JPS6331797B2 - - Google Patents
Info
- Publication number
- JPS6331797B2 JPS6331797B2 JP56193555A JP19355581A JPS6331797B2 JP S6331797 B2 JPS6331797 B2 JP S6331797B2 JP 56193555 A JP56193555 A JP 56193555A JP 19355581 A JP19355581 A JP 19355581A JP S6331797 B2 JPS6331797 B2 JP S6331797B2
- Authority
- JP
- Japan
- Prior art keywords
- code
- pattern
- input
- value
- voiced
- 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法に関する
ものであり、その目的とするところは、所要メモ
リ容量が小さくてすみ、しかも高速度で照合処理
を行なうことができるようにした音声メツセージ
識別方法を提供するにある。 以下本発明の構成を図示実施例によつて説明す
る。第１図は本発明方法を実現する音声メツセー
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
タバンク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
RV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０、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
VL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１７およびVH判定回路１８にそれぞれ入力さ
れ、平均化回路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RAM
２６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
を符号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T3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。また同じで
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３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および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，
VH，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法に関する
ものであり、その目的とするところは、所要メモ
リ容量が小さくてすみ、しかも高速度で照合処理
を行なうことができるようにした音声メツセージ
識別方法を提供するにある。 以下本発明の構成を図示実施例によつて説明す
る。第１図は本発明方法を実現する音声メツセー
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
タバンク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
RV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０、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
VL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１７およびVH判定回路１８にそれぞれ入力さ
れ、平均化回路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RAM
２６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
を符号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T3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。また同じで
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３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および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，
VH，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】
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，VL，
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Tk
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，VL，
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Tk
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＝1000／ΣTk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り継続時間の正規化
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＝1000／ΣTk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り継続時間の正規化
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の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VH
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４２
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1（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2（ｔ）としたときに次式で与え
られるものである。12 （τ）＝∫∞ -∞ 1（ｔ）2（ｔ−τ）dt 第１０ａ，ｂは時間ｔの変化に対する標準パタ
ーンの値の変化1（ｔ）と、入力パターンの値の
変化2（ｔ）とをそれぞれ示すものであり、同図
に示すように1（ｔ）と2（ｔ）とは＋１，０，−
１の３通りの値しかとらないので、両者の積1
（ｔ）2（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12（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。 12（τ）＝N 〓t=0 1 （ｔ）2（ｔ−τ） ところで相互相関係数12（τ）は互いに乗算さ
れる標準パターン1（ｔ）と入力パターン2（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。この場合、＋１，０，−１の３値パターンを
相互相関でマツチングをとる場合において、位相
差τに対してｔが０〜Ｎに変化するとき、位相差
τのずれにより積をとるのは、互いに隣合うパタ
ーンに限るので、Ｎ―2τの範囲の相関が計算され
るようになつており、このときの、τは小さな値
である。なお、実用上は、位相差τ＝０のみでパ
ターンマツチングを行つても支障がない場合もあ
るが、位相差τをずらせることによつてより正確
なパターンマツチングが行え、位相差τによるミ
スマツチを防止することができる。そこで距離計
算照合部４１においてはこの相互相関係数12
（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、本発明の実施例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
どがある。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
るいはあん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
VH（／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，
UB，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＋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。 ところが以上のことはあくまでも一般論であつ
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／を聞き落と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／
senakaosasure／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、
その基本パターンを符号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)VL―VM
系列がVL―VL系列になる場合（例、／sasure／
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、／senaka／
の／ak／）、(ホ)符号VHがVL―VH系列になる場合
（例、／sa／）、(ヘ)符号VHがVL―VH―VL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
て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
ージを発音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，
VM，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
１８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
のようにパターン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／
を発生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，
VM，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通りの照合識別方法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
るものであり、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の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VH
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４２
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1（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2（ｔ）としたときに次式で与え
られるものである。12 （τ）＝∫∞ -∞ 1（ｔ）2（ｔ−τ）dt 第１０ａ，ｂは時間ｔの変化に対する標準パタ
ーンの値の変化1（ｔ）と、入力パターンの値の
変化2（ｔ）とをそれぞれ示すものであり、同図
に示すように1（ｔ）と2（ｔ）とは＋１，０，−
１の３通りの値しかとらないので、両者の積1
（ｔ）2（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12（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。 12（τ）＝N 〓t=0 1 （ｔ）2（ｔ−τ） ところで相互相関係数12（τ）は互いに乗算さ
れる標準パターン1（ｔ）と入力パターン2（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。この場合、＋１，０，−１の３値パターンを
相互相関でマツチングをとる場合において、位相
差τに対してｔが０〜Ｎに変化するとき、位相差
τのずれにより積をとるのは、互いに隣合うパタ
ーンに限るので、Ｎ―2τの範囲の相関が計算され
るようになつており、このときの、τは小さな値
である。なお、実用上は、位相差τ＝０のみでパ
ターンマツチングを行つても支障がない場合もあ
るが、位相差τをずらせることによつてより正確
なパターンマツチングが行え、位相差τによるミ
スマツチを防止することができる。そこで距離計
算照合部４１においてはこの相互相関係数12
（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、本発明の実施例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
どがある。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
るいはあん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
VH（／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，
UB，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＋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。 ところが以上のことはあくまでも一般論であつ
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／を聞き落と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／
senakaosasure／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、
その基本パターンを符号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)VL―VM
系列がVL―VL系列になる場合（例、／sasure／
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、／senaka／
の／ak／）、(ホ)符号VHがVL―VH系列になる場合
（例、／sa／）、(ヘ)符号VHがVL―VH―VL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
て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
ージを発音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，
VM，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
１８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
のようにパターン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／
を発生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，
VM，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通りの照合識別方法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
るものであり、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】
本発明は上述のように、音声入力から異なる周
波数成分を取り出すフイルタの差信号出力を基準
値に基いて数値＋１，−１，０の時系列からなる
入力パターンを作成し、この入力パターンと予め
記憶されている数値＋１，−１，０の時系列から
なる複数種の標準パターンとの相互相関係数を計
算して音声メツセージを識別する識別方法におい
て、入力パターンと標準パターンとの位相差を変
化させた場合における相互相関係数の最大値を最
大相互相関係数とし、この最大相互相関係数が最
大となる標準パターンを入力メツセージとして識
別するようにしたものであり、入力パターンと、
標準パターンとの位相差を変化させてパターンマ
ツチングを行つているので、位相差に起因するミ
スマツチを防止することができるという効果があ
る。つまり、入力パターンと標準パターンとのマ
ツチング時において、τ＝０のみでパターンマツ
チングを行つても、実用上支障がない場合もある
が、より正確なパターンマツチングを行えるよう
にするには位相差τを考慮する必要があり、本発
明にあつては、τを変化させて最大相互相関係数
の最大となる標準パターンを入力メツセージとし
て識別し、位相差によるミスマツチを防止してい
るものである。
波数成分を取り出すフイルタの差信号出力を基準
値に基いて数値＋１，−１，０の時系列からなる
入力パターンを作成し、この入力パターンと予め
記憶されている数値＋１，−１，０の時系列から
なる複数種の標準パターンとの相互相関係数を計
算して音声メツセージを識別する識別方法におい
て、入力パターンと標準パターンとの位相差を変
化させた場合における相互相関係数の最大値を最
大相互相関係数とし、この最大相互相関係数が最
大となる標準パターンを入力メツセージとして識
別するようにしたものであり、入力パターンと、
標準パターンとの位相差を変化させてパターンマ
ツチングを行つているので、位相差に起因するミ
スマツチを防止することができるという効果があ
る。つまり、入力パターンと標準パターンとのマ
ツチング時において、τ＝０のみでパターンマツ
チングを行つても、実用上支障がない場合もある
が、より正確なパターンマツチングを行えるよう
にするには位相差τを考慮する必要があり、本発
明にあつては、τを変化させて最大相互相関係数
の最大となる標準パターンを入力メツセージとし
て識別し、位相差によるミスマツチを防止してい
るものである。
第１図は本発明方法を実現する音声メツセージ
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１３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１
９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２１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２３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。５，６，１３，
１４はフイルタバンク、４０は３値符号化処理部
である。
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１３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１
９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２１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２３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。５，６，１３，
１４はフイルタバンク、４０は３値符号化処理部
である。
Claims (1)
- 【特許請求の範囲】 １ 音声入力から異なる周波数成分を取り出すフ
イルタの差信号出力が第１の基準値以上のときに
は数値＋１を、第２の基準値以下のときには数値
−１を、第１の基準値以下でかつ第２の基準値以
上のときには数値０をそれぞれ割り当てることに
より、入力された音声メツセージに対して数値＋
１，−１，０の時系列からなる入力パターンを作
成し、この入力パターンと予め記憶されている数
値＋１，−１，０の時系列からなる複数種の標準
パターンとの相互相関係数を計算し、入力パター
ンと標準パターンとの位相差を変化させた場合に
おける相互相関係数の最大値を最大相互相関係数
とし、この最大相互相関係数が最大となる標準パ
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法。 ２ 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
するフイルタとの差信号出力を第１および第２の
基準値と比較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。 ３ 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500KHz〜1K
Hz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差信号出力を第１お
よび第２の基準値と比較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 |
|---|---|---|---|
| JP19355581A JPS5895398A (ja) | 1981-11-30 | 1981-11-30 | 音声メッセージ識別方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP19355581A JPS5895398A (ja) | 1981-11-30 | 1981-11-30 | 音声メッセージ識別方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5895398A JPS5895398A (ja) | 1983-06-06 |
| JPS6331797B2 true JPS6331797B2 (ja) | 1988-06-27 |
Family
ID=16309989
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP19355581A Granted JPS5895398A (ja) | 1981-11-30 | 1981-11-30 | 音声メッセージ識別方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS5895398A (ja) |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS4949361A (ja) * | 1972-09-19 | 1974-05-13 | ||
| CH549849A (de) * | 1972-12-29 | 1974-05-31 | Ibm | Verfahren zum ermitteln des der periode der anregungsfrequenz der stimmbaender entsprechenden intervalls. |
| JPS5334921B2 (ja) * | 1973-11-29 | 1978-09-25 |
-
1981
- 1981-11-30 JP JP19355581A patent/JPS5895398A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS5895398A (ja) | 1983-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5791904A (en) | Speech training aid | |
| JP4456537B2 (ja) | 情報伝達装置 | |
| Lee et al. | Tone recognition of isolated Cantonese syllables | |
| CN101346758A (zh) | 感情识别装置 | |
| Pereira et al. | Some acoustic characteristics of emotion | |
| Hermansky et al. | Perceptual properties of current speech recognition technology | |
| 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 | |
| Arslan et al. | Frequency characteristics of foreign accented speech | |
| Hasija et al. | Recognition of children Punjabi speech using tonal non-tonal classifier | |
| Přibil et al. | GMM-based speaker gender and age classification after voice conversion | |
| Yadav et al. | Prosodic mapping using neural networks for emotion conversion in Hindi language | |
| Ching et al. | From phonology and acoustic properties to automatic recognition of Cantonese | |
| Raso et al. | Modeling the prosodic forms of Discourse Markers | |
| JPS6245560B2 (ja) | ||
| JPS6331798B2 (ja) | ||
| Přibilová et al. | Spectrum modification for emotional speech synthesis | |
| Thubthong et al. | Stress and tone recognition of polysyllabic words in Thai speech | |
| CN119446122B (zh) | 一种普通话鼻塞语音信号的处理方法、实验系统及实验方法 | |
| Medhi et al. | Different acoustic feature parameters ZCR, STE, LPC and MFCC analysis of Assamese vowel phonemes | |
| Altamrah et al. | An acoustic analysis and comparison of two unique and almost identical arabic emphatic phonemes | |
| JPS5895398A (ja) | 音声メッセージ識別方法 | |
| Lee et al. | An NN based tone classifier for Cantonese | |
| Schneider et al. | Use of word Pairs and context to achieve better automatic speech recognition results with foreign English speakers | |
| Blomberg | Modelling articulatory inter-timing variation in a speech recognition system | |
| Ainsworth | Can phonetic knowledge be used to improve the performance of speech recognisers and synthesisers? |