JPS604996A - 音声認識装置 - 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 本発明は音声認識装置−特に登録が容易な、少い標準パ
ターンで認識が可能な音声認識装置に関する。

従来例の構成とその問題点 人間にとって最も自然な情報発生手段である音声が、人
間−機械系の入力手段として使用できれば、その効果は
非常に大きい。

従来、音声認識装置としては特定話者登録方式によるも
のが実用化されている。即ち一認識装置を使用しようと
する話者が、予め、認識すべきすべての単語を一白分の
声で特徴ベクトルの系列に変換し単語辞書に標準パター
ンとして登録しておき、認識時に発声された音声を、同
様に特徴ベクトルの系列に変換し、前記単語辞書中のど
の単語に最も近いかを予め定められた規則によって計算
し。

最も類似している単語を認識結果とするものである０ ところが−この方法によると、認識単語数が少いときは
良いが、数百、数千単語といつたように増加してくると
、主として次の三つの問題が無視し得なくなる。

（１）登録時における話者の負担が著しく増大する０ （２）認識時に発声された音声と標準、パターンとの類
似度あるいは距離を計算するのに要する時間が著しく増
大し、認識装置の応答速度が遅くなる。

（３）前記単語辞書のために要するメモリが非常に大き
くなる。

一方一以上の欠点を回避するための方法として認識の単
位を子音＋母音および母音の単音節（以後それぞれａｙ
、ｖで表す。Ｃは子音、Ｖは母音を意味する。）とする
方法がある。即ち、標準パターンとして単音節を特徴ベ
クトルの系列として登録しておき、認識時に特徴ベクト
ルの系列に変換された入力音声を、、前記単音節の標準
パターンとマツチングすることにより一単音節の系列に
変換するものである。日本語の場合、単音節はたかだか
１０１種類であり、単音節は仮名文字に対応しているか
ら、この方法によれば１日本語の任意の単語あるいは文
章を単音節列に変換する（認識する）ことができること
になり、前記（１）〜（３）の問題はすべて解決される
ことになる。しかし−この場合の問題の一つに調音結合
がある。即ち、音節を連続して発声すると、各音節は前
後の音節の影響を受けるため、スペクトル構造が前後に
接続される音節の影響を受けて変化する。従って、標章
パターンとして登録されている単音節のスペクトルと語
中の音節とはスペクトル構造が異り、正確に認識するこ
とが難しくなる。この問題を解決するために二つの方法
が考えられる。一つは一認識の際の入力音声を音節毎に
区切って発声し、１音節ずつ認識する方法、もう一つは
それぞれの単音節の語頭から母音の定常部までと母音十
子音＋母音および母音＋母音（以後それぞれｖｃｖ、ｖ
ｖで表す）のそれぞれの先行母音の定常部から後続母音
の定常部までを標準パターンとしてもつ方法である。前
者は１発声が不自然になる欠点がある。

後者はｃｖ、ｖ、ｖｖ、ｖｃｖの連鎖を母音定常部で接
続しながら作り出すことになるので、調音結合の影響が
回避できるものであるが−ａｙ、ｖ。

ｖｖ　、ｖｃｖのあらゆる組合せを標準パターン登録時
に発声するとなるとその種類は単音節の６〜７倍の量と
なり、標準パターンの登録の手間が非常に大きくなる欠
点がある。

発明の目的 本発明は上記従来の欠点を除き、連続的に発声された任
意の入力音声を音節列に変換すなわち認識するために必
要な標準パターン数が少なくてよい音声認識装置を提供
することを目的とする。

発明の構成 本発明は、入力音声信号を特徴ベクトルの系列ｌＬ１　
、　ａ２　、・・・・・・２ＬＩ　に変換する特徴抽出
手段と一部ｎ単音節に対する特徴ベクトルの系列す、ｎ
、ｂ２ｎ。

−−、ｂ’；ｎ　（ただし−ｎ＝１　、２　、＝・−、
Ｎ　ｉＮは単音節数　ｙｎは第ｎ単音節の母音定常部の
フレーム）を標準パターンとして記憶する標準ノくター
ン記憶手段と一前記入力音声信号の特徴ベクトルの系列
を、前記単音節標準パタトンとマツチングするとともに
いくつかのｎ′に対しては、第ｎ′単音節の特徴ベクト
ルの系列ｂ１°′、ｂ２°′、・・・・・・、　ｂＪ”
ｎ”を逆の順序に並べた特徴ベクトルの系列ｂ％ｎ’＋
ｂｇｎｌ−１，・−・・・、ｂ２ｎ、ｂｊｎトモマッチ
ンクスルハターンマッチング手段とを備えた音声認識装
置である。

ｖＣｖ音声パターンのスペクトルを詳細に検討してみる
と、先行母音と後続母音が同じ場合′、無声破裂音、拗
音等を除いて子音を中心としてほぼ対称であることが認
められる。また、このようなりＣｖに含まれるＣｖと同
じ子音および母音からなる単音節のスペクトルはほぼ同
じ形をしている。

従って−ＶＣＶ標準パターンのうち前記対称でない一部
のものを除けば、先行母音Ｖ＋、子音Ｃ２後続母音Ｖ２
（７）音節ｖ１Ｃｖ２　を単音節ＣｉＶ＋とＣｖ２から
作ることができる。即ち、ＣＶ＋から得られた特徴ベク
トルの系列を時間的に逆向に並べ一〇Ｖ２から得られた
特徴ベクトルの系列と結合したものをｖ１Ｃｖ２　に対
応する標準パターンとすることができる。このようにす
れは−ｖＣｖのあらゆる種類を標準パターンとして登録
する場合に比べ、大幅にその数を減らすことができる０
例えば１日本語に含まれる全ての音韻を含むようにｖＣ
ｖとＣＶの標準パターンを持つことにすれば、その総数
は６３０程度であるが１本発明における以上の考えによ
れば３７０程度で済む。また、「キョウト」と発声すべ
きときは「キヨウト」というように発声することにして
、拗音は発声に用いないことにすれば、４３０程度を１
７０程度と半分以下に減することができる。

上記のように−ｖ１Ｃｖ２に対する標章パターンをＣＶ
＋とＣＶ２から作るというのが本発明の基本的な考え方
である。ところでこのようにしてＶｌＣＶｚの形で標準
パターンを持つ方法も考えられるが−その場合は、標準
パターンを記憶するに要するメモリはｖＣｖのあらゆる
種類を標章パターンとして持つ場合と同じ量になり一あ
まり得策ではない。

そこで、入力音声と例えばｖ１Ｃｖ２とのマツチング計
算を行う場合は単音節Ｃｖ１　の特徴ベクトルの逆系列
Ｖ＋Ｃとのマツチング計算を先ず行い。

次にＣＶ２　とのマツチング計算を行うようにすれば−
Ｖ１（５に対応する特徴ベクトルの系列は、単音節ＣＶ
１　に対応する特徴ベクトルを記憶している標章パター
ンメモリから逆向に読出すのみで良いから−Ｖ１Ｃｉ　
に対応する標準パターンは記憶する必要がなく、（勿論
−Ｖ１ＣＶ２に対応する標準パターンも記憶する必要は
ない）標準パターンを記憶するためのメモリも大幅に減
らすことができる。

本発明による音声認識装置は以上の原理に基づくもので
ある。

実施例の説明 パターンマツチングの効果的な方法として−ＤＰマツチ
ングと呼ばれる方法がある。次に説明する本発明の一実
施例は、前記発明の構成において述べたパターンマツチ
ングとして、ＤＰマツチングを用いたものである。実施
例の説明に入る前にＤＰマツチングによる単語音声の認
識について説明する。

パターンマツチングによる音声認識装置の一般的な構成
は次のようなものである。

入力音声信号を、フィルタバンク、周波数分析−ＬＰＣ
分析等によって特徴ベクトルの系列に変換する特徴抽出
手段と、予め発声され、この特徴抽出手段により抽出さ
れた特徴ベクトルの系列を認識単語全部について標章パ
ターンとして登録７ておく標準パターン記憶手段と、認
識させるべく発声され一前記特徴抽出手段により抽出さ
れた入力パターンと前記標準パターン記憶手段に記憶さ
れている標準パターンの全てと特徴ベクトルとの系列と
しての類似度あるいは距離を計算するパターン比較手段
と、パターン比較の効果、最も類似度の高かった（距離
の小さかった）標準パターンに対応する単語全認識結果
として判定出力する判定手段からなる。

このとき、同一話者が同一の単語を発声しても、発声の
都度−その発声時間長が異なるので、前記パターン比較
手段で標章パターンと入カバターンの比較２行う際には
１両者の時間軸全伸縮させ。

両者のパターン長を揃えて比較する必要がある。

その際ン発声時間長の変化は１発声単語の各部で一様に
生じているわけではないので、各部を不均一に伸縮する
必要がある。その伸縮は、比較すべき両者のパターンの
類似度が最大になる（距離が最小になる。以下距離で説
明する）ように行われるのが最も良い結果が得られてい
る。この上つなマツチングを効率的に行うのに動的計画
法を用いる装置が一般的であり、このマツチングはＤＰ
マツチングと呼ばれている。

ＤＰマクチングの方法は格子グラフによって説明できる
。第１図は格子グラフであって、横軸は入カバターン’
ｒ＝ａ１．ａ２・・・・・・ａＩ　に対応するｌ座標、
縦軸は標準パターンＲｎ＝ｂ１ｎ、ｂ２ｎ、・・・・・
。

ｂｎ。に対応するコ座標を表わす。入カバターンでと標
準パターンＲｎを時間軸を非線形に伸縮してマツチング
するとは、この格子グラフ上において一両パターンの各
特徴ベクトルの対応関係を示す径路１を伺らかの標価基
準によって決定し、この径路に関して両パターンの距離
を評価することである。この径路を決定する際には音声
の性質を考慮して制限条件を設ける。第２図（ａ）は径
路選択の制限条件の一例である。即ち、この例では点（
Ｌ、コ）へ至る径路は一点（ｉ−２，コー１）から点（
ｉ−１，コ）を通る径路２か１点（ｉ−１，ｊ−１）か
ら来る径路３か１点（ｉ−１，ｊ　−２）から点（ｉ、
ｊ−１を通る径路４かの何れかしか取シ得ないというこ
とを意味している。このとき、入カバターンと標準パタ
ーンの始端と終端は必ず対応させるという条件をつけれ
ば、前記マツチングの径路は第１図の斜線の部分に制限
され・る。この制限は−いかに時間軸が伸縮するといっ
ても一同一単語に対してはそれ程極端に伸縮するはずは
ないという事実からあまシ極端な対応づけが生じないよ
うにするためである。

ａｌ　トｂｇ　（Ｄヘク）　ル間Ｗ８１１１ｒ、　ｄ”
（ｉ　、　ｊ）　（！：すれば、入カバターンＴと標準
パターンＲｎのパターン間の前記径路に沿う距離は、そ
の径路に沿うｄｎ（ｉ、ｊ）の荷重平均として定義され
る。第２図の径路上のａ、ｂ、ｃ、ｄ、ｅはそれに対応
する径路が選ばれたときの荷重である。ＤＰマツチング
が適用できるためには、この荷重の決め方は、格子グラ
フ上で前記制限条件の下でいかなる径路が渇ばれようと
もその径路に沿う荷重の和が一定になるように決めれば
良い。ａ−Ｃ＝８＝２゜ｂ＝ｄ＝１とすれば、この荷重
の和は工＋Ｊｎとなり、ａ＝ｂ＝ｃ＝１．ｄ＝ｅ＝ｏ、
６とすれば、この荷重の和は工となり、ａ＝ｂ＝０．６
．Ｑ＝ｄ−８＝１とすれば、この荷重の和はＪｎとなり
、径路の選ばれ方によらず一定となる。これらは共によ
く用いられる。また、前記荷重の和一定という条件の下
で、この荷重をコに関する関数とすることにより、より
重視してマツチングしたい径路上の部分の荷重を重くす
る等の操作も可能である○入カバターンＴと標準パター
ンａｎの距離は前記制限条件の下で前記荷重平均の最小
値として定義される。即ち１次の漸化式を解くことによ
って前記荷重平均の最小値とその最小値を与える径路が
決定され得る。

・・・・・・・・・・・・・・・・・・・・・・・・・
・・（１）初期条件ｇ０（１，１）−ｄｎ（１，１）。

ここにＤ（Ｔ、Ｒｎ）　は入カバターンＴと標準パター
ンＲｎの距離である。

径路選択の条件としては他にも種々考えられる。

第２図Φ）〜Ｏ）等は他の例である。この他にもさらに
種々の変形が考えられ得る。これら径路の選択条件に伴
って前記漸化式は対応するものに書き換えられるのは勿
論である。

また、孤立して発声された単語を認識する場合は勿論、
連続して発声された（単語と単語の間に切れ目なく発声
された）音声を認識する場合もＤＰマツチングは良好な
成績をふ・さめている。

連続単語音声認識の問題は次のように定式化される。

入カバターンのフレーム数をＩ−第１フレームの特徴ベ
クトルを８４　、単語ｎの標準パターンのフレーム数を
Ｊｎ−ｍコフレームの特徴ベクトルをす、ｎとするとき
、単語ｎの標準パターンＲｎは次のように表わされる。

Ｒ”　＝ｂ、ｎｂ２ｎ、−、、、−ｂｉｎ、、、　ｂ１
７ｎそこでＸ個の単語列に対応する標準パターンの結合 、＝Ｒｑ（１）Ｒｑ（２）、、、　Ｒｑ（８）＝ｂＱ（
＋）ｂ２ｑ（＋）、、、岡（１，ｂ？（２）ｂ２ｑ（２
）１０．ｂ鶏３０９．岬（イ）ｂ２ｑ■１．ｂ晶・・・
・・・・・・・・・・・・・・・・・・・・・・・・（
２）と入カバターンＴ　＝　ａｊ　ａ２・・・・・・ａ
ｉ　ａｌとのベクトル系列間の距離が最小になる単語列
ｑ（１）　ｑ（２）・・・・・・ｑ（Ｘ）をめる。

以上の計算を前記孤立単語の場合と同様にしてそのまま
ＤＰマツチングで解ζうとすれば１例えば１ｏ数字の単
語を標準パターンとしてもっているとき、３数字の連続
発声された音声を認識するには１０＝１０００　種類の
標準パターンとマツチングしなければならない。標準バ
タμンの数が増せば、たちまちその組合せの数は禁止的
な量になる。

そこで、連続単語の認識にもＤＰマツチングを適用する
ために、マツチングの累積距離の正規化係数（前記荷重
の和のこと）は入力のフレーム数にのみ依存するように
径路の選択の条件を設定すれば、以下に示すように標準
パターンの単語の組合せにも動的計画法が適用でき計算
量を大幅に減らし得る。

径路の選択条件としては一般に第３図（ａ）〜（８）に
示すものがあるが、径路上に示した数値はその径路が選
ばれたときの荷重係数である。

入カバターンＴの第１フレームの特徴ベクトル（以後フ
レームとのみ称する）ａｌとＸ個の標準パターンの連結
からなる連続標準パターンＨの第１フレームｂｊ（７）
フレーム間距離（ベクトルＭ距離）を（ｌｉ（ｉ　、ｊ
　）とし、入カバターンと連続標準パターンとの対応づ
けする時間関数（前記マツチングの径路）をｕ（ｇとし
て、この時間関数に沿ってめられる次の累積距離（フレ
ーム間距離の荷重す）がめるものであるとする。即ち Ｄ（Ｔ　、Ｒ）＝ｍｉｎ　（：Σｄｎ（ｉ、ｕ（ｉ））
）］　−−−−（３）ｕ（ｉ）　ｌ　＝　１ Ｑ＝ａｒｇｍｔｎ（Ｄ（Ｔ、Ｒ）：Ｉ ｎ ここで、第３図（ａ）の径路のときは。

○（ｕ（１）−ｕ（ｉ　−１）　＜２　、ｕ（１）＝１
　、　ＬＳＩ）　＝ＪＲである。また１ｍ１ｎ（ｆ（６
）〕は２に関して最小化さにだ１層−ａｒｇｍｌ［ｆ（
６）］は細を最小にする２の値を意味する。

弐（３）は次の漸化式を解くことでめられる。ただし＋
　Ｄｘ（Ｌ）は入力が第１フレームで終端すると仮定し
たＸ単語列に対する最小累積距離、Ｎｘ（ｉ）はＤｘ（
ｉ）に対応する単語列の最後尾単語名＋　Ｂｘ（ｉ）は
Ｎｚ（ｉ）の始点位置マイナス１（Ｎｘ（ｉ）の一つ前
の単語の最終フレーム、バックボインクと称する）−Ｄ
ｎ（ｓ：ｔ）　は入力のｓ　−ｔ、フレームと単語ｎと
の最小累積距離−ｎｘｎ（ｔ、コ）はＤｘ　−＋　（ｍ
）と、入力のｍ＋１〜１フレームと単語ｎの１〜コフレ
ームとの最小累積距離の和のｍについての最小値である
。

初期条件りゆ）−〇、Ｂに）−〇としてＤｚ（ｉ）＝ｍ
ｉｎ　（Ｄｘ−＋（Ｉｎ）＋Ｄｎ（ｍ＋１：　１　））
　−−（４）ｎ、ｍ ＝ｍ１ｎＤｚ”（１、Ｊ”） をＸ＝１．２．・・・・・・、Ｘについてめ−この式を
△　△ 満たすｎ、ｍをｎ、ｍとするとき、 △　△ ＮＸ（１）＝　ｎ　、　ＢＸ（１）＝　ｍとする。Ｌ−
Ｘまでこの計算を行えば、次のようにして最後尾の単語
から逆順に単語がまる。即ち 最後尾の単語：　Ｎｘ（Ｉ） 最後から２番目の単語：　Ｎｘ−＋　（Ｂｘ（Ｉ））最
後から３番目の単語：　ＮＸ−２（ＢＸ−１（ＢＸ（Ｉ
）　）最初の単語：　Ｊ　（Ｂ２（Ｂ３（−（Ｂｘ（Ｉ
）　）　−）））でＢ１（Ｂ２　（Ｂ３　（−・−（Ｂ
ｘ（Ｉ））・＝）））−ｏとなって終了する。第４図は
Ｎｘ（１）　、　Ｂｘ（ｉ）から上の単語列をめるフロ
ーチャートである。

Ｘについても最適化する場合は、次のようになる。ここ
で−Ｄ（ｉ）は入力の１フレームで終端すると仮定した
ときの単語列の最小累積距離（Ｄ（ｉ）−ｍｌｎＤｚ（
ｉ）　）　、　Ｎ（ｉ）はＤ（ｉ）　ＩＣ対応ｆ　る単
語列ｏ　最後尾単語名＋　Ｂ（ｉ）はＮ（ｉ）の始点位
置マイナス１（Ｎ（ｉ）の一つ前の単語の最終フレーム
）−Ｄ”（ｉ、ｊ）はＤ（ｍ）と入力のｎＢ−１〜ｌフ
レームと単語ｎの１〜ｊフレームとの最小累積距離の和
のｍについての最小値である。

初期条件Ｄ（ハ）＝Ｏ、Ｂ向＝０として＝ｍＬｎ（Ｄ（
ｍ）ｌ−Ｄ”（ｍ＋１　：ｉ））−ｍｉｎ（Ｄｎ（ｉ、
Ｊ”））ｎ、１１　０ ・・・・・・・・・・・・・・・・・・・・・・・・・
・・・・・・・・（６）をめ、この式を満たすｎ、ｍを
合、沓とするとき。

△　△ Ｎ、（１）＝　ｎ　、　Ｂ（１）−ｍ とする。認識結果は次のようにＸが既知の場合と同様に
まる。

最後の単語：　Ｎ（ｒ） 最後から２番目の単語：　Ｎ　（Ｂ（Ｉ））最後から３
番目の単語：　Ｎ　（Ｂ　（Ｂ（１）　）　）最初の単
語：　Ｎ（Ｂ（Ｂ（・・・（Ｂ（Ｉ））・・す））でＢ
（Ｂ（Ｂ（＝−（Ｂ（Ｉ））−）））−ｏ　となったと
き終了する。第５図はＮ（ｉ）　、　Ｂ（ｉ）から上の
単語列をめるフローチャートである。

なおりｎ（ｍ＋１：ｆ）は次式で定義され、前記の孤立
単語のＤＰマツチングと同じ方法でめられる。

Ｄｈ（Ｉｌｌ−１−１：　ｉ　）＝ｍｉｎΣ　ｄｎ（ｋ
、ｕ（ｋ））　・・・・・・・・・・山・１６）ｕ（ｉ
）　、顧０＋１ ｏ＜ｕ（＝）−ｕ（ｋ−１）＜２．ｕ（ｍ＋１）＝１．
ｕ（ｔ）＝Ｊ”以上の連続単語音声認識において、単語
の標準パターンヲ前記ｖｃｖ　、ｃｖ　、ｖｃ　、ｖ　
、ｖｖの標準パターンに置き替えれば、任意の入力音声
を音節列に変換することができる音声認識装置の実現が
可能である。

第６図は１本発明の第１の実施例である。入力音節数未
知の場合について本発明の詳細な説明する。１００は音
声信号の入力端子、１ｏ１はフィルタバンク等で構成さ
れた特徴抽出部であって２人力音声信号を特徴ベクトル
の系列ａ１．ａ２．・・・・・・ａ工　に変換する。１
０２は標準パターン記憶部であって、前記ｖＣｖおよび
Ｃｖに対応するＮ個の標準パターンが特徴ベクトルの系
列として予め登録されている。１０３はフレーム間距離
計算部であって、入力の第ｉフレームにおける特徴ベク
トルＡ１トｎ番目（７）’ｆｉ準ハターンＲｎ＝ｂｎｌ
、　ｂ２ｎ・・ｂＳｎのそれぞ江５炒特徴ベクトルとの
距離ｄｎ（ｉ、ｉ）を１　りｎ〈Ｎ　、　１　＜、ｊ　
りＪ”についてめる。ｄｏ（ｉ、ｉ）　は例えばａｉと
ｂｉの市街地距離として定義できる。即ち、ベクトルの
次元をｌとし−ａｉ＝　Ｄｔ＋　、　ａｉｚ、　−−、
ａｉｚ）　、　ｂ５ｎ＝（ｂ’ｊ＋　、　ｂ）。

・・・・・・ｓ”ｊｔ）とするとき。

ｄｎ（ｉ　、１）　＝、己、　ｌａｌに−ｂ７ｋｌ・・
・−−（力とすることができる。１０４　、１０６は、
このフレーム間距離を必要がなくなるまで記憶するフレ
ン 一ム間距離記憶部である。１０４は前記の如くＶＣに対
応するパターンとしても用いられるｑ、ｖに対応する標
準パターンに関して計算されたフレーム間距離を記憶す
るフレーム間距離記憶部（１）−１０５ｉ１Ｊ［Ｖ、Ｖ
、ＴＶ、（−（７）他前記Ｃｖ以外のＣｖに対応する標
準パターンに関して計算されたフレーム間距離を記憶す
るフレーム間距離記憶部（２）でるる。ｊＣに対、応す
るフレーム間距離は、ＣｖＫ関してめられたフレーム間
距離ｄｎ（ｉ、１）ｄｎ（ｉ、２）、＝−−−−、ｄｎ
（ｉ、ｊ）、−・・−・・、ｄｎ（ｉ、Ｊｎ）ヲｊ　Ｖ
Ｃ関Ｌｆ逆ニ並ヘタｄ”（Ｌ　、　Ｊｒ′）　、　ｄｒ
′（ｉ、Ｊｎ−１）　、・・・’・・、ｄｎ（’　、］
　）、−’−・−、ａ”（ｉ、２）。

ｄ”（ｔ、１）となるにすぎないから、フレーム間距離
についてはＶＣについてはめる必要はない。

１０６はフレーム間距離記憶部（１）１０４に対し。

以後の処理において、Ｃｖに対する７レ一ム間距（ 離を必要とする場合と、ｖＣに対するフレーム間距離を
必要とする場合について、フレーム間距離ｄｎ（ｉ、ｊ
）のコに関するｉ出順序を切シ替える読み出しアドレス
制御部である。１０７は累積距離計算部であって式（６
）の漸化式を計算するものである。具体的には、前記Ｄ
”（ｉ’、　ｊ　）とそれに対応するバックポインタＢ
ｎ（ｆ、＋）をｆｌ＝１．２゜・・・・・・＋Ｎ；ｊ−
’１，２．・・・・・・　ａｎ　についてめる。径路の
拘束条件の例としては第３図（ａ）〜（θ）等が考えら
れるが−ここでは第３図伽）のマツチング４路を採用す
るものとすれば、次の漸化式を計算することになる。即
ち−ａｙ、ｖ、ｖｖ、ｖｃｖに対する標準パターンの一
連番号をｎ＝１．２゜・・・・・・、Ｎ’、ＶＣに対す
る標準パターンの一連番号ｆ：ｎ　＝Ｎ’−Ｍ　、　Ｎ
’＋２、−＝−、Ｎとし、同一の子音、同一の母音から
なるＣｖ音節とＶＣ音節のそれぞれの標準パターンに対
応する番号ｎ　、　ｎ’をｎ＝ｎ／　Ｎ／　となるよう
に番号付けたとき、ｎ＝１゜２、・・・・・・Ｎ′に関
しては ・・・・・・・・・・・・・・・・・・・・・・・（ｓ
−１）また＋　ｎ＝Ｎ’＋１　、　Ｎ’＋２　、　・−
・−、Ｎ　ＶＣ関しては・・・・・・・・・・・・・・
・・・・・・・・・・（８−２）となる。

バックポインタは ・・・・・・・・・・・・・・・・・・・・・・・・・
・・・・・（９）ただし、初期値は Ｂ（：Ｏ）　＝。

である。

第７図は漸化式（８）が計算される様子を図解したもの
であって、格子点１１４へ至る一つ前の格子点は１１６
，１１６，１１７の何れかである。同様にして格子点１
１６，１１６，１１７のそれぞれの一つ前の格子点は、
格子点１１５については１１８．１１９，１２（ｌ格子
点１１６については１１９，１２１，１２２−格子点１
１７については１２０，１２２，１２３の何れかとなる
。従って、格子点（ｉ　、　Ｊｒ′）に至る径路は、第
８図の斜線部の内部に限定される。ただし、横軸は入カ
バターン、縦軸は標準パターンｎであって、１２４は傾
斜ｙ２の直線、１２５は傾斜２の直線である。

またーこの図の意味するところは入力の１フレームを終
端と仮定して、最後尾の入カバターンの部分パターンを
標章パターンｎとマツチングしたときの累積距離Ｄ”（
ｉ　、　Ｊｎ）は、１′〜１”のうちｎｎ　ｃ　ｔ　、
　Ｊｎ　）が最小になるという意味で最適な点が標準パ
ターンｎに対応する始端点として自動的に選択された結
果として計算される。また、その点がＢｎ（ｉ、　Ｊｎ
）−４−１ということになる。ただしｔ’　、　ｔ″は
それぞれ直線１２ａ　、　１２６と１軸との交点でおる
。また、第７図の説明からも明らかなように、第１フレ
ームにおけるフレーム間距離ｄｎ（ｉ、ｊ　）−１ｉｔ
ｌｔＩ）ｎ（ｔ　、ｊ　）ハｉカ変ル度に対応する第８
図で示した斜線部のすべての格子点についてめ直す必要
はなく、各格子点について１回計算するのみでよい。

累積距離計算部１０７は、さらに終端累積距離Ｄ（１）
、終端バックポインタＢ（ｉ）　＋最後尾音節Ｎ　（ｉ
）を次のようにしてめる。

ｎ＝１．２．・・・・・・、Ｎ′に対してＤ”（ｉ）　
−Ｄ”　（ｉ　、　Ｊｎ）Ｂ”（ｉ）　＝Ｂ”　（ｉ　
、　Ｊｎ）とおく。

また、ｖｌｏ（！：Ｃｖ２を結合するとき、その筐ま結
合するとｖｌＣのＯ（！：　Ｃｊ　Ｖ２のＣの長さの和
になるので、長くなりすぎる場合がある。従って、実際
はｖｌＣに対応する標準パターンに対しては終端点自由
−ＣＶ２ｖｃ対応する標準パターンについては始動点自
由にしてマツチングするのがよい。最も簡単にはＶＣパ
ターンに対して終端点自由のみのマツチングを行えばよ
い。

即？）ｎ　＝Ｎ’−１−１　、　Ｎ’＋２、、−−−−
−・、　Ｎに対してそれぞれのｎに対してｊｎを定め Ｂ“（ｉ）＝　Ｂ”（ｉ　、♀） とおく。ただし、全は弐口２を満足するコである。

しかる後 Ｂ（ｉ）＝Ｂ会（ｉ） △ Ｎ（ｉ）−ｎ △ をめる。ただしｎは弐〇３を満足するｎである０１０８
は累積距離記憶部であって、累積距離計算部１０７　請
求メラレタＤｎ（ｉ　、　Ｊ”　）　、　Ｂ”（ｉ　、
　Ｊｎ）を一時的に記憶するものである。これらの値は
。

累積距離計算部１０７における計算の際に必要なもので
あるが一第７図からも明らかなように、第ｉ７レー４ノ
Ｄ”（１，ｊ）、Ｂｎ（ｉ、ｊ）＋７）計１１３Ｅに対
しては一第３図（ｂ）の径路を採用するときは−Ｄ０（
ｉ−１，ｊ　）　、Ｄｎ（Ｌ　−２、ｊ　）　、Ｂ’（
ｉ　−１、ｊ　）。

Ｂｎ（ｌ−２，ｊ）　のみ必要であるから、２フレ一ム
分のみ記憶していれば良い。第３図（ａ）の径路を採用
するときは勿論１フレ一ム分のみ記憶していればよい。

このことは、前記フレーム間距離記憶部１０４　、１０
５についても言えることであって累積距離Ｄｎ（ｉ、ｊ
）の計算に必要なフレーム間距離は第３図［有］）の径
路のときはｄｎ（ｔ　ｓｊ　）　、ｄ”（ｉ−１，ｊ）
のみであり、第３図（ａ）の径路のときはｄｎ（ｔｔｊ
）のみであるから、フレーム間距離記憶部１０ａ　、　
１０５についてもたかだか２フレ一ム分のフレーム間距
離に対する記憶容量があれば良いことになる。

１０９はバックポインタ記憶部であって、累積距離計算
部１０７で計算されたバックポインタＢ（ｉ）を記憶す
るものである。１１２は最後尾音節記憶部であって、累
積距離計算部１０７で計算され△　△ た−前記第１フレームにおけるｎをＮ　（１）　＝　ｎ
として記憶するものである。

以上の処理はフレームが１進む毎に行われる。

１１０は音声区間検出部であって、入力信号の大きさ等
から周知の方法により音声区間を判定するものであって
、音声区間検出部１１０が音声入力が開始されたことを
検出すると、フレーム数計数部１１１はフレーム毎に計
数を始める。これまでの説明は第１フレームにおける処
理であったが。

このフレーム数計数部１１１の計数値が、このｌを設定
している。フレーム数計数部１１１は音声区間が検出さ
れると計数を始め一音声区間が終了するとリセットされ
る。音声区間の終了は入力音声の最後の定常部とする。

これは日本語においては必ず母音で終了するものであり
、母音部の中心付近は定常だからである。従って、最後
尾音節記憶部１１３．バックポインタ記憶部１０９には
−Ｎ　（ｉ）　、　Ｂ　（１）が１＝１．２．・・・・
・・、工について記憶されることになる。

セグメンテーション部１１２はバックポインタ記憶部１
０９に対し、所定のバックポインタを読出すべき命令を
発するものである。即ち、セグメンテーション部１１２
が１なる値をバックポインタ記憶部１０９に発すると、
バックポインタ記憶部１０９からはバックポインタＢ　
（１）が読出される。

セグメンテーション部１１２は、バックポインタ記憶部
１０９からＢ　（ｉ）なる値を受け取ると、その同じ値
をバックポインタ記憶部１０９に発する。

従って一音声区間検出部１１０が音声入力の終了を検知
すると、フレーム数計数部１１１の最終値工がセグメン
テーション部１１２に供給され、セグメンテーション部
１１２は先ず工なる値をバックポインタ記憶部１０９に
発する。以後−前記説明の動作に従って、バックポイン
タ記憶部１０９からＢ　（Ｉ）　、　Ｂ　（ＪＩ））　
、・・・・・・、０　なる出力が順次得られることにな
る。これらの値は最後から２番目のパターンの終りのフ
レーム、同３番目の終すのフレーム、同４番目の終りの
フレーム、・・・・・・というものであり、Ｎ　（ｉ）
は第１フレームで終るノ（ターンであるから、この値を
そのまま最後尾音節記憶部１１３に与えると、端子１２
６には最後の音節から逆の順序で認識結果が得られる。

第９図は以上の実施例の動作をプログラム的に表現した
図であり、ソフトウェアで実現する場合もこれに従えば
よいＯなお、同図においてＤＯＷＨＩＩ、ＩＣロエコ Ｅ、ＮＤＤＯ なる記法は、条件人が成立する間Ｂを行うということを
意味する。また。

ＤＯＵＮＴＩＬ　口■コ ＮＤＤＯ なる記法は１条件人が成立するまでＢを行うということ
を意味する。

ステップ２００．２０１は累積距離Ｄ（１）、Ｄｎ（ｉ
、コ）バックポインタＢ（ｉ）、Ｂ（ｉ、コ）の初期化
を行う部分である。

ステップ２０３は第１フレームにおける処理を示してお
り、大きくわけて中間累積距離Ｄｎ（ｉ、ｊ）および中
間バックポインタＢ”（ｉ、ｊ）　をめる部分２０４．
２０７と終端累積距離Ｄ（ｉ）　、終端バックポインタ
Ｂ（ｉ）、最後尾音節Ｎ　（ｉ）をめる部分２０５に分
かれる。

ステップ２０４はｎ＝１．２．・・・・・・、Ｎ′につ
いて、ステップ２０７はｎ　＝Ｎ’−４−１　、　Ｎ’
＋２　、−・・−・ｒ　Ｎ　Ｋ　ツイテ前Ｈｅ　Ｄｎ（
’　、３　）、Ｂｎ（’　ｒ　ｊ）　請求めるものであ
る。

スフ−スフ２０５　、２ｏｓｉｄ前記Ｄｎ（ｉ　、ｊ　
）　、’Ｂｎ（１，ｊ）をめるに際し、フレーム毎に初
期化する部分である。

ステップ２０６．２０９では、Ｄｎ（ｔ　、Ｊ）ニ関−
ｊル漸化式Ｔｈ計算Ｌ−Ｄｎ（ｉ　、ｊ　）　、Ｂｎ（
ｉ　、ｊ　）をめると共に、標準パターンｎに関する終
端累積距離Ｄ”（ｉ）と終端バックポインタＢｎ（ｉ）
をめている。このとき、フレーム間距離については前述
したように、ステップ２０６でめておけば一ステップ２
０９では計算する必要はない。

△ ステップ２１０はＤｒ′（１）を最小にするｎをめ、終
端累積距離Ｄ（ｉ）　＝　Ｄ”（ｉ）と終端バックポイ
ンタ分である。

ステップ２１１，２１２はステップ２０３で得られたｉ
＝１．２．・・・・・・、工についてのＢ（ｉ）　、　
Ｎ（ｉ）から認識音節列を得る判定処理部であって、第
６図のフローチャートに従っている。この部分で得△ られるｎを逆順に並べ替えれは、ｖｃｖ　、ｖｖ　。

ｃｖ、ｖ、ｖｃの形で認識された音節列が得られる。

以上の処理を前記第６図の実施例と対応させてみると、
ステップ２０３における処理はブロック１０３〜１０９
における処理に対応しており、ステップ２１２の処理は
、ブロック１０８，１０９゜１１２．１１３の処理に対
応している。

以上、第１の実施例においては、入カバターンと、標準
パターンの連結し苑ものとをマツチングするとき−とに
かく、入カバターンに最も近くなるようにマツチングさ
れるのであって、ｖＣｖ。

ｃ’ｖ、ｖｖなど母音で芦る音節の次にＣｖなど子音で
始まる音節が存在するように認識はれる場合がある。ま
た、ＶＣ音節の次に、母音で始まる音節が存在するとし
て認識される恐れもある。この問題を除くには、母音ｖ
Ｘで終る音節の次には必ず母音ＶＸで始まる音節が続き
、子音Ｃｘで終る音節の次には必ず子音ＣＸで始まる音
節が続くようにマツチングすればよい。次にこのように
改良した第２の実施例について説明する。

この改良は第１の実施例を少し変更するだけで簡単に実
現できる。即ち、第１フレームにおける終端累積距離Ｄ
（１）を後続音韻毎にめておき、後続音韻ｍの音節に対
する終端累積距離をＤ　ｍ　（ｉ）とするとき１次のフ
レームで先行音韻がｍの音節とマツチングするときは累
積距離の初期値としてＤＩＤ（ｉ）　ｉ用いるものであ
る。従って、後続音韻ｍの終端バックポインタをＢ　ｍ
　（ｉ）　、音節ｎの先行音韻ｔｆ（ｎ）とすると式（
９）の初期条件は次のように変更される。

ただし−Ｍは音韻に付された番号で後続音韻となり得る
音韻の種類に等しい。

式（Ｉ４）を初期値として式（Ｂ　１　）　、（８−２
）、　（９）を解くことになる。終端累積距離Ｄｍ（ｉ
）　、終端バンクポインタＢｍ（ｉ）　、最後尾音節Ｎ
ｍ　（ｉ）は次のようにしてまる。

Ｄｎ（ｉ）　、　Ｂｎ（ｉ）は第１の実施例の場合と同
様にしてめる。次にＤｍ（ｉ）　、　Ｂｍ（ｉ）　、　
Ｎｍ（ｉ）　（Ｄｍ（ｉ）　に対応する後続音韻ｍの最
後尾音節）’ｉｚｍ＝１．２゜・・・・・・１Ｍについ
てめる。

Ｂｍ（ｉ）　＝　Ｂ’（ｉ） Ｎｍ（ｉ）　＝　ｎ △ ただし−ｐ（ｎ）は音節ｎの後続音韻、ｎは式（１５１
を満足するｎである。

第１０図は本発明の第２の実施例の構成を示すブロツク
図である。同図において、第６図の第１の実施例と同一
の番号を付したブロックは、第１の実施例とほぼ同じ動
作をする。ただ、累積距離計算部１０７における処理が
上記の如く変更になったのと一累積距離記憶部１０８．
パックポインタ記憶部１０９．最後尾音節記憶部１１３
においてＤｍ（’）　ｒ　Ｂｍ（１）、　Ｎｍ（ｉ）を
１くｍくｈに対して記憶す、る点が異る。１２７は後続
音韻決定部であって、第２の実施例において付加される
ものである。即ちｍ＝１．２．・・・・・・９Ｍ′を母
音に対して付された番号−ｍ　＝Ｍ’−１−１　、　Ｍ
’＋２　、−−−−−−　、　Ｍ全子音に対して付され
た番号とするとき。

ｍ　＝　ａｒｇｍ　ｔｎ　（Ｄｍ（Ｉ）　’］＋りｍ＜
Ｍ’ をめるものである。このｍに対し、最後尾音節△ 記憶部１１３からｎ　＝　Ｎｍ（Ｉ）が読み出され、セ
グメンテーション部１１２を通じてバックポインタ記憶
部１０９からＢ６（Ｉ）が読み出される。即ち、Ｎ、％
Ｉ）　の１つ前の音節はフレームＢＭ（Ｉ）で終端して
いる。１２８は先行音韻決定部であって、ｎ−Ｎ台（Ｉ
）の先行音韻Ｊ°（合）を探索する。これは、フレーム
ｉ　＝　ＢＭ（Ｉ）において、後続音韻Ｊ’　Ｃ’Ｒ）
の音節カＮ分（Ｉ）の１つ前の音節となるからである。

故に△ 後続音韻決定部１２７において新たなｍとして△　△ ｍ　＝−ｆ（ｎ）とおいて最後尾音節記憶部１１３がら
△　△ 後続音韻ｍの新たな音節ｎ　＝　Ｎ台（ｉ）が読み出さ
れる。同時に、セグメンテーシ・ン部１１２は金と１か
ら、バックポインタ記憶部１０９に対してフ△ レームｌにおける後続音韻ｍのバックポインタＢ合（ｉ
）を読み出すべく作用する。

以下、同様な動作が行われて、音節列が逆の順序でまっ
てゆく。

第１１図は第２の実施例の動作をプログラム的に表現し
た図であり、ソフトウェアで実現する場合もこれに従え
ばよい。

第９図と同じ番号を付したステップはほぼ同じ処理をす
るものである。第９図と異る点は、ステップ２００にお
いてＤ（ｏ）　、　Ｂ（０）がＤｍ（０）　、　Ｂｍ（
０）となっている点−ステップ２０５．２０８において
Ｄ（ｉ−＋）が−Ｄｆ（ｍ）（ｉ　−１）となっている
点、ステップ２１０において、終端累積距離Ｄｍ（ｉ）
　、終端バックポインタＢｍ（ｉ）、最後尾音節Ｎ（１
（ｉ）等後続音韻毎にめている点、ステップ２１１，２
１２において、フレームｉで終端する音節に続く音節の
先行音韻は前者の後続音韻と等しいという制限のもとで
、各フレーム１に対してめられているＢｍ（ｉ）　。

Ｎｍ（ｉ）とＤｍ（Ｉ）から音節列を逆向に決定してゆ
く点である。これらの処理は既に第１０図の実施例で説
明法である。

発明の効果 以上のように一本発明によれば、少い登録パターン数で
連続的に発声された音声を認識して、音節列に変換する
ことが可能となったものである。

なお、本発明の実施例として、ＤＰマツチングを用い、
入力音節数未知の場合について説明したが１本発明はそ
れに限定されるものではない。即ち、式（３）を解くこ
とによって、連続パターンの認識を行う装置は他にも種
々考えられるが１本発明は、それらすべてに適用可能で
ある。例えば、入力音節数が既知の場合は、式（４）に
基づく認識装置に適用できるものである。さらに１本発
明はＤＰマクチングを用いた装置ばかりでなくＶＣＶ音
節を標準パターンとして必要とするあらゆる音声認識装
置に適用することができる。

【図面の簡単な説明】

第１図はＤＰマツチングの原理を説明する格子グラフ、
第２図（ａ）〜（ｉ）は格子グラフ上におけるマツチン
グ径路の制限条件の一例を示す図、第３図（ロ））〜（
θ）は連続単語音声の認識等に用いられるマツチング径
路の制限条件の一例を示す図、第４図。 第５図はそれぞれ入力単語数既知の場合と、未知の場合
についての最終的に認識単語列を得る方法を示すフロー
チャート、第６図は本発明の一実施例を示すブロック図
、第７図、第８図は同実施例におけるマクテング計算の
様子を説明する図、第９図は本発明の実施例に対応する
処理をプログラム的に実現する方法を示す図、第１０図
は本発明の第２の実施例を示すブロック図、第１１図は
第２の実施例に対応する処理をソフトウェア的に実現す
る方法を示す図である。 １０１・・・・・・特徴抽出部−１０２・・・・・・標
準パターン記憶部、１０３・・・・・フレーム間距離計
算部、１０４・・・・・・フレーム間距離記憶部（１）
、１０６・・・・・・フレーム間距離記憶部（２）＝１
０６・・・・・・読み出しアドレス制御部、１０７・・
・・・・累・積距離計算部、１０８・・・・・・累積距
離記憶部２１０９・・・・・・バックポインタ記憶部、
１１０・・・・・・音声区間検声部、１１１・・・・・
・フレーム数計数部−１１２・・・・・・セグメンテー
ション部−１１３・・・・・・最後尾音節記憶部。 代理人の氏名　弁理士　中　尾　敏　男　ほか１名第２
図　Ｃａ）　（ｂ） （Ｃ）　ｃｄ−ノ　（ｅン　（チジ 第３図 （ｃＬ）　（ｂ）　（Ｃ）　（ｄ）　（ｅ）第４図 第　５　図

Claims (1)

1. 【特許請求の範囲】 入力音声信号を特徴ベクトルの系列＆＋　、　２Ｌ２　
   。 ・・・・・・ａｒに変換する特徴抽出手段と、第ｎ単音
   節に対する特徴ベクトルの系列ｂ１．ｂ２．　・・・・
   ・・。 ｂＪｎ（ただし−ｎ＝１　、２、−−−−−・、Ｎ　ｉ
   Ｎは単音節数、Ｊｎ　は第ｎ単音節の母音定常部の）、
   レーム）を標準パターンとして記憶する標準パターン記
   憶手段と、前記入力音声信号の特徴ベクトルの系列を、
   前記単音節標糸パターンとマツチングするとともにいく
   つかのｎ′に対しては、第ｎ′単音節の特徴ベクトルの
   系列ｂｊ　、ｂ２　、・・・・・・ｚ　ｌ）”Ｊｎ’を
   逆の順序に並べた特徴ベクトルの系列ｂシニ・＊　ｂＪ
   Ｈ’　−＜。 ・・・・・・＋　ｂｒ２１　ｂｌ”ともマツチングする
   パターンマツチング手段とを備えたことを特徴とする音
   声認識装置。