JPS619697A - 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 本発明は音声を認識する音声認識装置に関する。

背景技術とその問題点 従来、音声の発声速度変動に対処した音声認識装置とし
て例えば特開昭５０−９６１０４−号公報にボされるよ
うなりＰマツチング処理を行なうようにしたものが提案
されている。

先ず、このＤＰＰマツチング理にて音声認識を行なうよ
うにした音声認識装置について説明する。

第１図において、ｔｉ）は音声信号人力部としてのマイ
クロホンを示し、このマイクロホン（１）からの音声信
号が音響分析部（２）に供給され、この音響分析部（２
）にて音響パラメータ時系列Ｐｉ（ｎｌが得られる。

この音響分析部（２）において例えばバンドパスフィル
タバンクの整流平滑化出力が音響パラメータ時系列Ｐｉ
（ｎ）　（ｉ　＝　１．・・・・＋Ｉｉ　Ｉはバンドパ
スフィルタバンクのチャンネル数、ｎ−１，・・・・、
ＮＵＮは音声区間判定により切り出されたフレーム数で
ある。）として得られる。

゛　この音響分析部（２）の音響パラメータ時系列Ｐｉ
（ｎ）がモード切換スイッチ（３）により、登録モード
においては認識対象語毎に標準パターンメモ１月４）に
格納され、認識モードにおいてはＤＰマツチング距距離
計郡部５）の一端に供給される。又、この認識モ−ドに
おいては標準パターンメモリ（４）に格納されている標
準パターンがＤＰマツチング距離計算部（５）の他端に
供給される。

このＤＰマツチング距離計算部（５）にてその時入力さ
れている音声の音響パラメータ時系列Ｐｉ（ｎ）よりな
る入カバターンと標準パターンメモリ（４）の標準パタ
ーンとのＤＰマツチング距離計算処理がなされ、このＤ
Ｉ）マツチング距離計算部（５）のＤＰマツチング距離
をボず距離信号が最小距離判定部（６）に供給され、こ
の最小距離判定部（６）にて人カバターンに対してＤＰ
マツチング距離が最小となる標準パターンが判定され、
この判定結果より人力音声を示す認識結果が出力端子（
７）に得られる。

ところで、一般に標準パターンメモ１月４）に格納され
る標準パターンのフレーム数Ｎは発声速度変動や単語長
の違いにより異なっている。ＤＰマツチング処理により
この発声速度変動や単語長の違いに対処する為の時間軸
正規化がなされる。

以下、このＤＰマソチンダ処理について説明する。ここ
で、簡単の為に音響パラメータ時系列Ｐｉ（ｎｌの周波
数軸方向ｉに対応する次元を省略して標準パターンのパ
ラメータ時系列をｂ１＋　　・・・・。

ｂＮ　％入カバターンのパラメータ時系列をａｌ。

・・・・＋８Ｍとし一ζ、端点固定のＤＰ−パスの場合
のＤＰマツチング処理について説明する。

第２図はＤＰマツチング処理の概念図を示し、横軸に入
力パラメータ（Ｍ　＝　１９）が並べられ、縦軸に標準
パラメータ数（Ｎ＝１２）が並べられ、この第２図に示
す（Ｍ、Ｎ）格子状平面に於ける・点はＭＸＮ個であり
、この各・点に１つの距離が対応する。例えばａ３とｂ
５との距離がａ３がら縦に伸した直線と、ｂ５から横に
伸した直線との交点に位置する・に対応する。この場合
、距離として例えばチェビシェフ距離を取れば、ａ３と
ｂ５とのチェビシェフ化１ｉ１１ｔｄ　（３，５）はと
なる（この場合、周波数軸方向ｉに対応する次元を省略
してい゛るのでＩ＝１である。）。そして、端点固定の
ＤＰ−パスとして、格子点（ｍ、ｎ）に対してこの格子
点（ｍ、ｎ）に結びつりる前の状態として左側の格子点
（ｍ−１，ｎ＞、斜め左Ｆ側の格子点（ｍ−１，ｎ−１
）及び−１〜側の格子点（ｒｒ＋、ｎ−１）の３つ乃だ
けを許した場合、始点、即ちａｌとｂｌとのチェビシェ
フ化１ｉＩｌｉ　Ｄ　１’ｓを示ず点■から出発し、パ
ス（経路）として３方向２１を選び、終点、即ちａＭと
ｂＮとのチェビシェフ化！ｄ　（Ｍ、Ｎ）を示す点■に
至るパスで、通過する各格子点の距離の総和が最小にな
るものを求め、この距離の総和を入力パラメータ数Ｍと
標準パラメータ数Ｎとの和より値１を減算した（Ｍ＋Ｎ
−１）にて除算し−ζ得られた結果が人カバターンのパ
ラメータ時系列ａｌ＋　　・・・・、ａＭと＋ｆｆｉ準
パターンのパラメータ時系列ｂｉ、・・・・＋　　ｂＮ
とのＤＰマツチング距離となされる。この様な処理を示
す初期条件及び漸化式は 初期条件 ｇ　（１，１）　−ｄ　（１，１） 漸化式 ％式％） と表される（（Ｍ＋Ｎ−１）でｇ　（Ｍ、Ｎ）を割って
いるのは標準パターンのフレーム数Ｎの違いによる距離
の値の差を補正するためである。）。

この様な処理により標準パターンの数がＬ個ある場合に
は入カバターンに対するＤＰマツチング距離がＬ（固求
められ、このＬ１固のＤＰマツチング距離中最小の雇離
となる標準パターンが認識結果となされる。

この様なりＰマツチング処理による音声認識装置によれ
ば発声速度変動や単語長の違いに対処、即ぢ時間軸正規
化のなされた音声認識を行なうことができる。

然し乍ら、この様なりＰマツチング処理により音声認識
を行なうものにおいては、音声の定常部がＤＰマツチン
グ距離に大きく反映し、部分的に類似しているような語
い間に於いて誤認識し易いということが明らかとなった
。

即ち、音響パラメータ時系列Ｐｉｆｎ）ばそのパラメー
タ空間で軌跡を描くと考えることができる。実際には各
フレームｎのパラメータがパラメータ空間内の１点に対
応することから、点列ではあるが時系列方向に曲線で結
んでいくと始点から終点迄の１つの！ｉ！ｌＬ跡が考え
られる。例えば２種類の単語“ＳＡＮ”と“ＨＡＩ”と
を登録した場合、夫々の標準パターンＡ’、Ｂ’は第３
図に４くず如くＳ″、″Ａ″、″Ｎ”、′Ｉ］”、Ａ′
′、″１″の各音韻領域を通過する軌跡を描く。そして
、認識モードで“ＳＡＮ”と発声した場合、全体的にみ
れば人カバターンＡに対する標準パターンＢ′の類似す
る部分は非常に少ないが、この入カバターンＡの“’Ｓ
ＡＮ″の“Ａ″の部分が標準パターンＡ′の“ＳＡＮ”
の”Ａ″の部分より標準パターンＢ′のＨＡＩ”の“Ａ
″の部分により類似し、且つその部分（準定當部）に点
数が多い場合がある。

ここで、第３図に丞ず如く人カバターンＡのパラメータ
が全体的には標準パターンＡ′のパラメータに類似し、
部分的には標準パターンＢ′のパラメータに類似する場
合にＤＰマンナング処理により誤認識を招く場合を１次
元パラメータを例に説明する。この場合、第３図に示す
状況、即ち部分的に類似している語い間の関係と同様の
１次元パラメータ時系列として第４図に示す如き入カバ
ターンＡ　ｉ　２．４．６．８．８．８．８．６．４．
４．４．６゜８と、第５図に示す如き標準パターンＡ’
；３＋５゜７、９．９．９．９．７．５．５．７．９と
、第６図に示す如き標準パターンＢ’　　；　７．６．
６．８．８．８．８．６゜４、４．４とを考える。これ
ら第４図乃至第６図のパターンより明らかな如く入カバ
ターンＡは標準パターンＡ′と判定されて欲しいパター
ンである。

ところが、人カバターンＡに対する標準パターンＡ′及
びＢ′のＤＰマツチング距離を計算すると、入カバター
ンＡは標準パターンＢ′に近いことが示される。

即ち、入カバターンＡに対する標準パターンＡ′のＤＰ
マツチング処理として第２ｖ！Ｊと同様、第７図に示す
如く横軸に入カバターンＡのパラメータ時系列、　２．
４．６．８．８．８．８．６．４．４．４．６゜８を並
べ、縦軸に標準パターンＡ′のパラメータ時系列；　３
＋　５＋　７＋　９＋　９＋　９＋　９．７＋　５．５
＋　７．９を並べ、格子状平面に於ける交点に対応して
入カバターンへの個々のパラメータに対する標準パター
ンＡ′の個々のパラメータのチェビシェフ距離を求める
。そして、入力パラメータへのパラメータ時系列の第１
番目のパラメータ２と、標準パラメータＡ′のパラメー
タ時系列の第１番目のパラメータ３とのチェビシェフ距
離ｄ　（１，ｉ）　＝１の点を始点とし、入カバターン
Ａのパラメータ時系列の第１３番目のパラメータ８と、
標準パターンＡ′のパラメータ時系列の第１２番目のパ
ラメータ９とのチェビシェフ距離ｄ　（１３，１２）　
−１の点を終点とし、ＤＰ−バスとして第２図の場合と
同様、任意の点に対する前の状態としてその任意のＮｊ
ｊの左側の点、下側の点及び斜め左下側の点を取るごと
を許した場合（このバスを実線矢印にて示す。）、バス
上の点はｄ　（１，１）−ｄ　（２，２）−ｄ（３，３
）−ｄ　（４，４＞−ｄ　（５，５）　＝ｄ（６，６）
−ｄ　（７，７）−ｄ　（８，８）〜ｄ（９，９）　−
ｄ　（１０，１０＞−ｄ　（ＩＬ　１０）　−ｄ（１２
，１０）　　−ｄ　　（１３，１１）　　−ｄ　　（１
３，１２）の１４点であり、その距離の総和は２４であ
り、このＤＰマンチング距ＦＩＬｉＤ　（Ａ、　Ａ’）
は１である。

一方、人カバターンＡに対する標準パターンＢ′のＤＰ
マンナング処理を上述第７図に示す場合と同様、第８図
に不ず如く行なう。即ち、入カバターンＡの個々のパラ
メータｉ　２．４．６．８．８．８゜８、６．４．４．
４．６．８に対する標準パターンＢ′の個個のパラメー
タ；　７．６．６．８．８．８．８．６゜４、４．４の
チェビシェフ距離を求め、ＤＰ−バスとして任意の点に
対する前の状態としてその任意の点の左側の点、下側の
点及び斜め左下側の点を取ることを許した場合（このバ
スを実線矢印にて示す。）、バス上の点はｄ　（１，Ｌ
）　−ｄ　（２，２）−ｄ　（３，３）−ｄ　（４，４
）−ｄ　（５，５）　−ｄ　　（６，６）−ｄ　　（７
，７）−ｄ　　（８，８）−ｄ（９，９）　　−ｄ　　
（１０，１０）−ａ　　（ＩＬ　　ｌｉ）　　−ａ（１
２，１１）　−ｄ　　（１３，１１）の１３点であり、
その距離の総和は１５であり、このＤＰマツチングＭｌ
ｊ　Ｉｆ！Ｉｔ　Ｄ（Ａ、Ｂ’）は０．６５である。

このＤＰ−パスを３方向２Ｉとした結果より明らかな様
に入カバターンＡがそのＤＰマツチング距離の小さな標
準パターンＢ′と判定され、判定されるべき結果が得ら
れない。この様にＤ　Ｐマツチング処理においては部分
的に類似しているような語い間に於いて誤認識し易い。

又、ＤＰマツチング処理においては上述した様に標準パ
ターンのフレーム数Ｎが不定であり、しかも入カバター
ンに対して全標準パターンをＤＰマツチング処理する必
要があり、語いが多くなるとそれに伴って演算量が飛躍
的に増加し、標準パターンメモリ（４）の記憶容量や演
算量の点で問題があった。

この為、部分的に類似しているような語い間に於いても
誤認識することが比較的少なく、且つ標準パターンメモ
リ（４）の記憶容量や処理の為の演算量が比較的少ない
音声認識装置として第９図に示す如きものが考えられて
いる。

第９図において、（１）は音声信号入力部としてのマイ
クロホンをボし、このマイクロホン（１１からの音声信
号を音響分析部（２）の増幅器（８）に供給し、この増
幅器（８）の音声信号をカットオフ周波数５．５Ｋｌ（
ｚのローパスフィルタ（９）を介してサンプリング周波
数１２．５ＫＨｚの１２ビツトＡ／Ｄ変換器（１０１に
供給し、このＡ／Ｄ変換器（１０１のデジタル音声信号
を１５チヤフ　２、　／Ｌ／のデジタルハントバスフィ
ルタバンク（１１Ａ）　、（１１Ｂ）　、　”、　　（
ｉｌｏ）に供給する。

この１５チヤンネルのデジタルハントバスフィルタバン
ク　（１１ΔＬ、　　（ＩＩＢ）　、　・・・・、　　
（ｌｌｏ）は例えばバターワース４次のデジタルフィル
タにて構成し、２５０Ｈｚから５．５ＫＨｚまでの帯域
が対数軸上で等間隔となるように割り振られている。そ
しζ、各デジタルバンドパスフィルタ（ＩＩＡ　）　、
　　（ＩＩｓ　）　。

・・・・、（ｌｌｏ）の出力信号を１５チヤンネルの整
流器（１２Ａ）　、　　（１２Ｂ）　、　・・・・、　
　（１２ｏ）に夫々供給し、これら整流器（１２Ａ　＞
　、　　（１２Ｂ　）　、・・・・。

（１２ｏ）の２乗出力を１５チヤンネルのデジタルロー
パスフィルタ（１３Ａ　）　、　　（１３Ｂ）　　、・
・・＋、　　（１３ｏ）に夫々供給する。これらデジタ
ルローパスフィルタ（１３Ａ　）　、　　（１３ｓ　）
　、・・・・、（１３１））はカットオフ周波数５２．
８ＨｚのＦＩＲ（有限インパルス応答形）ローパスフィ
ルタにて構成する。

そして、各テ゛ジタルローバスフィルり（１３八）。

（１３Ｂ）、・・・・、（１３ｏ）の出力信号をサンプ
リング周期５．１２ｍ５のサンプラー（１４）にイｌｌ
ｔ給する。

このサンプラー（１４）によりデジタルローパスフィル
タ　（１３Ａ　）　　、　　（１３ｓ　）　　、　・−
、（１３ｏ　）の出力信号をフレーム周期５．１２ｍ５
毎にサンプリングし、このサンプラー（１４）のサンプ
リング信号を音源情報正規化器（１５）に供給する。こ
の音源情報正規化器（１５）は認識しようとする音声の
話者による声帯音溝特性の違いを除去するものである。

即ち、フレーム周期毎にサンプラー（１４）から供給さ
れるサンプリング信号Ａ＋（’ｌ　（１＝’　１＋・・
・・。

１５；　ｎ　：フレーム番号）に対し゛ζ八へ（ｎｌ＝
　　ｌｏｇ　　（八１（ｎｌ＋Ｂ）　　　　　　　　　
　　・・・（１１なる対数変換がなされる。この（１）
式において、Ｂばバイアスでノイズレベルが隠れる程度
の値を設定する。そして、声帯音源特性をｙｉ＝ａ−４
＋ｂなる式で近似する。このａ及びｂの計数は次式によ
り決定される。

Ｎ　（、Ｎ＋１）（Ｎ−１） （Ｎ　＝　１５）　　　　・・・　（２）Ｎ（Ｎ−４） （Ｎ＝１５）　　　　・・・　（３） そして、音源の正規化されたパラメータをＰｉ（ｎｌと
すると、ａ（ロ）〈ＯのときパラメータＰｉｆｎ）はＰ
ｉ（ｎｌ−八１（ｎｌ−（ａ（ｎｌ　　・ｉ　　＋　ｂ
（ｎｌ）　　　　・・・（４１と表わされる。

又、ａ　（ｎｌ上０のときレベルの正規化のみ行ない、
パラメータＰｉ（ｎ）は ・　・　・　　（５） と表わされる。

この様な処理により声帯音源特性の正規化されたバラメ
ークＰｉｆｎｌを音声区間内パラメータメモリ（１６）
に供給する。この音声区間内パラメータメモリ　（１６
）は後述する音声区間判定部（１７）からの音声区間判
定信号を受けて声帯音源特性の正規化されたパラメータ
Ｐｉ（ｎｌを音声区間毎に格納する。

一方、Ａ／Ｄ変換器α０）のデジタル音声信号を音声区
間判定部（１７）のゼロクロスカウンタ（１８）及びパ
ワー算出器（１９）に夫々供給する。このゼロクロスカ
ウンタ（１８）は５．１２ｍ５毎にその区間の６４点の
デジタル音声信号のゼロクロス数をカウントし、そのカ
ウント値を音声区間判定器（２０）の第１の入力端に供
給する。又、パワー算出器（１９）は５．１２ｍ５毎に
その区間のデジタル音声信号のパワー、即ち２乗和を求
め、その区間内パワーを示すパワー信号を音声区間判定
器（２０）の第２の入力端に供給する。更に、音源情報
正規化器（Ｉ５）の音源正規化情報ａ　（ｎ）及びｂ　
（ｎｌを音声区間判定器（２０）の第３の入力端に供給
する。そして、音声区間判定器（２０）においてはゼロ
クロス数、区間内パワー及び音源正規化情報ａ　（ｎｌ
、　　ｂ　（ｎｌを複合的に処理し、無音、無声音及び
有声音の判定処理を行ない、音声区間を決定する。この
音声区間判定器（２０）の音声区間を示す音声区間判定
信号を音声区間判定部（１７）の出力として音声区間内
パラメータメモリ　（１６）に供給する。

この音声区間内パラメータメモリ　（１６）に格納され
た音声区間毎に声帯音源特性の正規化された音響パラメ
ータＰｉ（ｎｌをその時系列方向にＮＡＴ（Ｎｏｒｍａ
ｌｉｚａｔｉｏｎ　Ａｌｏｎｇ　Ｔｒａｊｅｃｔｏｒｙ
）処理部（２１）に供給する。このＮＡＴ処理部（２１
）はＮＡＴ処理として音響パラメータ時系列Ｐｉ（ｎｌ
がらそのパラメータ空間における軌跡を直線近似にて推
定し、この軌跡に沿って直線補間にて新たな音響パラメ
ータ時系列口ｉ（ｍｌを形成する。

ここで、このＮＡＴ処理部（２１）について更に説明す
る。音響パラメータ時系列Ｐｉ（ｎｌ　（ｉ　−１，・
・・・、Ｉ；ｎ＝１．・・・・、Ｎ）はそのパラメータ
空間に点列を描く。第１０図に２次元パラメータ空間に
分布する点列の例を示す。この第１０図に示す如く音声
の非定常部の点列は粗に分布し、準定當部は密に分布す
る。この事は完全に定常であればパラメータは変化せず
、その場合には点列はパラメータ空間に停留することか
らも明らかである。

第１１図は第１０図にネオ如き点列上に滑らかな曲線よ
りなる軌跡を推定し描いた例を示す。この第１１図にネ
オ如く点列に対して軌跡を推定できれば、音声の発声速
度変動に対して軌跡は殆ど不変であると考えることがで
きる。何故ならば、音声の発声速度変動による時間長の
違いは殆どが準定當部の時間的伸縮（第１Ｏ図に示す如
き点列におい−Ｃば準定當部の点列密度の違いに相当す
る。）に起因し、非定常部の時間長の影響は少ないと考
えられるからである。

ＮＡＴ処理部（２１）においてはこの様な音声の発声速
度変動に対する軌跡の不変性に着目して時間軸正規化を
行なう。

即ち、第１に音響パラメータ時系列Ｐｉ（ｎｌに対して
始点Ｐｉ（１）から終点Ｐｉ（Ｎ）迄を連続曲線で描い
た軌跡を推定し、この軌跡を示す曲線をＰｉｔｓ）（０
≦Ｓ≦Ｓ）とする。この場合、必ずしもＰ　１（ｏ）　
−Ｐ　１（１）　。

点列全体を近似的に通過するようなものであれば良い。

第２に推定されたＰｊ（ｓｌから軌跡の長さＳＬを求め
、第１２図に○印にて示ず如く軌跡に沿って一定長で新
たな点列をリサンプリングする。例えば”・を点に号ン
ブリングする場合、一定長さ、即ちリサンプリング間隔
Ｔ＝ＳＬ／　（Ｍ−１）を基準として軌跡上をリサンプ
リングする。このリサンプリングされた点列をＱｉ（ｍ
）　（ｉ　＝１．−　、Ｉ；　ｍ＝Ｌ・・・・、門）と
すれば、Ｑｉ（１１＝　Ｐｉ（０１、Ｑｉ（Ｍ）　＝　
Ｐｉ（ｓ）である。

この様にして得られた新たなパラメータ時系列Ｑｉ１ｍ
ｌは軌跡の基本情報を有しており、しかも音声の発声速
度変動に対して殆ど不変なパラメータとなる。即ち、新
たなパラメータ時系列旧＋ｍｌは時間軸止脱化がなされ
たパラメータ時系列となる。

この様な処理の為に、音声区間内パラメータメモリ　（
１６）の音響パラメータ時系列Ｐ　ｉ（ｒ＋ｌを軌跡ｊ
５算出器（２２）に供給する。この軌跡長算出器（２２
）は音響パラメータ時系列Ｐｉ（ｎｌがそのパラメータ
空間において描（直線近似による軌跡の長さ、即し１Ｉ
ＩＩＬ跡長を算出するものである。この場合、■次九ヘ
クトルａ１及びｂｌ間の距離として例えばユークリッド
距離Ｄ　　（ａ４．ｂｌ）をとれば・　・　・　　（６
） である。尚、この距離としてはチェビシェフ距離、平方
距離等をとることを司とする。そこで、■次元の音響パ
ラメータ時系列Ｐｉｆｎ）　（＋　−１，・・・・、１
；ｎ−１，・・・・、Ｎ）より、直線近似により軌跡を
推定した場合の時系列方向に隣接するパラメータ間距離
Ｓ　（ｎｌは ５（ｎｌ＝Ｄ　（Ｐｉ　（ｎ＋１）　、　Ｐｉ（ｎｌ）
　　（ｎ　−Ｌ−・、　Ｎ−１・　・　・　　（７） と表わされる。そして、時系列方向における第１番目の
パラメータＰｉ（１１から第ｎ番目のパラメータＰｉ（
ｎｌ迄の距ＭｔｌＳｌ、＋ｎ＋はと表わされる。面、Ｓ
Ｌ＋１１　＝　Ｏである。更に、軌跡長Ｓｌ、は と表わされる。軌跡長算出器（２２）はこの（７）式、
（８）式及び（９）式にて示す信号処理を行なう如くな
す。

この軌跡長算出器（２２）の軌跡長ＳＬを示す軌跡長信
号を補間間隔算出器（２３）に供給する。この補間間隔
算出器（２３）は軌跡に沿って直線補間により新たな点
列をリサンプリングする一定長のリサンプリング間隔Ｔ
を算出するものである。この場合、Ｍ点にりサンプリン
グするとすれば、リサンプリング間隔′ｒは Ｔ＝ＳＬ／　（Ｍ−１）　　　　　　　　”　’　　α
０）と表わされる。補間間隔算出器（２３）はこのＱＯ
ｊ式にて示す信号処理を行なう如くなす。

この補間間隔算出器（２３）のりサンプリング間隔Ｔを
示すリサンプリング間隔信号を補間点抽出器（２４）の
一端に供給すると共に音声区間内パラメータメモリ　（
１６）の音響パラメータ時糸夕旧”１（ｎｌを補間点抽
出器（２４）の他端に供給する。この補間点抽出器（２
４）は音響パラメータ時系列Ｐｉｆｎｌのそのパラメー
タ空間における軌跡例えばパラメータ間を直線近似した
軌跡に沿ってリサンプリング間隔Ｔで新たな点列をリサ
ンプリングし、この新たな点列より新たな音響パラメー
タ時系列Ｑｉ（ｍ）を形成するものである。

ここで、この補間点抽出器（２４）における信号処理を
第１３図に示す流れ図に沿って説明する。先ず、ブロッ
ク（２４ａ　＞にてリサンプリング点の時系列方向にお
ける番号を示す変数Ｊに値１が設定されると共に音響パ
ラメータ時系列Ｐｉ（ｎｌの時系列方向における番号を
示す変数ＩＣに値１が設定される。そして、ブロック（
２４ｂ）にて変数、Ｉがインクリメントされ、ブロック
（２４ｃ）にてそのときの変数Ｊが（Ｍ−１）以十であ
るがどうかにより、そのときのりサンプリング点の時系
列方向における番号がリサンプリングする必要のある最
後の番号になっていないがどうかを判断し、なっていれ
ばこの補間点抽出器（２４）の信号処理を終了し、なっ
ていなければブロック（２４ｄ　）にて第１番目のりサ
ンプリング点から第５番目のりサンプリング点までのり
サンプル距１ｉ１１ＤＬが算出され、ブロック（２４ｅ
）にて変数ＩＣがインクリメントされ、ブロック（２４
ｆ　）にてリサンプル距離ＤＬが音響パラメータ時系列
Ｐｊ（ｎｌの第１番目のパラメータＰ　１（１１がら第
１Ｃ番目のパラメータＰｉ（ＩＣ）までの距１ｉ１ｆｔ
　ＳＬ（Ｉｃ　）よりも小さいかどうかにより、そヒの
ときのりサンプリング点が軌跡上においてそのときのパ
ラメータＰｉＱｃ）よりも軌跡の始端側Ｇど位置するが
どぅがを判断し、位置していなければブロック（２４ｅ
　）にて変数ＩＣをインクリメントした後再びブロック
（２４ｆ）にてリサンプリング点とパラメータＰｉ（Ｉ
Ｃ）との軌跡上における位置の比較をし、リサンプリン
グ点が軌跡上においてパラメータＰｉ（Ｉｃ）よりも始
端側に位置すると判断されたとき、ブロック（２４ｇ）
にてリサンプリングにより軌跡に沿う新たな音響パラメ
ータＱｉ（Ｊ）が形成される。即ら、先ず第５番目のり
サンプリング点にょろりサンプル距離ＤＬからこの第５
番目のりサンプリング点よりも始端側に位置する第（Ｉ
Ｃ−１）番目のパラメータＰｊ（ＩＣ−１＞による距％
１ｉＳＬ（ＩＣ−１）を減算して第（ＩＣ−１）番目の
パラメータＰ　１Ｏｃ−１）から第５番目のりサンプリ
ング点迄の距離ＳＳを求める。次に、！ｌｄＬ跡上にお
いてこの第５番目のりサンプリング２λの両側に位置す
るパラメータＰｉＱＣ−１）及びパラメータＰｉ（Ｉｃ
）間の距％１ｔ　Ｓ　（＋ｃ−ｔ）　（この距離５（Ｉ
ｃ−１＞は（７）式にてボされる信号処理にて得られる
。）にてこの距離ＳＳ＋除算ＳＳ、’　Ｓ　（ＩＣ−１
）　Ｌ、この除算結果ＳＳ／　Ｓ　（＋ｃ−ｔ）に軌跡
上において第５番目のりサンプリング」１代の両側に位
置するパラメータＰ　１（ＩＣ）とＰｉ（＋ｃ−ｔ）と
の差（Ｐｉ（Ｉｃ）−Ｐ　ｉ（Ｉｃ　−１）　）を掛算
（Ｐｉ（Ｉｃ）　−Ｐｉ（＋ｃ−ｚ））　＊　ＳＳ／　
Ｓ（＋ｃ−＋）して、ｔｉＩＬＩｌｙｆｌ上において第
５番目のりサンプリング点のこのリサンプリング点より
も始端側に隣接して位置する第（ＩＣ−１）番目のパラ
メータＰｉ（Ｉｃ−１）からの補間量を算出し、この補
間量と第５番目のりサンプリング点よりも始端側に隣接
して位置する第（ＩＣ−１）番目のパラメータＰｉＱｃ
−１）とを加算して、軌跡に沿う新たな音響パラメータ
Ｑｉ（ｆｆ）が形成される。第１４図に２次元の音響パ
ラメータ時系列Ｐ（１１，Ｐ（２１，・・・・、Ｐ（８
１に対してパラメータ間を直線近似し゛ζ軌跡を推定し
、この軌跡に沿って直線補間により６点の新たな音響パ
ラメータ時系列Ｑ（１１，Ｑ（２１，・・・・、Ｑ（６
１を形成した例を示す。

又、このブロック（２４ｇ）においては周波数系列方向
に１次元分（ｉ＝１．・・・・、Ｉ）の信号処理が行な
われる。

この様にしてブロック（２４ｂ）乃至（２４ｇ）にて始
点及び終点くこれらばＱｉ（１１＝　Ｐｉ（Ｏｆ　、　
Ｑｉ（Ｍ）　＝　Ｐｉ（Ｓ）である。）を除＜　　（Ｍ
−２）点のリサンプリングにより新たな音響パラメータ
時系列Ｑｉ（（ロ）が形成される。

このＮＡＴ処理部（２１）の新たな音響パラメータ時系
列Ｑｉ（（社）をモード切換スイッチ（３）により、登
録モードにおいては認識対象語毎に標準パターンメモ１
月４）に格納し、認識モードにおいＣはチェビシェフ距
離算出部（２５）の一端に供給する。又、この認識モー
ドにおいては標準パターンメモ１月４）に格納されてい
る標準パターンをチェビシエソ距離算出部（２５）の他
端に供給する。このチェビシェフ距離算出部（２５）に
おいてはその時人力されている音声の時間軸の正規化さ
れた新たな音響バラメーク時系列口ｉ　（ｍｌよりなる
入カバターンと、標準パターンメモ１月４）の標準パタ
ーンとのチェビシェフ距離算出処理がなされる。

そして、このチェビシェフ距離を、バず距離信号を最小
距離判定部（６）に供給し、この最小距離判定部（６）
にて入カバターンに対するチェビシェフ距１１１１が最
小となる標準パターンが判定され、この判定結果より人
力音声をポず認識結果を出力端子（７）に供給する。

この様にしてなる音声認識装置の動作について説明する
。

マイクロホン（１）の音声信号が音響分キハ部（２）に
て音声区間毎に声帯音源特性の正規化された音響パラメ
ータ時系列Ｐｉ（ｎｌに変換され、この音響パラメータ
時系列Ｐｉ（ｎｌがＮＡＴ処理部（２１）に供給され、
このＮＡＴ処理部（２１）にて音響パラメータ時系列Ｐ
ｉ（ロ）からそのパラメータ空間における直線近似によ
る軌跡が推定され、この軌跡に沿って直線補間され時間
軸正規化のなされた新たな音響パラメータ時系列Ｑｉｔ
ｍ）が形成され、登録モードにおいζはこの新たな音響
パラメータ時系列口＋　（ｍ）がモード切換スイッチ（
３）を介して標準パターンメモリ（４）に格納される。

又、認識モードにおいては、ＮＡＴ処理部（２１）の新
たな音響パラメータ時系列旧（＠がモート′切換スイッ
チ（３）を介してチェビシェフ距離算出部（２５）に供
給されると共に標準パターンメモ１月４）の標準パター
ンがチェビシェフ距離算出部（２５）に供給される。第
１５図乃至第１７図に第４図乃至第６図に示す１次元の
入カバターンＡのパラメータ時系列；　２．４．６．８
．８．８．８．６．４．４．４．６．８　、標準パター
ンＡ′のパラメータ時系列、　３．５．７．９゜９、９
．９．７．５．５．１．９、標準パターンＢ′のパラメ
ータ時系列、　７．６．６．８．８．’　８．８．６．
　、ｌ、　４゜４をＮＡＴ処理部（２１）にて直線近似
にて軌跡を推定し、リサンプリング点を８点とする処理
をした１次元の大カパクーンＡのパラメータ時系列；２
、４．６．８．６．４．６．８、標準パターンＡ′のパ
ラメータ時系列ｉ　３．５．７．９．７．５．７．９、
標準パターンＢ′のパラメータ時系列、　７．６．７．
８゜７、６．５．４を夫々示す。この場合、音響パラメ
ータ時系列Ｐｉ（ｎｌからそのパラメータ空間における
軌跡を推定し、この軌跡に沿って新たな音響パラメータ
時系列旧（ｍ＋が形成されるので、人力音声を変換した
音響パラメータ時系列Ｐｉｆｎ）自身により時間軸正規
化がなされる。そして、チェビシェフ距離算出部（２５
）において入カバターンＡと標準パターンＡ′との間の
チェビシェフ距離８が算出されると共に入カバターンＡ
と標準パターンＢ′との間のチェビシェフ距離１６が算
出され、これら距１１１１［８及び距離１６を夫々示す
距離信号が最小距離判定部（６）に供給され、この最小
距離判定部（６）にて距離８が距１１１ｔ１６よりも小
さいことから標準パターンＡが人カバターンＡ′である
と判定され、この判定結果より入力音声が標準パターン
Ａであることを示す認識結果が出力端子（７）に得られ
る。従って、部分的に類似しているような語い間に於い
ても誤認識することが比較的少ない音声認識を行なうこ
とができる。

ここで、ＮＡＴ処理を行なう音声認識装置とＤＰＰマツ
チング理を行なう音声認識装置との演算量における差異
について説明する。

入カバターンに対する標準パターン１個当たりのＤＰマ
ツチング距距離針部部５）における平均演算量をαとし
、チェビシェフ距離算出部（２５）における平均演算量
をβとし、ＮＡＴ処理部（２１）の平均の演算量をγと
したとき、３個の標準バター／に対するＤＰＰマツチン
グ理による演算量Ｃ１は Ｃ１−α　・　Ｊ　　　　　　　　　　　　　・　・　
・　（１１）である。又、３個の標準バクーンに対する
ＮＡＴ処理した場合の演算量Ｃ２は Ｃ２−β・Ｊ＋γ　　　　　　・・・　（１２）である
。一般に、平均演算量αは平均演算量βに対してα）β
なる関係がある。従って、γ なる関係が成り立つ、即ち認識対象語い数が増加するに
従って演算量Ｃ１は演算量Ｃ２に対してＣ１＞＞Ｃ２な
る関係となり、ＮＡＴ処理を行なう音声認識装置に依れ
ば、演算量を大幅に低減できる。

又、ＮＡＴ処理部（２１）より得られる新たな音響パラ
メータ時系列Ｑｉｆｍｌはその時系列方向において一定
のパラメータ数に設定できるので、標準パターンメモ１
月４）の記憶領域を有効に利用でき、その記憶容量を比
較的少なくできる。

ところで、一般に音声の語尾には第１８図に示す如くゆ
らぎｙがある。この音声の語尾のゆらぎｙは音声区間判
定により検出し除去することはできない。この為、従来
、この音声の語尾のゆらぎｙを含めてマツチング処理を
行なうようにしており、この音声の語尾のゆらぎｙによ
り認識率が低下していることが明らかとなった。

発明の目的 本発明は斯かる点に鑑み音声の語尾のゆらぎｋこ、よる
影響を比較的少なくして認識率の比較的高いものを得る
ことを目的とする。

発明の概要 本発明は音声信号人力部を有し、この音声信号入力部の
音声信号を音響分析部に供給し、この音響分析部の音響
パラメータ時系列をＮＡＴ処理部に供給し、このＮＡＴ
処理部にて音響パラメータ時系列からそのパラメータ空
間における軌跡を推定し、この軌跡に沿って新たな音響
パラメータ時系列を形成し、ＮＡＴ処理部のこの新たな
音響パラメータ時系列を処理することにより音声を確認
するようにした音声確認装置において、ＮＡＴ処理部に
て音声の語尾に対応する部分を所定量除去して新たな音
響パラメータ時系列を形成するようにしたものであり、
斯かる本発明音声認識装置に依れば、音声の語尾のゆら
ぎによる影響が比較的少なく認識率の比較的高いものを
得ることができる利益がある。

実施例 以Ｆ、第１９図及び第２０図を参照しながら本発明音声
認識装置の一実施例につい゛ζ説明しよう。この第１９
図及び第２０図において第１図乃至第１８図と対応する
部分に同一符号を付してその詳細な説明は省略する。

本例においては第１９図に示す如くＮΔ１′処理部（２
１）の補間点抽出器（２４）にて音響パラメータ時系列
Ｐｉｆｎｌからそのパラメータ空間におけるｉ＋＋ｌＬ
ｍ例えばパラメータ間を直線近似した軌跡に沿ってリサ
ンプリング間隔Ｔで新たな点列をリサンプリングし、こ
の新たな点列からその音声の語尾に対応する例えば２つ
（これば音声の語尾のゆらぎの統計により決定する。）
の点列を除いて新たな音響パラメータ時系列時系列Ｑｉ
（ｍｉ　（ｉ　＝　１．・・、Ｔ；ｍ　＝　ｌ・・、Ｍ
−２）を形成する如くなす。

ここで、この補間点抽出器（２４）における信号処理を
第１９図に示す流れ図に沿って説明する。先ず、ブロッ
ク（２４ｈ）にてリサンプリング点の時系列方向におけ
る番号を不ず変数Ｊに値１が設定されると共に音響パラ
メータ時系列Ｐｉｆｎ）の時系列方向における番号を示
す変数ＩＣに値１が設定される。そして、ブロック（２
４ｉ　）にて変数Ｊがインクリメントされ、ブロック（
２４ｊ）にてそのとき−の変数Ｊが＜Ｍ−２）以下であ
るかどうかにより、そのときのりサンプリング点の時系
列方向における番号かりサンプリングする必要のある最
後の番号になっていないかどうか判断し、なっていれば
この補間点抽出器（２４）の信号処理を終了し、なって
いなければブロック（２４ｋ　）にて第１番目のリサン
プリング点から第３番目のりサンプリング点までのりサ
ンプル距１ｉｔｌｌＤＬが算出され、ブロック（２４１
）にて変数ＩＣがインクリメントされ、ブロック（２４
ｍ　）に°ζリザンブル距１ｉ１１ｔＤＬが音響パラメ
ータ時系列Ｐｉ（ｎｌの第１番目のパラメータＰ　１（
１１から第１Ｃ番目のパラメータｐｉ（ＩＣ）までの距
離ＳＬ（Ｉｃ）よりも小さいかどうかにより、そのとき
のりサンプリング点が軌跡」二においてそのときのパラ
メータＰｉ（ＩＣ）よりも軌跡の始端側に位置するかど
うかを判断し、位置していなければブロック（２４１）
にて変数ＩＣをインクリメントした後再びブ１．ノック
（２４ｍ　＞にてリサンプリング点とパラメータＰｉ（
Ｉｃ）との軌跡上における位置の比較をし、リサンプリ
ング点が軌跡上においてパラメータＰｉ（Ｉｃ）よりも
始端側に位置すると判断されたとき、ブロック（２４ｍ
）にてリサンプリングにより軌跡に沿う新たな音響パラ
メータ口１（Ｊ）が形成される。即ち、先ず第、１番目
のりサンプリング点にょろりサンプル距％１ＩＤＬから
この第３番目のりサンプリング点よりも始端側に位置す
る％　（ＩＣ−１）番ＨのパラメータＰｉ（ＩＣ−１）
による距離５Ｌ（ＩＧ−１）を減算して第１ニー１）番
目のパラメータＰｉ（ｌｃ−ｘ）から第３番目のりサン
プリング点迄の距１ｉ４１ｉＳＳを求める。次に、軌跡
−■二においてこの第３番目のりサンプリング点の両側
に位置するパラメータＰ　１（Ｉｃ−ｚ）及びパラメー
タＰｉ（ＩＣ）間の距離Ｓ（＋ｃ−ｚ）　（この距離５
Ｏｃ−１＞は（７）式に′Ｃボされる信号処理にて得ら
れる。）にてこの距ｌ１ＩＩｔＳＳを除算ＳＳ／　Ｓ　
（＋ｃ−ｔ）　Ｌ、この除算結果ＳＳ／　Ｓ　（＋ｃ−
ｚンにりＬ尊王において第３番目のりサンプリング点の
両側に位置するパラメータＰｉ（ＩＣ）とＰｉ（＋ｃ−
＋）との差（Ｐｉ（Ｉｃ）−Ｐｉ（１ｃｍ１））を掛算
（Ｐｉ（ＩＣ）　−Ｐｉ（ＩＣ−１））　＊　ＳＳ／　
５（ＩＣ−１）して、軌跡上におい゛ζ第Ｊ番目のりサ
ンプリング点のごのリサンプリング点よりも始端側に隣
接して位置する第（ＩＣ−１）番目のパラメータＰ　１
（ＩＣ−１＞からの補間量を初出し、この補間量と第３
番目のりサンプリング点よりも始端側に隣接して位置す
る第（ＩＣ−１）番ＨのパラメータＰｉ（＋ｃ−ｔ）と
を加算して、軌跡に沿う新たな音響パラメータ旧（Ｊ）
が形成され、以下ブロック（２４ｉ　）乃至（２４ｎ　
）にて始点（これは旧（１）　＝　Ｐ　１（ｏｌであり
、算出処理を必要とせず置換により得られる。）と、音
声の語尾に対応する所定数例えば２つの新たな音響パラ
メーク旧（ト１）及び旧（Ｍ）とを除く算出処理により
、（Ｍ−２）点の新たな音響パラメータ時系列Ｑｉ（ｍ
）　（ｉ　＝　１．・・。

］；ｍ＝１．・・、Ｍ−２）が形成される。尚、このブ
ロック（２４ｎ　）においては周波数系列方向に■次元
分の信号処理が行なわれる。

このＮＡＴ処理部（２１）の音声の語尾に対応するパラ
メータを除いた新たな音響パラメータ時系列Ｑｉ（ｍｌ
　（ｉ＝Ｌ＝＋　　Ｉ　；ｍ＝１１”１　Ｍ−２＞をモ
ード切換スイッチ（３）に供給する。その他音響分析部
（２）、標準パターンメモリ（４）、チェビシェフ距離
算出部（２５）　、最小距離判定部（６）等は七述第９
図に示す音声認識装置と同様に構成する。

この様延してなる音声認識装置の動作について説明する
。

マイクロホン（１１の音声信号が音響分析部（２）にて
音声区間毎に声帯音源特性の正規化さ＊ｔ　７’；：音
響パラメータ時系列Ｐｉ（ｎ）に変換され、ごの召響パ
ラメータ時系列Ｐｉ（ｎｌがＮＡＴ処理部（２１）に供
給され、ごのＮＡＴ処理部（２１）にて音響パラメータ
時系列Ｐｉ（ｎ）からそのパラメータ空間における直線
近似による軌跡が推定され、この軌跡に沿って音声の語
尾に対応する音響パラメータＱ　ｉ　（Ｍ−１）及び［
ｌｉ（Ｍ）を除く新たな音響パラメータ時系列旧（”ｌ
　（１□　’ｌ＋・・。

Ｉ　、；　ｍ　＝　１　＋・・、Ｍ−２）が形成される
。音声の語尾のゆらぎは軌跡上において後方に比較的短
い軌跡長となって表われ、この軌跡長は発生の違いによ
る変動は極めて小さく、軌跡の後方の所定の軌跡長（こ
れは統計的に得られる。）を除くごとにより音声の語尾
のゆらぎだけを除くことができる。

従って、音声の語尾に対応する音響パラメータＱ　ｉ　
（Ｍ−１）及びｏｔｒｍを除く新たな音響パラメータ時
系列Ｑｉ（ｍｌ　（ｉ　＝Ｌ・・、　　Ｉ　；ｍ＝１．
・・、　Ｍ　　２）は音声の語尾のゆらぎの影響が比較
的少ないものとなる。第２０図に２次元にてこの様な状
態を不ず。この第２０図において、１１点の・印により
音響パラメータ時系列Ｐ（１）、　　・・ＩＰ（１１）
をボし、これら・即問の実線により直線近似による軌跡
を示し、９点の○印により新たな音響パラメータ時系列
Ｑ　ｆｉｌ　。

・・、Ｑ（９）を示す。この第２０図より明らかな様に
軌跡の後方に位置する音響パラメータＰ（９１，Ｐ（１
０１゜Ｐ　（ｎ　）は軌跡上において比較的短い軌跡長
をとり、この部分は音声の語尾のゆらぎを表わし、この
分に対応する新たな音響パラメータＱ（９）を除く新た
な音響パラメータ時系列Ｑ　（１１、・・、Ｑ（８１は
音声の拾尾のゆらぎのｔ、Ｓの比較的少ないものとなる
。

このＮＡＴ処理部（２１）の新たな音響パラメータ時系
列Ｑｉ（ｍ）　（ｉ　＝Ｌ”＋　　Ｉ　；ｍ−Ｌ−・＋
　Ｍ−２）が標準パターン゛として登録モードにおい°
ζはモード切換スイッチ（３）を介して標準パターンメ
モ１月に格納される。

又、認識モードにおいては、Ｎ　Ａ　１’処理部（２１
）の新たな音響パラメータ時系列旧（ｎｎｌ　（ｉ−１
＋・・。

１；ｍ＝Ｌ・・、Ｍ−２）が入カバターンとしてモード
切換スイッチ（３）を介してチェビシェフ距離算出部（
２５）に供給されると共に標準パターンメモ１月４）の
標準パターンがチェビシェフ距離算出部（２５）に供給
され、人カバターンと標準パターンとのチェビシェフ距
離が算出され、最小距離判定部（６）にてこのチェビシ
ェフ距離が最小となる標準パターンが判定され、この標
準パターンが人力音声をボす認識結果として出力端子（
７）に得られる。

この場合、標準パターン及び入カバターンが音声の語尾
のゆらぎの影響の比較的少ない新たな音響パラメータ時
系列Ｑｉ（ｍ）　（ｉ　＝１．＝、　　Ｉ　；　ｒｎ−
１，・・。

Ｍ−２）よりなるので、音声の語尾のゆらぎによる影響
が比較的少なく、比較的高い認識率が得られる。

以上述べた如く本例に依れば音声信号入力部としてのマ
イクロホン（１）を有し、この音声信号入力部（１１の
音声信号を音響分析部（２）に供給し、この音響分析部
の音響パラメータ時系列Ｐｉ（ｎｌをＮＡＴ処理部（２
１）に供給し、このＮＡＴ処理部（２１）にて音響パラ
メータ時系列Ｐｉｆｎｌからそのパラメータ空間におけ
る！ｌＬ跡を推定し、この軌跡に沿って新たな音響パラ
メータ時系列Ｑｉ（（６）（ｉ　＝１．・・＋Ｉｉｍ　
＝　１．＝　、　Ｍ）を形成し、ＮＡＴ処理部（２１）
のこの新たな音響パラメータ時系列旧（＠を処理するこ
とにより音声を６１認するようにした音声確認装置Ｆに
おいて、ＮＡＴ処理部（２１）にて音声の語尾に対応す
る２つの新たな音響パラメータＱｉ（Ｍ−１）及びＱｉ
（Ｈ）を除去して新たな音響パラメータ時系列Ｑｉｈｌ
　（ｔ　＝１ｓ・＋　　Ｉ　；　ｍ＝ｌ、”、　Ｍ　　
２）を形成するようにした為、音声の語尾のゆらぎによ
る影響が比較的少なく、認識率の比較的高いものを得る
ことができる利益がある。

又、ＮＡＴ処理部（２１）にて形成する新たな音響パラ
メータ時系列Ｑｉ（ｍ）　（ｉ　＝１．−、　　Ｉ　；
　ｍ＝１゜・・、Ｍ−２）が音声の語尾に対応するパラ
メータ分だけ少ないパラメータ数にできるので、その分
だけ標準パターンメモリ（４）の記す、ａ容量を少なく
できる利益がある。

尚、上述実施例においては音声の語尾に対応して２つの
りサンプリング点を除いて新たな音響パラメータ時系列
Ｑｉ（ｍｌ　（ｉ　＝　１．＝　、　　Ｉ　；　ｍ−１
ｓ・。

Ｍ−２）を形成した場合について述べたＬＪれども、音
声の語尾のゆらぎの統計に応じて１つ等通貨な数のりサ
ンプリング点を除いて新たな音響パラメータ時系列を形
成しても上述実施例と同様の作用効果を得ることができ
ることは用意に理解できよう。又、上述実施例において
は音響パラメータ時系列Ｐｉ（ｎ）からそのパラメータ
空間における軌ｊ跡を推定し、この軌跡に沿って新たな
点列をリサンプリングし、この新たな点列のうちの音声
の語尾に対応する点列を除く点列より新たな音響パラメ
ータ時系列を形成するようにした場合について述べたけ
れども、音響分析部（２）の音響パラメータ時系列Ｐｉ
（ｎ）からそのパラメータ空間における１ｔｉｌｔ　ｈ
Ｗを１１１定し、この軌跡上における音声の語尾のゆら
ぎに対応する部分の銃側により得られる軌跡長を軌跡の
終端側から除き、この音声の語尾のゆらぎに対応する軌
跡長を除いた軌跡に沿って新たな音響パラメータ時系列
を形成するようにしても上述実施例と同様の作用効果を
得ることができることは容易に理解できよう。又、上述
実施例においては音響パラメータ時系列からそのパラメ
ータ空間における直線近似による軌跡の軌跡長を算出す
るようにした場合について述べたけれども、円弧近似、
スプライン近似等による軌跡の軌跡長を算出するように
しても上述実施例と同様の作用効果を得ることができる
ことは容易に理解できよう。更に、本発明は上述実施例
に限らず本発明の要旨を逸脱することなくその他種々の
構成を取り得ることは勿論である。

発明の効果 本発明音声認識装置に依れば、音声信号人力部を有し、
この音声信号入力部の音声信号を音響分析部に供給し、
この音響分析部の音響パラメータ時系列をＮＡＴ処理部
に供給し、ごのＮ　Ａ　Ｔ処理部にて音響パラメータ時
系列からそのパラメータ空間における軌跡を推定し、こ
の軌跡に沿って新たな音響パラメータ時系列を形成し、
Ｎ　Ａ　Ｔ’処理部のこの新たな音響パラメータ時系列
を処理することにより音声を確認するようにした音声確
認装置において、ＮＡＴ処理部にて音声の語尾に対応す
る部分を所定量除去して新たな音響バラメーク時系列を
形成するようにした為、音声の語尾のゆらぎによる影響
が比較的少なく認識率の比較的１ｕｉいものを得ること
ができる利益がある。

【図面の簡単な説明】

第１図はＤＰマツチング処理により背戸認識を行なうよ
うにした音声認識装置の例を示す構成図、第２図はＤＰ
マツチング処理の説明に（Ｊシ４°る概念図、第３図は
音響パラメータ空間に４３ける軌跡の説明に供する線図
、第４図、第５図及び第６図は夫々１次元の入カバター
ンＡ１標準パターンＡ′及び標準パターンＢ′の例を示
す線図、第７図は入カバターンＡのパラメータ時系列と
標準パターンＡ′のパラメータ時系列とのＤＰマソヂン
グ処理による時間軸正規化の説明に供する線図、第８図
は入カバターンＡのパラメータ時系列と標準パターンＢ
′のパラメータ時系列とのＤＰマンナング処理による時
間軸正規化の説明に供する線図、第９図はＮＡＴ処理を
して音声認識を行なうようにした音声認６ｈ装置の例を
不ず構成図、第１０図、第１１図、第１２図及び第１４
図は夫々ＮＡＴ処理部の説明に供する線図、第１３図は
補間点抽出器の説明に供する流れ図、第１５図、第１６
図及び第１７図１は夫々ＮＡＴ処理部にてＮＡＴ処理し
た人カバターンＡ、標準パターンＡ′及び標準パターン
Ｂ′の１次元の音響パラメータ時系列を示す線刻、第１
８図は音声波形の例を示す線図、第１９図は本発明音声
認識装置の要部の一実施例を示す流れ図、第２０図は第
１９図の説明に供する線図である。 （１）は音声信号人力部としてのマイクロボン、（２）
は音響分析部、（３）はモード切換スイッチ、（４）は
標準パターンメモリ、（６）は最小距離判定部、（ＩＩ
Ａ）。 （ｌｌｅ）、・・・＋、　　（ｌｌｏ）は１５チヤンネ
ルのデジタルバンドパスフィルタバンク、（１６）は音
声区間内パラメータメモリ、（２１）はＮＡＴ処理部、
（２２）は軌跡長算出器、（２３）は補間間隔算出器、
（２４）は補間点抽出器、（２５）はチェビシェフ距離
算出部、（２６）は軌跡長信号付加器、（２７）は標準
パターン選択部、ｙは音声の語尾のゆらぎである。

Claims (1)

【特許請求の範囲】
1. 音声信号入力部を有し、該音声信号入力部の音声信号を
   音響分析部に供給し、該音響分析部の音響パラメータ時
   系列をＮＡＴ処理部に供給し、該ＮＡＴ処理部にて上記
   音響パラメータ時系列からそのパラメータ空間における
   軌跡を推定し、該軌跡に沿って新たな音響パラメータ時
   系列を形成し、上記ＮＡＴ処理部の該新たな音響パラメ
   ータ時系列を処理することにより音声を確認するように
   した音声確認装置において、上記ＮＡＴ処理部にて上記
   音声の語尾に対応する部分を所定量除去して新たな音響
   パラメータ時系列を形成するようにしたことを特徴とす
   る音声認識装置。