JPS60250399A - 音声メツセ−ジ識別方式 - 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］ 本発明は電子機器を音声メツセージによって操作するた
めの音声メツセージ識別方式に関するものである。

［背景技術］ 音韻情報は調音方法によるので、主に断面積の変化に対
応した周波数スペクトルの包絡線に含まれており、特に
共振周波数（第１、第２、第３ホルトマントＦ１．Ｆ２
．Ｆ３）と、その帯域幅（５０〜１１０Ｈｚ）によって
特徴付けられる。音声の周波数スペクトルは上記声道の
伝達特性と音源波形の形状で、はぼ決まるが声道の伝達
特性は声道断面積による共振点と声道長によって決まる
共振点が含まれており、調音即ち音韻はほぼ声道断面積
で決まり、声道長は男性、女性、子供や個人差による。

さらに音源波形（特に有声音の声帯振動によるもの）は
声の商さや、強さによると考えられる。

従って音韻識別のためには、音源波形や声道長の影響を
除いた周波数スペクトルの包絡線を抽出することによっ
て、個人差等の少ない高い識別能力（認識率）が得られ
る。ところでスペクトル包絡を得る方法を用いて音声認
識を行う場合高い認識率や多くの認識語数が得られるが
、公知の方法（例えば全極型モデルによる線形予測分析
）では計算量が膨大なため、コンピュータなどの高価な
システムを必要とし用途が限られる。ところで予測残差
としては、周波数スペクトルが平坦なインパルス列（有
声音）とラングムノイズ（無声音）の音源波形を含む。

ここで有声音の場合、第１６図（ｇ）に示す音声波形の
音源波形が同図（ａ）である場合には同図（ｂ）のよう
なインパルス音源と見なされることによる。

ところで実際の音声の波形や、第１６図（ｆ）の音源波
形を見ると直感的に同図（ａ）の音源波形の微分波形（
同図（Ｃ））が重なっているように見える。

そして音源波形の立ち下がりの傾斜が緩やかであるに対
し、立ち下がりは急峻であるため微分波形の大きさは下
向きが大きく、上向きが小さい。

一方、ボルトマントやスペクトル包絡を推定するために
有声音源の影響を除くためには周波数スペクトル上の積
を和に変換する型開形処理が知られているが、複素ケプ
ストラムで分離することになりでデータ量の多い高速７
−リエ変換を２度も繰り返さなければならないので、簡
易とは言えなかった。

又スペクトル包絡やボルトマントをめる方法では短区間
分析方式が知られている。これは有声音の周期よりやや
長いめかあるいは３　ｍ５ｅｃ程度の短い区間（特に声
門の閉鎖区間）内で、線形予測分析をするもので、声帯
振動数の影響を受けず、ホルトマンＦがめられると言わ
れているが、線形予測のため相関関数をめたり、短区間
の決定の為に共分散行列を計算する等乗算回数が多くな
るという問題が有った。

そこで本発明者らは音声の大振幅時点を分析窓の中心に
する短区間の高速７−リエ変換で、スペクトル包絡が簡
単な区間決定と少ない乗算回数で計算できる方式を提案
したが声門の闇区間で第１６図（ｅ）で示す音源波形の
微分波形のようなもので分析していると見なせば個人差
の影響を受けていると言わざるを得ない。（但しスペク
トル包絡がおおざっばで良い場合には簡易型としては実
用的。） ［発明の目的１ 本発明は上述の問題点に鑑みて為されたもので、その目
的とするところは計算量が少なく、話者の個人差や声帯
振動の影響が少ない音声メツセージ識別方式を提供する
にある。

［発明の開示］ まず本発明の基本原理を考察してみる。線形予測分析の
ように声道モデルを線形システムとして考えてみると、
音声波形は音源波形と声道の伝達特性（インパルス応答
）とのたたき込み演算となるが、第１６図（ａ）のよう
な音源に対するインパルス応答をするシステムが実際の
声道モデルといえるわけである。このため現実に音源波
形を観測してインパルス列に対する音源モデルを作るこ
とは、２重のたたみ込みになるので極めて困難である。

そこで簡単で実用的であれば良いので実際の実験結果で
効果があれば良いと考え、上述したように音声の５母音
（ＩｙｅｙＪ１５０ｙｕ）の時間波形を見ていると第１
６図（ｃ）のような音源の微分波形が含まれているよう
に見えるから、最も単純に考えて、音源波形が第１６図
（ｆ）の場合の微分波形である同図（ｅ）の波形を同図
（ｇ）の波形から引き算して高速７−リエ変換を行った
のが本発明の基本的な技術思想である。ここで分析区間
は第１６図（ｅ）で示したＩ、１の区間内であれば良い
が、この場合同図（Ｊ）に示したインパルスに対する応
答の７−リエ変（実施例） 第１図は本発明の処理フローに基づいた回路構成図であ
り、図中１は高域強調部で、この高域強調部１は入力音
声の高域を強調させるためのものである。２は高域強調
された入力音声をＡ／Ｄ変換するＡ／Ｄ変換部で、この
Ａ／Ｄ変換部２からの出力は区間補償部３と、ピッチ検
出部４とに入力する。ピッチ検出部４はＡ／Ｄ変換され
た１フレーム内の音声の時間波形の振幅のＭｉ対値ＩＰ
ＯＷをめて所定サンプル数の平均値がフレーム内の前半
で最低となる第１の下向き大振幅点ＩＰＮ］を検出する
とともにこれに続く第２の下向き大振幅点ＩＰＮ３をめ
てこれら下向き大振幅点ＩＰＮＩとＩＰＮ３とからピッ
チＩＰｉｔをめるためのものである。区間補償部３はピ
ッチ補償を行うためのもので、第１６図（ｅ）に示す波
形を第２の下向き大振幅点ＩＰＮ３の手前で検出した上
向き大振幅点ｌＰＮ２との間で引き算をすることにより
補償するようになっており、このオフセット値はｌＰＮ
１点で第４図（ｂ）に示すように振幅−ＩＰＯＷとなる
点Ａと、ｌＰＮ２点で振幅ＩＰＯＷとなる点Ｂとを直線
Ｘで結んだものとする。尚第４図中ＩＰＮＯは最も手前
の大振幅点である。

又オフセット値としては、第１の下向き大振幅点Ｉ　Ｐ
’Ｎ　１でのピーク値の半分の点Ｃと、上向き大振幅点
ｌＰＮ２でのピーク値の半分の点りとを直線で結んだも
のとしたり、あるいは上向き大振幅点ＩＰＮＯと下向き
大振幅点ＩＰＮＩとの間で−ＩＰＯＷとなる第５図（ｂ
）に示す点Ｅと、上向き大振幅点ｌＰＮ２と下向き大振
幅点ＩＰＮ３との中間でＩＰＯＷとなる点Ｆとを直線で
結んだものとしてもよい。尚第４図（、）、第５図（ａ
）は夫々第４図（ｂ）、第５図（ｂ）の音声の周波数ス
ペクトラムを示す。５は分析区間決定部で、この分析区
間決定部５は下向き大振幅点ＩＰＮＩより６４点、ある
いは３２点以内、又は（ＩＰＮ２−ＩＰＮＩ）の１／２
，１／４といった値に設定する。ここで高速７−リエ変
換のサンプル数としては６４，１２８．２ｊ６といった
２のべきになるのが一般的であるが、ウィンドウの計算
の都合で、短区間の長さとして３２点と６４点とを採用
した。７は高速７一リエ変換部で、この高速７一リエ変
換部７は高速７−リエ変換によって周波数スペクトルの
包絡をめるためのものであり、演算時には分析窓計算部
６によって定められたスペクトルウィンドウが掛けられ
る。分析窓計算部６は高速７一リエ変換部７でのスペク
トル包絡線抽出をより正確にかつより少ない計算量（乗
算回数）で行なえるように高速７−リエ変換にかけるス
ペクトルウィンドウの長さ及び位置を最適化するための
ものである６８は周波数帯域分割部で、この周波数帯域
分割部８は高速７一リエ変換部７で抽出され周波数スペ
クトルを対数パワースペクトルにした後の出力から各周
波数成分の短時間平均パワー、例えばｔＪ　Ｖ、■、Ｖ
Ｈ，ＶＬ、ＶＦ、ＶＢの６成分を得るためのもので有る
。ここで、■は音声入力中、０〜１ＫＨｚの周波数帯域
の短時間平均パワーをしめしており、有声音のエネルギ
に対応している。ＵＶは音声入力中、５〜１２ＫＨｚの
周波数帯域の短時間平均パワーを示しており、無声音の
エネルギに対応している。また有声音のＶＬ、ＶＨ，Ｖ
Ｂ。

ＶＦは夫々音声入力中、０〜０．５ＫＨｚ、０゜５−１
，０ＫＨｚ、１．０−２，０ＫＨｚ、及び２゜０〜４．
０ＫＨｚの周波数帯域の短時間平均パワーを示しており
、夫々狭顎音、広顎音、後舌音、及び前舌音のエネルギ
に対応している。９は差信号ベクトル変換部で、この差
信号ベクトル変換部９は上記各短時間平均パワーより、
５音韻（１、ｅ、ａ、　ｏＳｕ）が夫々ｅａｏ／　ｉｕ
、　ａ／　ｅｏＳｅ／　Ｏｓ　ｉ／　ｕにほぼ分けられ
るようにＵＶ／Ｖ、ＶＨ／ＶＬ、ＶＦ／ＶＢ、’　ＶＢ
／ＶＬ、ＶＦ／ＶＨの差信号ベクトルをめるものである
。１８は上記周波数帯域分割部８と、差信号ベクトル変
換部９とが周波数帯域分割による差信号ベクトルをめる
ためのものであるに対して、ホルマントベクトルをめる
ためのホルマント軌跡変換部であって、スペクトル包絡
のピーク周波数（ホルマント周波数）をめてホルマント
ベクトルとしており、ホルマントベクトルの成分は各ホ
ルマントごとの平均値に対する差を成分とし、周波数軸
を対数あるいは線形スケールで表したものである。尚ピ
ッチ検出により各ホルマントごとの基準周波数となる上
記の平均値を男性、女性、子供といったクラスに切り換
えることによって、認識率の向上が図れる。第１５図（
ａ）、（ｂ）は５母音のホルマント分布と、ピークの位
置を示す。１０は記号ベクトル変換部で、この記号ベク
トル変換部１０は上記差信号ベクトル又はホルマントベ
クトルと変換行列とで記号ベクトル＋ｉ、　ｅＳａ、　
ｏ、　ｕＳｈ、　ｌ、ｆ、　ｂ、　ｍｌに変換するもの
で、変換行列の値は記号に対応する差信号ベクトルある
いはホルマントベクトルの各成分の大きさに相当する行
成分を持っておればよい。１１は始端・終端検知部で、
この始端・終端検知部１１はＵＶ／Ｖ差信号が、ある設
定値Ｒｕより正のときＵＶと判定し、ある設定値Ｒｖよ
り負のとき■と判定し、その中間をＳと判定する有声、
無声判定機能を備え、ＵＶ、■の判定により音声の始端
を検知し、無音がある設定値以上のサンプル数の間、継
続すると終端と検知するものである。１２は記号変換処
理部で、この記号変換処理部１２は■の区間では記号ベ
クトルの最大成分がある設定値以上の場合にはその記号
を出力し、設定値以下の場合にはイを出力する。またＵ
ＶとＳとの区間では、夫々ＵＶ、Ｓを出力する。１３は
整形処理部で、この整形処理部１３は同じ記号の繰り返
しを一つの記号とその継続時間とのリストに直し、さら
に継続時間が短いものは省略する。１４は単語標準パタ
ーン記憶部で、この単語標準パターン記憶部１４は音声
パターンを登録モードで登録して認識照合時の標準パタ
ーンとするためのものである。予備選択部１５は認識モ
ードにおいて、照合するまえにＵＶの数などで一次識別
して照合対象を限定するための予備選択を行うためのも
のである。１６は時間軸正規化・照合部で、この時間軸
正規化・照合部１６は上記リストの継続時間の合計が例
えば２００（あるいは１ｏｏｏ）といった一定値になる
ように継続時間を正規化するための時間軸正規化槻能と
、時間釉上で対応する対応する記号間の距離（相関値）
をめて、これを、全サンプルについで合計したものをパ
ターン開の距離とした第１表に示す距離テーブルを用い
て標準バ第１表において、横の欄及び縦の欄は夫々標準
パターンの記号及び入カバターンの記号に対応しており
、例えば標準パターンの記号がａであって、しかも入カ
バターンの記号もａであるときには、距離テーブルの出
力は−２となり、近似度が低いことをしめすものである
。従って距離計算機能においては距離テーブルからの出
力を順次加算するだけでの演算操作により、入カバター
ンと標準パターンとのパターン全体としての近似度を容
易に計算できるわけである。１７は有意差検定部で、こ
の有意差検定部１７は距離の最も近いパターンがある設
定値より近く、さらに２番目に近いものより、ある設定
値以上能れている場合に、この最も近いパターンと入カ
バターンが同じとみなし、他の場合には認識不良として
リジェクトする有意差検定機能と、該認識結果を出力す
る結果出力機能とを備えたものである６１９は最適化フ
ィードバック部で、この最適化フィードバック部１９は
周波数帯域の分割の最適化と、差信号ベクトルのオフセ
ットの最適化をフィードバック的に行うために、学習モ
ードにおいて話者の／ｉＳｅ、ａ、０、Ｕ／の発生の時
系列を記憶して、予め標準的に設定した分割周波数の近
傍で分割周波数を変動させて、記号ベクトルの感度特性
に応じて変動方向と量を、記号成分が最大となるように
最適化するものであり、この場合スペクトルの勾配を、
差信号ベクトルのオフセットで補償し、特に入力音声が
イ音のときｉ成分が突出し、ア音のときａ音が突出する
ようにし、また／ｅ／、／、／の識別がより確実となる
ように差信号入力のゲインバランスを調整する。この場
合まずＶ　Ｈ／Ｖ　Ｌの最適調整、次にＶ　Ｆ／Ｖ　Ｂ
の最適調整、更につぎにＶＢ／ＶＬの最適調整を行うの
である。

而して実施例ではサンプリング周期８０μ５ｅｃ（サン
プリング周波数１２．５ＫＨｚ）で、７レーム艮を５１
２サンプルとした。基本周波数の周期が最低で９０Ｈｚ
とすると、１３９す〉・プルになり、２５６点の周波数
スペクトルを計算するためには通常の高速７−リエ変換
では５１２点の計算になり、乗算回数カ２５Ｘ（２４＋
　２５）＝　５１２　Ｘ（１６十３２）＝２４５７６回
になるが、基本周期より短い区間の６４サンプルを、５
１２サンプルのフレームより抜き出して分析すると、１
２８点の高速７−リエ変換でよいので２　’Ｘ（２’＋
２　’）＝　１２８Ｘ（８＋１６）＝３０７２回の乗算
で良い。また高速７−リエ変換の前処理の分析窓の乗算
は周波数スペクトルのサンプル数と同じになるので、短
区間分析が簡易な方法として効果のあることがわかる。

第２図は第１図実施例のピッチ検出部４と分析区間決定
部５からなる特徴部分の７０−チャートを示し、１７レ
ーム内の振幅の絶対値の平均値ＩＰＯＷを（１）でめ、
（２）で３０サンプルづつの平均値がフレームの前半で
最低となる下向き大振幅点ＩＰＮＩを検出し、更に（３
）で次の下向き大振幅点ＩＰＮ３を検出し、そして（４
）でこれらの下向き大振幅点ＩＰＮＩ、ＩＰＮ３からピ
ッチＩＰｉｔ＝ＩＰＮ３−ＩＰＮＩをめる。ピッチ検出
後（５）で前の上向き大振幅点ＩＰＮＯを下向き大振幅
点ＩＰＮＩより検出し、両人振幅点ＩＰＮｏ、ＩＰＮｉ
の中間の振幅０の点より（６）で大振幅点ＩＭｉＤとし
、この大振幅点ＩＭｉＤを中心として上向き大振幅の半
サイクルと下向き大振幅の半サイクルからなる１サイク
ルを含む短区間を決定する。次いで（７）で直流補償を
行い、（８）で分析窓掛けを行い（９）で高速７−リエ
変換を行い、（１０）で差信号ベクトルか、ホルマント
ベクトルかのモード選択を行い、（１１）で周波数帯域
分割を、（１２）でホルマント軌跡をめる。

第３図は本発明の具体的な回路図を示し、音声はマイク
１８より入力され、プリアンプ１９で増幅されで、調整
アンプ２０でディンとオフセットを調整される。次にＡ
／Ｄ変換回路２１で音声入力をディジタル変換を行い、
ディジタル変換された音声７レームは音声７レームメモ
リ２３に記憶される。２４はＦＦＴプロセッサで、この
ＦＦＴプロセッサ２４はコントロール部２４ａと、演算
レジスタ２４．ｂと、内蔵ＲＡ　Ｍ　２４　ｃと、係数
を記憶しである係数ＲＯＭ２４ｄとを備えた一般のＦＦ
Ｔチップからなり、音声７レームメモリ２３から読出し
た音声７レームを取り込み、高速７−リエ変換をウィン
ドウをかけて行う。２５はスペクトルフレームメモリで
、ＦＦＴプロセッサ２４で演算されたスペクトルフレー
ムを記憶するためのものである。２２は音声７レームメ
モリ２３、ＦＦＴ７”ロセッサ２４、スペクトル７レー
ムメモリ２５の動作タイミングを与えるタイミング回路
である。、２６はプログラムＲＯＭ２７に予め書き込ん
である動作プログラムに基づいて制御演算を行うＣＰＵ
であり、照合モード時には照合演算回路３０を動作させ
て、スペクトルフレームメモリ２５に格納しであるデー
タを記号化して予め登録モード時に標準パターンＲＡＭ
３１に格納しである標準パターンとの照合演算を行った
り、あるいは登録モード時に入力音声のパターンを標準
パターンとして標準パターンＲＡＭ３１に格納させたり
更には学習モード時に上述の最適化フィードバックを行
ったりする。図中３２はターミナル部、３３はマイコン
バス、２８はワーキングＲＡＭ、２９は制御入出力部で
ある。

第６図は上述の点Ａと点Ｂとの開の１２８点のウィンド
ウを掛けて高速７−リエ変換（２５６点）を行ったシミ
ュレーション結果であり、同図（ａ）は同図（ｂ）で時
間波形と示された周波数スペクトラムである。第７図は
上述の点Ｃと点りとの間の１２８点のウィンドウを掛け
て高速７−リエ変換（２５６点）を行ったシミュレーシ
ョン結果であり、同図（ａ）は同図（ｂ）で時間波形と
示された周波数スペクトラムである。この第７図の場合
は第６図の場合と大差はない。第８図は上述の点Ｃと点
りとの間の６４点のウィンドウを掛けて高速７−リエ変
換（１２８点）を行ったシミュレーション結果であり、
同図（ａ）は同図（ｂ）で時間波形と示された周波数ス
ペクトラムである。第９図は上述の点Ｃと点りとの開の
３２点のウィンドウを掛けて高速７−リエ変換（６４点
）を行ったシミュレーション結果であり、同図（、）は
同図（１］）で時間波形と示された周波数スペクトラム
である。これらの１８図、＠９図から分かるように第２
〜第３ホルマントに相当する共振点が明確に表われてい
る。第１０図は声帯振動の立ち上がり区間にインパルス
があると見なして、上向き大振幅点ＩＰＮＯより短区間
（ピッチ補償はしない）で分析したもので、１２８息の
ウィンドウを掛けて高速７−リエ変換（２５６点）を行
ったシミュレーション結果であり、同図（ａ）は同図（
ｂ）で時間波形と示された周波数スペクトラムである。

又第１１図は声帯振動の立ち上がり区間にインパルスが
あると見なして、上向き大振幅点ＩＰＮＯより短区間（
ピッチ補償はしない）で分析したもので、６４点のウィ
ンドウを掛けて高速７−リエ変換（１２８，α）を行っ
たシミュレーション結果であり、同図（ａ）は同図（ｂ
）で時間波形と示された周波数スペクトラムである。こ
れら第１０図、第１１図と、上記の第８図とを比較する
と＠８図図示の場合が共振点が明確になっていることが
よく分かる。第８図図示の場合の切り出し区間はＪＰＮ
２−ＪＰＮ１＝ＬＷＰ＝９６の半分である４８点である
に対して第１１図の区間は６４点であるのでこの効果は
大きいといえる。

ｔ５１２図は声門閉鎖区間とおぼしき位置のフレーム長
６４点を分析したもので、この場合第１１図に比べても
共振特性が明確ではないので、１８図に示す本方式によ
る効果が有効であることがよく分かる。尚同図（８）は
同図（ｂ）で時間波形と示された周波数スペクトラムで
ある。

尚第１３図は記号化のプロセスを示す。同図において、
＼Ｉは音声人力中、０〜Ｉ　Ｋ　Ｈ７，の周波数帯域の
短時間平均パワーを示しており、有声音のエネルギに対
応している。また、Ｕ　Ｖは音声入力中、５〜１２ＫＨ
ｚの周波数帯域の短時間平均パワーを示しており、無声
音のエネルギに対応しでいる。さらに、＼７Ｌ、Ｖｌ−
Ｌ　ＶＢ、ＶＦは夫々音声入力中、０〜０．４ＫＨｚ、
０．４〜０．８にト１７．、及び１．８〜３．２ＫＨｚ
の周波数帯域の短時間平均パワーを示しており、夫々狭
顎音、広顎音、後舌音、及び前舌音のエネルギに対応し
ている。Ｓ、−Ｓ、は差動増幅手段であり、夫々差信号
Ｖ／ＵＶ、Ｖｃａｏ／　Ｖ　ｉｕ、　Ｖａ／　Ｖｅｏ、
　Ｖｃ／　Ｖｏ、＼７ｉ／Ｖｕを算出するものである。

ｃｏは比較手段であり、上記差動増幅手段Ｓ。から出力
される差信号成分が、基準値Ｒｖよりも小さいときには
有声音■の符号を割り当て、基準値Ｒｕよりも大きい時
には無声音Ｕ　Ｖの符号をの符号を割り当て、それ以外
の場合には無音Ｓと判定する。ただし、Ｒｕ＞Ｏ＞Ｒｖ
である。ＭＹ、は記号化処理部で、この記号化処理部Ｍ
Ｙ、は無音、有バｆ音及び無声音の各場合についてＳ、
■、ＵＶの各符号の内いずれか１つの符号を入力する。

ＭＣｏは各差信号出力Ｖｅａ／〜’　ｉｕ、＼Ｉａ／■
ｅａ、■ｅ／＼’ｏ、Ｖｉ／ＶＵを成分とする４次元ベ
クトルに所定の行列Ｔｍを乗算して、音声入力中に倉ま
れる各母音ｉ、　ｅ、　ａ、ｏ、　ｕ、とその他の有声
音１１、ｉ、　ｒ、　＋１、田の短時間平均パワーを算
出するものであり、行列計算部ＭＣｏの出力は最大値判
定部ＭＸｏに人力されて各成分１、ｅ、ａ、ｏ、　ｕ、
１１１１、ｆ、　ｂ、　Ｗの内最大の成分がどれである
かを判定され、その最大の成分の符号か記号化処理部Ｍ
　Ｙ　ｏに入力される。但し最大の成分と２番目に大き
い成分との差が小さいときには符号Ｉｎが出力される。

記号化処理部ＭＹ０は比較手段Ｃ８がら出力される符号
が■であるときには、最大値判定部ＭＸ、がら出力され
るＩｑ　ｅ、ａ、ｏＳｕ、　ｈ、　Ｉ、ｆ、　ｂ、　Ｗ
及び【ｎの内のいずれか１つの符号を出力し、又比較手
段Ｃ８から出力される符号がＵ又はＳであるときには、
その符号をそのまま出力するものである。尚行列計算部
ＭＣｏの変換行列Ｔｍとしては（１）〜（３）式のよう
なものが使用可能である。

まず（１）式の変換行列Ｔｍは、識別に最低限必要な要
素以外は０にして、計算を速くできるようにしたもので
、（２）式は、要素の絶対値が８の部分に冗長度を持た
せ、差信号の検出が弱い場合には幅広く５母音の記号化
が可能になるようにしたもので、（３）式は第１ホルマ
ントＦ１に関する差信号に対する５母音の要素を総て同
じ大きさの重み（絶対値１４）にするとともに、第２ホ
ルマントＦ２に関する２つの差信号に関しては、５母音
に対して、どちらかに１個づつ識別に必要な重みをつけ
たもので、第１ホルマントＦ１を第２ホルマントＦ２よ
り重要視したものといえる。この変換行列１゛ｒ１は、
識別対象の言葉等によって任意に設定できるものである
。この第３図のＡＰは上述した調整アンプ２０の特性を
示している。

又上述の照合方法以外に、差信号から２値化信号を作っ
てこの組み合わせで記号化し、逐次照合することも可能
である。この方法としては次のようなものがある。つま
り短時間平均パワーのベクトルよりめたＵＶ／Ｖ差信号
、Ｖ　ｅａｏ／　Ｖ　ｉ　ｕ差信号、Ｖ　ａ／　Ｖ　ｅ
ｏ差信号、Ｖｅ／Ｖｏ差信号、Ｖｉ／Ｖｕ差信号を抽出
して＼’　ｅａｏ／　Ｖ　ｉ　ｕ差信号が正の一定値以
」二あれば記号Ｖ　ｅａｏを割り当て、負の一定値以下
であるときには記号Ｖｉｕを割り当て、その他の場合に
は記号Ｓを割り当て、■ａ／■ｅｏ差信号が正の一定値
以上であるときには記号Ｖａを割り当て、負の一定値以
下であるときには記号Ｖｅ。

を割り当て、その他の場合には記号Ｓを割り当て、Ｖｅ
／Ｖｏ差信号が正の一定値以上であるときには記号Ｖｅ
を割り当て、負の一定値以下であるときには記号Ｖｏを
割り当て、その他の場合には記号Ｓを割り当て、更にＶ
ｉ／ＮＩｕ差信号が正の一定値以」二であるときには記
号Ｖｉを割り当て、負の一定値以下であるときには記号
Ｖｕを割り当て、その他の場合には記号Ｓを割り当てる
。そしてこれらの記号を一時記憶手段に記憶して第２表
に示す記号化テーブルを参照しながら記号ａｓ　ｅｓ　
Ｏｓ　Ｉ、ｕ、　ｈ、１、ｆ、　ｂ、　Ｗ、Ｉｌｌのう
ちいずれか１つの記号に変換する。

第　２　表 ただし、ｐｐＪ２表において木は０，１のいずれでもよ
いことを示しており、０／１はＯの場合と１の場合を示
している。かかる記号化テーブルは例えばＲＯＭなどを
用いて構成されており、一時記憶した内容をアドレス入
力としてＲＯＭをアクセスすることにより、ａ、　ｅ、
　ｏ・・・・・・・・・・・・等の各記号のコードがテ
゛−タ出力として得られるようにするか、あるいは一時
記憶した内容と記号化テーブルの内容とを排他的論理和
で比較し、一致したときの記号を出力するとよい。第１
４図は照合部をマイクロコンピュータの逐次判別処理プ
ログラムによって実現する方法を示すフローチャートで
あり、まず第１段階としてＶｃｏ／Ｖｉｕ差信号が高レ
ベルＨであるか、中レベルＭであるか、低レベルＬであ
るかによって、３グループに分けている。そして第２段
階では、まず第１段階がＨのときは、Ｖａ／Ｖｅｏ差信
号がＨならば、記号／ａ／を出力し、Ｍならば記号／Ｖ
ｏ／を出力し、Ｌならば第３段階に移り、Ｖｅ／Ｖｏ差
信号を調べて、Ｈならば記号／ｅ／を出力し、Ｍならば
／ｈ／を出力し、Ｌなちば記号１０／を出力する。一方
、第１段階がＭの場合、第２段階では、Ｖｅ／＼ｌＯ差
信号がＨならば記号／ｆ／を出力し、Ｍならば記号／ｍ
／を出力し、Ｌならば記号／ｂ／を出力する。更に第１
段階がＬの場合、第２段階ではＶｉ／Ｖｕ差信号がＡＨ
ならば記号／１／を出力し、Ｍならば記号／１／を出力
し、Ｌならば記号／ｕ／を出力するのである。

上述に実施例は直交変換として高速７−リエ変換を用い
であるが、つオルシュ変換を用いてもよし１゜ ［発明の効果］ 本発明は音声入力の時間波形の正負が声帯振動の向きに
対して一定であるように正負の位相を保ち、声帯振動の
微分波形が負である声帯振動の立ち下がりに対応する音
声の時間波形のｔｔＳ３の下向き大振幅点をめるととも
に、次の声帯振動の微分波形が負である声帯振動の立ち
下がりに対応する音声の時間波形の第２の下向き大振幅
点をめる手段を備え、この第２の下向き大振幅点の手前
にある声帯振動の微分波形が正である声帯振動の立ち上
がりに対応する音声の時間波形の上向き大振幅点と第１
の下向き大振幅点との中間で短区間分析して音声入力の
周波数スペクトルの包絡線を抽出するのでボルトマント
に相当するスペクトル包絡が明確にめられ、話者の個人
差や、声帯振動の影響が少なくかつ計算量が少なくて高
い認識が行えるという効果がある。

【図面の簡単な説明】

第１図は本発明の実施例の概略回路溝成図、第２図は同
上の要部の動作説明用の７０−チャート、＃３図は同上
の具体回路図、ｔｔＳ４図乃至第１２図は同上の動作説
明図、第１３図は本発明の実施例の記号化プロセスを説
明する回路ブロック図、第１４図は本発明の別の照合例
の動作説明用の７０−チャート、第１５図はホルトマン
軌跡についての説明用波形図、第１６図は本発明の詳細
な説明用の波形図であり、３は区間補償部、４はピッチ
検出部、５は分析区間決定部、６は分析窓計算部、７は
高速７リ一エ変換部、８は周波数帯域分割部、９は差信
号ベクトル変換部、１０は記号ベクトル変換部、１２は
記号化処理部、１６は時間軸正規化・照合部、１８はホ
ルトマン軌跡変換部である。 代理人　弁理士　石　１）艮　七 ｊＩ４図 （０） 第４図 （ｂ） 第５図 （０） 周潔籾 第５図 （ｂ） ［１寺聞 第６図 （０） Ｆ１１戸点慇 第６図 （ｂ） 第７図 （０） １渫 第７図 （ｂ） ０日惺 第８図 °　（０） 第８図 （ｂ） 第９図 （０） 第９図 （ｂ） 第１０図 （０） ｎ屑粒 第１０図 （ｂ） ０　昨Ｉ 第１１図 （０） 第１１図 （ｂ） ０　萌閉 第１２゛図 （０） 第１２図 （ｂ） ０　峙貨 第１５閃 （０） １２３４５ 周波数（ＫＨｚ） （ｂ） 周環’ＦＡ　（ＫＨｚ） 手続補正書（自発） 昭和５９年８　月２゛７日 特許庁長官殿 ２、発　明　の名称 音声メツセージ識別方式 ３、補正をする者 事件との関係　特許出願人 性　所　大阪府門真市大字門真１０４８番地名　称　（
５８３）松下電工株式会社 代表者小　林　郁 ４、代理人 電話大阪（０６）３４５−７７７７（代表）５、補正命
令の日付 自　発 訂正書 願書番号　特願昭５９−１０６９３７号１、本願発明の
特許請求の範囲を下記のように訂正する。 「（１）音声入力の周波数スペクトルを抽出する手段と
、対数パワースペクトルを周波数分割して各周波数帯域
毎の短時間平均パワーを取り出しこれら短時間平均パワ
ーから５母音ｉ　、ｅ、ａｌｏ、ｕがｅ。 ａツ０とｉｌｕの比率、ａとｅ、ｏの比率、ｅと０の比
率、ｉとＵの比率に分かれるように差信号ベクトルを抽
出するか、あるいはホルマント軌跡からホルマントベク
トルをめて、差信号ベクトル又はホルマトベクトルに変
換行列を乗算して５母音及びそ他の有声音の記号ベクト
ルを算出する行列計算手段と、該行列計算手段から出力
される記号ベクトルの各成分のうち最大の成分を分析７
レームの擬音領記号として出力する手段と、該擬音韻記
号基づいて記号と継続時間からなる入カバターン予め記
憶しである標準パターンとを時間軸あるは記号によって
照合して入カバターンに最も近い標準パターンを入カメ
ッセーノとして識別することを特徴とする音声メッセー
ノ識別方式において、音声入力の時間波形の正負が声帯
振動の向きに対して一定であるように正負の位相を保ち
、声帯振動の微分波形が負である声帯振動の立ち下がり
に対応する音声の時間波形の第１の下向き大振幅点をめ
るとともに、次の声帯振動の微分波形が負である声帯振
動の立ち下がりに対応する音声の時間波形の第２の下向
き大振幅点をめる手段を備え、この第２の下向き大振幅
点の手前にある声帯振動の微分波形が正である声帯振動
の立ち上がりに対応する音声の時間波形の上向き大振幅
点と第１の下向きの大振幅点との中間で短区間分析して
音声入力の周波数スペクトルの包絡線を抽出することを
特徴とする音声メツセージ識別方式工」代理人　弁理士
　石　１）艮　七

Claims (1)

【特許請求の範囲】
1. （１）　音声入力の周波数スペクトルを抽出する手段と
   、対数パワースペクトルを周波数分割して各周波数帯域
   毎の短時間平均パワーを取り出しこれら短時間平均パワ
   ーから５母音１＋ｅ＋ＪＬ＋ｏｔｕがｅ、ａ、。 とｉ＋ｕの比率、ａとｅ、ｏの比率、ｅと０の比率、ｉ
   とＵの比率に分かれるように差信号ベクトルを抽出する
   か、あるいはホルマント軌跡からホルマントベクトルを
   めて、差信号ベクトル又はホルマントベクトルに変換行
   列を乗算して５母音及びその他の有声音の記号ベクトル
   を算出する行列計算手段と、該行列計算手段から出力さ
   れる記号ベクトルの各成分のうち最大の成分を分析７レ
   ームの擬音韻記号としで出力する手段と、該擬音饋記号
   に基づいて記号と継続時間からなる入カバターンを予め
   記憶しである標準パターンとを時間軸あるいは記号によ
   って照合して入カバターンに最も近い標準パターンを入
   力メツセージとして識別することを特徴とする音声メツ
   セージ識別方式において、音声入力の時間波形の正負が
   声帯振動の向きに対して一定であるように正負の位相を
   保ち、声帯振動の微分波形が負である声帯振動の立ち下
   がりに対応する音声の時間波形の第１の下向き大振幅点
   をめるとともに、次の声帯振動の微分波形が負である声
   帯振動の立ち下がりに対応する音声の時間波形の第２の
   下向き大振幅点をめる手段を備え、この第２の下向き大
   振幅点の手前にある声帯振動の微分波形が正である声帯
   振動の立ち上がりに対応する音声の時間波形の上向き大
   振幅点と第１の下向き大振幅点との中間で短区間分析し
   て音声入力の周波数スペクＦルの包絡線を抽出すること
   を特徴とする音声メツセージ識別方式。 ２）音声振幅の絶対値の平均値をフレーム内でめ、上記
   第１の下向き大振幅への時点で下向き側の平均値の振幅
   の点と、上記上向き大振幅点の時点で上向き側の平均値
   の振幅の点をとり、両平均値の振幅の息が時間波形の零
   点となるようにオ７セツトを加えて両平均値の振幅の点
   間で音声入力の周波数スペクトルの包絡線を抽出するこ
   とを特徴とする特許請求の範囲第１項記載の音声メツセ
   ージ識別方式。 ３）音声振幅の絶対値の平均値をフレーム内でめ、上記
   第１の下向き大振幅、αの時点で下向き側のピーク値の
   中間の点と、上記上向き大振幅点の時点で上向き側のピ
   ーク値の中間の点をとり、両平均値の振幅の点が時間波
   形の零点となるようにオフセットを加えて両平均値の振
   幅の点間で音声入力の周波数スペクトルの包絡線を抽出
   することを特徴とする特許請求の範囲第１項記載の音声
   メッセージ識別方式。