JPS6147440B2 - - Google Patents

Description

【発明の詳細な説明】 (A) 発明の属する技術分野 本発明は会話音声認識システムおよび方法に関
し、特に音素に対応する特定の音および通常の会
話におけるこれ等の音の間の遷移の認識のための
システムに関する。

(B) 従来技術の説明 最近、音声認識および言語認識の分野において
多くの研究がなされて来た。1978年４月13日発行
の“Electronics”誌69頁の論文「データ処理用
の音声認識装置は120単語を取扱うことができ
る」に記述されたように、僅かのシステムが各単
語間に休みをおかずに話された少数の単語群の認
識能力を有する。

この分野の技術の現状については、IEEEの
1976年４月１日付会報501乃至531頁のＤ―Ｒ・
Reddy著「機械による会話音声認識、その展望」
で考察されている。会話音声認識の分野の特に関
連する分野についての更に詳細な情報は下記の諸
論文に記載されている。即ち、IEEEの1977年12
月の音響、音声および信号の処理に関する会報
ASSP―25巻、第６号のＮ・Ｃ―GeckinliとＤ・
yavuz共著「零交差間隔シーケンスを用いるピツ
チ抽出のためのアルゴリズム」、IEEEの1976年
４月会報64巻、第４号のF.Jelinek著「統計的方
法による連続的会話音声の認識」、1977年６月発
行の音響、音声および信号の処理に関する会報
ASSP―25、第３号のＤ・Ｈ・Friedman著「擬
似最大近似会話音声抽出法」、1976年４月発行の
IEEE会報64巻第４号のＴ・Ｂ・Martin著「機械
に対する音声入力の実際的応用」、1977年２月発
行の音響、音声および信号の処理に関する会報
ASSP・25巻第１号のＬ・Ｒ・Rabiner著「ピツ
チ検出のための自己相関分析法の使用につい
て」、および1977年10月発行のElectronics and
Power誌のＡ・Ｆ・Newell著「会話および聴力障
害を有する人達のための通信補助手段」がある。

会話音声認識のための従来のシステムおよび方
法は、人間の会話を理解する方法の複雑さの故に
非常に複雑かつ高価となつた。当技術に携わる人
達は、会話の音声の特性（音声学）、発音におけ
る変化度（音韻学）、会話の強勢およびイントネ
ーシヨンのパターン（音韻学）、単語の発音パタ
ーン（辞学）、言語の文法的構造（構文法）、単語
と文章の意味（意味論）、および会話の文脈（実
践論）を用いて来た。会話を認識するためこれ等
の知識の源の全てを人間の心を持つ「プログラム
された」コンピユータが処理することはできて
も、当技術の現在の状態では、切離された単語お
よび「連結された」単語の短いグループを理解す
るだけでもこれに必要とされるデータおよびアル
ゴリズムを記憶するための大量のメモリーおよび
ソフトウエアを含む非常に高価なコンピユータ・
ハードウエアを必要とすることになる。

公知のシステムは、入力する音声信号を表わす
パラメータを得るためこの信号をデイジタル化し
分析することを包含している。殆んどの公知の音
声認識システムにおいては、基準となるパターン
を「学習し」、演算システム内に記憶し、正規化
された未知の信号パターンと比較する。この未知
の信号パターンと記憶した信号パターンとの間に
マツチングが見出されると出力信号が生じ、この
信号がこの入力音声を印刷したり、デイスプレイ
表示したり他の電子機械的な作用を生じる。

音声をデイジタル化する最も一般的な方法はパ
ルス・コード変調手法によるもので、これはアナ
ログ信号を予め定めた数の「セグメント」に分割
する。従来のシステムは、一般にこの音声入力を
比較的多くのチヤネル数にフイルタして種々の周
波数成分に分離し、この各成分はパルス・コード
変調される各チヤネルの波形の各増分は記憶され
るべきデイジタルワードを必要とし、そのため多
量の一時記憶およびデイジタル処理が必要とされ
た。種々の周波数チヤネルから得るデイジタル・
データから「フオルマント」（強いアクセントを
もつ音声のスペクトル域）を認識するために特殊
なアルゴリズムが開発された。これ等のアルゴリ
ズムは、これ等のデータにより表わされる子音、
母音、流音（ｌ、ｒ、ｍ、ｎ等）および鋭い経過
音の認識のため開発されて来ている。又、入力音
声信号のスペクトルのフイルター操作およびパル
ス・コード変調から得られるデータの分析のため
統計的手法も用いられて来た。

(C) 発明の目的 従つて、本発明の目的は色々な用途のための音
素および音素群を表わす受入れられる程度に解釈
可能な信号を生成するためのコストが低く信頼性
があり容易に使用できる会話音声認識システムお
よび方法の提供にある。

本発明の別の目的は、制限された記憶語いによ
り制約を受けない会話音声認識のためのシステム
および方法の提供にある。

本発明の他の目的は、単語グループの構文法と
意味論によつて制約を受けない会話音声認識のた
めのシステムおよび方法の提供にある。

本発明の他の目的は、受取つた会話音声の信号
のピツチと実質的に独立な低コストの会話音声認
識のシステムおよび方法の提供にある。

本発明の更に他の目的は、会話音声信号を受入
れられる程度に読取り可能な表示物もしくは印字
物に変換するための低コストの会話音声認識のシ
ステムおよび方法の提供にある。

本発明の他の目的は、異なる音声特性を有する
異なる人間による会話を正確に認識するために音
声認識システムにより再プログラミング即ち「学
習」する必要を避ける会話音声認識のシステムお
よび方法の提供にある。

本発明の他の目的は、予め定めた数の語いの単
語の記憶を必要としない会話音声認識のシステム
および方法の提供にある。

本発明の更に他の目的は、耳が聞えないか難聴
の人が公衆電話システムを利用できるようにする
低コストで信頼性が高く、容易に使用できる会話
音声認識システムの提供にある。

(D) 発明の要約 要約すれば、本発明の一実施態様によれば、本
発明は音声信号に応答して音素を表わす信号を生
じるためのシステムおよび方法を提供するもので
ある。本システムは、音声信号に作用してこの音
声信号をデイジタル化する回路と、デイジタル化
された音声信号に作用してこの音声信号の主な勾
配変化を決定する回路と、この主な勾配変化のあ
るものの間の時間間隔の音声波形特性比を計算す
る回路と、この音声波形特性比を記憶された音素
比即ちパラメータと比較して計算された音声波形
特性比が記憶された音素比のいずれかとマツチす
るかどうかを決定し、最後にこのマツチングに応
答して音素を表わす信号を生じる回路とを含んで
いる。この音素を表わす信号は、この信号の各々
に対応する音素記号を印字する音素プリンタを制
御するために使用される。本発明の一実施態様に
おいては、音声信号を正規化するための負帰還増
巾器に対して音声信号が入力され、正規化された
増巾器出力はデルタ変調回路に入力される。

デルタ変調回路は、約30乃至70キロヘルツの範
囲内で選択された予め決定されたサンプリング速
度によつて作用する。前記増巾器の負帰還信号も
又、100乃至300ヘルツの範囲内の実質的に更に低
いサンプリング速度でテルタ変調されて音声信号
の振巾包絡線をデイジタル化する。音声信号は、
その周波数成分の予め定めた「高い方の端縁部」
即ち「ヒシング（hissing）」範囲をフイルタし、
予め定めた閾値を越える大きさのフイルタされた
周波数成分の構成成分を表わすデイジタル・パル
スを生じる回路に入力される。この比較回路は、
デイジタル化された大きさの情報とパルスを表わ
す高い周波数成分を用いて、記憶された音素比と
音声波形特性比を系統的に比較する。本発明の一
実施態様においては、この比較回路はプロセサと
関連するメモリー（記憶された音素比を保持）を
有し、前記の比較操作の順序を制御する比較アル
ゴリズムを実行する。この比較アルゴリズムは、
言語的に関連する音素のセツトの予め定めた組分
けに従つてメモリーのある音素比を保有する場所
をアドレス指定する。このセツトの各々は話され
た言語における音素の発生の平均頻度に従つて配
置される。本発明の一実施態様においては、デル
タ変調回路は、負帰還増巾回路から受取つた正規
化されたアナログ信号の振巾における変化に従つ
て変化し得る勾配を有するランプ信号を生じるラ
ンプ回路を内部に含む。本発明の他の実施態様に
おいては、前記アルゴリズムによりプロセサがデ
イジタル化された音声信号について作用して、デ
ルタ変調回路のランプ回路の連続する勾配反転の
存在不存在に対応する情報を検出することにより
音声信号の主な勾配変化を検出する。音声信号の
主な振巾変化および主な「平坦部」はこれにより
識別される。本発明の一実施態様においては、前
記音素プリンタは印字された音素記号により表わ
される音を生じる音声の振巾を表わす記号を更に
印字する。このアルゴリズムの一部分は音素記号
の印字様式を制御する。アルゴリズムの後半部は
識別された各音素の音に対応する唯１つの音素記
号を印字することを許容し、これによつて持続音
を含んだ単語の読みやすさを改善する。本発明の
別の実施態様においては、電話のヘツドセツトの
イヤホンにより音声信号が生じ、耳の聞えない人
又は難聴の人が電話ヘツドセツトのマイクロホン
に話かけ、この電話回路の他端の相手側から受取
る会話音声信号を表わす実時間の音素プリントア
ウトを読むことにより公衆電話で会話をすること
が可能になる。本発明の他の実施態様において
は、本発明の方法およびシステムは、口述内容を
表わす音素群を印字するデイクテーテイング・マ
シンに組み込まれる。本発明の他の実施例は、音
声を実時間の音素のプリントアウト即ちある音の
不適正な発音や不適正な強勢をデイスプレイ表示
に変換する音声治療装置における新規な音声認識
のシステムおよび方法を実施するものである。

本発明の他の実施態様では、デイジタル的に制
御される機械に対するデイジタル入力として音素
表示信号を生じる新規な音声認識のシステムおよ
び方法が実施される。

(E) 実施例の説明 （Ｅ−１） 第１図装置の説明 添付図面、特に第１図において、本発明の会話
音声認識システムは電話システムと関連して使用
される。難聴の人は、電話がなつていることを点
滅光装置や高声又は振動型の呼びりん装置によつ
て聴取つたり判断することができる。次に、難聴
者は電話送受器１６をシステム１０に内蔵される
従来周知の音響カプラーの受けカツプにおく。次
にマイクロフオン２４に話しかけて音声増巾器と
トランジユーサ回路２２に入力される音声信号を
生成する。トランジユーサ回路２２は話された内
容を表わす音声波３０を電話送受器１６の送出マ
イクロフオンにつなぐ。回線の反対側端部におけ
る遠く離れた相手側から電話システムに入る音声
信号は、電話送受器１６のイヤホンにより音声に
変換され、音響カプラー１８によつて電気的音声
信号に変換される。音響カプラー１８は遠く離れ
た電話から入る電気信号を音声認識システム２０
に入れる。ユーザがシステム１０をデイクテーテ
イング・マシンとして使用することを望む時以外
は、スイツチ２１Ａと２１Ｂは通常閉じ、スイツ
チ２１Ｃは通常開いている。

音声認識システム２０は、音素プリンタ１２に
入力される音素信号を生じる。音声プリンタ１２
は、遠隔電話から受取る音声に対応する実時間の
音素群を印字紙２６上に打出し、この印字紙は矢
印２８で示す如く耳の聞えない人又は難聴者によ
り読取られる。このように、耳の聞えない人又は
難聴者は、電話回路の他端の人間により発声され
る音声を聴く代りにその会話の同時的な音素プリ
ントアウトを見るのである。耳の聞えぬ人又は難
聴者は、印字された音素メツセージを解明するこ
とを望む時、単にマイクロフオン２４に話すだけ
でいつでも会話を遮ることができる。

（Ｅ−２） 音素アルフアベツト案（第２図） 音素アルフアベツト案を第２図に示す。第２図
には２グループの音素記号が示され、その最初の
欄は過渡音である。これ等の過渡音は、話し手が
長い期間持続することができない短い破裂音を含
んでいる。例えば、「Ｄ」、「Ｃ」、「Ｂ」、「Ｊ」に
よつて表わされる音は「音声」の周波数成分を含
んでいる。しかし、その関連群音である「Ｔ」、
「Ｋ」、「Ｄ」、「CH」は無声の同一音である。これ
等の過渡音は、これ等が前記音素の前にあるか後
にあるかに従つてその隣接音素の特徴に異なる影
響を及ぼす。第２図において示される維持可能音
の別のグループは、非母音と母音を含む２つのサ
ブグループを含んでいる。英語における重要な全
ての会話音声が第２図に示されている。そのいく
つかは他の口語に含まれる人間の発声機関によつ
て発声可能な別の音を表わす別の音素を更に25程
度加えることができる。

第１図および第３図の音素プリンタ１２は、認
識された音素の音と対応する音素記号を印字す
る。第２図において、各音素記号は、この音素記
号によつて表わされる音を示すため下線を付した
１個以上の文字を有する普通の英単語を伴つてい
る。

（Ｅ−３） 会話音声認識システム（第３図） 次に第３図において、第１図のシステム１０の
会話音声認識部として内蔵できる会話音声認識シ
ステム１０′は、増巾器３２の入力側に接続され
たマイクロフオン２４又は他の音声信号源を含
む。増巾器３２の出力は、導線３３によつてアナ
ログ／デイジタル・コンバータ回路３４（以下、
デルタ・モジユレータと呼ぶ）に接続されてい
る。導線３３は又、２乃至４キロヘルツの範囲内
のパス帯域を有する高周波数帯域フイルタ４６の
入力側に接続されている。第３図の実施態様にお
いては、増巾器３２は音声前置増巾器で、デル
タ・モジユレータ（変調）回路３４は負帰還回路
を含み、この回路はもし前記回路３４がモトロー
ラ社のMC3417（又は、MC3418）の連続可変勾
配デルタ・モジユレータ／デモジユレータ回路の
エンコーダ部分であれば、導線３３上の音声信号
の入力における変化に応答して内部のランプ信号
の勾配を調整するものである。低周波数域フイル
タ３６を前記MC3417の負帰還回路に接続して音
声信号の振巾エンベロープ信号を生じる。このエ
ンタロープ信号は導線３８に生じる。前記の負帰
還および可変勾配ランプを持たないデルタ・モジ
ユレータ回路に対しては、負帰還は音声増巾器３
２に含まれねばならないことに留意すべきであ
る。しかし、第３図の実施態様においては、この
デルタ・モジユレータ３４があたかも導線３３上
の音声信号が一定の振巾であるかの如く作用する
ため、この負帰還は増巾器３２の一部であるもの
と概念的に考えられるのである。

以下「デルタ信号」と呼ばれる導線４４上に生
じる直列のデイジタル出力信号は導線３３上の音
声信号を表わす。このデルタ信号は、マイクロコ
ンピユータ５２に対する直列の実時間デイジタル
入力信号として与えられる。マイクロコンピユー
タ５２は、モトローラ社のMC6801マイクロコン
ピユータ（又は、他の多くの現在市販されている
マイクロコンピユータ）を用いて構成することが
できる。

導線３８上の振巾エンベロープは、これも又モ
トローラ社MC3417型の連続可変勾配デルタモジ
ユレータ／デモジユレータのエンコーダ部分によ
り容易に構成できる第２のデルタ・モジユレータ
４０に入力される。デルタ・モジユレータ４０
は、以下「振巾信号」と呼ぶ導線４２上の振巾エ
ンベロープ信号の直列デイジタル化表示を生じ
る。導線４２はマイクロプロセサ５２の第２の直
列入力側に入力される。

高周波数帯域フイルタ４６は閾値回路４８に対
する出力を生じ、該回路はもし前記帯域フイルタ
の出力の大きさが予め定めた閾値レベルを越える
ならば以下「ヒス信号」と呼ぶ線５０上の２進出
力パルスを生じる。線５０はマイクロコンピユー
タ５２に対する第３の直列入力線として設けられ
る。マイクロコンピユータ５２の出力ポート６２
は音素プリンタ又は他の音素解釈装置１２′に接
続される。内部のランダムアクセス・メモリーお
よび（又は）マイクロコンピユータ５２に対する
内部の読出し専用メモリーが不十分である場合、
それ以上のデータおよび（又は）ソフトウエアを
記憶するために補助メモリー５８がバス６０によ
りマイクロコンピユータ５２のデータおよびアド
レス・ポートに接続される。

本発明の会話音声符号化システムの作用につい
て説明する前に、それぞれデルタ・モジユレータ
回路３４，４０およびマイクロコンピユータ５２
の主な内部特性の詳細なブロツク図を示す第４図
および第５図を参照することにより第３図の会話
音声認識システムの構成を更に説明すれば有益で
あろう。

（Ｅ−４） システム構成の詳細（第４図〜第７
図） 次に第４図において、マイクロコンピユータ５
２はプロセサの従来周知の伝統的な諸要素を含む
基本的なプロセサ・セクシヨン６４を含み、該プ
ロセサは、プログラムされたカウンタ７４に接続
された「内部の」２方向性のデータバス６６Ａ
と、種々の複数個のレジスタ７２（指標レジス
タ、アキユムレータ・レジスタ、一時レジスタ、
等）と、アキユムレータ・レジスタに結合された
演算論理装置７０と、データ・バス６６Ａを「外
部の」２方向のデータ・バス６６Ｂに接続するデ
ータ・バス・バツフア回路８２を有する。演算論
理装置７０と、レジスタ・セクシヨン７２と、プ
ログラム・カウンタ７４は「内部の」アドレス・
バズ６８Ａに接続され、このバスはバツフア回路
により「外部の」アドレス・バス６８Ｂに結合さ
れている。内部データ・バス６６Ａは命令レジス
タ及び命令復号回路７６に接続され、この回路は
制御回路７８に入力される信号を生成する。制御
回路７８は出力バス８０上に制御信号を生じ、前
記バスの種々の回線は内部の諸命令の実行を行う
ためマイクロコンピユータ５２における種々のデ
ータ転送装置につながつている。マイクロコンピ
ユータ５２のプロセサ・セクシヨン６４の構成お
よび作用は当技術において十分に理解されるもの
であり、更に本文に参考のため引用された1976年
６月８日発行のＴ・Ｈ Bennettの米国特許第
3962682号においても説明されている。マイクロ
コンピユータ５２は、更にアドレス・バス６８Ｂ
に接続されたアドレス入力とデータ・バス６６Ｂ
に接続されたデータ入力を有するランダム・アク
セス・メモリー１０４と読出し専用メモリー１０
６を含んでいる。このマイクロコンピユータ５２
は、外部装置に対してデータ情報を送受するため
使用できる４つの入出力ポート８４，８６，８
８，９０を更に含む。周辺装置又は記憶場所をア
ドレス指定するためのアドレス情報はポート３，
４の両方から出力することができる。データも又
このポート３，４から並列様式で出力することも
できる。直列データはポート２を介して受取るこ
とができる。マイクロコンピユータ５２は高速の
内部タイマー１００を含み、このタイマは特別な
タイマー命令により制御されパルス巾とパルスの
時間間隔とポート８６に接続された回線のいく本
かに受取られた変化回数を測定することができ
る。このように、高速の直列入力データを受取る
ことができ、そのレベル変化をタイマー１００に
よつて正確に測定し命令プログラムによる分析の
ため記憶することができる。

タイマー１００を用いて線５４上に50キロヘル
ツのクロツク信号を生じ、これでデルタ・モジユ
レータ３４のサンプリング速度を制御する。タイ
マー１００は又線５６上に200ヘルツのクロツク
信号を生じるようプログラムされこれによりデル
タ・モジユレータ４０のサンプリング速度を確立
する。マイクロコンピユータ５２は又迅速な乗算
命令の実施が可能であり、この乗算命令は以下に
説明するように、以下音素比と呼ばれる記憶され
た音素比率特性に対する音声の識別およびマツチ
ングにおいて有用な入力信号波形特性比の計算に
役立つ。次に第５図において、デルタ・エンコー
ダ４０と実質的に同一なデルタ・エンコーダ３４
は、一方の入力を会話音声信号回線３３に接続さ
せ他方を積分回路１１４の出力側に接続させたコ
ンパレータ１０８を含んでいる。コンパレータ１
０８の出力はサンプリング回路１１０の入力側に
接続され、前記サンプリング回路はマイクロコン
ピユータにより線５４上に発生された50キロヘル
ツのサンプリング信号によつてクロツクされ、50
キロヘルツの速度でコンパレータ１０８の出力を
サンプルして線４４上にサンプルされたコンパレ
ータ出力を生じる。出力回線４４上の信号は、線
３３上の会話音声信号が積分回路１１４によつて
生じた出力信号よりも大きいか小さいかに従つて
論理数「１」又は「零」となる。積分回路１１４
により生じた出力信号は、その勾配が勾配極性ス
イツチ回路１１２により制御されるランプ信号で
ある。勾配極性スイツチ回路１１２は、積分回路
１１４により生じるランプ信号の勾配の極性を出
力線４４の論理レベルが変化する毎に反転させ
る。積分回路１１４により生じるランプ信号の勾
配の大きさは勾配の大きさを制御する回路１１８
により制御される。レベル検出回路１１６は線３
３上の音声信号の大きさに応答し、線３８を介し
て勾配の大きさ制御回路１１８に対してフイード
バツクを与えて積分回路１１４により生じるラン
プ電圧の勾配をして線３３上の音声信号の振巾の
変化を補償させる。この作用は、増巾器３２にお
ける負帰還回路が線３３上の音声信号の大きさを
正規化する如き場合と同じ作用を有する。フイル
タ３６（第３図）はレベル検出回路１１６に内蔵
されている。レベル検出回路１１６は又回線３３
上の音声信号の全振巾を変更するための回路も含
んでいる。

第７図は、デルタ・モジユレータ回路３４の積
分回路１１４により線１１５上に生じる特定の音
素の音およびランプ電圧１１５Ａを表わすサンプ
ル音声波形３３Ｂを示している。デルタ・モジユ
レータ３４の出力側４４に生じた対応出力信号
（即ちデルタ信号）を第７図の波形４４Ｂで示
す。デルタ・モジユレータ回路の作用は、もし波
形１１５Ａが正方向の場合には音声信号３３Ｂの
瞬間値を越える時点迄増加することである。この
時コンパレータ１０８の出力の極性は逆になり、
実質的には線５４上のサンプリング信号に対し同
期されたフリツプフロツプであるサンプリング回
路１１０は線５４上のサンプリング信号の次のパ
ルスの前縁部で切換つて勾配極性スイツチ１１２
をしてランプ信号１１５Ａの勾配の極性を逆にさ
せる。次に、ランプ信号１１５Ａは、音声信号３
３Ｂの瞬間レベルよりも小さくなる迄減少し、こ
の時コンパレータ１０８の出力は再び変化して勾
配積分回路のランプ信号１１５Ａの極性を更に逆
転させる。このように、積分回路の出力ランプ信
号１１５Ａは音声信号３３Ｂに密接して「追跡」
即ち追従し、従つてその重要な音素情報の殆んど
全てを含むことになる。出力線４４上に生じたデ
ルタ・モジユレータの出力波形４４Ｂは、積分回
路出力１１５Ａが正方向の状態の時論理数「１」
となり、積分回路出力信号１１５Ａの勾配が負方
向の時は負となる。従つて、デルタ・モジユレー
タの直列出力４４Ｂはランプ信号１１５Ａと同じ
音素情報を有する。このような信号は一般に音素
情報を大きく失うことなくアナログ音声信号を再
生するため復号されることから当技術においては
周知の事実である。

明らかに、重要な音素情報が、従来技術の音声
認識システムにおいて通常使用されるパルス符号
化変調手法を用いる場合に必要とされるよりも非
常に少いデイジタル・データで波形４４Ｂに含ま
れる。

マイクロコンピユータ５２は実時間パルス巾の
測定能力を有する。第３図の音声認識システムの
要件は、直列のデイジタル入力信号の正および負
の変化が16マイクロ秒の近さであるか数秒ほども
離れる場合でも時間パルス巾測定が行われなけれ
ばならないことであり、時間測定のための中断回
数の合計は毎秒30000回を越える場合もある。線
５０，４２上の信号は非常に遅く、この線からの
情報を決定することが必要な場合は常に主操作プ
ログラムによつてテストできる。しかし、デル
タ・モジユレータ出力を表わす線４４上の高速デ
ルタ信号はタイマー１００によつて決定されるそ
の各変化時間を持たねばならず、このような各時
間は記憶されて操作プログラムによつて即時に使
用できねばならない。

第６図は、フイルタ４６の出力側の線３３，４
４，３８，４２および線５０上に現われる典型的
な対応する波形を示している。文字Ａが続く、線
と対応する数字ラベルを付した英数字照合番号を
用いて第６図の前記波形を表示する。波形３３Ａ
は入力音声信号の典型的な母音を示し、徐々の変
化および「休止」即ち「停止」が続く鼻音への
「わたり」が続く振幅の形成を含んでいる。この
停止の後に摩擦音が続く。この母音と鼻音はデル
タ・モジユレータ３４により符号化されて、第７
図に関して前に説明した如くデルタ信号波形４４
Ａを形成する。

第６図のデルタ信号波形４４Ａはデルタ・モジ
ユレータ３４の出力のいくつかの典型的な拡大部
分を示している。この拡大部分は、デルタ信号の
波形４４Ａの拡大部分によつて表示される音声波
形３３Ａの各部を示す矢印１２４Ａ，１２８Ａに
よつて表示される。音声波形３３Ａの摩擦音部分
即ちその「ヒス」要素に応答するデルタモジユレ
ータは照合番号１３０Ａによつて示されている。

音声波形３３Ａに対応する振巾エンベロープ信
号は、母音の始めと終りにおける「わたり」を表
わす大きな「山」部１２４Ｂを有する振巾信号波
形３８Ａによつて示される。山部１２４Ｂは又母
音の持続部分における音声信号３３Ａの振巾も表
わす。音声波形３３Ａの鼻音部分の振巾は照合番
号１２８Ｂにより示され、摩擦音部の振巾は照合
番号１３０Ｂによつて示される。エンベロープ波
形３８Ａはデルタ変調されて振巾信号波形４２Ａ
を生じ、この波形はエンベロープ信号３８Ａと
略々同じ音素情報を含む。帯域フイルタ４６の出
力は波形４６Ａで示され、「パルス」１３０Ｃに
より示される如く波形３３Ａの音声の摩擦的破裂
に応答する。回路４８の閾値レベルは照合番号１
３０Ｄによつて示される。閾値回路４８の出力は
波形５０Ａによつて示され、この波形は照合番号
１３０Ｅで簡単に示される。

デルタ信号波形４４Ａは、母音や鼻音のような
多くの持続可能音を十分に特徴付ける情報を生
じ、これ等を相互に識別し、このような音の第２
図の種々の音素を示す記憶された特性に対する比
較を可能にする。デルタ・モジユレータ出力４４
を用いて音声波形における主な勾配の変化を表わ
す情報を得る。（主な勾配変化は、勾配極性の反
転や音声波形の平坦部から急に立上る部分への変
化の如き音声波形の勾配における大きな変化であ
る。） 第７図において、後者のタスクはマイクロコン
ピユータ５２で行われたいくつかのステツプによ
り達成される。第１のステツプは、論理変数Ｓに
より表わされ又第７図の波形４４Ｃでも表わされ
るある論理的状態のシーケンスを発生することで
ある。積分回路１１４により生じたランプ信号が
予め定めた数のサンプリング期間（本例では２サ
ンプリング期間）より長く継続しない限り論理変
数Ｓは論理「零」である。論理変数Ｓはこの時、
反対の極性の勾配が少くとも２つの（本例では）
サンプル期間だけ維持される迄は論理数「１」の
状態を維持する。このように、第７図のＳ波形は
音声入力波形３３Ｂの大きな勾配を識別する。例
えば、デイジタル波形４４ＣのパルスＡは音声信
号３３Ｂの大きな勾配A′の存在を識別する。同
様に、波形４４ＣのパルスＢは音声波形３３Ｂの
別の大きな勾配B′を識別する。負のパルスＣは音
声波形３３Ｂの大きな負の変化C′を識別する等
である。このように、Ｓ波形４４Ｃの一連の正お
よび負のレベルは音声波形３３Ｂの大きな正およ
び負の勾配を識別する。Ｓ波形４４Ｃに対応する
情報は、操作アルゴリズムおよびマイクロコンピ
ユータ５２によつて直列のデルタ・モジユレータ
の出力波形４４Ｂに応答して生成され、マイクロ
コンピユータ５２のランダム・アクセス・メモリ
ー１０４の記憶場所において割当てられた制御ビ
ツトの２進状態として記憶される。

同様に、Ｒ波形と呼ばれ照合番号４４Ｄで示さ
れる第２の波形は、積分回路１１４（第５図）に
より生じたランプ信号が予め定めた数の連続する
サンプル期間（本例では２つの連続する期間）だ
け極性を変化させる時はいつでも論理数「１」を
とるが、ランプ信号の極性が前記の如き予め定め
た数のサンプル期間において反転し得ない場合に
は論理数「１」の状態で維持することにより音声
波形３３Ｂの大きな平らなレベルを検出する。こ
のように、Ｒ信号波形４４Ｄの正のパルスＤは音
声波形３３Ｂの平坦レベルD′と対応する。同様
に、対をなすパルスＥ、グループのパルスＦ、パ
ルスＧおよびパルスＨはそれぞれ音声波形３３Ｂ
の「平坦」部E′、F′、G′、H′を表わす。

本発明によれば、大きな勾配の変化即ち音声波
形の平坦部からその大きな昇降部分への勾配の変
化が、含まれている音素の識別を許容する音声入
力波形を特徴付けるのに必要な情報を実質的に提
供することが判つた。これ等の勾配変化地点は実
時間で見出され、これを用いて従来技術より遥か
に少い符号操作および数値計算を用いて種々の特
性の比を計算する。

前述の音声波形特性比は以下「特徴」と呼ぶ。
これ等の比は、第７図の３３Ｂの如きデルタ・モ
ジユレータの出力波形から「抽出された」情報と
対応する第７図のＲとＳの論理的可変波形に保持
される情報から計算される。

前記の特徴がデルタ・モジユレータの出力信号
から抽出即ち決定される特徴抽出法は下記のステ
ツプを含むものである。直列のデルタ・モジユレ
ータ出力信号は第４図のタイマー１００によりモ
ニターされ、各々の正のパルスの持続期間が測定
されて一時的に記憶される。各パルス間の時間も
又測定されて一時的に記憶される。前述の如く、
この情報は操作され、その値を第７図の対応する
波形に示した論理変数ＳとＲによつて表わされる
情報を生じる。一たん変数値ＲとＳが与えられ記
憶されると、デルタ信号波形の個々のパルスに対
応するデータはそれ以上保持されない。変数Ｒと
Ｓと関連する値に対応する情報は、それぞれ以下
「Ｓスタツク」および「Ｒスタツク」と呼ぶ２つ
の記憶スタツクに記憶される。この各スタツク
は、それぞれ対応する論理変数ＳおよびＲの最も
新らしい１６の「セグメント」を記憶する。この
各「セグメント」は、対応する変数（Ｓ又はＲ）
が「１」又は「零」の特定の論理レベルを有する
時間間隔と対応する。このように、正のＳセグメ
ントは変数Ｓの値が論理数「１」である時間間隔
により表わされ、負のＳセグメントは論理変数Ｓ
が論理数「零」である時間間隔となる。

正および負のＲセグメントも同様に規定され
る。このように、Ｒスタツクは最近の１６の連続
するＲセグメントを表わす情報を含み、Ｓスタツ
クは最近の１６のＳセグメントを表わす情報を含
む。この２つのスタツクは、共に元の音声波形の
大きな変化、大きな勾配、および大きな平坦個所
を記述する情報を含んでいる。このような情報
は、前に述べた「特徴」則ち正規化された音声波
形特性比を計算するのに用いることができるよう
なデイジタル形態で記憶される。

音素認識アルゴリズムの特徴抽出サブルーチン
はＳスタツクに対して、音声認識システムにより
この時受取られ分析される会話音声の期間として
定義される「ピツチ」を計算するために質問す
る。このピツチは、最近のＳセグメントと同じか
殆んど同じであるセグメント関係を見出すためＳ
スタツクとＲスタツクに質問することにより、又
このような同じか殆んど同じセグメントの後に生
じた最近のＳセグメントを含む全てのＳセグメン
トを合計することにより計算される。

このアルゴリズムは、最も長い正のＳセグメン
トと２番目に長い正のＳセグメントと、最も長い
負のＳセグメントと、次に長い負のＳセグメント
を決定するためＳスタツクに質問し、又Ｒスタツ
クに質問して最も長い正のＲセグメントと最も長
い負のＲセグメントとを決定し、これ等セグメン
トを適当なＳピツチで分割して入力する実時間の
音声信号からこの時分析された音の所望の時間正
規化特性比即ち特徴を得る。もち論、もしある音
の検出を可能にするためこの音を更に正確に特徴
化することが必要ならば、前記以外の特徴も計算
可能である。

このアルゴリズムは、これ等の特徴を一時的に
記憶し、連続して入つて来る音が分析されるに伴
つて各々の新らしい大きな「Ｓ」の勾配又は
「Ｒ」の平坦部についてこの全特徴を更新するこ
とにより前記の全ての時間正規化特性比即ち特徴
の現在値を維持する。

次にこの更新された時間正規化特性比即ち特徴
を音素認識判断チヤートに従つて対応する記憶音
素比と比較するために使用する。

種々のパルスの各幅をくり返し、波形の波長の
長さにより除して本発明によりピツチと独立した
特性比を提供することができる。これ等の特性比
はＳ又はＲ波形に対すて異なるパルス相互の巾に
ついても計算することができる。又、このような
比はＳ波形のパルスとＲ波形のパルスとの間で計
算することもできる。このような比は全てピツチ
とは独立している。これから更に続けるべき研究
は、会話言語において発声される主な音声の各々
を他の発声音から最も明瞭に識別する比の決定で
ある。本発明によれば、音声波形における３乃至
４の最も重要な谷部即ち過渡持続期間又は関連位
置を含む比は十分に会話言語に使用される異なる
音を特徴化することが判つた。本発明によれば、
第２図における各音素と対応する音はこのような
比（本文では「音素比」と呼ぶ）によつて特徴化
され、マイクロコンピユータ５２のメモリー中に
記憶される。このような比は入つて来る音声波形
に対すて実時間で計算され、これ等の比は実行中
のアルゴリズム（以下に論述する）により決定さ
れる順序で記憶された音素比と比較され、出力さ
れる音素信号即ち印字される音素を選択する。

前記の計算された特性比は以下に述べる音素認
識アルゴリズムに従つて前記の記憶された音素比
と比較されるが、前記のアルゴリズムは第８図に
示した音素認識判断チヤートに従つて動作する。
結果の良好な実時間音素音の分類および識別を行
うため、この音素判断チヤートをテストして、話
手に「追付く」ため十分な順序でこの時点で受取
る音素音の計算された比率の特徴を分類しなけれ
ばならない。更に、この分類、比較および相関プ
ロセスにおける高速の判断法により、セグメンテ
ーヨン分析およびプリントアウトの制御のために
必要である別の計算時間が得られる。

（Ｅ−５） 音素判断チヤート（第８図） 平均判断速度は、米国語において最も頻繁に使
用される音素を用いて比較手順を始めることによ
り改善される。第８図において、音素判断チヤー
トは、その出発点として会話において最も一般的
な音である音素Ｎを各々有する複数個の「枝」の
ように配置されている。種々の音素を含む矩形の
サイズは米国語における前記音素の発生頻度を示
している。顕著な特徴を有する音素は使用頻度の
減少順に判断チヤートの個々の「枝」に付属させ
て、その結果単語「WHEN」における「WH」音
の如きやや頻度の少い音素でも６セツト以下のテ
ストで十分であつた。例えば、ブロツク２０４，
２０６，２０８，２１０，２１２を含む音素は１
つの「枝」を構成する。矢印２１４は前記の枝か
らの出口を示し、又この枝のパスの間テストされ
た特徴を認識するアルゴリズムの失敗をも示して
いる。ボツクス２０４，２２０，２２４は第２の
枝の構成する。ある場合には、２３２，２３４の
如き小枝が他の枝から延長している。

（Ｅ−６） 音素認識アルゴリズム（第９図） 音素認識アルゴリズムの基本的な操作ステツプ
の一般的なシーケンスについては第９図のフロー
チヤートに示した。アルゴリズムは２５０で始ま
り、ブロツク２５１により示す如く音素分類判断
チヤートに入る。この時分析中の音素に対する計
算された時定化特性比について第８図の音素判断
チヤートに従つてテストされる。もしテスト中の
音素音の特性比間に十分なマツチングがある時
は、この特性は又、判断ブロツク２５３，２５６
に示す如く十分なマツチングが得られた「最後に
認められた」音素の比特性と比較される。もし記
憶された音素比との計算された特性比の十分なマ
ツチング判断ブロツク２５３により得られなけれ
ば、アルゴリズムは音素分類判断チヤートに再び
入り、マイクロコンピユータ５２によつて受取ら
れる高い周波数の「ヒス信号」および（又は）直
列のデイジタル「振巾信号」から得られる別の
「キユー」（以下に説明する）に従つて関連はする
が別の枝を経るパスを行つて音声入力波形のある
過渡特性および振巾特性を認識する。

判断ブロツク２５６により示される如く、もし
音素音比が判断ブロツク２５３において「適当に
マツチ」され、又予め定めた記憶場所に一時的に
記憶された「最後に認められた」音素のそれと同
じであることを知るならば、第９図のアルゴリズ
ムはこの音素を印字させず、その代りに更に分析
を行うためブロツク２５１の音素判断チヤートに
再び入り、その結果持続された音が、アルゴリズ
ムの実行速度およびその音の持続期間に従う複数
回数ではなく唯１回だけその対応する音素記号の
打出しを惹起させる。新らしくマツチした音素が
最後の音素と同じでない場合のみ、最後に認めら
れた音素を識別する情報がプリントアウト・ルー
チンに送られる。この新らしくマツチした音素
は、ブロツク２５４，２５５により示される如く
新しい音素の音が「マツチ」する迄即ち認識され
る迄最後に認められた音素の記憶場所に記憶され
る。次にアルゴリズムはブロツク２５１の音素判
断チヤートに再び入る。

このように、このアルゴリズムが一連の２つ又
は３つの持続される音が数秒間も一緒にわたり状
に「混合」される米国語会話のわたり特性におい
てよく見られる長い「引張られた」即ち持続され
る音について同じ音素記号の重複印字を避けるこ
とが判る。このため、過大な数の音素記号が印字
されることが防止され、これにより印字された音
素メツセージを更に読み易くする。

引伸ばされた音声情報と対応しない音素記号に
対する識別および印字制御は第６図の波形４２４
の如き振巾信号に含まれる情報によつて達成され
る。このようなデイジタル化された振巾情報は、
新らしい有効な音素音がこの時発声され、これが
１つの有意の音素音から他の音素音に会話音声が
進む際通常生じる典型的なわたりを識別すること
によつてデルタ信号により表わされる引伸ばされ
た音声信号により識別されることを実体化するた
めの１次キユーを与えるために使用される。この
振巾信号は又「Ｓ」（高エネルギの摩擦音）と
「Ｆ」（低エネルギの摩擦音）のような高エネルギ
と低エネルギの摩擦音の間の区別を生じるアルゴ
リズムにより分析される。これ等の摩擦音は第６
図の波形３３Ａ，４４Ａ，３８Ａ，４６Ａに示さ
れる如き音声周波数範囲の比較的高い端部で早く
振動する波形を含んでいる。このような摩擦音
は、予め決めた最低振巾をこの音声が越える時常
に高い周波数の「ノイズ」又は「ヒス」信号の識
別を助けるためマイクロコンピユータ５２に対し
て入力される「ヒス信号」（第３図の高い周波数
帯域フイルタ４６の出力側から得る）により識別
される。振幅エンベロープ（例、第６図の３８
Ａ）が非常に遅く、その変化がその運動が通常意
味を持つ音素の音の間の変化を伴う人間の発声器
官の強勢と音節および韻律を示す運動を示す。
（振巾エンベロープ波形３８Ａのアナログ変換は
速度信号３３Ａに対するよりも非常に低い周波数
のサンプル時間で行われる。このように、マイク
ロコンピユータ５２は線５６上に比較的遅い200
ヘルツのサンプル時間クロツクを生じ、振巾エン
ベロープ信号のアナログ／デイジタル変換を行
う。） （Ｅ−７） 音素分類判断チヤート（第１０Ａ
図、第１０Ｂ図） 音素の分類判断チヤートを特に第１０Ａ図およ
び第１０Ｂ図のフローチヤートに部分的に示し、
このチヤートには入力する音声信号のその時点で
分析される音について前述の特徴抽出が完了した
後進入点２６０で入る。

本アルゴリズムは最初に、判断ブロツク２６２
により示される如く現時点の音の対応する振巾情
報をテストする。もしこの振巾が非常に小さく背
景のノイズ・レベルのみを表わす場合は、本アル
ゴリズムは、第１０Ａ図において判断ブロツク２
６４により示す如く、現時点の振巾を前に記憶し
た振巾情報に比較することにより現時点の無音状
態が「長期の」無音状態であるかどうかを決定す
る。次に本アルゴリズムはブロツク２６６により
示す如く一連のダツシユを打出し、もしこの無音
状態が「長い」無音状態でなければ、このアルゴ
リズムはブロツク２６８により示す如く１つのダ
ツシユを打出す。いずれの場合でも、本アルゴリ
ズムはエントリ点Ａに戻る。もし判断ブロツク２
６２の判断が「No.」である時、本アルゴリズム
は、判断ブロツク２７０により示す如くこの音に
高い周波数の「ヒス」成分があるかどうかを判断
する。もしあるならば、本アルゴリズムはブロツ
ク２７２で示される如く摩擦音に対する種々のテ
ストを行うサブルーチンに分岐する。本文では詳
細には説明しないが、これ等のテストは過渡特性
を識別して音素を識別するためのキユーとして作
用する。

もし「ヒス」音が判断ブロツク２７０によつて
検出されなければ、アルゴリズムはこの時のピツ
チを前に記憶されたピツチ情報と比較して、判断
ブロツク２７４によつて示される如くこのピツチ
が上昇しているかどうかを判断する。もしこのピ
ツチが上昇しているならば、アルゴリズムは判断
ブロツク２７６に示す如く「始音」即ち最初の
「Ｐ」、「Ｄ」、「Ｇ」、「Ｂ」音に対するテストを行
う。もしこのピツチが上昇していなければ、アル
ゴリズムはこのピツチが下がるかどうかその時計
算されたピツチと前に記憶されたピツチの情報を
用いて判断する。もしこのピツチが下がるものと
判断されれば（判断ブロツク２７８）、ブロツク
２８０と２８２により示される如く本アルゴリズ
ムはある音の最終音表示に対してテストを行い、
以降の音素グループから前の音素グループを区分
するスペースを生じるためプリンタを準備するサ
ブルーチンに入る。判断ブロツク２７８により判
断されるようにピツチが下がらなければ、アルゴ
リズムはその音素判断チヤート部分に入り、この
部分は第８図の音素判断チヤートに従つて動作す
る。アルゴリズムのこの部分は第１０Ｂ図のフロ
ーチヤートに示されている。

次に第１０Ｂ図において、本アルゴリズムはブ
ロツク２８６に示す如くピツチの次の更新作用を
待機する。

もし判断ブロツク２８８で示される如く、振巾
が「緩やか」（振巾がその最大値の25％以下であ
ることを意味する）なことをアルゴリズムが見出
すならば、このアルゴリズムは鼻音素の音を表わ
すブロツク２０２，２２８，２３２，２３４を含
む第８図の音素判断チヤートの枝を通過する。

第１０Ｂ図のフローチヤートは、第８図の判断
チヤートの全ての枝に対するマツチング動作につ
いて述べるものではない。もし振巾が判断ブロツ
ク２８８により「緩やか」でないと判断されれ
ば、ブロツク２８９は第８図の音素判断チヤート
の他の種々の枝に対して、このアルゴリズムに盛
込まれた他の優先順位に従い、あるいはこのアル
ゴリズムによりテストされた別のキユーに基いて
本アルゴリズムを進行させる。

判断ブロツク２８８によつて判断されるように
問題の音が「緩やかな振巾」を有するものとすれ
ば、アルゴリズムは正の最大Ｓ比率（即ち、ピツ
チにより除算される正の最大Ｓセグメントの時
間）を負の最大Ｓ比率と比較してこの波形が音素
「Ｎ」と「NG」の大きな正と負の勾配特性間に受
入れられる「バランス」を有するかどうかを判定
する。もし有さなければ、アルゴリズムは判断ブ
ロツク２９８に入り、負の最大Ｓ比率が正の最大
Ｓ比率の２倍以上であるかどうかを決定し、もし
２倍以上でなければブロツク２８９に分岐して音
素判断チヤートの他の枝をテストする。しかし、
もし判断ブロツク２９８のテストの結果が肯定で
あれば、アルゴリズムはこの時テストされた音が
おそらくは「Ｎ」の音であると云う判断を行い
（ブロツク３００）、「候補」を呼ばれる記憶場所
に「Ｍ」の音素を表わす識別子即ちコードを記憶
し、こゝから出力ルーチンに行く。出力サブルー
チンはブロツク３０２により示される如くこのコ
ードを記憶場所「候補」に前に記憶されたコード
と比較し、もしマツチングが存在しなければ、ア
ルゴリズムは第１０Ａ図の点Ａに戻つて別のパス
を行う。しかし、もし「Ｍ」音素に対応するコー
ドが前に記憶されたコードと同じであれば、この
アルゴリズムの音素分類能部は１つの行内で２回
同じ音素を選択したので、アルゴリズムは適正な
音素が多分選択されたものと結論し、この判断に
応答して「Ｍ」音素の文字に対するアドレス・コ
ードを取出してブロツク３０４に示す如く「最後
に認めた音素」と呼ばれる記憶場所においてこの
コードを記憶し、判断ブロツク３０６に入る。判
断ブロツク３０６は次の有効文字が識別されたか
どうかの判断を行い、もしそうでなければ第１０
Ａ図の点Ａにおけるアルゴリズムに入る。もし次
の有効文字が見出されると、アルゴリズムはブロ
ツク３０８に入り最後に認めた記憶場所に記憶さ
れたコードを打出させ、第９図に関して前に述べ
たように次の有効文字と置換させる。

もし判断ブロツク２９０の結論が「YES」で
あれば、アルゴリズムはこの時の音が１つの大き
な負の最大Ｒ比率のみを有するかどうかを判定す
ることになり、もしそうであれば、ブロツク２９
６に示す如くこの時の音が多分Ｎの音であると云
う判断を行うことになり、候補記憶場所に識別コ
ードを記憶して出力サブルーチンに分岐すること
になる。もし判断ブロツク２９２の結果が
「NO」であつたならば、アルゴリズムはブロツク
２８９に分岐して「NG」の音素に対してテスト
する。

音素プリンタの紙を前進させる時の判断を行う
ための種々の試みが異なる用途について行われて
いる。耳の聞えない人や難聴者が従来の電話を使
用することができるようにするため公衆電話シス
テムと関連して使用される前記の実施態様につい
ては、短い行を含む巾の狭い紙が読取り易いと考
えられる。紙を前進させる時を判定する１つの試
みとしては文字数、子音数、又は音節数のカウン
トに基くようにすることができる。これ等の試み
の組合せを用いて、例えばある数の文字が印字さ
れた後完了したものと識別される音節を完了した
後に紙を前送することもできる。しかし、音素の
打出しの読取り易さを強化しあるいはこれを維持
しながら不当な量の紙を無駄にすることなく紙を
前送させるため最も適当な基準を決定するため多
くの研究が必要とされる。

(F) 発明の変更例 本発明の音声認識のシステムおよび方法は、照
合番号２３によつて示す如くマイクロホン２４を
直接音声認識システム２０に接続し、又点線の×
２１により示す如く音響カプラー１８を音声認識
システム２０から切離す別の点線の結線によつて
第１図に示す如くデイクテーシヨン・マシン内に
容易に内蔵することができる。第１図の実施例と
の主な相異点は音響カプラーを必要としない点で
ある。マイクロホン信号は音声認識システムに直
接入力され、このシステムが音素プリンタを駆動
する信号を生じる。

音素プリンタを駆動する代りに、音声認識シス
テムからの出力信号は、マイクロコンピユータ５
２の出力データ・ポート６２を第３図に示す如く
デイジタル入力制御部を有する他の適当な電子機
械的装置に接続することによりデイジタル的に制
御される機械を直接制御するために使用すること
ができる。

前述の如き音声認識システムの便利な変更例で
は第１図に示す如きスイツチ２１Ａ，２１Ｂ，２
１Ｃを提供してユーザがデイクテーテイング・マ
シン又は訓練装置としてシステム１０を使用する
ことが可能になる。プリンタ１２の音素記号のプ
リントアウトを読取ることに不慣れな難聴者は、
単に手動操作によりスイツチ２１Ａと２１Ｂを開
路しスイツチ２１Ｃを閉路することができる。次
に難聴者はマイクロホン２４に話かけて音素記号
のプリントアウトの読取りの練習ができるのであ
る。

【図面の簡単な説明】

第１図は本発明の一実施例を示す略図、第２図
は第１図のシステムに対して設定される音素案を
示す表、第３図は第１図の音声認識システムの構
成要素を示すブロツク図、第４図は第３図のマイ
クロコンピユータの詳細なブロツク図、第５図は
第３図のデルタ変調回路の詳細なブロツク図、第
６図は第３図のシステムの作用を説明する波形
図、第７図は第３図の音声認識システムの作用を
説明する波形図、第８図は第３図の音声認識シス
テムの作用により構成される音素認識の判断ダイ
ヤグラム、第９図は第３図の音声認識システムの
基本的作用を説明するフローチヤート、および第
１０Ａ図および第１０Ｂ図は本発明の作用アルゴ
リズムの音素分類部の典型例の作用を説明するた
めの更に詳細なフローチヤートである。 １２……音素プリンタ、１６……電話送受器、
１８……音響カプラー、２０……音声認識システ
ム、２１Ａ，２１Ｂ，２１Ｃ……スイツチ、２２
……音響増巾兼変換回路、２４……マイクロホ
ン、２６……印字紙、２８……矢印、３０……音
波、３２……（前置増巾器）、３３，３８，４
２，４４，５０，５４，５６……導線、３４，４
０……デルタ・モジユレータ、３６……低域フイ
ルタ、４６……高周波帯域フイルタ、４８……閾
値回路、５２……マイクロプロセサ（コンピユー
タ）、５８……補助メモリー、６０，６２……バ
ス、６４……基本プロセサ・セクシヨン、６６
Ａ，６６Ｂ……２方向性データ・バス、６８Ａ，
６８Ｂ……アドレスバス、７０……演算論理装
置、７２……レジスタ・セクシヨン、７４……プ
ログラム・カウンタ、７６……命令復号回路、７
８……制御回路、８０……出力バス、８２……デ
ータ・バス・バツフア回路、８４，８６，８８，
９０……入出力ポート、１００……高速内部タイ
マー、１０２……直列入力装置、１０４、
RAM、１０６……RAM、１０８……コンパレー
タ、１１０……サンプリング回路、１１２……勾
配極性スイツチ回路、１１４……積分回路、１１
６……レベル検出回路、１１８……勾配制御回
路。

Claims (1)

1. 【特許請求の範囲】 １ 音声信号ストリームに含まれる特徴音を表わ
   す信号を生成するシステムにおいて、 ａ 前記音声信号を表わす第１の一連のアナログ
   信号を生成する第１の装置と、 ｂ 前記第１の一連のアナログ信号に作用して大
   きな勾配変化を生じる前記アナログ信号の部分
   を検出し縁部が時間的に前記アナログ信号の前
   記部分の始めと終りに実質的に対応する、一連
   のデイジタル・パルスを生成する装置と、 ｃ 前記の一連のデイジタル・パルスに作用して
   前記アナログ信号の大きな勾配遷移を検出する
   装置と、 ｄ 前記の検出された大きな勾配の遷移の予め定
   めたものの間の時間間隔を測定する装置と、 ｅ 前記の時間間隔の予め定めたものの間の複数
   個の波形特性比を計算する装置と、 ｆ 前記波形特性比を複数個の記憶された特性比
   と比較して前記波形特性比が前記の記憶された
   特性比のいずれかとマツチするかどうかを決定
   する装置と、 ｇ 前記特性比のマツチするものに対応する音声
   を表わす信号を生成する装置とからなることを
   特徴とするシステム。 ２ 特許請求の範囲第１項記載のシステムにおい
   て、 前記音声信号の振幅変化を表わす振幅エンペロ
   ープ信号を発生する装置と、 前記振幅エンベロープ信号に作用して、該振輻
   エンベロープ信号に含まれる振幅情報を表わす第
   ２の一連のデジタル・パルスを発生する装置と、 前記第２の一連のデジタル・パルスに応答し
   て、 前記音声信号の遷移点を決定する装置とを更に含
   むことを特徴とするシステム。 ３ 特許請求の範囲第１項記載のシステムにおい
   て、 前記波形特性比計算装置は特徴抽出装置を含
   み、該装置が、 ａ 夫々、前記各時間間隔と、予め定められた時
   間反転しない場合の前記ランプ信号の傾斜によ
   つて決定される論理状態とによつて定義され
   る、第１の一連の第１論理変数セグメントを発
   生する装置と、 ｂ 前記第１の一連の第１論理変数セグメントを
   記憶する第１の装置と、 ｃ 前記第１の論理変数セグメントの最近記憶し
   たものと、前記第１の論理変数セグメントの同
   様の以前に記憶したものとの間の前記第１の論
   理変数セグメントを加算して前記アナログ音声
   信号の期間を決定する装置と、 ｄ 前記波形特性比を得るために、前記第１の論
   理変数セグメントの所定のものを前記期間で割
   る装置とから成ることを特徴とするシステム。 ４ 特許請求の範囲第３項記載のシステムにおい
   て、 前記波形特性比計算装置が更に、 ａ 夫々、前記各時間間隔によつて定義される第
   ２の一連の第２論理変数セグメントを発生する
   装置と、 ｂ 前記第２の一連の第２論理変数セグメントを
   記憶する第２の装置と、 ｃ 前記波形特性比の他のものを得るために、前
   記第２の論理変数セグメントの所定のものを前
   記期間で割る装置とから成ることを特徴とする
   システム。 ５ 特許請求の範囲第１項記載のシステムにおい
   て、 前記大きな勾配変化を検出する装置が、 ａ 正及び負方向のランプ信号と前記一連のデジ
   タル・パルスとを比較する装置と、 ｂ 予め定められた速度で前記アナログ信号の現
   在レベルを前記ランプ信号の現在レベルとくり
   返し比較する装置と、 ｃ 前記ランプ信号が正方向の時は前記現在レベ
   ルを超えた時に前記ランプ信号の傾斜を反転
   し、前記ランプ信号が負方向の時は前記現在レ
   ベルより下になつた時に前記ランプ信号の傾斜
   を反転する装置と、 ｄ 前記デジタル・パルスを前記傾斜の反転に従
   つて発生する装置とから成ることを特徴とする
   システム。