JPS63226694A - 音声認識のパタ−ンマッチング方式 - 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】 （並業上の利用分野） 本発明は入閣が発声した音声を自ＪＩＥＩＩ認識する音
声ｍ職におけるパターンマツチング方式に関するもので
ある。

（従来の技術） 音声認識のパターンマツチング方式に−しては種々の技
術が開発されているが、それらの中で最も確立された重
用されているものの一つとして「日本音書学会誌第４２
巻９号（昭和６１年９月発行）の第７２５頁」に記載さ
れるがごとさｉ）Ｐマツチング法がある。これは音声の
時間軸歪を整合する手法として極めて有効とされている
。また１）Ｐマツチング法を連続単相認識に拡張したも
のとして、上記文献の第７２７頁あるいは丑願昭、５６
−１９９０９８、号明＃１ｉ１Ｆに記載されるが如きク
ロックワイズＤＰ法が知られている。この手法は構文制
御を有する連続単語認識法として説明されているが、幽
然離敗単＠認識にも適用可能である。

ここでは説明の簡拳のため、離散単語認識の形式で、ク
ロックワイズＤＰ法の要部全説明する。

単語名１番号ｎで指定することとして （ｎ　ｌ　ｎ　＝１　＋　２　ｅ　・・・Ｎ）なる単語
セットを認識対象とする。谷単給に標準パターン Ｂｎ＝ｂ”　、ｂｎ、”・ｂ”！　　・　ｂｎｎ１２　
　　　Ｊ　　　　Ｊ 金考える。ここにｊｒＩ′ｉ時刻を示し、＆ｊは標準パ
ターンＢｎの時刻ｊの特徴を意味する。入力音声パター
ンをＩ′Ｗ１様に Ａ””　Ｉｌｌ　１２　−　＆ｉ　−１゜と示す。

音声ＷａＸは、入カバターン人と標準パターンＢｎとの
パターン間距離Ｌ）　（Ａ　＊　Ｂ”）ｅ求め、それが
最小となるｎ２定め″′Ｃ餡識紹米とすることによって
行なわれる。Ｌ）Ｐマツチングではこの距離の計算を次
のような漸化式計算によって行なう。

口初期条件 ｇｎ（１，１）＝ｄｎ＝（１，１）　　−・−（１）Ｏ
漸化式 ％式％（２） ここにｄｎ（ｉ、ｊ）は％徴＆ｊとｉｂゴの距離ｄｎ（
ｉ　、　ｊ　）＝ｌｌａｌ−ｂｎ、　ＩＩ　テｈル。こ
れに対して（２）式で計算されるｇｎ（ｉ、Ｊ）を最適
累積距離と呼ぶ。

このＤＰマツチング処理は当初、単語ごとに実行されて
いた　、クロックワイズＬ）Ｐ法では各率甜に対して工
列的に実行する形式に改良された。

亀５図（ａ）φ）は従来方式を説明する図である。すな
わち、ｇｓ図（ａ）のような、１＊ｊｅｎが関係する空
間に２いて、入カバターンの各１ｊ＃Ｅ＋ｉＫｊ？いて
、各標準パターンＢｎの指定ｎとそれらの中の時刻ｊの
すべての組み合わせで指定さｔＬるｎ、ｊに対してｇｎ
（ｉ、ｊ）なる最適累積距離を計算し、しかる後に時刻
ｉを進めて処理を続行するという方式となっている。

実際の計算は、ｇｎ（コ）＝ｇｎ（ｉ＊ｊ）＋　ｇｎ（
ｊン＝ｇｎ（ｉ−１，Ｊ）なる表示を考え、これらを保
持するため、第５図（＆）に参照数字１で示す２列のメ
モリを用意する。これらのメモリの間で、第１図（ｂ）
に示すごとく なる演算ｒ行なって、（２）式の漸化式ｉｔ′ｉ算を実
行する。

ここに、 ｄ”（ｊ）＝　　ｄ　ｎ（ｉ、ｊ）　　　　・　・　・
　（５Ｊである。すべてのｎ、ｊの組み合せに対して、
（４）式の計算を実行し終ると時刻ｉ全１クロック進め
、？（ｊ）　ｋ　ｇｎ（ｊ）として以上の処理１０シ返
す。かくしてｉ＝Ｉまでの処理が終了した時点で、パタ
ーン間距離は Ｄ（Ａ　、Ｂｎ）＝ｇｎ（Ｊｎ） として、各ｎに対して並列的に求まる。クロック〔発明
が解決しようとする問題点〕 このような方法は入カバターンの時刻ｉに同期して処理
を進めることができるので、発声と並行して処理を進め
ることができ、実時間性が良いとされている。しかし、
この方法を人語いの音声認識に適用しようとすると計′
Ｊ４−菫か大となるという間地点がある。すなわち、（
４）式の漸化式計算は、ｊとｎのすべての組み曾ぜにつ
いて実行しなくてはならない。標準パターン長がＪ　＝
３０で、１０００胎を認識しようとすると、３　Ｘ　１
０’　　点で（４）式を計算することになる。１点めた
シ１０μｓで実行したとしても３００ｍ８　’に安する
。通常の音声認識でｔよ入カバターンの％ｆｆｉ＆ｉｔ
”サンプリングする同期は２Ｑｍｓ以下であるので、こ
のような人語いではとても実時間実行は不可能である。

本発明１ｔクロツクワイズ型のＤＰマツチングが有する
、計算量が多いという上記欠点を改良して、高速であり
ながら低ｔａ格な音声認識装置のパターンマツチング方
式を提供することを目的としたものでおる。

〔問題点を解決する手段〕

、、、６ｎ・°・６ｎ　として記憶′する手段と、入Ｊ
　　　　　　Ｊｎ 力音声パターンの％慎ＪＬｉ７１ｉ−一時保持する手段
と、との距離ｄ”（ｉｔｊ）の最通累積値ｇｎ（ｉ、ｊ
）を動的計画法の漸化式によって算出する手段を有する
方式において、時刻（ｉ−１）までの最適系積値ｇｎ（
１−１ｅＪ）を容重＠ｎ及び時刻ｊに対応してＱ　ｎ（
ｊ）の形で記憶する手段と、時刻ｉまでのｊＩｊ！１通
累積値ｇｎ（ｉ、ｊ）に対応するｇｎ（ｊ）なる倉を記
憶する手段とを備え、時刻ｉＫ＆いてｇ　ｎ（ｊ）に距
離ｄ”（ｊ）＝ｄｎ（ｉ、ｊ）全加算して新たな数値ｇ
を得る第１の処理と、この数値が所定の枝刈り条件を満
足する（Ｊｌ、ｊ）のセットに対してのみ、このｊの近
傍のｊに対応するｇｎ（ｊ）との大小比４！２を行ない
、ｇ　＜　ｇｎ（ｊ）のときｇを新たなｇｎ（ｊ）とし
て転写する第２の処理と、時１ｉＪｓ　ｉが１クロック
進行するごとにｇｎ（ｊ）　’ｒ−新たなｇ　ｎ（ｊ）
として＠６己第１゜第２の処理を進行する方式である。

〔作用〕

本発明の第１の％徴はｇ　ｎ（ｊ）がある基準より小な
ｎ、ｊのみを対象として（４）式（吟価的に（２）式）
の動的計画法漸化式全実行するという枝刈りの考え方を
導入した点である。Ｌ）Ｐマツチングでの鯛的計画法漸
化式（２）あるいは（４）は最小値ｔ！Ｒ索する形式の
ものであるので、ｇｎ（ｊ）が大であるということは、
そのコが最迩経路上に存在する可能性が低いことを意味
する。そこで、このようなｇｎ（ｊ）は無視しようとい
う考え万を導入したのである。これにより、（４）式の
計算は第１図にハツチを付して示したｇ　ｎ（ｊ）の近
辺で行なえばよいことになシ大幅な計算量低減が見込ま
れる。しかし、（４）式の漸化式をそのままの形で実行
するのは、せっかくの枝刈シの効果が薄い。なぜならば
（２）式の計算が省略できるのは、右辺のｇｎ（ｊ）、
ｇｎ（ｊ−１）、ｇｎ（ｊ−２）が総て大さかった場合
である。このため、３個の値それぞれの大きさを判定し
なくてはならず、かつ３個とも大きいという条件の論理
積が満足される確率は小さくなる。

そこで、本発明では（４）式の計ａｔ以下に述べるよう
に、前向きの東件吋代人処理として実行することを第２
の％徴とする。第２図はその処理を説明するための図で
ある。ここではｇｎ（ｊ）はと定義され％ｄ（ｉｌｊ）
が加鼻されていない、１時刻前Ｃｔ−Ｘ　＞までの累積
最適距離に対応している。以下の処理に先二つてｇｎ（
ｊ）には充分大な数・値ψが初期セットされているとす
る。特定のｎ＋　Ｊに対する処理は次のようである。

・・・・・　（力 この手続きが（ｊ−２）からｊまで繰シ返されるとｇ　
ｎ（ｊ）に対して次の処理が行なわれたことになる。

・・・・・　（８） △ ｇｎ（ｊ−２）＋ｄｎ（ｊ−２）−ｇｎ（ｉ、ｊ−２）
企”（ｊ−ｘ）十ｄｎ（ｊ−１）＝ｇｎ（ｉ　、　ｊ−
ｘ＞△ ｇｎ（ｊ）十”（ｊ）−ｇｎ（ｉ＊Ｊ）であることを考
慮して（８）式を総合するとと、（６）式のｉが１クロ
ック進んだものか計算されたことになる。このことをま
とめると、（方式の条件付代入処理によって なる漸化式計算が達成できたことになるが、この企ｎ（
ｊ）は（６）式の定義よシ、ｇｎ（ｉ、ｊ）と△ ｇｎ　（ｉ　、　ｊ　）−ｄｎ（ｊ）十ｇｎ（ｊ）なる
関係でｉはれているので、ｇｎ（ｊ）　＊求める（方式
の処理はｇｎ（ｉ、ｊ）ｋ求める（２）式の計算と等価
なことになる。

このように、動的計画法の計算を前向きに実行すると枝
刈りに関して次のよりな＾能率化が達成される。枝刈シ
の判定は（方式（２）のｇのみのテストで実行されるの
で効率がよい。これによって枝刈りと判定された場合に
は、（３−１）　、　（３−２）。

（３−３）という漸化式計算に必要な処理が総べて省略
できる。

以上の第１と第２の特徴によって本発明によるパターン
マツチング方式は極めて効率良いものとなる。

本発明＃ｉ（方式の手続きを各時刻ｉで各単語ｎ中のｊ
＝１．２．・・・、Ｊｎまでぞれぞれ実行し、時刻ｉの
サイクルを進めるという方式である。なお、（７）式（
２）の枝刈シの条件には徨々の変形が考えられる。最も
簡単な例はｉの増加とともに最適累積距離ｇ　ｎ（ｊ）
が増加することｔ考慮し、θ（りをｉの１次関叙（単調
増加）として（方式（１）　ｔ−適用する方法である。

別には全ｇｎ（ｊ）の最小値ｇｍｉｎｔ−建め、これに
αなる余裕を持たせ、θ（す＝ｇｍｉｎ＋αとして（７
）式（２）ヲ適用すること＋、考えられる。さらに別の
例としては閾値を用いるのではなく、全企当ｊ）の中で
小さいものから何位以下という条件で枝刈りを行なって
もよい。

（実施例） 第３図は本発明を実施した単語音声認識装置のブロック
図である。マイクロホン１０より入力された音声信号は
分析部２０によっ１周波数分析されたのち標本化、ディ
ジタル化され％徴ベクトルｉ１　　としてマイクロプロ
セッサ３０に送られる。

このマイクロプロセッサにはメモリとして標準パターン
記憶部４０と、Ｇメモリ５０が接続されている。標準パ
ターン記憶部４０には各単語ｎの標準パターンＢｎが特
徴ベクトル１１ｎの時系列として記憶されている。Ｇメ
モリ５０は第１図、第２図に示したｇｎ（ｊ）　　ｇｎ
（ｊ）のためのワークメモリでめる。これらの標準パタ
ーン記憶部４０、Ｇメモリ５０はマイクロプロセッサの
主記憶内にあって区別されるメモリエリアとして定義さ
れてもよい。

認識処理はマイクロプロセッサ３０のプログラムによっ
て実行される。入カバターンの先頭のベクトル１１　が
入力されると次のような初期設定が各ｎに対して行なわ
れる。

これｔｉｔｌ）式の初期条件に対応したものである。

以下、入カバターンの特徴ベクトルａｌ　が入力される
ごとに第４図のフローチャートに示すごとき処理がマイ
クロプロセッサ３０によって実行される。図中の１０１
のブロックは（７）式の（１）の枝刈り判定に対応する
。同様にして１０２の２個のブロックは（２）の処理に
、１０３は（３−１）、（３−２）、（３−３）の処理
にそれぞれ対応する。

１０４のブロックはｇｎ（ｊ）の甑をすべてｇｎ（ｊ）
　　として切り換えることを意味する。この処理はｇ　
’ｔｊ）を記憶するエリアとｇＪｌ（ｊノヲ記憶するエ
リアとの番地切り換えで央机される。１０５のブロック
はｇｎ（ｊ）のエリアを充分大な数値■でリセットする
ことを意味する。

以上の処理が終了すると、入カバターンの時刻が１クロ
ツク増加され、次の特徴ベクトルａ１の入力を待って同
様の処理が行なわれる。音声パターンが終了して最後の
特徴ベクトルａ！が入力されたとき、マイクロプロセッ
サ３０の内部では次のような処理が行なわれる。この時
点でＧメモリ５０に記憶されている。ｇｎ（Ｊｎ）は（
６）式よシであることから Ｄ（Ａ、Ｂｎ）＝ｇ（１、Ｊ　）＝ｇｎ（Ｊｎ）十ａ（
Ｉ　、Ｊ）　・・・（１３）として、各車ｋｎごとにパ
ターン間距離Ｌ）（Ａ、Ｂｎ）會得る。これら七ノ幀次
比較することによって、厳小埴を求め、これに対応する
ｎ＝ｎを認Ｒ結果とし出力する。

以上本発明の原Ｊｌ！！ｔ−実施力に基づいて説明した
がこれらの記載は本発明の範囲に限定するものではない
。特に以上の記載ではパターン間の類似性を距離によっ
て評価するとしたが、これと大小関係か逆な菫によって
もよい。その場合は（７）式等の大小関係の判定を逆に
行なうことになる。また、本実施例では特徴為ｉ、ｂｊ
をベクトルであるとしたが、ベクトル量子化を行なった
場合のコードブック中（１”）ヘク）ルを指定する番号
のようなスカラ量であってもよい。また、説明を簡単に
するため単語認識装置に適用した例を述べたが、クロッ
クワイズＬ）Ｐ式の連続音声認識装置にも本パターンマ
ツチング方式は利用できることは自明である。

（発明の効微） 以上述べた枝刈りの効果及び、漸化式計算を前向きの条
件付代入処理によって実行するという本発明の原理によ
って、ＤＰマツチングの処理室を犬１陽に低減し、小屋
かつ低価格な音声ｇ識装置の実現が可能となった。

【図面の簡単な説明】

第１図、第２図は本発明の原理説明図、第３図は本発明
の一災施例を示すブロック図、第４図は要部の処理を示
すフローチャート、第５図（ａ）　、　（ｂ）は従来技
術説明図である。 １０・・・・・・マイクロホン、２０・・・・・・分析
部、３０・・・・・マイクロプロセッサ、４０・・・・
・標準パターン第２　口 宅　　　τ十１ 区 α） 腺

Claims (1)

【特許請求の範囲】
1. 各単語ｎの標準パターンを特徴の時系列Ｂ＾ｎ＝ｂ＾ｎ
   ＿１…ｂ＾ｎ＿ｊ…ｂ＾ｎ＿ｊｎとして記憶する手段と
   、入力音声パターンの特徴ａ＿ｉを一時保持する手段と
   、それぞれの単語ｎに対応して前記特徴ａ＿ｉとｂ＿ｉ
   ＾ｎとの距離ｄ＾ｎ（ｉ、ｊ）の最適累積値ｇ＾ｎ（ｉ
   、ｊ）を動的計画法の漸化式によって算出する手段とを
   有する音声認識のパターンマッチング方式において、時
   刻（ｉ−１）までの最適累積値ｇ＾ｎ（ｉ−１、ｊ）を
   各単語ｎ及各時刻ｊに対応して■＾ｎ（ｊ）の形で記憶
   する手段と、時刻ｉまでの最適累積値ｇ＾ｎ（ｉ、ｊ）
   に対応するｇ＾ｎ（ｊ）なる量を記憶する手段とを備え
   、時刻ｉにおいて■＾ｎ（ｊ）に距離ｄ＾ｎ（ｊ）＝ｄ
   （ｉ、ｊ）を加算して新たな数値ｇを得る第１の処理を
   行ないこの値が所定の枝刈り条件を満足する（ｎ、ｊ）
   のセットに対してのみこのｊの近傍のｊに対応するｇ＾
   ｎ（ｊ）との大小比較を行ない、ｇ＜ｇ＾ｎ（ｊ）のと
   きｇを新たはｇ＾ｎ（ｊ）として転写する第２の処理を
   行ない、時刻ｉが１クロック進行するごとにｇ＾ｎ（ｊ
   ）として前記第１、第２の処理を進行することを特徴と
   する音声認識のパターンマッチング方式。