JPS61190398A - 破裂子音認識方式 - Google Patents
破裂子音認識方式Info
- Publication number
- JPS61190398A JPS61190398A JP3018785A JP3018785A JPS61190398A JP S61190398 A JPS61190398 A JP S61190398A JP 3018785 A JP3018785 A JP 3018785A JP 3018785 A JP3018785 A JP 3018785A JP S61190398 A JPS61190398 A JP S61190398A
- Authority
- JP
- Japan
- Prior art keywords
- time
- plosive
- rupture
- recognition
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔概 要〕
この発明は音声認識における破裂子音の認識手順として
破裂時点を検出することなしに、破裂時間と、入力音声
信号の周波数スペクトルおよび辞書メモリに格納された
周波数スペクトルから所定の重み付けされた演算を行い
破裂子音を認識することにある。
破裂時点を検出することなしに、破裂時間と、入力音声
信号の周波数スペクトルおよび辞書メモリに格納された
周波数スペクトルから所定の重み付けされた演算を行い
破裂子音を認識することにある。
本発明は音声認識方式に関し、特に「バ」。
「ダ」、「ガ」等のｒｂＪ 、ｒｄＪ 、ｒｇＪに相当
する破裂子音を認識する破裂子音認識方式に関する。
する破裂子音を認識する破裂子音認識方式に関する。
従来、破裂子音の認識のためには■、破裂時間（破裂時
点から後続母音の立ち上がりまでの時間）および■、過
渡部スペクトル（上記破裂時間における周波数スペクト
ルの時系列）、が重要なパラメータであることが知られ
ている。
点から後続母音の立ち上がりまでの時間）および■、過
渡部スペクトル（上記破裂時間における周波数スペクト
ルの時系列）、が重要なパラメータであることが知られ
ている。
従来の破裂子音認識方式は以下のような手順によってい
る。
る。
〔登録手順〕 ：認識すべきカテゴリ （ｒｂＪ 。
ｒ’ｄＪ、ｒｇＪ等を示す） ｃ （ｃ ＝ １ 、２
、−−−ｍ）について使用者の声の特徴を登録する手順
。
、−−−ｍ）について使用者の声の特徴を登録する手順
。
■、登録発声音声の破裂時点および母音の立ち上がり時
点を検出する。
点を検出する。
■、破裂時点ｔ０から母音の立ち上がりまでの時間（Ｔ
（Ｃ） ）を辞書メモリに登録する。
（Ｃ） ）を辞書メモリに登録する。
■、過渡部スペクトル
Ａ （ｃ、ｎ）−六（Ｔ （ＣＩ Ｘ−）を辞書メリに
登録する、ここでｎ ＝ ０ 、１−Ｎ −１゜ｓ ｔ
ｔ）は時刻ｔにおける音声信号のスペクトルで母音立ち
上がり時刻を０としたもの。
登録する、ここでｎ ＝ ０ 、１−Ｎ −１゜ｓ ｔ
ｔ）は時刻ｔにおける音声信号のスペクトルで母音立ち
上がり時刻を０としたもの。
■、入力音声の破裂時点及び母音の立ち上がり時点を検
出する。
出する。
■、破裂時点から母音の立ち上がりまでの立ち上がり時
間、即ち、破裂時間Ｔ１を求める。
間、即ち、破裂時間Ｔ１を求める。
ｎ＝０ 、 １ 、・−Ｎ −１゜＋ｗｌ Ｘ Ｉ
Ｔｌ −Ｔ（Ｃ） ｌ ）を与えるまた、ｓｉｎは最
小値を意味し、５ｈｉｎはＣについての最小値を意味す
る。
Ｔｌ −Ｔ（Ｃ） ｌ ）を与えるまた、ｓｉｎは最
小値を意味し、５ｈｉｎはＣについての最小値を意味す
る。
この従来の方式では破裂時点の検出精度が認識性能を大
きく左右するが、実際には破裂時点検出が容易ではな（
、認識性能向上を阻害する大きな問題となっている。
きく左右するが、実際には破裂時点検出が容易ではな（
、認識性能向上を阻害する大きな問題となっている。
また、登録時には破裂時点検出精度を上げるために、追
加の手順として、 ■、同じカテゴリに対して何回かの登録発声を行い、破
裂部スペクトルおよび破裂時間が橿端に異なるサンプル
を捨て平均的なものを辞書に登録する。
加の手順として、 ■、同じカテゴリに対して何回かの登録発声を行い、破
裂部スペクトルおよび破裂時間が橿端に異なるサンプル
を捨て平均的なものを辞書に登録する。
という手順を追加して破裂時点検出の不安定さを補うこ
とが可能である。しかしながら、認識時においては一回
のみの認識であり破裂時点検出の不安定さは致命的と云
える。
とが可能である。しかしながら、認識時においては一回
のみの認識であり破裂時点検出の不安定さは致命的と云
える。
〔問題点を解決するための手段および作用〕本発明は破
裂子音の認識時に、破裂時点を検出することなしに破裂
時間と人力音声および辞書メモリの過渡部スペクトルか
ら破裂子音を認識する方式を提供することにあり、その
手段は、登録手順は従来通りであるが、認識手順に特徴
がある。
裂子音の認識時に、破裂時点を検出することなしに破裂
時間と人力音声および辞書メモリの過渡部スペクトルか
ら破裂子音を認識する方式を提供することにあり、その
手段は、登録手順は従来通りであるが、認識手順に特徴
がある。
すなわち、
■′、人力音声の母音の立ち上がり時点を検出する。
■゛、辞書メモリの１つのカテゴ！月Ｃ）について過渡
部スヘクト７Ｌ／Ｒ（ｃ 、 ｎ） 、ｎ＝ｏ 、 １
−Ｎ−１と破裂時間Ｔ （Ｃ）をテーブルから参照し、
次の関係、すなわち、 Ｄ（Ｃ）＝ｍｉｎ ｄ （ｃ 、α） α ここで、 ×Ｗ （１−α）、 １（ｔ）は入力音声信号における母音立ち上がり時刻よ
りもｔ時間手前時点の過渡部スペクトル、Ｗ （Ｘ）は
重み付け関数であり、一般にＸ−αのとき最小値となり
、Ｉｘｌが大きくなるに従い大きな値となる。例えば、
Ｗ（Ｘ）＝ＩＸｌ＋１あるいはを求める。つまり時間補
正値αの種々の値においてｄ（ｃ、α）のαについての
最小値ｓｉｎを求め、最小値Ｄ （Ｃ）を決定する。
部スヘクト７Ｌ／Ｒ（ｃ 、 ｎ） 、ｎ＝ｏ 、 １
−Ｎ−１と破裂時間Ｔ （Ｃ）をテーブルから参照し、
次の関係、すなわち、 Ｄ（Ｃ）＝ｍｉｎ ｄ （ｃ 、α） α ここで、 ×Ｗ （１−α）、 １（ｔ）は入力音声信号における母音立ち上がり時刻よ
りもｔ時間手前時点の過渡部スペクトル、Ｗ （Ｘ）は
重み付け関数であり、一般にＸ−αのとき最小値となり
、Ｉｘｌが大きくなるに従い大きな値となる。例えば、
Ｗ（Ｘ）＝ＩＸｌ＋１あるいはを求める。つまり時間補
正値αの種々の値においてｄ（ｃ、α）のαについての
最小値ｓｉｎを求め、最小値Ｄ （Ｃ）を決定する。
書中のすべてのカテゴリ（ｃ＝１．２・・−・ｍ）につ
いてＤ （Ｃ）を求め、最小値を与えるＣを決定する。
いてＤ （Ｃ）を求め、最小値を与えるＣを決定する。
このＣが認識結果としてのカテゴリである。
上述した認識手順により破裂子音を認識する。
第１図は、本発明に係る破裂子音認識方式を実施する装
置の一実施例ブロック線図である。
置の一実施例ブロック線図である。
第１図において、パワー計算回路１は、音声信号Ｘｉ
（ｉは時刻）からパワ一時刻として計算し出力する。２
チヤネルフイルタバンク２は、音声信号ｘ１を、ローパ
スフィルタ、バイパスフィルタを用いて高域成分、低域
成分に分け、音声信号の高域成分パワー／低域成分パワ
ーの時系列Ｓｎを求め出力する。破裂時点検出部３は、
破裂時点で・は高域成分パワーが強いことを利用し、Ｐ
ｎ ＞第１のしきい値、Ｓｎ ＞第２のしきい値、にな
る時刻Ｔｅを決定し出力する。母音立ち上がり時点検出
部４は、パワ一時系列Ｐｎを入力し、パワ一時系列メモ
リ１０に蓄え、Ｐｎの最大値ＰｍａｘとＰｎが最大値を
とる時刻Ｔ ｐｔｓａｘを求め、Ｔ ｐｍａｘから過去
にさかのぼり、ＰｎがＰｍａｘ ｘ係数（係数は例えば
０．１）より小さくなる時点Ｔｒを決定し出力する。破
裂時間計算部５は、ＴｅとＴｒから破裂時間Ｔ＝Ｔｒ−
Ｔｅを求める。辞書えば１カテゴリについて１０回行う
が、それらに対するＴの平均値を求めそれに最も近いＴ
とそのサンプルに対するＲを辞書メモリ１１に格納する
。
（ｉは時刻）からパワ一時刻として計算し出力する。２
チヤネルフイルタバンク２は、音声信号ｘ１を、ローパ
スフィルタ、バイパスフィルタを用いて高域成分、低域
成分に分け、音声信号の高域成分パワー／低域成分パワ
ーの時系列Ｓｎを求め出力する。破裂時点検出部３は、
破裂時点で・は高域成分パワーが強いことを利用し、Ｐ
ｎ ＞第１のしきい値、Ｓｎ ＞第２のしきい値、にな
る時刻Ｔｅを決定し出力する。母音立ち上がり時点検出
部４は、パワ一時系列Ｐｎを入力し、パワ一時系列メモ
リ１０に蓄え、Ｐｎの最大値ＰｍａｘとＰｎが最大値を
とる時刻Ｔ ｐｔｓａｘを求め、Ｔ ｐｍａｘから過去
にさかのぼり、ＰｎがＰｍａｘ ｘ係数（係数は例えば
０．１）より小さくなる時点Ｔｒを決定し出力する。破
裂時間計算部５は、ＴｅとＴｒから破裂時間Ｔ＝Ｔｒ−
Ｔｅを求める。辞書えば１カテゴリについて１０回行う
が、それらに対するＴの平均値を求めそれに最も近いＴ
とそのサンプルに対するＲを辞書メモリ１１に格納する
。
１６チヤネルフイルタバンク７は、音声の周波数分析を
行う。中心周波数の互いに異なるバンドパスフィルタ１
６個およびそれらの出力を検波整流する１６個の検波整
流回路を具備する。その出力は１６チヤネルスペクトル
情報を示す、パラメータバッファメモリ８は、１６チヤ
ネルフイルタバンク７の出力（時系列）を記憶するメモ
リである。
行う。中心周波数の互いに異なるバンドパスフィルタ１
６個およびそれらの出力を検波整流する１６個の検波整
流回路を具備する。その出力は１６チヤネルスペクトル
情報を示す、パラメータバッファメモリ８は、１６チヤ
ネルフイルタバンク７の出力（時系列）を記憶するメモ
リである。
このメモリは登録時には時間の基準となる破裂時する。
ここでαは伸縮係数で０．８．０．９．１．１．１．１
．２等の値をとる。認識部９は、辞書メモリー１からＲ
’ （ｃ 、ｎ）、Ｔ’（ｃｌ、（ｃはカテゴリ）を
順次取り出し、Ｔ×α×−（α−０，８，０，９，１，
１，１゜１．２． ｎ ＝０．１、−、 ５ ）をパラ
メータバッフアメ時の距離をカテゴリＣと入力音声との
距離とする。
．２等の値をとる。認識部９は、辞書メモリー１からＲ
’ （ｃ 、ｎ）、Ｔ’（ｃｌ、（ｃはカテゴリ）を
順次取り出し、Ｔ×α×−（α−０，８，０，９，１，
１，１゜１．２． ｎ ＝０．１、−、 ５ ）をパラ
メータバッフアメ時の距離をカテゴリＣと入力音声との
距離とする。
この計算を辞書中のすべてのカテゴリについて行い、最
も小さい距離を与えるカテゴリを決定する。
も小さい距離を与えるカテゴリを決定する。
このカテゴリを認識結果として出力する。
上述の説明から明らかなように、第１図装置においては
、登録処理では１乃至１１のすべての装置を必要とする
が、認識処理においては２，３゜５．６（第１図の点線
内）は不要である。これを従来装置と比較すると従来は
登録処理でも認識処理でも１乃至１１のすべてを必要と
した。
、登録処理では１乃至１１のすべての装置を必要とする
が、認識処理においては２，３゜５．６（第１図の点線
内）は不要である。これを従来装置と比較すると従来は
登録処理でも認識処理でも１乃至１１のすべてを必要と
した。
第２図（ａ）〜（Ｃ）は音声波形から辞書を作成するま
での説明図である。（ａ）は例えばｒｂａＪの波形を示
し、破裂時点ｔ０は口びるから発声される破裂音の開始
時点、１．は母音立ち上がりの時刻であって、ｔｌはｒ
ｂＪについての破裂時間を示し、この間を例えば６等分
（ｎ＝６） して各々について過渡部スペクトルＲ（ｂ
、Ｏ）、Ｒ（ｂ、ＩＬ−Ｒ（ｂ、５）を求める。明らか
なようにｔ、の区間は子音波形であり、ｔ、以後は母音
波形である。
での説明図である。（ａ）は例えばｒｂａＪの波形を示
し、破裂時点ｔ０は口びるから発声される破裂音の開始
時点、１．は母音立ち上がりの時刻であって、ｔｌはｒ
ｂＪについての破裂時間を示し、この間を例えば６等分
（ｎ＝６） して各々について過渡部スペクトルＲ（ｂ
、Ｏ）、Ｒ（ｂ、ＩＬ−Ｒ（ｂ、５）を求める。明らか
なようにｔ、の区間は子音波形であり、ｔ、以後は母音
波形である。
山）は例えばｒｇａＪの波形を示し、（ａ）と同様にｒ
ｇＪについての破裂時間１．におけろ過渡部スペクトル
ｉ （ｇ、ｏ）、Ｒ（ｇ、１）・・−・Ｒ（ｇ 、 ５
）を求める。（Ｃ）は第１図に示す辞書メモリ１１のテ
ーブルである。ラベルには破裂子音「ｂＪ 、ｒｇＪ
。
ｇＪについての破裂時間１．におけろ過渡部スペクトル
ｉ （ｇ、ｏ）、Ｒ（ｇ、１）・・−・Ｒ（ｇ 、 ５
）を求める。（Ｃ）は第１図に示す辞書メモリ１１のテ
ーブルである。ラベルには破裂子音「ｂＪ 、ｒｇＪ
。
ｒ ｄ Ｊ−が格納され、過渡部スペクトルには対応す
る過渡部スペクトルＲ（ｂ、Ｏ）−・−、Ｒ（ｇ 、０
）・−等が格納され、破裂時間には対応する破裂時間１
に、 １．・・−が格納される。
る過渡部スペクトルＲ（ｂ、Ｏ）−・−、Ｒ（ｇ 、０
）・−等が格納され、破裂時間には対応する破裂時間１
に、 １．・・−が格納される。
第３図は、本発明に係る破裂子音認識方式における距離
計算をさらに詳しく説明する説明図である。
計算をさらに詳しく説明する説明図である。
第３図において、例えばｒｂＪについて、過渡部スペク
トルの分析区間を、例えば５種類の分析区間に分は各区
間を−２、−１、０，＋１．＋２と称すると、区間（−
２）の過渡部スペクトルは、ｎ＝６では、せる、このよ
うな過渡部スペクトルに基づいて各々について距離りを
求めると、 ここで、１．２．１．１，１．１．１．１．２は重み付
けを示す。
トルの分析区間を、例えば５種類の分析区間に分は各区
間を−２、−１、０，＋１．＋２と称すると、区間（−
２）の過渡部スペクトルは、ｎ＝６では、せる、このよ
うな過渡部スペクトルに基づいて各々について距離りを
求めると、 ここで、１．２．１．１，１．１．１．１．２は重み付
けを示す。
この場合、Σｄｉｓｔ（）の値が小さくても場所がｔｂ
から離れるとＤが大きくなる。従って、Ｄ−ｚ 、Ｄ−
＋ 、Ｄｏ、Ｄ、＋ 、Ｄ、！を比較し最小の値を入力
音声と破裂子音ｒｂＪとの距離Ｄ（ｂ）とする。
から離れるとＤが大きくなる。従って、Ｄ−ｚ 、Ｄ−
＋ 、Ｄｏ、Ｄ、＋ 、Ｄ、！を比較し最小の値を入力
音声と破裂子音ｒｂＪとの距離Ｄ（ｂ）とする。
即ち、できるだけｔ、に近い場所でかつｄｉｓｔの小さ
い値が距離Ｄ（ｂ）である。さらにｒｄＪ 、ｒｇＪ。
い値が距離Ｄ（ｂ）である。さらにｒｄＪ 、ｒｇＪ。
−・・−についても同様のことを行い、各々最も小さい
Ｄを与えるカテゴリＣを見つけ認識結果とする。
Ｄを与えるカテゴリＣを見つけ認識結果とする。
本発明によれば認識時に破裂時点を検出することなしに
破裂時間と過渡部スペクトルを用いた破裂子音の認識が
行えるので安定した高性能の認識が可能となる。
破裂時間と過渡部スペクトルを用いた破裂子音の認識が
行えるので安定した高性能の認識が可能となる。
第１図は本発明に係る破裂子音認識方式を実施する装置
の一実施例ブロック線図、 第２図（ａ）および第２図山）は音声波形を説明する図
、 第２図（Ｃ）は第２図（ａ）および第２図（ｂ）を格納
する辞書メモリのテーブル、および 第３図は認識用の入力音声と破裂子音との距離計算を説
明する図である。 （符号の説明） １・・・パワー計算回路、 ２・・・２ｃｈフイルタバンク、 ３・・・破裂時点検出部、 ４・・・母音立ち上がり時点検出部、 ５・・・破裂時間計算部、 ６・・・辞書登録部、 ・ ７・・・１６ｃｈフイルタバンク、 ８・・・パラメータバッファメモリ、 ９・・・認識部、 １０・・・パワ一時系列メモリ、 １１・・・辞書メモリ。 第２図（ａ） 第２図（ｂ） Ｌ。 音声波形を説明する図
の一実施例ブロック線図、 第２図（ａ）および第２図山）は音声波形を説明する図
、 第２図（Ｃ）は第２図（ａ）および第２図（ｂ）を格納
する辞書メモリのテーブル、および 第３図は認識用の入力音声と破裂子音との距離計算を説
明する図である。 （符号の説明） １・・・パワー計算回路、 ２・・・２ｃｈフイルタバンク、 ３・・・破裂時点検出部、 ４・・・母音立ち上がり時点検出部、 ５・・・破裂時間計算部、 ６・・・辞書登録部、 ・ ７・・・１６ｃｈフイルタバンク、 ８・・・パラメータバッファメモリ、 ９・・・認識部、 １０・・・パワ一時系列メモリ、 １１・・・辞書メモリ。 第２図（ａ） 第２図（ｂ） Ｌ。 音声波形を説明する図
Claims (1)
- １、音声認識における破裂子音認識方式において、入力
音声信号中の破裂子音の破裂時点から後続する母音の立
ち上がりまでの時間に対応した破裂時間と、該破裂時間
における周波数スペクトルからなる過渡部スペクトルを
格納する辞書メモリを具備し、該辞書メモリを参照しつ
つ、該入力音声信号の該破裂時間における入力音声スペ
クトルと該辞書メモリに格納された過渡部スペクトルと
の距離の総和に重み付け関数を乗することにより入力音
声信号中の破裂子音を認識することを特徴とする破裂子
音認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3018785A JPS61190398A (ja) | 1985-02-20 | 1985-02-20 | 破裂子音認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3018785A JPS61190398A (ja) | 1985-02-20 | 1985-02-20 | 破裂子音認識方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS61190398A true JPS61190398A (ja) | 1986-08-25 |
Family
ID=12296748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3018785A Pending JPS61190398A (ja) | 1985-02-20 | 1985-02-20 | 破裂子音認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS61190398A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006088211A (ja) * | 2004-09-27 | 2006-04-06 | Kyocera Corp | 回転式粉末圧縮成形機とこれを用いた圧縮成形方法 |
-
1985
- 1985-02-20 JP JP3018785A patent/JPS61190398A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006088211A (ja) * | 2004-09-27 | 2006-04-06 | Kyocera Corp | 回転式粉末圧縮成形機とこれを用いた圧縮成形方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0245252A1 (en) | System and method for sound recognition with feature selection synchronized to voice pitch | |
| JPS59224900A (ja) | 音声認識方法 | |
| JPS6136798A (ja) | 音声セグメンテ−シヨン法 | |
| JPS6335995B2 (ja) | ||
| JPH0376471B2 (ja) | ||
| JPH0682275B2 (ja) | 音声認識装置 | |
| JPS59143199A (ja) | ピツチ抽出方法 | |
| JPH0640274B2 (ja) | 音声認識装置 | |
| JPH0731506B2 (ja) | 音声認識方法 | |
| JPS6329759B2 (ja) | ||
| JPS63155098A (ja) | 有声破裂音破裂時点検出装置 | |
| JP2901976B2 (ja) | パターン照合予備選択方式 | |
| JPS6260720B2 (ja) | ||
| JPS63266497A (ja) | 音声認識装置 | |
| JPH04365100A (ja) | 音声認識に使用する子音の認識方法 | |
| JPS60198598A (ja) | 音声認識方式 | |
| JPH01167897A (ja) | 音声認識装置 | |
| JPS5923398A (ja) | 単音節音声認識装置 | |
| JPS58116595A (ja) | 単語音声認識装置 | |
| JPS62145299A (ja) | 音声認識方法 | |
| JPS6227798A (ja) | 音声認識装置 | |
| JPS5936759B2 (ja) | 音声認識方法 | |
| JPH04211299A (ja) | 単音節音声認識装置 | |
| JP3008404B2 (ja) | 音声認識装置 | |
| JPH04342298A (ja) | 瞬時ピッチ分析方法及び有声・無声判定方法 |