JPS6245560B2 - - Google Patents
Info
- Publication number
- JPS6245560B2 JPS6245560B2 JP19355781A JP19355781A JPS6245560B2 JP S6245560 B2 JPS6245560 B2 JP S6245560B2 JP 19355781 A JP19355781 A JP 19355781A JP 19355781 A JP19355781 A JP 19355781A JP S6245560 B2 JPS6245560 B2 JP S6245560B2
- Authority
- JP
- Japan
- Prior art keywords
- voiced
- section
- frequency
- voice message
- low
- 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.)
- Expired
Links
Description
本発明は被制御機器を音声メツセージによつて
操作するための音声メツセージ識別方式に関する
ものであり、その目的とするところは、音声の構
造に基いて効率的に照合処理を行なうことができ
るようにした音声メツセージ識別方式を提供する
にある。 以下本発明の構成を図示実施例によつて説明す
る。第１図は本発明による音声メツセージ識別装
置のハードウエア的な概略構成を示すブロツク図
であり、第３図は同装置の処理機能をブロツク化
して示したものである。まず第１図において音声
はマイク１から入り、プリアンプ２で高域強調さ
れ、LOGアンプ３で対数変換されてデシベル値
に比例する出力になり、ACアンプ４で交流成分
のみが増幅される。次に低周波用フイルタパンク
５で低周波成分（1KHz以下）をとり出し、高周
波用フイルタバンク６で高周波成分（5KHz〜
12KHz）をとり出す。フイルタバンク５，６は各
帯域毎に帯域フイルタF1、F2、整流回路D1，
D2、積分回路よりなる平均化回路M1，M2で構成
されている。低周波用フイルタバンクの積分回路
M1は時定数５〜10msec程度、高周波用フイルタ
バンクの積分回路M2は時定数１〜2msec程度に
設定されている。両フイルタバンク５，６の各出
力は差動アンプ７に入力され、その出力すなわち
高周波成分と低周波成分の差が時定数20msec程
度の積分回路よりなる平均化回路８で平均化され
る。 この平均化回路８から出力されるアナログ信号
波形ｙ（ｔ）は入力音声中に含まれる有声音Ｖと
無声音Ｕの比率を表わしている。第２図ａ、ｂは
当社の音声制御式あんま椅子の音声入力例「もみ
下げセツト」に対するアナログ信号波形ｙ（ｔ）
を示したものであり、本実施例では有声音Ｖはプ
ラス、無声音Ｕはマイナスの値をとつている。こ
の信号電圧ｙ（ｔ）をＶ判定回路９およびＵ判定
回路１０に加え、クロツク発生回路１１からのク
ロツクCKによつて一定周期毎にサンプリングす
る。両判定回路９，１０にはそれぞれ基準電圧Ｒ
VおよびＲUが加えられ、サンプリング時にアナロ
グ信号電圧がプラス側の基準電圧ＲV以上であれ
ば有声音Ｖ、マイナス側の基準電圧ＲU以下であ
れば無声音Ｕ、ＲVとＲUとの間の値であれば無音
Ｓと判定する。第２図ａ、ｂにおいて、ｚ（ｔ）
は信号処理回路１２から得られるVU判定出力信
号を示しており、無声音Ｕに対しては−１、無音
Ｓに対してはＯ、有声音に対しては＋１の値をと
るようになつている。なお第２図ａはLOGアン
プ３を使用した場合を、また同図ｂはLOGアン
プ３を除去した場合をそれぞれ示しており、両者
を比較すれば明らかなように、入力音声をフイル
タバンク５，６の前でLOG変換しておくと、有
声音Ｖと無声音Ｕの識別を確実に行なえるもので
ある。 次にLOGアンプ３を通す前のプリアンプ２の
出力は、例えば０〜0.5KHzの帯域フイルタF3、
整流回路D3、平均化回路M3からなるフイルタバ
ンク１３と、0.5〜1.0KHzの帯域フイルタF4、整
流回路D4、平均化回路M4からなるフイルタバン
ク１４によつて各周波数領域の特性成分を抽出さ
れる。フイルタバンク１３の出力である低域音Ｖ
Lと、フイルタバンク１４の出力である高域音ＶH
とは差動アンプ１５により比較され、平均化回路
１６により平均化される。平均化回路１６の出力
はクロツクCKに同期して動作するＶL判定回路１
７およびＶH判定回路１８にそれぞれ入力され、
平均化回路１６の出力電圧が基準電圧ＲLよりも
低いとＶL成分と判定され、また基準電圧ＲHより
も高いとＶH成分と判定され、ＲLとＲHの間であ
れば中域音ＶMと判定される。信号処理回路１９
はＶH、ＶLおよびＶMの各成分を、それぞれ＋
１、０、−１の出力に３値化するものである。 信号処理回路１２，１９の各出力はＩ／Ｏポー
ト２０を介してCPU２１に読み込まれるもので
あり、読み込まれたデータは一旦入力パターンメ
モリ２２に格納され、標準パターンメモリ２３に
記憶されている複数個の標準パターンのうちどれ
に一番近いかを照合判定されて、その照合判定結
果に基いて被制御機器２４を制御するようになつ
ている。これらの照合判定動作等はCPU２１と
プログラムROM２５、およびワーキングRAM２
６を有するマイクロコンピユータ２７により行な
つているものである。 次に第３図は本発明による音声メツセージ識別
装置の音声メツセージ識別処理機能をブロツク化
して示したものである。同図に示すように音声メ
ツセージ識別装置は音響処理部２８と、周波数分
析部２９と、符号化処理部３０と、照合判定部３
１とから構成されている。このうち音響処理部２
８と周波数分析部２９については、第１図の説明
において詳述したような構成を有しており、フイ
ルタバンク５，６およびフイルタバンク１３，１
４の後段に接続された判定回路３２，３３は差動
アンプ７，１５から信号処理回路１２，１９まで
の回路によつて構成されているものである。また
Ｉ／Ｏポート２０よりも後段の回路は上述のよう
にマイクロコンピユータ２７により構成されてい
る。符号化処理部３０において、３４は無音区間
を検出するためのＳカウンタであり、有声音Ｖま
たは無声音Ｕが検出されるとリセツトされて音声
入力動作を開始させ、その後無音Ｓが一定時間
（約0.2秒）以上続くとカウントアツプして音声入
力動作を停止するようになつている。音声入力動
作は５〜20msecのサンプリング周期（実施例で
は5msecの周期）に従つて行なわれ、一方の判定
回路３２からは有声音Ｖ、無声音Ｕ、および無音
Ｓの各符号とその継続時間とが入力されてメモリ
に格納され、また他方の判定回路３３からは高域
音ＶH、中域音ＶM、および低域音ＶLの各符号と
その継続時間とが入力されてメモリに格納される
ようになつている。このようにしてメモリに一旦
格納された信号は波形整形処理部３５，３６によ
り整形処理される。 第４図ａは波形整形処理部３５において波形整
形される前の信号波形を示しており、また第４図
ｂは波形整形処理された後の信号波形を示してい
る。波形整形処理は第４図ａの矢印a1に示すよう
に、有声音Ｖまたは無声音Ｕの継続時間の短いも
のを無音Ｓとする第１の処理と、第４図ａの矢印
a2〜a5に示すように、有声音Ｖまたは無声音Ｕの
継続時間が比較的長いものの次に来る無音Ｓの期
間が短く、かつ無音Ｓに続く次の符号が無音Ｓの
前の符号と同じであれば、無音Ｓを消すようにす
る第２の処理とから構成されているものである。
第５図はかかる波形整形処理部３５における波形
整形処理の手順を示すフローチヤートである。 このフローチヤートは、符号Ｖ、Ｕ、Ｓとその
継続時間とのリスト形式によりメモリに格納され
たデータを演算処理して新たなリスト形式のデー
タを作成し、再びメモリに格納するためのプログ
ラムを示している。まず整形前のリストはその最
初の符号がＳであるか否かを判定し、最初の符号
がＳでなければその継続時間が基準値T1よりも
大きいかどうかを判定される。継続時間が基準値
T1よりも大きくなければ、その符号ＶまたはＵ
は符号Ｓに変換して符号Ｓとその継続時間を整形
後のリストとしてメモリに書き込む。また継続時
間が基準値T1よりも大きければ、その符号Ｖま
たはＵとその継続時間とを整形後のリストとして
そのまま転写する。そして次の符号Ｓの継続時間
が基準値T2よりも短いかどうかを判定し、基準
値T2よりも短かければ、その符号Ｓの次の符号
は符号Ｓの前の符号と同じであるかどうかを判定
する。同じでなければ符号Ｓとその継続時間とを
そのまま整形後のリストに転写する。また同じあ
れば符号Ｓを前後の符号ＵまたはＶに変えて、そ
の変えた後の符号とその継続時間とを整形後のリ
ストとしてメモリに書き込む。さらに次の符号Ｓ
についてその継続時間が基準値T2よりも短いか
否かを再び判定する。以上の演算処理動作は整形
前のすべてのリストが変換処理されるまで続けら
れるものであり、変換処理が終了すると整形後の
リストの最後の符号がＳであるかどうかを判定
し、最後の符号がＳであればその符号Ｓを整形後
のリストから除去して、再び最後の符号がＳであ
るかどうかを判定する。しかして最後の符号がＳ
でなくなれば一連の波形整形処理動作を終了する
ものであり、このときにメモリには、第４図ｂに
示すような波形整形処理された信号が符号Ｕ、
Ｖ、Ｓとその継続時間とのリスト形式で格納され
ていることになる。また他方の波形整形処理部３
６においても同様の演算処理動作が行なわれるも
のであり、符号ＶHおよび符号ＶLのうち継続時
間の短いものを符号ＶMに変換する動作と、符
号ＶHと符号ＶHとの間に挾まれた継続時間の短い
符号ＶMを符号ＶHに変換する動作と、符号ＶL
と符号ＶLとの間に挾まれた継続時間の短い符号
ＶMを符号ＶLに変換する動作とを行なうものであ
る。 次に第６図は上記波形整形処理部３５，３６に
より形成された２系統のリストを１系統のリスト
にまとめるためのコンポジツト符号化処理部３７
の処理動作を示すフローチヤートである。その動
作について説明すると、まず波形整形処理部３５
によつて形成された符号Ｕ、Ｖ、Ｓとその継続時
間のリストを調べて、最初の符号がＵまたはＳで
あるかどうかを判定する。最初の符号がＵまたは
Ｓであれば、その符号ＵまたはＳとその継続時間
とがコンポジツト符号リストとしてメモリにその
まま転写される。また最初の符号がＵまたはＳで
はなくてＶであるときには、波形整形処理部３５
によつて形成された符号ＶH、ＶM、ＶLとその継
続時間のリストを調べて、符号Ｖの継続時間中に
まず符号ＶHが含まれているかどうかを判定して
含まれている場合には、符号ＶHとその継続時間
とをコンポジツト符号リストとしてメモリに転写
する。また符号ＶMおびＶLについても、符号Ｖの
継続時間中に含まれている場合には符号ＶM、ＶL
とその継続時間とがそれぞれコンポジツト符号リ
ストとしてメモリに転写される。 以上のようにしてコンポジツト符号リストが得
られるものであるが、本実施例のように、符号
Ｖ、Ｕ、Ｓの系統と符号ＶH、ＶM、ＶLの系統と
について別々に波形整形処理を行なつてから、コ
ンポジツト符号化する方法（第７図ａ参照）の他
に、第７図ｂに示すように先にコンポジツト符号
化を行なつてから波形整形処理を行なう方法もあ
り得るものである。この場合には符号Ｕ、Ｖ、Ｖ
H、ＶLの各論理値に基いて第１表に示すような論
理演算を行なうことによりコンポジツト符号化を
行なうものである。
操作するための音声メツセージ識別方式に関する
ものであり、その目的とするところは、音声の構
造に基いて効率的に照合処理を行なうことができ
るようにした音声メツセージ識別方式を提供する
にある。 以下本発明の構成を図示実施例によつて説明す
る。第１図は本発明による音声メツセージ識別装
置のハードウエア的な概略構成を示すブロツク図
であり、第３図は同装置の処理機能をブロツク化
して示したものである。まず第１図において音声
はマイク１から入り、プリアンプ２で高域強調さ
れ、LOGアンプ３で対数変換されてデシベル値
に比例する出力になり、ACアンプ４で交流成分
のみが増幅される。次に低周波用フイルタパンク
５で低周波成分（1KHz以下）をとり出し、高周
波用フイルタバンク６で高周波成分（5KHz〜
12KHz）をとり出す。フイルタバンク５，６は各
帯域毎に帯域フイルタF1、F2、整流回路D1，
D2、積分回路よりなる平均化回路M1，M2で構成
されている。低周波用フイルタバンクの積分回路
M1は時定数５〜10msec程度、高周波用フイルタ
バンクの積分回路M2は時定数１〜2msec程度に
設定されている。両フイルタバンク５，６の各出
力は差動アンプ７に入力され、その出力すなわち
高周波成分と低周波成分の差が時定数20msec程
度の積分回路よりなる平均化回路８で平均化され
る。 この平均化回路８から出力されるアナログ信号
波形ｙ（ｔ）は入力音声中に含まれる有声音Ｖと
無声音Ｕの比率を表わしている。第２図ａ、ｂは
当社の音声制御式あんま椅子の音声入力例「もみ
下げセツト」に対するアナログ信号波形ｙ（ｔ）
を示したものであり、本実施例では有声音Ｖはプ
ラス、無声音Ｕはマイナスの値をとつている。こ
の信号電圧ｙ（ｔ）をＶ判定回路９およびＵ判定
回路１０に加え、クロツク発生回路１１からのク
ロツクCKによつて一定周期毎にサンプリングす
る。両判定回路９，１０にはそれぞれ基準電圧Ｒ
VおよびＲUが加えられ、サンプリング時にアナロ
グ信号電圧がプラス側の基準電圧ＲV以上であれ
ば有声音Ｖ、マイナス側の基準電圧ＲU以下であ
れば無声音Ｕ、ＲVとＲUとの間の値であれば無音
Ｓと判定する。第２図ａ、ｂにおいて、ｚ（ｔ）
は信号処理回路１２から得られるVU判定出力信
号を示しており、無声音Ｕに対しては−１、無音
Ｓに対してはＯ、有声音に対しては＋１の値をと
るようになつている。なお第２図ａはLOGアン
プ３を使用した場合を、また同図ｂはLOGアン
プ３を除去した場合をそれぞれ示しており、両者
を比較すれば明らかなように、入力音声をフイル
タバンク５，６の前でLOG変換しておくと、有
声音Ｖと無声音Ｕの識別を確実に行なえるもので
ある。 次にLOGアンプ３を通す前のプリアンプ２の
出力は、例えば０〜0.5KHzの帯域フイルタF3、
整流回路D3、平均化回路M3からなるフイルタバ
ンク１３と、0.5〜1.0KHzの帯域フイルタF4、整
流回路D4、平均化回路M4からなるフイルタバン
ク１４によつて各周波数領域の特性成分を抽出さ
れる。フイルタバンク１３の出力である低域音Ｖ
Lと、フイルタバンク１４の出力である高域音ＶH
とは差動アンプ１５により比較され、平均化回路
１６により平均化される。平均化回路１６の出力
はクロツクCKに同期して動作するＶL判定回路１
７およびＶH判定回路１８にそれぞれ入力され、
平均化回路１６の出力電圧が基準電圧ＲLよりも
低いとＶL成分と判定され、また基準電圧ＲHより
も高いとＶH成分と判定され、ＲLとＲHの間であ
れば中域音ＶMと判定される。信号処理回路１９
はＶH、ＶLおよびＶMの各成分を、それぞれ＋
１、０、−１の出力に３値化するものである。 信号処理回路１２，１９の各出力はＩ／Ｏポー
ト２０を介してCPU２１に読み込まれるもので
あり、読み込まれたデータは一旦入力パターンメ
モリ２２に格納され、標準パターンメモリ２３に
記憶されている複数個の標準パターンのうちどれ
に一番近いかを照合判定されて、その照合判定結
果に基いて被制御機器２４を制御するようになつ
ている。これらの照合判定動作等はCPU２１と
プログラムROM２５、およびワーキングRAM２
６を有するマイクロコンピユータ２７により行な
つているものである。 次に第３図は本発明による音声メツセージ識別
装置の音声メツセージ識別処理機能をブロツク化
して示したものである。同図に示すように音声メ
ツセージ識別装置は音響処理部２８と、周波数分
析部２９と、符号化処理部３０と、照合判定部３
１とから構成されている。このうち音響処理部２
８と周波数分析部２９については、第１図の説明
において詳述したような構成を有しており、フイ
ルタバンク５，６およびフイルタバンク１３，１
４の後段に接続された判定回路３２，３３は差動
アンプ７，１５から信号処理回路１２，１９まで
の回路によつて構成されているものである。また
Ｉ／Ｏポート２０よりも後段の回路は上述のよう
にマイクロコンピユータ２７により構成されてい
る。符号化処理部３０において、３４は無音区間
を検出するためのＳカウンタであり、有声音Ｖま
たは無声音Ｕが検出されるとリセツトされて音声
入力動作を開始させ、その後無音Ｓが一定時間
（約0.2秒）以上続くとカウントアツプして音声入
力動作を停止するようになつている。音声入力動
作は５〜20msecのサンプリング周期（実施例で
は5msecの周期）に従つて行なわれ、一方の判定
回路３２からは有声音Ｖ、無声音Ｕ、および無音
Ｓの各符号とその継続時間とが入力されてメモリ
に格納され、また他方の判定回路３３からは高域
音ＶH、中域音ＶM、および低域音ＶLの各符号と
その継続時間とが入力されてメモリに格納される
ようになつている。このようにしてメモリに一旦
格納された信号は波形整形処理部３５，３６によ
り整形処理される。 第４図ａは波形整形処理部３５において波形整
形される前の信号波形を示しており、また第４図
ｂは波形整形処理された後の信号波形を示してい
る。波形整形処理は第４図ａの矢印a1に示すよう
に、有声音Ｖまたは無声音Ｕの継続時間の短いも
のを無音Ｓとする第１の処理と、第４図ａの矢印
a2〜a5に示すように、有声音Ｖまたは無声音Ｕの
継続時間が比較的長いものの次に来る無音Ｓの期
間が短く、かつ無音Ｓに続く次の符号が無音Ｓの
前の符号と同じであれば、無音Ｓを消すようにす
る第２の処理とから構成されているものである。
第５図はかかる波形整形処理部３５における波形
整形処理の手順を示すフローチヤートである。 このフローチヤートは、符号Ｖ、Ｕ、Ｓとその
継続時間とのリスト形式によりメモリに格納され
たデータを演算処理して新たなリスト形式のデー
タを作成し、再びメモリに格納するためのプログ
ラムを示している。まず整形前のリストはその最
初の符号がＳであるか否かを判定し、最初の符号
がＳでなければその継続時間が基準値T1よりも
大きいかどうかを判定される。継続時間が基準値
T1よりも大きくなければ、その符号ＶまたはＵ
は符号Ｓに変換して符号Ｓとその継続時間を整形
後のリストとしてメモリに書き込む。また継続時
間が基準値T1よりも大きければ、その符号Ｖま
たはＵとその継続時間とを整形後のリストとして
そのまま転写する。そして次の符号Ｓの継続時間
が基準値T2よりも短いかどうかを判定し、基準
値T2よりも短かければ、その符号Ｓの次の符号
は符号Ｓの前の符号と同じであるかどうかを判定
する。同じでなければ符号Ｓとその継続時間とを
そのまま整形後のリストに転写する。また同じあ
れば符号Ｓを前後の符号ＵまたはＶに変えて、そ
の変えた後の符号とその継続時間とを整形後のリ
ストとしてメモリに書き込む。さらに次の符号Ｓ
についてその継続時間が基準値T2よりも短いか
否かを再び判定する。以上の演算処理動作は整形
前のすべてのリストが変換処理されるまで続けら
れるものであり、変換処理が終了すると整形後の
リストの最後の符号がＳであるかどうかを判定
し、最後の符号がＳであればその符号Ｓを整形後
のリストから除去して、再び最後の符号がＳであ
るかどうかを判定する。しかして最後の符号がＳ
でなくなれば一連の波形整形処理動作を終了する
ものであり、このときにメモリには、第４図ｂに
示すような波形整形処理された信号が符号Ｕ、
Ｖ、Ｓとその継続時間とのリスト形式で格納され
ていることになる。また他方の波形整形処理部３
６においても同様の演算処理動作が行なわれるも
のであり、符号ＶHおよび符号ＶLのうち継続時
間の短いものを符号ＶMに変換する動作と、符
号ＶHと符号ＶHとの間に挾まれた継続時間の短い
符号ＶMを符号ＶHに変換する動作と、符号ＶL
と符号ＶLとの間に挾まれた継続時間の短い符号
ＶMを符号ＶLに変換する動作とを行なうものであ
る。 次に第６図は上記波形整形処理部３５，３６に
より形成された２系統のリストを１系統のリスト
にまとめるためのコンポジツト符号化処理部３７
の処理動作を示すフローチヤートである。その動
作について説明すると、まず波形整形処理部３５
によつて形成された符号Ｕ、Ｖ、Ｓとその継続時
間のリストを調べて、最初の符号がＵまたはＳで
あるかどうかを判定する。最初の符号がＵまたは
Ｓであれば、その符号ＵまたはＳとその継続時間
とがコンポジツト符号リストとしてメモリにその
まま転写される。また最初の符号がＵまたはＳで
はなくてＶであるときには、波形整形処理部３５
によつて形成された符号ＶH、ＶM、ＶLとその継
続時間のリストを調べて、符号Ｖの継続時間中に
まず符号ＶHが含まれているかどうかを判定して
含まれている場合には、符号ＶHとその継続時間
とをコンポジツト符号リストとしてメモリに転写
する。また符号ＶMおびＶLについても、符号Ｖの
継続時間中に含まれている場合には符号ＶM、ＶL
とその継続時間とがそれぞれコンポジツト符号リ
ストとしてメモリに転写される。 以上のようにしてコンポジツト符号リストが得
られるものであるが、本実施例のように、符号
Ｖ、Ｕ、Ｓの系統と符号ＶH、ＶM、ＶLの系統と
について別々に波形整形処理を行なつてから、コ
ンポジツト符号化する方法（第７図ａ参照）の他
に、第７図ｂに示すように先にコンポジツト符号
化を行なつてから波形整形処理を行なう方法もあ
り得るものである。この場合には符号Ｕ、Ｖ、Ｖ
H、ＶLの各論理値に基いて第１表に示すような論
理演算を行なうことによりコンポジツト符号化を
行なうものである。
【表】
【表】
次に第８図は、階層化処理部３８の処理動作を
示すフローチヤートである。階層化処理部３８は
後段の照合判定部３１におけるパターン照合を音
声の構造に合わせて段階的に行ない得るようにす
るためにコンポジツト符号リストから第１階層リ
ストと第２階層リストとを作成するものである。
このうち第１階層リストについては、符号Ｕ、
Ｖ、Ｓとその継続時間のみからなる符号リストと
同一であるので、波形整形処理部３５の出力リス
トをそのまま転写するか、あるいはコンポジツト
符号リストにおける符号ＶH、ＶM、ＶLをすべて
符号Ｖに置き換えることによつて容易に得られる
ものである。次に第２階層リストについてはコン
ポジツト符号リストのうち一続きの符号ＶH、Ｖ
L、ＶMとその継続時間からなる符号リストを転写
することによつて得られるものである。したがつ
て第１階層リストの中に符号Ｖがｎ個含まれてい
るものとすると、第２階層リストもまたｎ個得ら
れるようになつている。 さらに第９図は、上述のようにして得られた第
１階層リストと第２階層リストについて符号の継
続時間を正規化するための正規化処理部３９の処
理動作を示すフローチヤートである。正規化処理
部３９は符号Ｕ、Ｖ、Ｓとその継続時間からなる
第１階層リストと、符号ＶH、ＶM、ＶLとその継
続時間からなるｎ個の第２階層リストについてそ
の継続時間の総和が一定になるように時間軸上の
正規化を行なうものである。第２表は第１階層リ
ストについて、符号Ｖ、Ｕ、Ｓとその継続時間Ｔ
Kおよび正規化された継続時間ＴSの関係を示した
ものであり、継続時間ＴKはサンプル個数に対応
している。
示すフローチヤートである。階層化処理部３８は
後段の照合判定部３１におけるパターン照合を音
声の構造に合わせて段階的に行ない得るようにす
るためにコンポジツト符号リストから第１階層リ
ストと第２階層リストとを作成するものである。
このうち第１階層リストについては、符号Ｕ、
Ｖ、Ｓとその継続時間のみからなる符号リストと
同一であるので、波形整形処理部３５の出力リス
トをそのまま転写するか、あるいはコンポジツト
符号リストにおける符号ＶH、ＶM、ＶLをすべて
符号Ｖに置き換えることによつて容易に得られる
ものである。次に第２階層リストについてはコン
ポジツト符号リストのうち一続きの符号ＶH、Ｖ
L、ＶMとその継続時間からなる符号リストを転写
することによつて得られるものである。したがつ
て第１階層リストの中に符号Ｖがｎ個含まれてい
るものとすると、第２階層リストもまたｎ個得ら
れるようになつている。 さらに第９図は、上述のようにして得られた第
１階層リストと第２階層リストについて符号の継
続時間を正規化するための正規化処理部３９の処
理動作を示すフローチヤートである。正規化処理
部３９は符号Ｕ、Ｖ、Ｓとその継続時間からなる
第１階層リストと、符号ＶH、ＶM、ＶLとその継
続時間からなるｎ個の第２階層リストについてそ
の継続時間の総和が一定になるように時間軸上の
正規化を行なうものである。第２表は第１階層リ
ストについて、符号Ｖ、Ｕ、Ｓとその継続時間Ｔ
Kおよび正規化された継続時間ＴSの関係を示した
ものであり、継続時間ＴKはサンプル個数に対応
している。
【表】
かかる正規化処理動作を第９図のフローチヤー
トによつて説明すれば、まず符号Ｕ、Ｓ、Ｖの全
継続時間ＴKの総和ΣＴK（＝16623）を求めて、
これから正規化係数ＰS＝1000ΣＴKを求める。次
に各符号Ｕ、Ｖ、Ｓについてその継続時間ＴK
（ｊ）に正規化係数ＰSを乗算して正規化された継
続時間ＴS（ｊ）を順に求めて行くものである。
以上のようにして第１階層リストについての継続
時間の正規化動作が完了すると、ｎ個の第２階層
リストについてそれぞれ同様の操作による継続時
間の正規化処理を行なうものである。第３表(a)〜
(d)は、第１階層リスト（第２表参照）に含まれる
４個の符号Ｖについて作成された第２階層リスト
とその正規化された継続時間とをそれぞれ示した
ものである。
トによつて説明すれば、まず符号Ｕ、Ｓ、Ｖの全
継続時間ＴKの総和ΣＴK（＝16623）を求めて、
これから正規化係数ＰS＝1000ΣＴKを求める。次
に各符号Ｕ、Ｖ、Ｓについてその継続時間ＴK
（ｊ）に正規化係数ＰSを乗算して正規化された継
続時間ＴS（ｊ）を順に求めて行くものである。
以上のようにして第１階層リストについての継続
時間の正規化動作が完了すると、ｎ個の第２階層
リストについてそれぞれ同様の操作による継続時
間の正規化処理を行なうものである。第３表(a)〜
(d)は、第１階層リスト（第２表参照）に含まれる
４個の符号Ｖについて作成された第２階層リスト
とその正規化された継続時間とをそれぞれ示した
ものである。
【表】
【表】
【表】
【表】
第３表(a)は第２表に示す第１階層リストの最初
の符号Ｖ（継続時間3415）に対応する第２階層リ
ストV1を示しており、以下順に第３表(b)〜(d)は
継続時間が3621，1437，2637の各符号Ｖに対応す
る第２階層リストV2〜V4を示している。以上の
ようにして継続時間の正規化を行なうと、発声速
度の影響を受けにくくなるので、認識率を高める
ことができるものである。なお第２表及び第３表
に示した継続時間ＴKのデータは音声メツセージ
「せなかをさすれ。」を50μsecのサンプリングパ
ルスを用いて分析した場合のシミユレーシヨンデ
ータであつて、5msecサンプリングパルスを用い
て分析を行なう場合には継続時間（すなわちサン
プリング個数）は表の値の100分の１になるもの
である。 以上のようにして正規化された第１階層リスト
の符号Ｕ、Ｖ、Ｓ、および第２階層リストの符号
ＶH、ＶM、ＶLは、３値符号化処理部４０におい
て＋１，０、−１の３値符号に変換されるもので
ある。すなわち、まず第１階層リストにおける符
号Ｖは＋１、符号Ｕは−１、符号Ｓは０にそれぞ
れ対応させ、また第２階層リストにおける符号Ｖ
Hは＋１、符号ＶMは０、符号ＶLは−１にそれぞ
れ対応させるものである。このようにすれば、距
離計算照合部４１において標準パターンメモリ４
２の内容と第１階層リストおよび第２階層リスト
の内容とを照合するときに計算速度を著しく高速
化することができるものである。すなわち距離計
算照合部４１は標準パターンメモリ４２に記憶さ
れた＋１、０、−１の３値化されたデータと３値
符号化処理部４０から出力されるデータとの相互
相関係数を求めるようになつているものである
が、データが＋１、０、−１の３通りしかないた
めに、数値の乗算を必要とせず、単なる論理演算
と加減算とによつてきわめて高速度で相互相関係
数を計算することができるものである。各標準パ
ターンについてそれぞれ計算された相互相関係数
は１次階層識別部４３と２次階層識別部４４に記
憶され、判定処理部４５において大小関係を比較
され、相互相関係数が大きいものほど似たパター
ンであると判定されるものである。 ここに相互相関係数とは、時間ｔの変化に対す
る標準パターンの値の変化をf1（ｔ）とし、１次
階層リストや２次階層リストのような入力パター
ンの値の変化をf2（ｔ）としたときに次式で与え
られるものである。 f12（τ）∫∞ ∞f1（ｔ）f2（ｔ―τ）dt 第１０図ａ、ｂは時間ｔの変化に対する標準パ
ターンの値の変化f1（ｔ）と、入力パターンの値
の変化f2（ｔ）とをそれぞれ示すものであり、同
図に示すようにf1（ｔ）とf2（ｔ）とは＋１、
０、−１の３通りの値しかとらないので、両者の
積f1（ｔ）f2（ｔ）の値も＋１、０、−１のいずれ
かの値しかとらないことになり、このために相互
相関係数の計算は非常に容易になるものである。
かかる相互相関係数f12（τ）はマイクロコンピ
ユータを用いて計算する場合には、実用上は次式
のような数値演算により充分に計算できるもので
ある。 ところで相互相関係数f12（τ）は互いに乗算
される標準パターンf1（ｔ）と入力パターンf2
（ｔ―τ）との位相差τの関数となつており、あ
る特定の位相差τにおいて最大の値をとるように
なつている。そこで距離計算照合部４１において
はこの相互相関係数f12（τ）が最大になる点を
求めて、その最大値を各標準パターンについて計
算し、１次および２次階層識別部４３，４４にそ
れぞれ記憶させ、最後に判定処理部４５において
その大小関係を比較して入力パターンに最も近い
標準パターンを判定しているものである。 ところで、本発明においては音声メツセージか
ら抽出した符号パターンを標準パターンと照合す
る際に、符号パターンを１次階層リストと２次階
層リストとに分離して、１次階層リストに関する
照合を行なつた後に、２次階層リストに関する照
合を行なうようにして、照合処理を段階的に行な
つているが、これは音声の巨視的な構造に対応す
る特徴を先に抽出した後で、次に音声の微視的な
特徴に対応する特徴を抽出するようにした方が、
音声の認識を効率的に、かつ確実に行なうことが
できるからである。第１１図は音声の特徴を階層
化して表わしたものであり、音声はまず声帯振動
を伴う有声音Ｖと、声帯振動を伴わない無声音Ｕ
とに大きく分類され、有声音Ｖは顎の開きの広い
有声音（／ａ／グループ）と、顎の開きの狭い有
声音（／ｉ／グループ）とに分類される。顎の開
きの広い有声音は上述の高域音ＶHに対応し、音
声の第１ホルマントの周波数が比較的高く、その
周波数帯域は500Hz〜1KHzに多く分布している。
また顎の開きの狭い有声音は上述の低域音ＶLに
対応し、音声の第１ホルマントの周波数が比較的
低く、その周波数帯域は０〜500Hzに多く分布し
ている。顎の開きの広い有声音には、母音／
ａ／、／〓／、／ε／などがあり、また顎の開き
の狭い有声音には、母音／ｉ／、／ｅ／、／
ｏ／、／ｕ／や、鼻子音や、その他の有声子音な
どある。また無声音Ｕには定常的な無声音すなわ
ち無声摩擦音ＵFと、過渡的な無声音すなわち無
声破裂音ＵBとがある。 しかして、音声メツセージを１語１語明確に認
識しようとすれば、これらの音声の各特徴をすべ
て識別する必要があるが、照明器具や自動扉、あ
るいはあもま椅子などを音声メツセージを用いて
制御する場合には、すべての子音および母音を完
全に識別する必要はなく、もう少し巨視的な特徴
を抽出するだけでも充分に実用になるものであ
る。このような音声の特徴を巨視的な特徴から順
に列挙して行くと次のようになる。 １ 有声音Ｖであるか無声音Ｕであるか。かかる
特徴は音声の周波数スペクトルの中に低域成分
（1KHz以下）が多いか、高域成分（5KHz〜12K
Hz）が多いかによつて判定できる。 ２ 有声音Ｖであれば、顎の開きの広い有声音Ｖ
H（／ａ／グループ）であるか、顎の開きの狭
い有声音ＶL（／ｉ／グループ）であるか。か
かる特徴は有声音の周波数スペクトルの中に高
域音ＶH（500Hz〜1KHz）が多いか、低域音ＶL
（０〜500Hz）が多いかによつて判定できる。 ３ 無声音Ｕであれば、無声摩擦音ＵFである
か、無声破裂音ＵBであるか。かかる特徴は無
声音が定常的であるか、過渡的であるかによつ
て判定できる。すなわち無声音Ｕの継続時間が
長いか短いかによつて判定できる。 ４ 音声メツセージの中で、各特徴ＶH、ＶL、Ｕ
B、ＵF等の占める時間、または音声メツセージ
の継続時間の中で占める割合。かかる特徴は上
述の第１階層リストや第２階層リストにおける
継続時間を参照すれば判定できる。 その他にも、音声の第２ホルマントが高いか低
いかによつて前舌の母音（／ｉ／、／ｅ／に対
応）と高舌の母音（／ｕ／、／ｏ／に対応）とを
識別することができるものである。第２５図ａは
母音／ａ／、／ｉ／、／ｕ／、／ｅ／、／ｏ／の
調音点を示しており、同図ｂは母音の第１ホルマ
ントと第２ホルマントの周波数分布を示している
（電子通信学会（三浦博士監修）「新版聴覚と音
声」のp363〜p364より引用）。また第２６図は日
本語の母音の第１ホルマントおよび第２ホルマン
トの分布を男声および女声の場合について各別に
示したものである。第２５図ｂおよび第２６図に
示された第２ホルマントの分布を見れば明らかな
ように約0.8〜1.8KHzの帯域フイルタと約1.8〜
3.2KHzの帯域フイルタの出力とを分析すれば、
第２ホルマントの位置を検出することができ、こ
れによつて舌の位置の前後に対応した特徴をも抽
出することができるものである。もつともそこま
で微視的な特徴を抽出しなくても、機器を制御す
るための音声メツセージは充分に認識できるもの
である。 例えば第１２図は、あんま椅子用の音声入力／
senakaosasure／の周波数スペクトルの例であ
り、音声入力を20KHzでサンプリングしたものを
200サンプル（10msec）を１フレームとして、20
次のLPC分析を行なつたものであるが、無声音／
ｓ／は5KHz以上にパワーが集中しており、また
有声音は1KHz以下にパワーの山があることがわ
かる。さらに有声音では／ａ／、／ｏ／のパワー
は500Hz〜1KHzに集中し、／ｎ／、／ｕ／は０〜
500Hzにパワーが集中していることがわかる。さ
らに有声音は、同一のスペクトルが各音素に対応
して数個（数十msec）続いていることがわか
る。 また第１３図ａは上記と同じ音声入力に対する
有声音成分Ｖと無声音成分Ｕとの変化を示してお
り、第１３図ｂは有声音のなかの高域成分ＶHと
低域成分ＶLとの変化を示しているものである
が、まず第１３図ａにおいては無声音／ｓ／、／
ｋ／に対応する部分がＵを示し、／na／、／
ao／、／ａ／、／ure／に対応する部分が明確に
Ｖを示している。また第１３図ｂにおいては／
ｎ／、／sa／に対応する部分がＶLで、／
ａ／、／ao／、／ｅ／に対応する部分がＶHにな
つている。したがつて、上述したように有声音
Ｖ、無声音Ｕ、無音Ｓに対応する１次階層リスト
と、有声音のなかの高域音ＶH、中域音ＶM、低域
音ＶLに対応する２次階層リストを予め記憶され
た標準パターンと照合すれば、大抵の音声メツセ
ージは識別できるものである。 ただし以上のことは一応の一般論であつて、音
声メツセージの発声者が異なる場合や、あるいは
同一の発声者においても発声速度を変えたり発声
の態様を変えたりした場合には、音節中の無声破
裂音を検出できなかつたり、あるいは音節中の無
声音に挾まれた有声音が無声音化したりするよう
な現象が生じるために、音声メツセージの様々な
発声態様にすべて対応できるような標準パターン
を作成する必要がある。本実施例にあつてはこの
ような微妙な発声の変化による入力パターンの変
動があつても音声メツセージを正しく認識できる
ようになつているものである。すなわち本実施例
においては、標準パターンとして例えば第１４図
に示すように符号C1、C2、C3、C4、C5、C6の時
系列からなる基本パターンの他に、符号C24、符
号C45のような分岐パターンを付加して、入力パ
ターンを符号C1，C24、C5、C6の時系列からなる
第１の派生パターンや、符号C1、C2、C3、C45、
C6の時系列からなる第２の派生パターンと照合
することも可能として、音声メツセージの認識率
を高めているものである。 以下具体的な例を挙げながら、標準パターンを
構成する基本パターンと分岐パターン、および派
生パターンの概念について説明する。 音声の入力パターンが変動する最も典型的な例
としては、まず第１に無声破裂音／ｐ／、／
ｔ／、／ｋ／の欠落現象が挙げられる。すなわち
第１３図ａを参照すればわかるように、無声破裂
音／ｋ／は過渡的な無声音であるためにその継続
時間が短く、非常に検出しにくいものである。こ
れに比べると無声摩擦音／ｓ／は定常的な無声音
であるために第１３図ａに示すようにその継続時
間が長く、その検出が容易である。このためにサ
ンプリング周期を若干長くすると、無声摩擦音／
ｓ／は検出できても無声破裂音／ｋ／は検出でき
ない場合が生じ得る。第１５図はこの点を考慮に
入れて上記音声入力／senakaosasure／の第１階
層リストに対する標準パターンを構成したもので
あり、符号Ｕ、Ｓ、V1、Ｓ、Ｕ、Ｓ、V2、Ｓ、
Ｕ、Ｓ、V3、Ｓ、Ｕ、Ｓ、V4の時系列からなる
基本パターンの他に、符号V1とV2とで挾まれる
符号Ｓ、Ｕ、Ｓの継続時間に等しい符号Ｓからな
る分岐パターンを設けたものである。したがつ
て、音声の符号化された入力パターンは、上記基
本パターンと照合されるのみならず、分岐パター
ンによつて生じる符号Ｕ、Ｓ、V1、Ｓ、V2、
Ｓ、Ｕ、Ｓ、V3、Ｓ、Ｕ、Ｓ、V4からなる派生
パターンとも照合されるものであり、したがつて
無声破裂音／ｋ／が入力パターンから欠落するよ
うなことがあつても音声メツセージを正しく認識
することができるものである。なお第１５図中に
記載した数字、は同一の話者の５回の発声パ
ターンを分析した結果、基本パターンに一致した
場合が４回、派生パターンに一致した場合が１回
あつたということを示すものである。以上のよう
に構成することにより、無声破裂音／ｐ／、／
ｔ／、／ｋ／を聞き落すような事態を防止できる
ものである。 次に第１６図ａ〜ｃは音声入力／senakaosas
―ure／に含まれる４個の有声音V1〜V4につい
て、それぞれの２次階層リストに対する標準パタ
ーンを作成した例を示している。このうち第１番
目の有声音V1について説明すると、その基本パ
ターンは符号ＶM、ＶL、ＶM、ＶH、ＶM、ＶLの時
系列から構成されており、さらに符号ＶMからな
る３個の分岐パターンを有している。したがつて
この場合には、符号ＶM、ＶL、ＶM、ＶLの時系列
からなる第１の派生パターンと、符号ＶM、ＶL、
ＶM、ＶL、ＶMの時系列からなる第２の派生パタ
ーンと、符号ＶM、ＶL、ＶM、ＶH、ＶMの時系列
からなる第３の派生パターンとが形成されるもの
である。第１６図ａに記載された数字、、
などは前と同様に分岐の回数を示している。なお
各分岐パターンの継続時間は、分岐パターンに入
らずに基本パターンをそのまま進んだ場合の継続
時間と等しくなつている。以上のように標準パタ
ーンを構成することにより、第２階層リストにお
ける符号ＶH、ＶM、ＶLが少々変動しても確実に
音声メツセージの認識ができるようになつてい
る。 ところでこのような第２階層リストにおける符
号ＶH、ＶM、ＶLの変動の仕方は多種多様であ
り、一例を挙げると(イ)ＶL―ＶH系列がＶL―ＶM系
列になる場合（例．／senaka／の／na／）、(ロ)Ｖ
L―ＶM系列がＶL―ＶL系列になる場合（例．／
sasu―re／の／re）、(ハ)ＶL―ＶM系列がＶL―ＶH
系列になる場合（例．／tomare／の／re／）、(ニ)
ＶH―ＶL系列がＶH―ＶM系列になる場合（例．／
sen―aka／の／ak／）、(ホ)符号ＶHがＶL系列にな
る場合（例．／sa／）、(ヘ)符号ＶHがＶL―ＶH―Ｖ
L系列になる場合（例／kata／の／kat／）などの
例がある。これらの符号ＶH、ＶM、ＶLの変動の
規則を整理すると大体次の２つの場合に分類され
る。 １ 前後の音韻の相互作用により、符号ＶHとＶM
および符号ＶLとＶMの相互の入れ代わりが生じ
ること。すなわち、ＶH―ＶL系列がＶH―ＶM系
列またはＶM―ＶL系列になり得ること。および
ＶL―ＶH系列がＶL―ＶM系列またはＶM―ＶH系
列になり得ること。 ２ 符号ＶHが前後の無声音の影響を受けて、符
号ＶHの前または後あるいは前後双方に符号ＶL
が付加されること。すなわち、符号ＶHが、ＶL
―ＶH系列、ＶH―ＶL系列、またはＶL―ＶH―
ＶL系列に入れ代わること。 音声の入力パターンが変動する他の例として
は、母音の無声化現象が挙げられる。例えば日本
人の場合、「私（ワタクシ）」という言葉を／
watakusi／と正確に発音する人よりはむしろ、
母音／ｕ／を飛ばして／wataksi／と発音する人
の方が多いものである。これは母音／ｕ／が無声
破裂音／ｋ／と無声摩擦音／ｓ／に挾まれている
からであり、一般に無声破裂音ＵBと無声破裂
音ＵBに挾まれた１個の母音（例えば／kiQpu／
の／ｉ／）や、無声破裂音ＵBと無声摩擦音ＵF
とに挾まれた１個の母音（例えば／watakusi／
の／ｕ／）、および無声音と有声子音に挾まれ
た１個の母音などは無声化する傾向が非常に強
い。その他にも無声音Ｕと無音Ｓの間に挾まれた
１個の母音（例えば、／dousa／の／ａ／）も無
声化する傾向が若干ある。そこで、一般に無声音
と無声音の間、および無声音と無音の間、ならび
に無声音と有声子音の間に挾まれた１個の母音に
ついては、その母音の部分を有声音Ｖとする基本
パターンの他に、その母音の部分を無声音Ｕとす
る分岐パターンを標準パターンに付加しておき、
上記特定の母音が有声音Ｖとして明瞭に発音され
た場合においては基本パターンにより照合判定す
ることができ、また上記特定の母音があたかも無
声音Ｕであるかのように不明瞭に発音された場合
においては派生パターンにより照合判定できるよ
うにしておけば、音声メツセージの認識率を高く
することができるものである。 次にこのような基本パターンおよび分岐パター
ンを有する標準パターンを作成する方法について
説明する。標準パターンを作成する方法には大別
して２つの方法があり、１つは音声メツセージを
構成する個々の音素符号およびその継続時間をキ
ーボード等から入力し、分岐処理プログラムによ
り基本パターンおよび分岐パターンを自動的に作
成する方法であり、もう１つは同一の音声メツセ
ージを発声の仕方を変えたりあるいは発声者を変
えたりしながら複数回登録し、共通する性質を基
本パターンとし、共通しない特異な性質を分岐パ
ターンとして登録する学習登録方式であり、前者
は演繹法的なものであり後者は帰納法的なもので
ある。 まず前者の方法は、例えば第１７図に示すよう
にキーボード５０から／ｓ／、／ｅ／、／
ｎ／、／ａ／、／ｋ／、／ａ／、／ｏ／、／
ｓ／、／ａ／、／ｓ／、／ｕ／、／ｒ／、／ｅ／
などの各音素符号とその継続時間とを順次入力し
て行く方法であり、まず各音素符号が有声音Ｖで
あるか否かを判定し、有声音Ｖであれば母音／
ａ／については符号ＶHを割り当て、母音／ｉ／
と有声子音／ｍ／、／ｂ／については符号ＶLを
割り当て、その他の有声子音や母音／ｅ／、／
ｕ／、／ｏ／については、符号ＶH、ＶM、ＶLの
いずれにもなり得るものとして分岐パターンを作
成する。また無声音には符号Ｕを、さらに無音に
は符号Ｓをそのまま割り当てるようにする。次に
継続時間を入力して継続時間の短い無声音、すな
わち無声破裂音については符号Ｕからなる基本パ
ターンの他に、符号Ｓからなる分岐パターンを付
加する。さらに符号系列を入力して、無声音と無
音または無声音あるいは有声子音とに挾まれた単
母音には、符号Ｖからなる基本パターンの他に符
号Ｕからなる分岐パターンを付加するものであ
る。以上のようにすれば、音声メツセージの認識
率を高めるような分岐パターンを基本パターンに
付加した標準パターンを自動的に作成することが
できるものである。 次に学習登録方式について説明する。第１８図
ａ〜ｃは第２階層リストに対応する符号ＶH、Ｖ
M、ＶLからなる標準パターンを作成する場合を示
しており、第１９図はその作成手順を示すフロー
チヤートである。まず第１８図ａに示すように同
一の言葉を複数回登録し、正規化された時間を10
の領域に分割し、同じ時間領域で符号が変化しな
い部分を核パターンとし、同じ時間領域で符号が
変化する部分をＶMとする。この時点で第１８図
ｂに示すような学習基本パターンが作成される。
次に同じ時間領域でＶMかＶLになる部分にはＶL
の分岐パターンを付加する。また同じ時間領域で
ＶMかＶHになる部分にはＶHの分岐パターンを作
成する。さらに同じ時間領域でＶHにもＶLにもな
る部分はＶMのままにしておく。この時点で第１
８図ｃに示すような分岐パターンを有する学習標
準パターンが形成される。こうして得られた学習
標準パターンは標準パターンメモリ４２に登録記
憶されるようになつているものである。 しかして本実施例においては、かかる学習登録
方式と非学習登録方式とを折衷した登録処理部４
６を設けており、第２０図にそのフローチヤート
を示す。まず登録処理部４６に入力されたデータ
は第１階層リストの内に、Ｓ―Ｕ―Ｖ系列または
Ｓ―Ｖ系列があるか否かを判定され、もしあれば
Ｓ―Ｕ−Ｖ系列とＳ―Ｖ系列のいずれの符号系列
をも含むような標準パターンが形成される。次に
第２階層リストについては上述の第１９図に示す
ような学習モードにより標準パターンを作成する
場合と非学習モードにより標準パターンを作成す
る場合とを切り換え得るようになつており、一方
のモードでうまく行かないときには他方のモード
を使用できるようになつている。しかして学習モ
ードの動作については第１９図のフローチヤート
によりすでに説明したので、非学習モードによつ
て第２階層リストに対する標準パターンを作成す
る場合の動作について、第２１図のフローチヤー
トにより説明する。まず第２階層リストの最初の
符号がＶLであれば、基本パターンST―ＶLと派
生パターンST―ＶMとを含む標準パターンを作成
する。また最初の符号がＶHであれば基本パター
ンST―ＶL―ＶHの他に、２つの派生パターンＳT
―ＶM―ＶHとST―ＶL―ＶMとを含む標準パター
ンを作成する。さらに最初の符号がＶMであれば
基本パターンST―ＶMのみの標準パターンを作成
する。次に最後の符号がＶH、ＶL、ＶMのうちの
いずれであるか、および最初の符号と最後の符号
との間に含まれる各符号がＶL―ＶH系列か、ＶH
―ＶL系列か、ＶH―ＶL系列かに応じてそれぞ
れ、第２１図のフローチヤートに記載したような
分岐パターン付きの標準パターンが自動的に形成
されるものである。 ところでこのようにして第２階層リストに対す
る標準パターンを作成する場合には、符号ＶHと
符号ＶLの識別を正しく行なう必要がある。上述
のように符号ＶHは高域有声音（／ａ／グルー
プ）に対応し、符号ＶLは低域有声音（／ｉ／グ
ループ）に対応するものであるが、本発明者らの
開発した分析装置にあつては第２２図に示すよう
にＶH分析系とＶL分析系の出力のバランスを調節
するバランス調節用の可変抵抗VR1とオフセツト
調節用の可変抵抗VR2とを設けて、、母音／ａ／
を発声したときには必ず符号ＶHが検出され、母
音／ｉ／を発声したときには必ず符号ＶLが検出
されるようにしているものである。ところが厳密
には話者の個性によつてこのバランスの最適値は
異なることがある。そこで本発明者らは、母音／
ｅ／を自然に発生したときにＶH／ＶL差信号がゼ
ロになるようにバランス調整すればよいことを見
出したものである。第２３図はその原理を示すも
のであり、同図に示すように母音／ａ／の第１ホ
ルマントは500Hz〜1KHzに分布し、母音／ｉ／の
第１ホルマントは０〜500Hzに分布しているもの
であるが、母音／ｅ／の第１ホルマントは大体そ
の中間に位置している。したがつて母音／ｅ／を
基準にしてＶHとＶLのバランス調整を行なうとバ
ランスの最適値が得られるものである。 最後に２次階層リストについて各符号ＶH、Ｖ
M、ＶLの継続時間等を考慮に入れた照合の方法に
ついて説明する。第２４図は２次階層リストの３
通りの照合識別方式を示すフローチヤートであ
り、最も適当ないずれか１つの方法を選択して使
用するものである。まず第１の方法は１つの音声
メツセージに含まれる複数個の有声音V1〜Ｖoに
ついて、その中に含まれている符号で最も多いも
のはＶHであるかＶMであるかＶLであるかを照合
するものである。この場合次に多いもの、最も少
ないものはどれであるかをも同時に照合するよう
にしてもかまわない。また第２の方法は各有声音
V1〜Ｖoに含まれているＶHの割合が入力パターン
と標準パターンとで一致するか否かを照合するも
のであり、さらに第３の方法は入力パターンにお
けるＶMが標準パターンのＶHまたはＶLに合致す
るものの数と、標準パターンにおけるＶMが入力
パターンのＶHまたはＶLに合致するものの数とを
リストアツプして照合するものである。しかして
音声メツセージ中のすべての有声音V1〜Ｖoにつ
いて、上記３種類の照合方法のうち最も適当ない
ずれか１つの照合方法を用いて入力パターンと複
数の標準パターンとを照合し、最もよく特徴の一
致する標準パターンを判定するようにしているも
のである。 さらに入力パターンと標準パターンとの一致度
合を各サンプルごとに対応する点数＋１、０、−
１で評価し、合計点数で判定することも可能であ
る。第４表はかかる点数付けの方法を示すもので
あり、その基本的な考え方は上述の３値化された
符号同士の相互相関係数を計算する場合とほとん
ど同じである。しかして第４表の規則に従つて点
数付けを行ない、各サンプル毎に計算した点数の
総計が予め定められた所定値以上であるときには
一致すると判定し、所定値以下であるときには一
致しないと判定するものである。したがつてサン
プルの合計が1000であるとすると、パターンが完
全に一致したときには点数の合計は1000となるも
のである。
の符号Ｖ（継続時間3415）に対応する第２階層リ
ストV1を示しており、以下順に第３表(b)〜(d)は
継続時間が3621，1437，2637の各符号Ｖに対応す
る第２階層リストV2〜V4を示している。以上の
ようにして継続時間の正規化を行なうと、発声速
度の影響を受けにくくなるので、認識率を高める
ことができるものである。なお第２表及び第３表
に示した継続時間ＴKのデータは音声メツセージ
「せなかをさすれ。」を50μsecのサンプリングパ
ルスを用いて分析した場合のシミユレーシヨンデ
ータであつて、5msecサンプリングパルスを用い
て分析を行なう場合には継続時間（すなわちサン
プリング個数）は表の値の100分の１になるもの
である。 以上のようにして正規化された第１階層リスト
の符号Ｕ、Ｖ、Ｓ、および第２階層リストの符号
ＶH、ＶM、ＶLは、３値符号化処理部４０におい
て＋１，０、−１の３値符号に変換されるもので
ある。すなわち、まず第１階層リストにおける符
号Ｖは＋１、符号Ｕは−１、符号Ｓは０にそれぞ
れ対応させ、また第２階層リストにおける符号Ｖ
Hは＋１、符号ＶMは０、符号ＶLは−１にそれぞ
れ対応させるものである。このようにすれば、距
離計算照合部４１において標準パターンメモリ４
２の内容と第１階層リストおよび第２階層リスト
の内容とを照合するときに計算速度を著しく高速
化することができるものである。すなわち距離計
算照合部４１は標準パターンメモリ４２に記憶さ
れた＋１、０、−１の３値化されたデータと３値
符号化処理部４０から出力されるデータとの相互
相関係数を求めるようになつているものである
が、データが＋１、０、−１の３通りしかないた
めに、数値の乗算を必要とせず、単なる論理演算
と加減算とによつてきわめて高速度で相互相関係
数を計算することができるものである。各標準パ
ターンについてそれぞれ計算された相互相関係数
は１次階層識別部４３と２次階層識別部４４に記
憶され、判定処理部４５において大小関係を比較
され、相互相関係数が大きいものほど似たパター
ンであると判定されるものである。 ここに相互相関係数とは、時間ｔの変化に対す
る標準パターンの値の変化をf1（ｔ）とし、１次
階層リストや２次階層リストのような入力パター
ンの値の変化をf2（ｔ）としたときに次式で与え
られるものである。 f12（τ）∫∞ ∞f1（ｔ）f2（ｔ―τ）dt 第１０図ａ、ｂは時間ｔの変化に対する標準パ
ターンの値の変化f1（ｔ）と、入力パターンの値
の変化f2（ｔ）とをそれぞれ示すものであり、同
図に示すようにf1（ｔ）とf2（ｔ）とは＋１、
０、−１の３通りの値しかとらないので、両者の
積f1（ｔ）f2（ｔ）の値も＋１、０、−１のいずれ
かの値しかとらないことになり、このために相互
相関係数の計算は非常に容易になるものである。
かかる相互相関係数f12（τ）はマイクロコンピ
ユータを用いて計算する場合には、実用上は次式
のような数値演算により充分に計算できるもので
ある。 ところで相互相関係数f12（τ）は互いに乗算
される標準パターンf1（ｔ）と入力パターンf2
（ｔ―τ）との位相差τの関数となつており、あ
る特定の位相差τにおいて最大の値をとるように
なつている。そこで距離計算照合部４１において
はこの相互相関係数f12（τ）が最大になる点を
求めて、その最大値を各標準パターンについて計
算し、１次および２次階層識別部４３，４４にそ
れぞれ記憶させ、最後に判定処理部４５において
その大小関係を比較して入力パターンに最も近い
標準パターンを判定しているものである。 ところで、本発明においては音声メツセージか
ら抽出した符号パターンを標準パターンと照合す
る際に、符号パターンを１次階層リストと２次階
層リストとに分離して、１次階層リストに関する
照合を行なつた後に、２次階層リストに関する照
合を行なうようにして、照合処理を段階的に行な
つているが、これは音声の巨視的な構造に対応す
る特徴を先に抽出した後で、次に音声の微視的な
特徴に対応する特徴を抽出するようにした方が、
音声の認識を効率的に、かつ確実に行なうことが
できるからである。第１１図は音声の特徴を階層
化して表わしたものであり、音声はまず声帯振動
を伴う有声音Ｖと、声帯振動を伴わない無声音Ｕ
とに大きく分類され、有声音Ｖは顎の開きの広い
有声音（／ａ／グループ）と、顎の開きの狭い有
声音（／ｉ／グループ）とに分類される。顎の開
きの広い有声音は上述の高域音ＶHに対応し、音
声の第１ホルマントの周波数が比較的高く、その
周波数帯域は500Hz〜1KHzに多く分布している。
また顎の開きの狭い有声音は上述の低域音ＶLに
対応し、音声の第１ホルマントの周波数が比較的
低く、その周波数帯域は０〜500Hzに多く分布し
ている。顎の開きの広い有声音には、母音／
ａ／、／〓／、／ε／などがあり、また顎の開き
の狭い有声音には、母音／ｉ／、／ｅ／、／
ｏ／、／ｕ／や、鼻子音や、その他の有声子音な
どある。また無声音Ｕには定常的な無声音すなわ
ち無声摩擦音ＵFと、過渡的な無声音すなわち無
声破裂音ＵBとがある。 しかして、音声メツセージを１語１語明確に認
識しようとすれば、これらの音声の各特徴をすべ
て識別する必要があるが、照明器具や自動扉、あ
るいはあもま椅子などを音声メツセージを用いて
制御する場合には、すべての子音および母音を完
全に識別する必要はなく、もう少し巨視的な特徴
を抽出するだけでも充分に実用になるものであ
る。このような音声の特徴を巨視的な特徴から順
に列挙して行くと次のようになる。 １ 有声音Ｖであるか無声音Ｕであるか。かかる
特徴は音声の周波数スペクトルの中に低域成分
（1KHz以下）が多いか、高域成分（5KHz〜12K
Hz）が多いかによつて判定できる。 ２ 有声音Ｖであれば、顎の開きの広い有声音Ｖ
H（／ａ／グループ）であるか、顎の開きの狭
い有声音ＶL（／ｉ／グループ）であるか。か
かる特徴は有声音の周波数スペクトルの中に高
域音ＶH（500Hz〜1KHz）が多いか、低域音ＶL
（０〜500Hz）が多いかによつて判定できる。 ３ 無声音Ｕであれば、無声摩擦音ＵFである
か、無声破裂音ＵBであるか。かかる特徴は無
声音が定常的であるか、過渡的であるかによつ
て判定できる。すなわち無声音Ｕの継続時間が
長いか短いかによつて判定できる。 ４ 音声メツセージの中で、各特徴ＶH、ＶL、Ｕ
B、ＵF等の占める時間、または音声メツセージ
の継続時間の中で占める割合。かかる特徴は上
述の第１階層リストや第２階層リストにおける
継続時間を参照すれば判定できる。 その他にも、音声の第２ホルマントが高いか低
いかによつて前舌の母音（／ｉ／、／ｅ／に対
応）と高舌の母音（／ｕ／、／ｏ／に対応）とを
識別することができるものである。第２５図ａは
母音／ａ／、／ｉ／、／ｕ／、／ｅ／、／ｏ／の
調音点を示しており、同図ｂは母音の第１ホルマ
ントと第２ホルマントの周波数分布を示している
（電子通信学会（三浦博士監修）「新版聴覚と音
声」のp363〜p364より引用）。また第２６図は日
本語の母音の第１ホルマントおよび第２ホルマン
トの分布を男声および女声の場合について各別に
示したものである。第２５図ｂおよび第２６図に
示された第２ホルマントの分布を見れば明らかな
ように約0.8〜1.8KHzの帯域フイルタと約1.8〜
3.2KHzの帯域フイルタの出力とを分析すれば、
第２ホルマントの位置を検出することができ、こ
れによつて舌の位置の前後に対応した特徴をも抽
出することができるものである。もつともそこま
で微視的な特徴を抽出しなくても、機器を制御す
るための音声メツセージは充分に認識できるもの
である。 例えば第１２図は、あんま椅子用の音声入力／
senakaosasure／の周波数スペクトルの例であ
り、音声入力を20KHzでサンプリングしたものを
200サンプル（10msec）を１フレームとして、20
次のLPC分析を行なつたものであるが、無声音／
ｓ／は5KHz以上にパワーが集中しており、また
有声音は1KHz以下にパワーの山があることがわ
かる。さらに有声音では／ａ／、／ｏ／のパワー
は500Hz〜1KHzに集中し、／ｎ／、／ｕ／は０〜
500Hzにパワーが集中していることがわかる。さ
らに有声音は、同一のスペクトルが各音素に対応
して数個（数十msec）続いていることがわか
る。 また第１３図ａは上記と同じ音声入力に対する
有声音成分Ｖと無声音成分Ｕとの変化を示してお
り、第１３図ｂは有声音のなかの高域成分ＶHと
低域成分ＶLとの変化を示しているものである
が、まず第１３図ａにおいては無声音／ｓ／、／
ｋ／に対応する部分がＵを示し、／na／、／
ao／、／ａ／、／ure／に対応する部分が明確に
Ｖを示している。また第１３図ｂにおいては／
ｎ／、／sa／に対応する部分がＶLで、／
ａ／、／ao／、／ｅ／に対応する部分がＶHにな
つている。したがつて、上述したように有声音
Ｖ、無声音Ｕ、無音Ｓに対応する１次階層リスト
と、有声音のなかの高域音ＶH、中域音ＶM、低域
音ＶLに対応する２次階層リストを予め記憶され
た標準パターンと照合すれば、大抵の音声メツセ
ージは識別できるものである。 ただし以上のことは一応の一般論であつて、音
声メツセージの発声者が異なる場合や、あるいは
同一の発声者においても発声速度を変えたり発声
の態様を変えたりした場合には、音節中の無声破
裂音を検出できなかつたり、あるいは音節中の無
声音に挾まれた有声音が無声音化したりするよう
な現象が生じるために、音声メツセージの様々な
発声態様にすべて対応できるような標準パターン
を作成する必要がある。本実施例にあつてはこの
ような微妙な発声の変化による入力パターンの変
動があつても音声メツセージを正しく認識できる
ようになつているものである。すなわち本実施例
においては、標準パターンとして例えば第１４図
に示すように符号C1、C2、C3、C4、C5、C6の時
系列からなる基本パターンの他に、符号C24、符
号C45のような分岐パターンを付加して、入力パ
ターンを符号C1，C24、C5、C6の時系列からなる
第１の派生パターンや、符号C1、C2、C3、C45、
C6の時系列からなる第２の派生パターンと照合
することも可能として、音声メツセージの認識率
を高めているものである。 以下具体的な例を挙げながら、標準パターンを
構成する基本パターンと分岐パターン、および派
生パターンの概念について説明する。 音声の入力パターンが変動する最も典型的な例
としては、まず第１に無声破裂音／ｐ／、／
ｔ／、／ｋ／の欠落現象が挙げられる。すなわち
第１３図ａを参照すればわかるように、無声破裂
音／ｋ／は過渡的な無声音であるためにその継続
時間が短く、非常に検出しにくいものである。こ
れに比べると無声摩擦音／ｓ／は定常的な無声音
であるために第１３図ａに示すようにその継続時
間が長く、その検出が容易である。このためにサ
ンプリング周期を若干長くすると、無声摩擦音／
ｓ／は検出できても無声破裂音／ｋ／は検出でき
ない場合が生じ得る。第１５図はこの点を考慮に
入れて上記音声入力／senakaosasure／の第１階
層リストに対する標準パターンを構成したもので
あり、符号Ｕ、Ｓ、V1、Ｓ、Ｕ、Ｓ、V2、Ｓ、
Ｕ、Ｓ、V3、Ｓ、Ｕ、Ｓ、V4の時系列からなる
基本パターンの他に、符号V1とV2とで挾まれる
符号Ｓ、Ｕ、Ｓの継続時間に等しい符号Ｓからな
る分岐パターンを設けたものである。したがつ
て、音声の符号化された入力パターンは、上記基
本パターンと照合されるのみならず、分岐パター
ンによつて生じる符号Ｕ、Ｓ、V1、Ｓ、V2、
Ｓ、Ｕ、Ｓ、V3、Ｓ、Ｕ、Ｓ、V4からなる派生
パターンとも照合されるものであり、したがつて
無声破裂音／ｋ／が入力パターンから欠落するよ
うなことがあつても音声メツセージを正しく認識
することができるものである。なお第１５図中に
記載した数字、は同一の話者の５回の発声パ
ターンを分析した結果、基本パターンに一致した
場合が４回、派生パターンに一致した場合が１回
あつたということを示すものである。以上のよう
に構成することにより、無声破裂音／ｐ／、／
ｔ／、／ｋ／を聞き落すような事態を防止できる
ものである。 次に第１６図ａ〜ｃは音声入力／senakaosas
―ure／に含まれる４個の有声音V1〜V4につい
て、それぞれの２次階層リストに対する標準パタ
ーンを作成した例を示している。このうち第１番
目の有声音V1について説明すると、その基本パ
ターンは符号ＶM、ＶL、ＶM、ＶH、ＶM、ＶLの時
系列から構成されており、さらに符号ＶMからな
る３個の分岐パターンを有している。したがつて
この場合には、符号ＶM、ＶL、ＶM、ＶLの時系列
からなる第１の派生パターンと、符号ＶM、ＶL、
ＶM、ＶL、ＶMの時系列からなる第２の派生パタ
ーンと、符号ＶM、ＶL、ＶM、ＶH、ＶMの時系列
からなる第３の派生パターンとが形成されるもの
である。第１６図ａに記載された数字、、
などは前と同様に分岐の回数を示している。なお
各分岐パターンの継続時間は、分岐パターンに入
らずに基本パターンをそのまま進んだ場合の継続
時間と等しくなつている。以上のように標準パタ
ーンを構成することにより、第２階層リストにお
ける符号ＶH、ＶM、ＶLが少々変動しても確実に
音声メツセージの認識ができるようになつてい
る。 ところでこのような第２階層リストにおける符
号ＶH、ＶM、ＶLの変動の仕方は多種多様であ
り、一例を挙げると(イ)ＶL―ＶH系列がＶL―ＶM系
列になる場合（例．／senaka／の／na／）、(ロ)Ｖ
L―ＶM系列がＶL―ＶL系列になる場合（例．／
sasu―re／の／re）、(ハ)ＶL―ＶM系列がＶL―ＶH
系列になる場合（例．／tomare／の／re／）、(ニ)
ＶH―ＶL系列がＶH―ＶM系列になる場合（例．／
sen―aka／の／ak／）、(ホ)符号ＶHがＶL系列にな
る場合（例．／sa／）、(ヘ)符号ＶHがＶL―ＶH―Ｖ
L系列になる場合（例／kata／の／kat／）などの
例がある。これらの符号ＶH、ＶM、ＶLの変動の
規則を整理すると大体次の２つの場合に分類され
る。 １ 前後の音韻の相互作用により、符号ＶHとＶM
および符号ＶLとＶMの相互の入れ代わりが生じ
ること。すなわち、ＶH―ＶL系列がＶH―ＶM系
列またはＶM―ＶL系列になり得ること。および
ＶL―ＶH系列がＶL―ＶM系列またはＶM―ＶH系
列になり得ること。 ２ 符号ＶHが前後の無声音の影響を受けて、符
号ＶHの前または後あるいは前後双方に符号ＶL
が付加されること。すなわち、符号ＶHが、ＶL
―ＶH系列、ＶH―ＶL系列、またはＶL―ＶH―
ＶL系列に入れ代わること。 音声の入力パターンが変動する他の例として
は、母音の無声化現象が挙げられる。例えば日本
人の場合、「私（ワタクシ）」という言葉を／
watakusi／と正確に発音する人よりはむしろ、
母音／ｕ／を飛ばして／wataksi／と発音する人
の方が多いものである。これは母音／ｕ／が無声
破裂音／ｋ／と無声摩擦音／ｓ／に挾まれている
からであり、一般に無声破裂音ＵBと無声破裂
音ＵBに挾まれた１個の母音（例えば／kiQpu／
の／ｉ／）や、無声破裂音ＵBと無声摩擦音ＵF
とに挾まれた１個の母音（例えば／watakusi／
の／ｕ／）、および無声音と有声子音に挾まれ
た１個の母音などは無声化する傾向が非常に強
い。その他にも無声音Ｕと無音Ｓの間に挾まれた
１個の母音（例えば、／dousa／の／ａ／）も無
声化する傾向が若干ある。そこで、一般に無声音
と無声音の間、および無声音と無音の間、ならび
に無声音と有声子音の間に挾まれた１個の母音に
ついては、その母音の部分を有声音Ｖとする基本
パターンの他に、その母音の部分を無声音Ｕとす
る分岐パターンを標準パターンに付加しておき、
上記特定の母音が有声音Ｖとして明瞭に発音され
た場合においては基本パターンにより照合判定す
ることができ、また上記特定の母音があたかも無
声音Ｕであるかのように不明瞭に発音された場合
においては派生パターンにより照合判定できるよ
うにしておけば、音声メツセージの認識率を高く
することができるものである。 次にこのような基本パターンおよび分岐パター
ンを有する標準パターンを作成する方法について
説明する。標準パターンを作成する方法には大別
して２つの方法があり、１つは音声メツセージを
構成する個々の音素符号およびその継続時間をキ
ーボード等から入力し、分岐処理プログラムによ
り基本パターンおよび分岐パターンを自動的に作
成する方法であり、もう１つは同一の音声メツセ
ージを発声の仕方を変えたりあるいは発声者を変
えたりしながら複数回登録し、共通する性質を基
本パターンとし、共通しない特異な性質を分岐パ
ターンとして登録する学習登録方式であり、前者
は演繹法的なものであり後者は帰納法的なもので
ある。 まず前者の方法は、例えば第１７図に示すよう
にキーボード５０から／ｓ／、／ｅ／、／
ｎ／、／ａ／、／ｋ／、／ａ／、／ｏ／、／
ｓ／、／ａ／、／ｓ／、／ｕ／、／ｒ／、／ｅ／
などの各音素符号とその継続時間とを順次入力し
て行く方法であり、まず各音素符号が有声音Ｖで
あるか否かを判定し、有声音Ｖであれば母音／
ａ／については符号ＶHを割り当て、母音／ｉ／
と有声子音／ｍ／、／ｂ／については符号ＶLを
割り当て、その他の有声子音や母音／ｅ／、／
ｕ／、／ｏ／については、符号ＶH、ＶM、ＶLの
いずれにもなり得るものとして分岐パターンを作
成する。また無声音には符号Ｕを、さらに無音に
は符号Ｓをそのまま割り当てるようにする。次に
継続時間を入力して継続時間の短い無声音、すな
わち無声破裂音については符号Ｕからなる基本パ
ターンの他に、符号Ｓからなる分岐パターンを付
加する。さらに符号系列を入力して、無声音と無
音または無声音あるいは有声子音とに挾まれた単
母音には、符号Ｖからなる基本パターンの他に符
号Ｕからなる分岐パターンを付加するものであ
る。以上のようにすれば、音声メツセージの認識
率を高めるような分岐パターンを基本パターンに
付加した標準パターンを自動的に作成することが
できるものである。 次に学習登録方式について説明する。第１８図
ａ〜ｃは第２階層リストに対応する符号ＶH、Ｖ
M、ＶLからなる標準パターンを作成する場合を示
しており、第１９図はその作成手順を示すフロー
チヤートである。まず第１８図ａに示すように同
一の言葉を複数回登録し、正規化された時間を10
の領域に分割し、同じ時間領域で符号が変化しな
い部分を核パターンとし、同じ時間領域で符号が
変化する部分をＶMとする。この時点で第１８図
ｂに示すような学習基本パターンが作成される。
次に同じ時間領域でＶMかＶLになる部分にはＶL
の分岐パターンを付加する。また同じ時間領域で
ＶMかＶHになる部分にはＶHの分岐パターンを作
成する。さらに同じ時間領域でＶHにもＶLにもな
る部分はＶMのままにしておく。この時点で第１
８図ｃに示すような分岐パターンを有する学習標
準パターンが形成される。こうして得られた学習
標準パターンは標準パターンメモリ４２に登録記
憶されるようになつているものである。 しかして本実施例においては、かかる学習登録
方式と非学習登録方式とを折衷した登録処理部４
６を設けており、第２０図にそのフローチヤート
を示す。まず登録処理部４６に入力されたデータ
は第１階層リストの内に、Ｓ―Ｕ―Ｖ系列または
Ｓ―Ｖ系列があるか否かを判定され、もしあれば
Ｓ―Ｕ−Ｖ系列とＳ―Ｖ系列のいずれの符号系列
をも含むような標準パターンが形成される。次に
第２階層リストについては上述の第１９図に示す
ような学習モードにより標準パターンを作成する
場合と非学習モードにより標準パターンを作成す
る場合とを切り換え得るようになつており、一方
のモードでうまく行かないときには他方のモード
を使用できるようになつている。しかして学習モ
ードの動作については第１９図のフローチヤート
によりすでに説明したので、非学習モードによつ
て第２階層リストに対する標準パターンを作成す
る場合の動作について、第２１図のフローチヤー
トにより説明する。まず第２階層リストの最初の
符号がＶLであれば、基本パターンST―ＶLと派
生パターンST―ＶMとを含む標準パターンを作成
する。また最初の符号がＶHであれば基本パター
ンST―ＶL―ＶHの他に、２つの派生パターンＳT
―ＶM―ＶHとST―ＶL―ＶMとを含む標準パター
ンを作成する。さらに最初の符号がＶMであれば
基本パターンST―ＶMのみの標準パターンを作成
する。次に最後の符号がＶH、ＶL、ＶMのうちの
いずれであるか、および最初の符号と最後の符号
との間に含まれる各符号がＶL―ＶH系列か、ＶH
―ＶL系列か、ＶH―ＶL系列かに応じてそれぞ
れ、第２１図のフローチヤートに記載したような
分岐パターン付きの標準パターンが自動的に形成
されるものである。 ところでこのようにして第２階層リストに対す
る標準パターンを作成する場合には、符号ＶHと
符号ＶLの識別を正しく行なう必要がある。上述
のように符号ＶHは高域有声音（／ａ／グルー
プ）に対応し、符号ＶLは低域有声音（／ｉ／グ
ループ）に対応するものであるが、本発明者らの
開発した分析装置にあつては第２２図に示すよう
にＶH分析系とＶL分析系の出力のバランスを調節
するバランス調節用の可変抵抗VR1とオフセツト
調節用の可変抵抗VR2とを設けて、、母音／ａ／
を発声したときには必ず符号ＶHが検出され、母
音／ｉ／を発声したときには必ず符号ＶLが検出
されるようにしているものである。ところが厳密
には話者の個性によつてこのバランスの最適値は
異なることがある。そこで本発明者らは、母音／
ｅ／を自然に発生したときにＶH／ＶL差信号がゼ
ロになるようにバランス調整すればよいことを見
出したものである。第２３図はその原理を示すも
のであり、同図に示すように母音／ａ／の第１ホ
ルマントは500Hz〜1KHzに分布し、母音／ｉ／の
第１ホルマントは０〜500Hzに分布しているもの
であるが、母音／ｅ／の第１ホルマントは大体そ
の中間に位置している。したがつて母音／ｅ／を
基準にしてＶHとＶLのバランス調整を行なうとバ
ランスの最適値が得られるものである。 最後に２次階層リストについて各符号ＶH、Ｖ
M、ＶLの継続時間等を考慮に入れた照合の方法に
ついて説明する。第２４図は２次階層リストの３
通りの照合識別方式を示すフローチヤートであ
り、最も適当ないずれか１つの方法を選択して使
用するものである。まず第１の方法は１つの音声
メツセージに含まれる複数個の有声音V1〜Ｖoに
ついて、その中に含まれている符号で最も多いも
のはＶHであるかＶMであるかＶLであるかを照合
するものである。この場合次に多いもの、最も少
ないものはどれであるかをも同時に照合するよう
にしてもかまわない。また第２の方法は各有声音
V1〜Ｖoに含まれているＶHの割合が入力パターン
と標準パターンとで一致するか否かを照合するも
のであり、さらに第３の方法は入力パターンにお
けるＶMが標準パターンのＶHまたはＶLに合致す
るものの数と、標準パターンにおけるＶMが入力
パターンのＶHまたはＶLに合致するものの数とを
リストアツプして照合するものである。しかして
音声メツセージ中のすべての有声音V1〜Ｖoにつ
いて、上記３種類の照合方法のうち最も適当ない
ずれか１つの照合方法を用いて入力パターンと複
数の標準パターンとを照合し、最もよく特徴の一
致する標準パターンを判定するようにしているも
のである。 さらに入力パターンと標準パターンとの一致度
合を各サンプルごとに対応する点数＋１、０、−
１で評価し、合計点数で判定することも可能であ
る。第４表はかかる点数付けの方法を示すもので
あり、その基本的な考え方は上述の３値化された
符号同士の相互相関係数を計算する場合とほとん
ど同じである。しかして第４表の規則に従つて点
数付けを行ない、各サンプル毎に計算した点数の
総計が予め定められた所定値以上であるときには
一致すると判定し、所定値以下であるときには一
致しないと判定するものである。したがつてサン
プルの合計が1000であるとすると、パターンが完
全に一致したときには点数の合計は1000となるも
のである。
【表】
本発明は以上のように構成されており、１次照
合の段階では音声入力の高周波成分と低周波成分
とをとり出す一対のフイルタの出力を比較して高
周波成分の方が強い区間を無声音区間、低周波成
分の方が強い区間を有声音区間、高周波成分と低
周波成分とが略同じ区間を無音区間とし、無声
音、有声音、および無音の各区間の時系列からな
る第１の入力パターンを予め記録されている複数
種の標準パターンと照合し、また２次照合の段階
では、有声音の周波数帯域のうちの高周波成分と
低周波成分とをとり出す一対のフイルタの出力を
比較し、高周波成分の方が強い区間を高域有声音
区間、低周波成分の方が強い区間を低域有声音区
間、高周波成分と低周波成分とが略同じ区間を中
域有声音区間とし、高域有声音、および中域有声
音の各区間の時系列からなる第２の入力パターン
を予め記録されている複数種の標準パターンと照
合するようにしたから、最初に有声音か無声音か
無音かという音声の巨視的な特徴を抽出して照合
範囲を絞り、次に有声音の中の周波数成分という
音声の微視的な特徴を抽出して入力メツセージの
識別を行なうことができ、１次照合の段階で照合
範囲を限定することができるので、音声メツセー
ジの認識を確実にかつ迅速に行なうことができる
という利点を有するものである。特に実施例の説
明において述べたように２次照合の段階で、高域
有声音を母音／ａ／の第１ホルマントに対応さ
せ、低域有声音を母音／ｉ／の第１ホルマルトに
対応させるようにしておけば、有声音を顎の開き
の大きい有声音と顎の開きの小さい有声音とに分
けて認識することができることになり、音声の構
造に合致した照合処理を行なうことができるので
より認識率を高めることができるものである。
合の段階では音声入力の高周波成分と低周波成分
とをとり出す一対のフイルタの出力を比較して高
周波成分の方が強い区間を無声音区間、低周波成
分の方が強い区間を有声音区間、高周波成分と低
周波成分とが略同じ区間を無音区間とし、無声
音、有声音、および無音の各区間の時系列からな
る第１の入力パターンを予め記録されている複数
種の標準パターンと照合し、また２次照合の段階
では、有声音の周波数帯域のうちの高周波成分と
低周波成分とをとり出す一対のフイルタの出力を
比較し、高周波成分の方が強い区間を高域有声音
区間、低周波成分の方が強い区間を低域有声音区
間、高周波成分と低周波成分とが略同じ区間を中
域有声音区間とし、高域有声音、および中域有声
音の各区間の時系列からなる第２の入力パターン
を予め記録されている複数種の標準パターンと照
合するようにしたから、最初に有声音か無声音か
無音かという音声の巨視的な特徴を抽出して照合
範囲を絞り、次に有声音の中の周波数成分という
音声の微視的な特徴を抽出して入力メツセージの
識別を行なうことができ、１次照合の段階で照合
範囲を限定することができるので、音声メツセー
ジの認識を確実にかつ迅速に行なうことができる
という利点を有するものである。特に実施例の説
明において述べたように２次照合の段階で、高域
有声音を母音／ａ／の第１ホルマントに対応さ
せ、低域有声音を母音／ｉ／の第１ホルマルトに
対応させるようにしておけば、有声音を顎の開き
の大きい有声音と顎の開きの小さい有声音とに分
けて認識することができることになり、音声の構
造に合致した照合処理を行なうことができるので
より認識率を高めることができるものである。
第１図は本発明による音声メツセージ識別装置
の概略構成を示すブロツク図、第２図ａ、ｂは同
上の動作波形図、第３図は同上の音声メツセージ
識別処理動作をブロツク化して示した図、第４図
ａ、ｂは同上の波形整形処理部の動作を示す波形
図、第５図は同上の波形整形処理部の動作を示す
流れ図、第６図は同上のコンポジツト符号化処理
部の動作を示すフローチヤート、第７図ａ、ｂは
同上の符号化処理部のブロツク図、第８図は同上
の階層化処理部の動作を示す流れ図、第９図は同
上の正規化処理部の動作を示す流れ図、第１０図
ａ、ｂは距離計算照合部の動作を示す波形図、、
第１１図は音声の特徴を階層化して示した図、第
１２図は音声の周波数スペクトルを示す図、第１
３図ａ、ｂは音声から抽出した信号の波形図、第
１４図は同上の装置における分岐照合処理の原理
を示す図、第１５図は音声の第１階層リストを示
す図、第１６図ａ〜ｄは音声の第２階層リストを
示す図、第１７図は音声の標準パターンを作成す
る装置の動作を示す流れ図、第１８図ａ、ｂ、ｃ
は学習登録方式の原理を示す図、第１９図は学習
登録方式の動作を示す図、第２０図は本発明の装
置における登録処理部の動作を示す流れ図、第２
１図は同上の非学習登録処理の動作を示す流れ
図、第２２図は同上の音声分析部の回路図、第２
３図は母音／ａ／、／ｉ／、／ｅ／の第１ホルマ
ントの周波数分布を示す図、第２４図は本発明に
おける判定処理部の動作を示す流れ図、第２５図
ａは母音の調音点を示す図、同図ｂおよび第２６
図は第１ホルマントおよび第２ホルマントの周波
数分布を示す図である。
の概略構成を示すブロツク図、第２図ａ、ｂは同
上の動作波形図、第３図は同上の音声メツセージ
識別処理動作をブロツク化して示した図、第４図
ａ、ｂは同上の波形整形処理部の動作を示す波形
図、第５図は同上の波形整形処理部の動作を示す
流れ図、第６図は同上のコンポジツト符号化処理
部の動作を示すフローチヤート、第７図ａ、ｂは
同上の符号化処理部のブロツク図、第８図は同上
の階層化処理部の動作を示す流れ図、第９図は同
上の正規化処理部の動作を示す流れ図、第１０図
ａ、ｂは距離計算照合部の動作を示す波形図、、
第１１図は音声の特徴を階層化して示した図、第
１２図は音声の周波数スペクトルを示す図、第１
３図ａ、ｂは音声から抽出した信号の波形図、第
１４図は同上の装置における分岐照合処理の原理
を示す図、第１５図は音声の第１階層リストを示
す図、第１６図ａ〜ｄは音声の第２階層リストを
示す図、第１７図は音声の標準パターンを作成す
る装置の動作を示す流れ図、第１８図ａ、ｂ、ｃ
は学習登録方式の原理を示す図、第１９図は学習
登録方式の動作を示す図、第２０図は本発明の装
置における登録処理部の動作を示す流れ図、第２
１図は同上の非学習登録処理の動作を示す流れ
図、第２２図は同上の音声分析部の回路図、第２
３図は母音／ａ／、／ｉ／、／ｅ／の第１ホルマ
ントの周波数分布を示す図、第２４図は本発明に
おける判定処理部の動作を示す流れ図、第２５図
ａは母音の調音点を示す図、同図ｂおよび第２６
図は第１ホルマントおよび第２ホルマントの周波
数分布を示す図である。
Claims (1)
- 【特許請求の範囲】 １ 音声入力の高周波成分と低周波成分とをとり
出す一対のフイルタの出力を比較して高周波成分
の方が強い区間を無声音区間、低周波成分の方が
強い区間を有声音区間、高周波成分と低周波成分
とが略同じ区間を無音区間とし、無声音、有声
音、および無音の各区間の時系列からなる第１の
入力パターンを予め記録されている複数種の標準
パターンと１次照合し、有声音区間については、
有声音の周波数帯域のうちの高周波成分と低周波
成分とをとり出す一対のフイルタの出力を比較
し、高周波成分の方が強い区間を高域有声音区
間、低周波成分の方が強い区間を低域有声音区
間、高周波成分と低周波成分とが略同じ区間を中
域有声音区間とし、高域有声音、低域有声音、お
よび中域有声音の各区間の時系列からなる第２の
入力パターンを予め記録されている複数種の標準
パターンと２次照合し、入力パターンとの距離が
最小となる標準パターンを入力メツセージとして
識別することを特徴とする音声メツセージ識別方
式。 ２ 第２の入力パターンと標準パターンとを２次
照合する際には、高域有声音区間の継続時間が一
致するか否かを照合することを特徴とする特許請
求の範囲第１項記載の音声メツセージ識別方式。 ３ 第２の入力パターンと標準パターンとを２次
照合する際には、第２の入力パターンの全継続時
間の中で高域有声音区間が占める時間の割合が一
致するか否かを照合することを特徴とする特許請
求の範囲第１項記載の音声メツセージ識別方式。 ４ 第２の入力パターンと標準パターンとを２次
照合する際には、高域有声音区間、低域有声音区
間、および中域有声音区間のうち継続時間が最も
長いものが一致するか否かを比較することを特徴
とする特許請求の範囲第１項記載の音声メツセー
ジ識別方式。 ５ 第２の入力パターンと標準パターンとを２次
照合する際には、高域有声音区間、低域有声音区
間、および中域有声音区間を継続時間の長い順に
並べたときの順序が一致するか否かを比較するこ
とを特徴とする特許請求の範囲第１項記載の音声
メツセージ識別方式。 ６ 有声音のエネルギが集中する1KHz以下の低
周波成分を抽出するフイルタと、無声音のエネル
ギが集中する2KHz〜12KHzの高周波成分を抽出
するフイルタとの出力を比較して有声音、無声
音、および無音の各区間を識別するようにして成
ることを特徴とする特許請求の範囲第１項記載の
音声メツセージ識別方式。 ７ 有声音の区間においては、母音／ａ／のよう
な高域有声音のエネルギが集中する500Hz〜1KHz
の成分を抽出するフイルタと、母音／ｉ／のよう
な低域有声音のエネルギが集中する500Hz以下の
成分を抽出するフイルタの出力を比較することに
より、高域有声音、低域有声音、および中域有声
音の各区間を識別するようにして成ることを特徴
とする特許請求の範囲第１項記載の音声メツセー
ジ識別方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19355781A JPS5895400A (ja) | 1981-11-30 | 1981-11-30 | 音声メツセ−ジ識別方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19355781A JPS5895400A (ja) | 1981-11-30 | 1981-11-30 | 音声メツセ−ジ識別方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5895400A JPS5895400A (ja) | 1983-06-06 |
| JPS6245560B2 true JPS6245560B2 (ja) | 1987-09-28 |
Family
ID=16310021
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP19355781A Granted JPS5895400A (ja) | 1981-11-30 | 1981-11-30 | 音声メツセ−ジ識別方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS5895400A (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6243697A (ja) * | 1985-08-20 | 1987-02-25 | 三洋電機株式会社 | 音声分析装置 |
| JPS62244100A (ja) * | 1986-04-17 | 1987-10-24 | 株式会社リコー | 音声区間検出方式 |
| JP5840077B2 (ja) * | 2012-06-15 | 2016-01-06 | 日本電信電話株式会社 | 発生音感知装置、方法、プログラム |
-
1981
- 1981-11-30 JP JP19355781A patent/JPS5895400A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS5895400A (ja) | 1983-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | Nonlinear feature based classification of speech under stress | |
| Farrús et al. | Using jitter and shimmer in speaker verification | |
| Lee et al. | Tone recognition of isolated Cantonese syllables | |
| JPH09500223A (ja) | 多言語音声認識システム | |
| JPS6147440B2 (ja) | ||
| Hermansky et al. | Perceptual properties of current speech recognition technology | |
| US4509186A (en) | Method and apparatus for speech message recognition | |
| JP2001166789A (ja) | 初頭／末尾の音素類似度ベクトルによる中国語の音声認識方法及びその装置 | |
| Kethireddy et al. | Mel-weighted single frequency filtering spectrogram for dialect identification | |
| Hasija et al. | Recognition of children Punjabi speech using tonal non-tonal classifier | |
| Rudzicz | Acoustic transformations to improve the intelligibility of dysarthric speech | |
| Gupta et al. | Autoassociative neural network models for online speaker verification using source features from vowels | |
| Ching et al. | From phonology and acoustic properties to automatic recognition of Cantonese | |
| JPS6245560B2 (ja) | ||
| JPH0643895A (ja) | 音声認識装置 | |
| JPS6331798B2 (ja) | ||
| Syrdal et al. | Perceptually-based data-driven join costs: comparing join types. | |
| Pandey et al. | Multilingual speaker recognition using ANFIS | |
| JPS6331797B2 (ja) | ||
| JPH1097274A (ja) | 話者認識方法及び装置 | |
| Nidhyananthan et al. | Contemporary speech/speaker recognition with speech from impaired vocal apparatus | |
| Landge et al. | Analysis of variations in speech in different age groups using prosody technique | |
| Govender et al. | HMM adaptation for child speech synthesis. | |
| Thubthong et al. | Stress and tone recognition of polysyllabic words in Thai speech | |
| Altamrah et al. | An acoustic analysis and comparison of two unique and almost identical arabic emphatic phonemes |