JPS6227398B2

JPS6227398B2 -

Info

Publication number: JPS6227398B2
Application number: JP55096276A
Authority: JP
Inventors: Ryoichi Ito; Toshihiro Kimura
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1980-07-16
Filing date: 1980-07-16
Publication date: 1987-06-15
Also published as: JPS5722294A

Description

【発明の詳細な説明】本発明は、あらかじめ登録されている個人音声
データと話者の音声信号とを比較し、その話者が
指定された本人であるか否かを照合・判定する話
者認識方法に関するものである。

従来の話者認識方式では、１回の発声だけで本
人であるか否かを判定していたため、もし、本人
が本人でないと判定されたとき、新たに暗証番号
の入力等の操作を繰返して再試行をしなければな
らなかつた。

これは、本人の体調または周囲条件などによ
り、ある程度、避けられないことであるが、特
に、本人の体調が整つていないときには、本人で
ないと判定されやすく、煩わしいものである。

本発明の目的は、上記した従来技術の欠点をな
くし、再試行の操作を容易にし、かつ、認識精度
を向上させるようにした話者認識方法を提供する
ことにある。

本発明に係る話者認識方法は、話者が発声する
音声文を分析し、発声内容の差および個人情報の
差により話者の識別を行うようにしたテキスト依
存形の話者認識方法において、判定部に高レベル
の単一判定基準値と低レベルの平均判定基準とを
設定しておき、最初の暗証番号の入力のみで所定
回数までの話者の音声入力を可能とし、該所定回
数以下の判定の確定に至るまでは各回の照合点を
同一の該単一判定基準値によつて該所定回数まで
の判定を行い、該所定回数の判定によつても判定
が確定しないときは、該所定回数の平均照合点を
該平均判定基準値によつて判定を行わしめうるご
とくするようにしたものである。

なお、これを詳述すれば、話者が発声する音声
文を分析し、発声内容の差および個人情報の差に
より話者の識別を行うようにしたテキスト依存形
の話者認識方法において、１回だけの照合点で判
定を行うときには、他人を本人と誤判定をしない
ようにするため、高レベルの単一判定基準が必要
であるが、複数回の平均照合点で判定を行うとき
には、比較的低レベルの平均判定基準によつても
判定の確定が可能であるという事実を利用し、他
人を本人と、また、本人を本人でないと誤判定を
行わしめないようにして認識精度を向上させるも
のである。

以下、本発明の実施例を図に基づいて説明す
る。

図は、本発明に係る話者認識方法の一実施例に
供される構成図である。

ここで、１は、音声信号入力部に係るマイクロ
フオン、２は、同アナログスイツチ、３は、同前
処理回路、４は、音声特徴抽出部、５は、音声デ
ータ記憶部に係るテストパターンメモリ、６は、
同参照パターンメモリ、７は、同外部記憶装置、
８は、音声分析部に係る音声区間検出回路、９
は、同音声入力カウンタ、１０は、同マツチング
回路、１１は、同照合点レジスタ、１２は、同平
均値計算回路、１３は、判定部に係る判定レジス
タ、１４は、同比較器、１５は、制御部、１６
は、操作・表示部に係るキーボード、１７は、同
デイスプレイである。

本実施例は、単一判定基準により、最高３回ま
での発声・判定を行い、それでも本人でないと判
定された場合（すなわち、判定の確定が不能の場
合）には、平均判定基準により、その３回の平均
照合点について判定を行うものである。

まず、個人の音声データの登録について説明す
る。

キーボード１６において、登録モード用のキー
を操作し、続いて所定桁数（例えば、４桁）の暗
証番号を入力する。

この場合、その暗証番号が登録済のものであれ
ば、制御部１５の識別・制御により、登録不可の
旨の表示をデイスプレイ１７に行わしめる。

これは、他人による悪用、または暗証番号の誤
入力による他人の登録データの破壊、書替を防止
するためである。

その暗証番号が登録されると、制御部１５の制
御により、アナログスイツチ２を閉じるととも
に、音声データの登録に係る話者の音声を入力し
てもよいことをデイスプレイ１７によつて表示す
る。

これにより、話者は、その者に特定な任意の種
別の言語、すなわち、キーワード（例えば、氏名
等）を発声する。

この言語は、以後、その話者の登録キーワード
となり、話者認識時には、これに基づいて本人で
あるか否かが判定されるものである。

発生された音声は、マイクロフオン１によつて
電気信号に変換され、前処理回路３により、適正
な音声信号レベルに増幅され、また、雑音成分が
カツトされるなどの前処理が行われる。

前処理回路３から出力された音声信号は、音声
特徴抽出部４と音声区間検出回路８とに入力され
る。

音声特徴抽出部４は、入力された音声信号を分
析し、その特徴パラメータを時系列的に出力す
る。

また、音声区間検出回路８は、その入力音声信
号の始端と終端とを検出し、終端が検出される
と、これを制御部１５に報告し、その制御によ
り、登録用音声が入力されたことをデイスプレイ
１７に表示せしめ、これを話者に確認をせしめ
る。

また、アナログスイツチ２を開き、以後、登録
音声以外の音声が入力されないようにする。

この始端と終端との音声区間に音声特徴抽出部
４から時系列的に出力された特徴パラメータは、
テストパターンメモリ５に一時蓄積され、更に先
に入力された暗証番号に関連付けて外部記憶装置
７に格納される。

これにより、以後、その音声データは、当該暗
証番号によつて読出すことが可能となるので、制
御部１５は、登録が完了した旨をデイスプレイ１
７に表示せしめ、登録モードを終了する。

次に、話者認識について説明する。

キーボード１６において、照合モード用のキー
を操作し、続いて話者認識に係る個人の暗証番号
を入力する。

これにより、制御部１５は、外部記憶装置７か
ら、その暗証番号で関連付けられた場所の音声デ
ータ（音声特徴パラメータ）を、参照パターンメ
モリ６へ転送せしめるとともに、アナログスイツ
チ２を閉じ、音声入力カウンタ１４をクリアし、
また、デイスプレイ１７に音声入力待ちを表示せ
しめ、話者に発声を促す。

この場合、入力された暗証番号またはその音声
データが存在しないときは、デイスプレイ１７に
本人でないことを表示せしめて照合モードを終了
する。

マイクロフオン１、アナログスイツチ２、前処
理回路３を通して話者のキーワードの音声信号が
音声特徴抽出部４に入力されると、前述の登録モ
ードのときと同様に、音声区間検出回路８によつ
て検出された音声区間内の特徴パラメータが抽出
され、テストパターンメモリ５に一時蓄積され
る。

なお、音声の終端が検出されると、これが制御
部１５に報告され、その制御により、デイスプレ
イ１７にその旨を表示して話者に確認をさせると
ともに、アナログスイツチ２を開いて以後の音声
入力をカツトするのは、登録モードのときと同様
である。

マツチング回路１０は、テストパターンメモリ
５内の特徴パラメータと、参照パターンメモリ６
内の特徴パラメータとの間のパターンマツチング
を行う。

この尺度は、両パターン間の距離による照合点
で表わされるので、マツチング回路１０の出力
（照合点）は、その値が小さい程、両パターンが
類似していることになる。

なお、一般に、音声は、同一人物が同一言語を
発声しても、常に全く一致するということがな
く、非線形に伸縮しているものである。

したがつて、本実施例においては、上記両パタ
ーン間のマツチングも、この時間軸上の非線形な
伸縮を考慮した非線形マツチング法によつて行わ
れる。

マツチング回路１０の出力は、照合点レジスタ
１１に入力され、この場合、音声入力カウンタ９
がクリアされているので、その値（０）に対応し
て、第１スコアレジスタSR１に蓄積される。

これは、更に比較器１４へ入力され、判定レジ
スタ１３内の単一判定基準値STD１と大小関係
が比較される。

第１スコアレジスタSR１の値の方が小さいと
きには、両パターンが良好に類似しているので、
発声された音声は、当該暗証番号に係る個人と同
一人物によるものとみなし（すなわち、判定の確
定を行い）、制御部１５を介し、デイスプレイ１
７に合格表示をせしめて照合モードを終了する。

第１スコアレジスタSR１の値の方が大きいと
きには、両パターンが良好に類似していないの
で、制御部１５は、判定の確定を保留し、音声入
力カウンタ９を＋１カウントアツプする。

また、再度、アナログスイツチ２を閉じるとと
もに、デイスプレイ１７にその旨の表示をせし
め、話者に再度の発声を促す。

以下、前述と同様な動作・処理が行われ、マツ
チング回路１０の出力（照合点）は、音声入力カ
ウンタ９の値に対応して、照合点レジスタ１１の
第２スコアレジスタSR２に蓄積される。

比較器１４は、上述と同様に、これと単一判定
基準値STD１と比較し、第２スコアレジスタSR
２の値の方が小さいときには、デイスプレイ１７
に合格表示をせしめて照合モードを終了する。

しかしながら、この値の方が大きいときには、
制御部１５は、更に音声入力カウンタ９を＋１カ
ウントアツプし、上述と同様に、再再度の判定動
作を行う。

この場合には、マツチング回路１０の出力（照
合点）は、照合点レジスタ１１の第３スコアレジ
スタSR３に蓄積され、その値が単一判定基準値
STD１よりも小さいときには、判定を確定し、
合格表示をして照合モードを終了する。

一方、第３スコアレジスタSR３の値が単一判
定基準値よりも大きいときには、今までの各発声
音声の照合点、すなわち、第１〜第３スコアレジ
スタSR１〜SR３の値の算術的平均値を平均値計
算回路１２によつて計算し、これを比較器１４に
入力する。

比較器１４は、これと判定レジスタ１３の平均
判定基準値STD２とを比較し、その結果を制御
部１５へ送出する。

制御部１５は、平均判定基準値STD２の方が
大きいときには、話者が本人であるものとみなし
て判定を確定し、または小さいときには、話者が
本人でないものと判定し、それぞれ、デイスプレ
イ１７に合格表示、または不合格表示をせしめて
照合モードを終了する。

この場合、単一判定基準値STD１を平均判定
基準値STD２よりも小さい値、すなわち、高レ
ベルに設定しておくことにより、話者の体調等の
認識条件が良好なときには、所定回数までの各回
の発声ごとに他人と厳格に区別して識別すること
ができ、また、話者の体調等が不調のときでも、
各回の発声の平均照合点で判定すれば、本人を他
人と、または他人を本人と判定する確率を小さく
することができる。

上記実施例において、話者認識の試行可能回数
を３回としているが、本発明は、これに限定され
るものでなく、要求される識別精度に応じて任意
の回数とすることができるのは明らかで、実施条
件によつて設定すべきものである。

以上、詳細に説明したように、本発明によれ
ば、最初に暗証番号を入力するだけで、所定回数
までの発音をすることができ、また、多回試行お
よびその平均値判定により、識別精度を向上する
ことができるので、話者認識方法のサービス性、
信頼性の向上に顕著な効果が得られる。

【図面の簡単な説明】

図は、本発明に係る話者認識方法の一実施例に
供される構成図である。１……マイクロフオン、２……アナログスイツ
チ、３……前処理回路、４……音声特徴抽出部、
５……テストパターンメモリ、６……参照パター
ンメモリ、７……外部記憶装置、８……音声区間
検出回路、９……音声入力カウンタ、１０……マ
ツチング回路、１１……照合点レジスタ、１２…
…平均値計算回路、１３……判定レジスタ、１４
……比較器、１５……制御部、１６……キーボー
ド、１７……デイスプレイ。

Claims

【特許請求の範囲】

１話者が発声する音声文を分析し、発声内容の
差および個人情報の差により話者の識別を行うよ
うにしたテキスト依存形の話者認識方法におい
て、判定部に高レベルの単一判定基準値と低レベ
ルの平均判定基準値とを設定しておき、最初の暗
証番号の入力のみで所定回数までの話者の音声入
力を可能とし、該所定回数以下の判定の確定に至
るまでは各回の照合点を同一の該単一判定基準値
によつて該所定回数までの判定を行い、該所定回
数の判定によつても判定が確定しないときは、該
所定回数の平均照合点を該平均判定基準値によつ
て判定を行わしめうるごとくすることを特徴とす
る話者認識方法。