JPS6332200B2

JPS6332200B2 -

Info

Publication number: JPS6332200B2
Application number: JP55003871A
Authority: JP
Inventors: Hidefumi Ooga; Hidekazu Yabuchi
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1980-01-16
Filing date: 1980-01-16
Publication date: 1988-06-28
Also published as: JPS56101200A

Description

【発明の詳細な説明】本発明は音声パターンの圧縮方法に関するもの
である。

登録型の音声認識装置はあらかじめ認識すべき
音声を、認識装置に登録しておき、認識時には、
登録された複数の音声パターンと、入力音声パタ
ーンを比較し、最も類似性のある登録された音声
パターンを求める事により入力音声を認識するも
のである。まず、この様な音声認識装置について
説明する。

音声信号は第１図Ａに示す様にして、音声パタ
ーンに変換される。すなわち、第１図において１
００は、マイク、１０１は増幅器、１０２，１０
３，１０４はフイルタバンクである。フイルタバ
ンク１０２，１０３，１０４は、それぞれ、第１
図Ｂに示すようにバンドパスフイルタ１２０と、
その出力を整流する整流回路１２１と、ローパス
フイルタ１２２より、構成される。バンドパスフ
イルタ１２０の出力は交流分でありその出力を直
流レベルに変換するのが、整流回路１２１、ロー
パスフイルタ１２２である。フイルタバンク１０
２，１０３，１０４の中心周波数はそれぞれ異な
り、図においては３つのフイルタであるが、実際
は８コ以上設けられている。以下８コのフイルタ
が設けられている場合を例にして説明する。

１０５は取込制御回路１１２からの制御信号Ｓ
によりフイルタ１０２〜１０４からの出力₁〜₈
の内のどれかを選択する選択回路である。１０６
はアナログ・デイジタル変換器である。発振回路
１１１からの信号により、一定間隔毎に₁〜₈の
信号のレベルを選択回路１０５で切り換えなが
ら、Ａ／Ｄ変換器１０６を介してデイジタル信号
に変換して取り込みエリア１０７に取り込んでい
く。従つて音声信号は、８コのフイルタにより周
波数分析されたものが、一定の間隔毎に取り込み
エリア１０７に取り込まれることになる。発声さ
れてない場合は₁〜₈レベルの総和は、ゼロに近
くなり、発声するとその総和は大になる。従つ
て、一定の閾値を設け、このレベルより総和が大
きくなると、取り込みを開始し、総和が小さい状
態が一定の間続くと、そこで取り込みを終了すれ
ば発声された単語の周波数分析されたものが、取
り込みエリア１０７に取込まれることとなる。こ
の制御をするのが取込制御部１１２である。

１０８は、正規化部であり、ここで同じ時点で
取り込まれた各フイルタからの出力の総和が、一
定になる様に正規化される。つまり a₁＝（₁／₈ 〓ⁱ⁼¹ i）×Ｋ，a₂＝（₂／₈ 〓ⁱ⁼¹ i）×Ｋ……a₈＝（₈／₈ 〓ⁱ⁼¹ i）×Ｋ ……(1) であり、Ｋは一定の値で、₁，₂……₈は各フイ
ルタからの出力である。このようにする事により
各フイルタからの出力の総和はＫとなり、音声信
号の大きさに全く無関係のものとなる。フイルタ
の数は８コであるのである時点の音声信号は、８
次元のベクトルで示す事が出来る。ｎ番目に取り
込まれた音声信号をa_oとすると、a_o＝（a_o1，a_o2，
A_o3，…，a_o8）となり音声信号は、結局a₁，a₂，
a₃，……a_o……a_Nのベクトル列で示す事が出来
る。Ｎは従つて音声信号の取り込み個数を示す事
になる。これを音声パターンと呼ぶ。

登録時には、第１図においてｅの経路で、登録
エリア１１０に、音声パターンを格納する。

認識時にはγの経路で入力音声パターンは距離
計算部１０９へ出力され、登録エリア内のそれぞ
れの音声パターンとの間で、パターンマツチング
がなされ、距離が求められ、もつとも距離的に近
い標準パターンが入力音声の認識結果として出力
される。

このとき、話す時のスピードの違いにより同じ
単語でも時間的な長さが異るので、時間軸上にお
いてなんらかの正規化が必要である。正規化する
方法として動的計画法を使用して、時間軸を非線
形に伸縮する方法が知られている。

先ず、登録パターンa₁，a₂，a₃，…a_o，……a_N
と、入力パターンb₁，b₂，b₃，…b_n，……b_Mとを
第２図に示す様に、ｘ軸と、ｙ軸に配置した格子
グラフにおいて、径路_i軸上で、a_oとb_nとの距
離ｄ（ｍ，ｎ）を求め、その径路上で定義される
荷重に関して求められたｄ（ｍ，ｎ）の荷重平均
を以て登録パターンと、入力パターンの間の径路
_iに関する距離をＤ（_i）と定義する。

a_oとb_nとの距離ｄ（ｍ，ｎ）としては、一般に、
市外地距離と呼ばれるもので定義することが多
い。

即ち、このときはｄ（ｍ，ｎ）＝‖a_o―b_n‖＝₈ 〓ⁱ⁼¹ ｜a_oi―b_ni｜となる。

ここで a_o＝（a_o1，a_o2，…，a_o8） b_n＝（b_n1，b_n2，…，b_n8）である。

このとき、前記両パターンを比較する経路とし
ては、第２図に示す様に、様々な経路が考えられ
る。第２図の場合は、例として３本の経路を示し
ているが、この他にも、様々な経路が考えられ
る。この経路の中で、最も距離Ｄ（_i）の小くな
る経路₀を効率よく発見する手法の１つが、動
的計画法を用いたパターンマツチングである。こ
のときの経路₀に関する距離が、両パターンの
距離となる（本発明とは、はなれるので、動的計
画法についての説明は省略する）。

以上の様なパターンマツチングを行ない、最も
類似性の小さい登録パターンを選出し、入力パタ
ーンの識別を行なう事となる。

この様な方法の場合、登録エリア１１０の容
量、及び入力パターンの容量は下記の様になる。
すなわち取り込み間隔をTt秒とし、入力音声の
長さの最大をTi秒とし、フイルタ数をＦコとす
ると（Ti／Tt）×Ｆサンプルが、入力パターンの
記憶のために必要とされるメモリの容量となり、
登録エリアの容量は、この値に認識すべき音声単
語の数Ｋを乗算したものとなる。またパターンマ
ツチングで要する処理時間は、大略２つのベクト
ル間の距離ｄ（ｍ，ｎ）を計算する時間をTdと
し、格子点１つについて動的計画の漸化式を１回
計算するのに要する時間をTDとすると（Td＋TD）×（／Tt）×Ｋ×Ｗになる。Ｗ
は、整合の窓と呼ばれる値で、Ｗは２以上の値で
ある。

はTiの平均である。

本発明は、パターン圧縮によつて、登録エリア
の容量、及びパターンマツチングで要する処理時
間を短くしようとするものである。

本発明は、正規化されたパターンにおいて隣り
あう２つのベクトル間の距離を求め、その距離
が、大なる時は、２つのベクトルはそのまま残
し、距離が小なる時は、２つのベクトルの内の一
方、または平均を新たなベクトルとすることによ
つて、パターンを圧縮しようとするものである。
これについての説明を、第３図に示す。音声パタ
ーンをa₁，a₂，a₃，…a_o，……a_Nとした時に（P₀
で示す。）a₁とa₂間のベクトルの距離を求め、そ
の距離d₁，₂が、ある閾値Ｓより大なる時は、a₁，
a₂とも残こしＳより小なる時は、a₁又は、a₂のど
ちらか一方を残す様にする。第３図の場合は、
d₁.₂がＳより大であり、a₁，a₂を残こす。次にa₃
とa₄間のベクトルの距離d₃.₄を求め、図の場合は
d₃.₄は、Ｓより小であり、a₃を残す。以下、同様
の処理をする。圧縮されたパターン列を、P₁で
示す。もし、すべてのd_o,o+1が、Ｓより小なる時
は、パターンは、1/2の長さになる。すべての
d_o,o+1がＳより小なる時は、きわめてまれである
ため実際には、1/2以上、１以下の長さになる。
一般に母音部では、d_o,o+1はＳより小さく音声パ
ターンには、ほとんど母音部が含まれるため、圧
縮されない事はまずない。子音部では、変化が激
しく、d_o,o+1は、大きな値を取り、結果的には、
子音部がそのまま残り、母音部が圧縮されること
となる。

上記の様な動作を数回繰り返せば、さらに圧縮
されることになる。第３図のP₁のパターン列に、
さらに同様な処理を行ない、P₂の圧縮したパタ
ーンを得る。P₂のパターン列にさらに圧縮をし、
P₃を得る。以下、同様にする。この様にするこ
とにより圧縮される比率はさらに増加していく。
結果的には、隣りあうベクトル間の距離は、すべ
て、Ｓより大なるパターンとなり、不必要なベク
トルは削除される。

しかし実際には、母音部での長さ子音部での長
さ等も、必要な情報量であり、その点を考慮する
と圧縮は、やりすぎない様に注意すべきである。
認識すべき単語により、認識結果と照し合せて実
験により圧縮の回数は決定される。例えば、「キ
イ」（KEY）と、「キ」（KE）を識別しようとし
た場合、圧縮をやりすぎると、「キイ」の「イ」
の部分がなくなつてしまい「キイ」と「キ」との
識別が難しくなる。認識すべき単語の中に、この
様に、母音部を圧縮することによつて、識別が困
難になる様な単語が含まれている場合は、圧縮の
回数は少くすべきであろう。

閾値Ｓも、圧縮の回数と同様実験によつて決定
される。

第４図に本発明の圧縮装置の具体的回路構成の
一例を示す。第５図は、その動作を説明するフロ
ーチヤートである。４００はシフトレジスタで、
これには、圧縮されるべき音声パターンa₁，a₂…
…a_Nが図の様に入つているとする。Ｅは終りを示
すコードである。４０１は同様シフトレジスタ
で、これには圧縮されたパターンが格納される。
４０２，４０３はシフトクロツクCLK₁，CLK₂
を発生するもので、これらは制御回路４０７及
び、圧縮判定回路４０６からの信号でそれぞれク
ロツクを発生し、シフトレジスタ４００，４０１
をそれぞれ独立にシフトさせる。４０４は、距離
計算部でシフトレジスタ４００のR₂，R₁段目の
内容から距離ｄを計算する。４０５は、終了コー
ドＥを検出する回路である。４０６は、距離ｄが
閾値Ｓより大か小かを検出する圧縮判定回路であ
る。

以下その動作を第５図に従つて説明する。

終了コード検出部４０５で、４５０，４５１の
動作がなされる。終了コードでない場合は、R₁，
R₂の内容で距離ｄが距離計算部４０４で計算さ
れ、それが閾値Ｓより大か小か、圧縮判定回路４
０６で判定される。ｄ＜Ｓの場合には４０６から
信号でクロツク発生回路４０２，４０３はそれぞ
れ１回づつ、クロツクを発生し（４５２に示す。） R₁の内容を４０１へ移すとともに４００を１つ、
右へ、シフトする。次に制御回路４０７によつて
４５３の動作により、４００をもう１回、右へシ
フトして、次の隣りあうベクトル間の距離が計算
出来る様にする。ｄＳの場合には、４５４，４
５５に示す様にクロツクCLK₁，CLK₂を２回発
生して、R₁，R₂の内容を、シフトレジススタ４
０１へ移すとともに、シフトレジスタ４００を２
回シフトして、次の隣りあうベクトル間の距離計
算が行なえる様に動作する。R₁の内容が終了コ
ードＥの場合は、終了コードのみシフトレジスタ
４０１へ移す（４５６に示す）。R₂が終了コード
の場合には、R₁，R₂の内容をシフトレジスタ４
０１へ移す（４５７，４５８に示す）。

以上の様な動作により、圧縮する事が出来る。

シフトレジスタ４０１の内容をシフトレジスタ
４００へ移しかえて、上記の様な動作を行なえ
ば、さらに圧縮することが出来る。あるいは、シ
フトレジスト４０１と４００を交換する様な回路
構成にしても良い。

なお制御回路４０７は、圧縮判定回路４０６か
らの信号を受け４５３の動作を、４０２が行なう
様に指令を出すとともに、終了コード検出回路４
０５によつて圧縮の動作を終了させ、圧縮終了
を、END信号によつて他の回路へ知らせる。ま
たSTAR信号を受けて、各回路へ動作を開始す
る様に指令を出す。

本発明の方法を音声認識装置に使用する場合は
以上述べた様な圧縮する機能を、第１図の正規化
部１０８の出力の後行なう。登録時には、圧縮さ
れたパターンをそのまま登録しておき入力パター
ンも同様に圧縮して、登録エリアのパターン群と
パターンマツチングを行なう。

なお、隣りあう２つのベクトル間の距離が小さ
い場合、第３図、および第４図では、どちらか一
方を残す様にしているが、２つのベクトルの平均
をとつて、１つにしても良い。またＳが比較的大
なる時は、２つのベクトルの平均をとる方が、よ
り元のパターンに対して忠実なものとなる。なお
平均方法は、次の様に定義する。

a′_oi＝a_oi＋a_o+1,i／２ｉ＝フイルタのチヤンネル番号 a′_oi＝〔a_o1，a_o2…a_oi，…a_o,I〕 a′_oiが平均されたベクトルである。

以上のように本発明の方法によれば登録エリア
の容量を小さくすることが出来る。

さらにパターンマツチングの際の処理時間を短
くすることが出来る。すなわち前述の（Ti／Tt）
が小さくなるので結果的に距離ｄ（ｍ，ｎ）およ
び漸化式を計算する回数が少くなる。圧縮の時に
d_o,o+1を計算するため、その分だけ増加するが、
一方圧縮によつてパターンマツチングの際のｄ
（ｍ，ｎ）の計算回数は少なくなり、全体として
処理時間は短くなる。認識語数が多くなる程、圧
縮の効果は大になる。

また子音部のみが異なるようなパターンをより
正確に判別できる。例えば、SAGA（左賀）
KAGA（加賀）の場合最初のＳとＫしか異なつて
おらず、２つのパターンの距離はきわめて大きく
なる。圧縮すると、母音部での圧縮がなされて、
SAGAのＳの占める割合が大きくなる。KAGA
でも、Ｋの占める割合が大きくなり、結局、２つ
のパターンの距離は小さくなり、より正確にこの
似かよつた音声を識別する事が、出来ることとな
る。

なお、本実施例においては、２つの特徴ベクト
ルの違いの程度を距離の概念で説明したのでその
値が大きいときは両者の違いは大きく、その値が
小さいときは両者の相違は小さくなるが、類似度
の概念を用いることも勿論可能であつて、その場
合は両者の似ている程度を表すことになり、その
値が大きいときは両者の相違は小さく、その値が
小さいときは両者の相違は大きいということにな
る。何れの概念を用いようとも本発明の原理の本
質は同じである。

【図面の簡単な説明】

第１図Ａは音声認識装置の構成を示すブロツク
図、同Ｂはその一部のブロツク図、第２図は音声
認識におけるパターンマツチングを説明する図、
第３図は本発明における圧縮方法の一例を説明す
る図、第４図は本発明装置の一構成例を示すブロ
ツク図、第５図はその動作を説明するフローチヤ
ートである。４００，４０１……シフトレジスタ、４０２，
４０３……シフトクロツク発生回路、４０４……
距離計算部、４０５……終了コード検出部、４０
６……圧縮判定部、４０７……制御部。

Claims

【特許請求の範囲】

１特徴ベクトルの系列で表わされるパターンを
保持する第１の記憶手段と、重複を許さず、相隣
るベクトル間の距離を計算する距離計算手段と、
この距離計算手段により計算された距離が、予め
定めた閾値を超えるか否かを判定する圧縮判定手
段と、この圧縮判定手段により、前記距離が前記
閾値を超えないときは、その何れか一方または両
者の平均値を前記相隣る２つのベクトルと置き換
え、前記距離が前記閾値を超えるときは、前記相
隣る２つのベクトルをそのまま記憶する第２の記
憶手段とを備え、この第２の記憶手段の内容を前
記第１の記憶手段に転送し、前記諸手段を用いて
同様な処理を繰り返すことにより、前記当初のパ
ターンを構成する特徴ベクトルの数を減ずること
を特徴とするパターン圧縮装置。