小値を力えるレジスタであ
りフレーム周期の始めに非類似度の最大値がセットされ
る。レジスタ７２はコンバータ７０の出力・ぐルスによ
って標準パターン番号信号を格納するレジスタで非類似
度最小値を与える標準ツヤターンの番号が格納されてい
る。

第３図は以上の如く構成されており、以下動作について
説明する。

各処理はフレーム電力Ｐ（ｊ）が閾値以上となった時点
から開始されるが、３フレ一ム以上連続してフレーム電
力Ｐ　（ｊ）が閾値以上でなければ処理はリセットされ
る。音声の始端フレーム前はカウンタ５２はリセッＦ　
’　／９ルス５０によってリセット状態にある。また、
メモリ６５の値はすべてリセットされている。以後、始
端検出後の１フレ一ム周期内の処理を順次説明する。但
し、説明のため入力フレーム番号はＪとする。３番目の
入力フレームのフレーム電力が閾値を越えた場合、カウ
ント・ぐルス５ノがカウンタ５２に印加され、カウンタ
５２はカウントアツプし音声フレーム番号りを出力する
。

音声フレーム番号りに対応する標準・やターンのフレー
ム番号はＲＯＭ５４とコンパレータ５７とセレクタ５８
によって出力される。ｎ番目の標準パターンのに番目の
フレームの１チャンネルのデータ５ｎ（ｉ、ｋ）はＲＯ
Ｍ　６０によって出力される。一方、メモリ６ノには前
段のスペクトル正規化部（図示せず）より出力される３
番目の入力フレームのスにクトル正規化後の入力データ
Ｗ（ｉ、Ｄが入力端子６２より入力され格納されている
。ＲＯＭ　６０の出力Ｓｎ（＋、ｋ）とメモリ６ノの出
力Ｗ（ｉ、ｊ）はチャンネル番号信号５９に同期して出
力され演算器６３において第１３式に与えられる演算を
行なう。演算器６３の出力とメモリ６５の間で第１式〜
第９式に相当する演算が実行される。実際は第１式〜第
９式の演算は統合された次の形式で行なわれる。

次に判定第１ステツプの動作について説明する。

判定第１ステ、プに必要なノＰスの選択はＲＯＭ６７と
コンノやレータ６８とコンバータ６９によって行なわれ
る。ＲＯＭ　６７にはｎ番目の標準・ぐターンにおいて
音声フレーム番号りの場合に選択されるべき・やス番号
が格納されており、その設定基準は音声フレーム番号に
対する第１０式〜第１２式の演算結果のうちｎ番目の標
準ノ９ターンの長さＳ　Ｌ　（ｎ）に最も近い・ぐス番
号によって与えられる。

ＲＯＭ　６７の出力のパス番号とパス番号ｎがコンパレ
ーク６８によって比較され、コン・ぐレータ６８では両
者が一致すれば１″をコンバータ６９に出力スル。コン
バータ６９ではコンパレータ６８からの入力が”　］　
”のときはメモリ６５の出力を、”　ｏ　”のときは非
類似度の最大値を出力しており、この処理によりコンノ
ぐレータ６８からの出力が”　０　”、すなわちＲＯＭ
　６７の出力とノヤス番号ｎとが一致しない場合、その
ときの非類似度が最小判定処理によって選択されること
を実質的に禁示している。この処理により判定第１ステ
、フ０が行なわれる。次にコンバータ７０によってレジ
スタ７ノに格納されている非類似度とコンバータ６９に
よって出力される非類似度のうち小さい方がレジスタ７
ノに格納される。と同時にコンバーク６９の出力の方が
小さければパルスがレジスタ７２に加えられそのときの
標準パターン番号がレジスタ７２に格納される。この処
理をすべての標準ｉＱターンについて行なえばそのとき
の最小非類似度を与える標準パターン番号がレジスタ７
２に格納されることになる。以上の１フレ一ム周期内の
処理に対するタイムチャートを第４図に示す。

以上の処理は１フレ一ム周期ごとに行なわれ終端が検出
された時点におけるレジスタ７２の結果が最終的な認識
結果となり、出力端子７３から出力される。

（発明の効果） 本発明は以上説明したように、入力フレームごとに距１
ｌｌｌｔ割算、非類似度計算を行なうため終端検出後、
１フレ一ム以内に認識結果が出る利点がある。また、非
類似度計算のためには前の入力フレームに対する非類似
度値と現入力フレームに対する距離値との累算を行なう
だけでよく、始端から終端捷での入力データを格納する
必要が外い。

さらに、回路構成の簡易化を目的とした方式であるため
ＬＳＩ化が容易であり、ケ゛−ト数の少々い安価な音声
認識用ＬＳＩチップを供給すると同時に汎用マイクロプ
ロセッサのソフト処理によっても実現され得るものであ
る。

【図面の簡単な説明】

第１図は発声長変動を説明するための図、第２図は本発
明のマツチングパスの概要を説明するために示した図、
第３図は本発明の一実施例を示すブロック図、第４図は
本実施例の１フレ一ム周期内の処理に対するタイムチャ
ートを示した図である。 ５２・・音声フレーム番号りのカウンタ、５４・。 標準・ぐターンのフレーム番号相当のものを発生させる
ためのＲＯＭ、５６・・・標準パターンの長さを記憶シ
ているＲＯＭ、５７・・コンツヤレーク、５８　セレク
タ、６０・・標準パターンのメモリ、６１　人カバター
ンのメモリ、６３・距離の演算器、６４・・加算器、６
７・・選択すべきパス番号のＲＯＭ　。 ６８・コンノやレータ、６９・コンバータ、７０コンバ
ータ、７１・・最小非類似度のメモリ、７２・・・認識
結果としての標準パターン番号のメモリ。 第１図 り数 第４図 フンバレー７６８ レン□゛スク　７２ 手続補正書（自発） １　事件の表示 昭和５９年　特　許　願第０５８４３５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
号住　所（〒１０５）　東京都港区虎ノ門１］泪７番１
２号５、補止の対象　明細書中「発明のｉｆ　、Ｙ−１
１１な説明」の４ｆｆｌ及び６　補正の内容 （１）　明細書第４頁第１行目に１声道長等」とあるの
を「声帯振動特性等」と補正する。 （２）　同１第６頁第１行目から第２行目に１以上電力
が」とあるのを１以上フレーム電力が」と補正する。 （３）　同１．第７頁第１行目と第１行目から第２行目
にかけて「発生」とあるのを１発声」と補正する。 （４）　同頁筒２０行目から第８頁第２行目に「この判
定は通常・あるかないかによって」とあるのを「この判
定は通常、その時点から３０フレームの間に音声の始端
条件（３フレ一ム以上連続してフレーム電力が閾値以上
）を満足するフレームが存在するかしないかによって」
と補正する。 （６）　同１第１２頁第９行目と第１３行目に１番目の
フレーム」とあるのを［番目の入力フレーム」と補正す
る。 （７）　同書第１８頁第５行目に１１を出力する」とあ
るのをｒ”ｔ”を出力する」と補正する。 （８）　同書第１９頁第１９行目に「ＲＯＭ　５４とコ
ンｉＥレータ」とあるのをｌＲＯＭ　５４とＲＯＭ５６
とコン・やレータ」と補正する。 （９）　同１第２１貞第４行目と第１１行目に「パス番
号ｎ」とあるのを「パス信号５３」と補正する。 （１０）図面「第２図（ａ）」と「第４図」を別紙の通
り補正する。

Claims (1)

1. 【特許請求の範囲】 各標準音声に対応して周波数成分のフレーム時系列とし
   て表現された標準パターンと・やス選択情報とを記憶し
   ておき、 ａ）入力音声から周波数成分のフレーム時系列として入
   カバターンを抽出し、 ｂ）入力音声の始端を検出して入カバターンのフレーム
   の計数を開始して音声フレーム番号を更新し、無音状態
   を検出している間は音声フレーム番号の更新を停止し、
   入力音声の終端を確認する以前に有音状態を検出すると
   当該音声フレーム番号の更新を再開し、 Ｃ）音声フレーム番号の更新毎に、そのフレーム番号に
   本質的に線形々関係で標準・ぐターンの複数のフレーム
   番号を発生させることによって各標準ハターンとの間に
   複数のマッチングパスヲ設定し、 ｄ）音声フレーム番号の更新毎に、前記各マツチングミ
   ９スで対応づけられたフレーム間で入カバターンと各標
   準パターンとの距離を計算し、ｅ）入力音声の始端から
   任意の音声フレーム番号までの前記マツチング）Ｐスに
   沿った前記距離の累算値を非類似度として、音声フレー
   ム番号の更新毎に、直前の非類似度と当該フレーム番号
   での距離とを加算して一旦記憶することによって、各標
   準・やターン毎の各マツチング・ぐスに対応して非類似
   度を更新記憶し、 ｆ）音声フレーム番号の更新毎に、前記パス選択情報に
   基づいて各標準パターンに対応して１つのノクス選択信
   号を発生させ、各標準パターン毎に前、記パス選択信号
   に対応した非類似度を選択し、選択された非類似度のう
   ちで最小値を与える標準パターンのコードを前記音声フ
   レーム番号の更新毎に更新記憶し、 ｇ）入力音声の終端を確認した時点で、入力音声の終端
   の音声フレーム番号に対応して記憶されている最小値を
   与える前記標準ノソターンのコードを入力音声のカテゴ
   リとして認識することを特徴とした音声認識方法。