JPS6259997A - 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） 本発明は不特定な話者の音声を認識する音声認識装置に
関し、特に正しい認識への貢献度が低い標準パターンを
削除して認識性能を向上させた音声認識装置に関するも
のである。

（従来の技術） 従来、不特定話者を対象とする音声認識装置はアナログ
の音声信号を入力とし、これをＡ／Ｉ）変換し、周波数
分析等を行なって何らかの特微量に変換している。この
特微量に変換された入力パターンと予め同様にして認識
対象となる各カテゴリ毎に２作成された標準パターンと
の類似度計算（パターンマツチング）を行なって、類似
度が最大となる標準パターンのカテゴリを認識カテゴリ
とするように構成されている。

標準パターンの作成方法としては、認識対象カテゴリ毎
に、あらかじめ用意された複数話者（−般的に１０００
人程度）の前記特徴量である音声パターンについてクラ
スタリング、平均化等の処理を行ない１カテゴリ当りの
標準パターンを複数個（実際には２０個程度）作成する
方法が一般的でちる。標準パターン作成に際し使用され
た音声パターンを以後学習パターンと称す。

（発明が解決しようとする問題点） しかしながら前記構成の音声認識装置では次のような問
題点がある。

標準パターン作成に使用される学習パターンはあくまで
も限定された範囲の話者から構成されるものであシ前記
限定された話者の特徴分布を効率的に網羅するものであ
る。従って、学習・母ターンを標準・ンターンを用いて
認識した場合には誤認識となる可能性は極めて小であシ
、かつ各カテゴリ内で効率的にクラスタリングが行なわ
れていることにより複数の標準パターンが特徴空間内に
おいて均等に配置されているので学習パターンの正認識
時に全標準パターンの中で類似度が最大となる頻度は各
標準パターン間で均等となる。しかしながら不特定話者
を７１象とした認識を行なう場合認識対象となる話者数
は前記学習パターンを構成す・る話者数をはるかに上回
シそれに伴ない特徴分布のばらつきの大きさも学習パタ
ーン内におけるばらつきの大きさに比較して犬となる。

即ち、学習・９ターンが持つ特徴分布と不特定話者を対
象として認識を行なう時の学習されていない入力パター
ンが持つ特徴分布は異なったものとなる。従って、学習
されていない入カバターンに対し認識処理を行なった場
合には、前述した如き特徴分布の相違に起因して正認識
時に全標準・２ターンの中で類似度が最大となる頻度が
各標準パターン間で均等とならずに特定の標準パターン
に集中し、標準・９ターンの中には正認識時に全標準パ
ターンの中で類似度が最大となる回数が少なく認識への
寄与度が小さい、あるいは他カテゴリに誤認識を起しや
すい傾向を持つ標準・９ターンが出現・にターンを持つ
ことにより認識に関して有効でない類似度計算時間が発
生し認識処理時間の増大を招く、あるいは誤認識を引き
起こし易い標準パターンの存在によシ認識率低下を招く
現象が発生し、いずれにしても音声認識装置としての性
能低下を招くという問題点がある。

この問題点を解決するために、例えば特開昭５９−１５
９９０号公報に開示されているように、誤認識を引き起
し易い標準パターンを削除すると、削除した標準パター
ンの正認識への寄与も犬であった場合に誤認識数、正認
識数双方とも減少する現象が表われるので認識性能の全
体的向上は困難であった。

本発明は以上述べた欠点を除去し、認識に対する貢献度
が小である標準・母ターンを削除し認識性能を向上させ
ることができる音声認識装置を提供するものである。

（問題点を解決するための手段） 本発明は前記問題点を解決するために、入力音声パター
ンと標準パターンとの類似度計算を行い、該類似度が最
大となる標準・ゼターンのカテゴリ名を認識結果として
判定・出力する音声認識処理を行う音声認識装置におい
て、複数の入力音声パターンに対する前記音声認識処理
について、各標準・母ターン毎に正認識結果となった回
数及び誤認識結果となった回数を計数する計数手段と、
予め前記標準パターンの作成時に使用した複数の入力音
声パターンに対する前記音声認識処理について、各標準
パターン毎に正認識結果となった回数を計数した結果を
記憶する記憶手段と、前記計数手段の計数結果と前記記
憶手段の内容とに基づいて各標準パターンの正認識に対
する非貢献度を計算する計算手段とを設け、該計算手段
の計算結果に基づいて非貢献度が高い標準パターンを削
除するものである。

（作用） 本発明によれば以上のように音声認識装置を構成したの
で、技術的手段は次のように作用する。

計数手段は標準パターンが正認識結果として判定された
正認識回数（正認識への寄与度）と誤認識結果として判
定された誤認識回数（誤認識への寄４度）を各標準パタ
ーン毎にそれぞれ計数するように働く。また、記憶手段
は標準パターン作成時に使用した入力音声パターン、即
ち学習パターンに対する認識処理について各標準パター
ン毎の正認識結果となった正認識回数を計数した結果を
記憶するように働く。計算手段は計数手段の各標準パタ
ーン毎の正認識回数及び誤認識回数と記憶手段に記憶さ
れた正認識回数に基づいて、標準・ゼターンの非貢献度
（例えば、誤認識回数から正認識回数を差し引く）を計
算するように働く。従って、標準・にターンの正認識回
数を考慮することによって、誤認識を引き起し易い標準
パターンの正認識への寄与が大である場合も削除するこ
となく、真て貢献度の低い標準・２ターンを削除するこ
とによシ認識性能を向上させることが可能となる。

（実施例） 第１図は本発明の一実施例を示すブロック図である。同
図において、１は入カバターンＡと標準パターンＢとの
類似度計算を行なう類似度計算部、２は標準パターンＢ
を記憶する標準パターン記憶部、３は装置全体を制御す
る制御部、４は標準パターン毎の学習・ンターンの正認
識への寄与度を記憶する学習パターン正認識寄与度記憶
部、５は標準・ンターン毎の正認識への寄与度を計数す
る正認識計数部、６は標準パターン毎の誤認識への寄与
度を計数する誤認識計数部、７は学習パターン正認識寄
与度記憶部４、正認識計数部５及び誤認識計数部６の出
力信号から標準パターン毎の認識処理における非貢献度
を計算して削除すべき標準パターンの番号を標準パター
ン記憶部２へ出力する非貢献度計算部である。

次に第２図の動作フロチャートを参照して動作を説明す
る。まず、制御部３は類似度計算部１、正認識計数部５
及び誤認識計数部６へ認識開始指令信号３ａを出力する
。類似度計算部１は制御部３が認識開始指令信号３ａを
入力した時刻より入力・パターンＡを逐次入力する（ス
テップ■）。このとき、正解カテゴリ名も同時に入力す
る。この入力パターンＡと標準パターン記憶部２に格納
されている全ての標準・ゼターンＢとの類似度計算を行
ない（ステップ■）、正解カテゴリ名と比較して正認識
であるか誤認識であるかの判定を行なう（ステップ■）
。この判定の結果、正認識である場合は正認識計数部５
へ類似度が最大である標準・♀ターン番号である正認識
標準・ゼターン番号１ａを出力し、誤認識である場合は
、誤認識計数部６へ類似度が最大である標準・！ターン
番号である誤認識標準パターン番号１ｂを出力する動作
を認識対象となる入力・ンターンＡの入力が終了するま
で繰シ返し行なう。本発明の効果を確認するためには入
カバターンの入力回数は１万回以上であることが望まし
い。入力パターン１の入力が終了した後、類似度計算部
１は認識終了信号ＩＣを制御部３へ出力する。制御部３
は類似度計算部１より認識終了信号ＩＣを入力した後、
計数結果出力指令信号３ｂを正認識計数部５と誤認識計
数部６へ出力する。

正認識計数部５は各標準パターン毎の正認識寄与度を以
下の手段によシ算出する機能を有する。

ある１つの学習されていない入力・９ターンと各標準パ
ターン間の類似度計算（類似度計算部１）を行ない、正
認識の場合に全標準・ンターンの中で最大類似度を与え
る標準パターンに対して得点１を加算する（ステップ■
）。この動作を制御部３より認識開始指令信号３ａを入
力した時刻よシ開始し、制御部３より計数結果出力指令
信号３ｂを入力する時刻まで音声入力毎に行なう。以上
の動作において各標準パターンに対して得られた得点を
正認識寄与度と定義し、学習されていない入力・パター
ンに対する正認識への寄与の大きさを表わすパラメータ
とする。

誤認識計数部６は各標準・ンターン毎の誤認識寄与度を
以下の手段により算出する機能を有する。ある１つの学
習されていない入力パターンと各標準・？ターン間の類
似度計算（類似度計算部１）を行ない、誤認識した場合
に全標準パターンの中で最大類似度を与える標準パター
ンに対して得点１を加算する（ステップ■）。この動作
を制御部３よシ認識開始指令信号３ａを入力した時刻よ
シ開始し、制御部３よシ計数結果出力指令信号３ｂを入
力する時刻まで音声入力毎に行なう。以上の動作におい
て各標準パターンに対して得られた得点を誤認識寄与度
と定義し、学習されていない入力・！ターンに対する誤
認識への寄与の大きさを表わす・にラメータとする。

次に制御部３は入力・ンターンの入力が終了したかどう
かの判定を行なう（ステップ■）。ここで、終了してい
ない場合は上記処理を再び繰り返し、終了している場合
は次の処理へ移る。

学習パターン正認識寄与度記憶部４は以下の説明により
定義される各標準・にターン毎の学習パターン正認識寄
与度を記憶する機能を有する。ある１つの学習パターン
と各標準パターン間の類似度計算を行ない、正認識した
場合に全標準・母ターンの中で最大類似度を与える標準
・にターンに対して得点１を加算する。上記動作を予め
全ての学習・９ターンに対して行なって各標準パターン
に対して得られた得点を学習パターン正認識寄与度４ａ
と定義し、学習パターンに対する正認識への寄与の大き
さを表わす・ぐラメータとして記憶する。

正認識計数部５及び誤認識計数部６は制御部３より計数
結果出力指令信号３ｂを入力した後、前者は正認識寄与
度５ａ、後者は誤認識寄与度６ａを非貢献度計算部７へ
出力する。非貢献度計算部７は正認識寄与度５ａ、誤認
識寄与度６ａ及び前記学習パターン正認識寄与度４ａを
入力として以下に述べる如く各標準パターン毎の認識処
理における非貢献度を算出する（ステップ■）。標準パ
ターン数をＳＮＯ、正認識寄与度をＲＦＣ（ｒ）　、　
ｉ　＝　１〜ＳＮＯ、誤認識寄与度をＥＲＲ（ｒ）　、
　ｉ　＝　１〜ＳＮＯ、学習・ゼターン正認識寄与度を
ＩＲＥ（ｒ）　、　ｉ　＝　１〜ＳＮＯ、非貢献度をＮ
ＤＥＬ（ｇ　、　ｉ　＝　１〜５ＮＯ１とする時、ＮＤ
ＥＬ（：）＝　ＣＥ−ＥＲＲ（１）−ＣＲ−ＲＥＣ（１
）−ＣＩ−ＩＲＥ（４）で定義する。即ち、誤認識寄与
度６ａが犬、正認識寄与度５ａ及び学習パターン正認識
寄与度４ａが小であるほど非貢献度は大となる。

非貢献度計算部７は前記非貢献度算出後、非貢献度が犬
でちる標準・ゼターンから順番にあらかじめ与えられた
削除パターン数の標準・セターンを削除すべく削除標準
・ｐターン番号７ａを標準パターン記境部６へ出力する
。標準パターン記憶部２は入力された削除標準パターン
番号７ａに該当する標準パターンを削除する（ステップ
■）。

以上のように本実施例では、正認識寄与度、学習パター
ン正認識寄与度及び誤認識寄与度から成る３種類のパラ
メータにより認識処理時における非貢献度を算出するこ
とにより、例えば誤認識寄与度が犬かつ正認識寄与度が
大であるような削除した場合に誤認識数は低下するが認
識数の低下も招くような標準パターンの削除を避け、真
に認識度の高速化及び誤認識数低下による認識精度向上
ができる。

（発明の効果） 以上説明したように本発明によれば、真に正認識への貢
献度が低い標準パターンを削除できるので、／Ｊパター
ンツチング回数の減少による認識処理速度の高速化及び
認識精度の向上が可能となる。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロック図、第２図は
第１図の実施例の動作を示すフローチャートである。 １・・・類似度計算部、２・・・標準・ンターン記憶部
、３・・・制御部、４・・・学習パターン正認識寄与度
記憶部、５・・・正認識計数部、６・・・誤認識計数部
、７・・・非貢献度計算部。 特許出願人　沖電気工業株式会社 特許出願代理人　弁理士山本恵− 本発明の宴キ１々１１の積へ、図 幕１　図 ＋を父のガイ乍フロー＋マート

Claims (1)

1. 【特許請求の範囲】 入力音声パターンと標準パターンとの類似度計算を行い
   、該類似度が最大となる標準パターンのカテゴリ名を認
   識結果として判定・出力する音声認識処理を行う音声認
   識装置において、 複数の入力音声パターンに対する前記音声認識処理につ
   いて、各標準パターン毎に正認識結果となった回数及び
   誤認識結果となった回数を計数する計数手段と、 予め前記標準パターンの作成時に使用した複数の入力音
   声パターンに対する前記音声認識処理について、各標準
   パターン毎に正認識結果となった回数を計数した結果を
   記憶する記憶手段と、前記計数手段の計数結果と前記記
   憶手段の内容とに基づいて各標準パターンの正認識に対
   する非貢献度を計算する計算手段とを設け、 該計算手段の計算結果に基づいて非貢献度の高い標準パ
   ターンを削除することを特徴とする音声認識装置。