JPS6332397B2 - - Google Patents
Info
- Publication number
- JPS6332397B2 JPS6332397B2 JP56140525A JP14052581A JPS6332397B2 JP S6332397 B2 JPS6332397 B2 JP S6332397B2 JP 56140525 A JP56140525 A JP 56140525A JP 14052581 A JP14052581 A JP 14052581A JP S6332397 B2 JPS6332397 B2 JP S6332397B2
- Authority
- JP
- Japan
- Prior art keywords
- recognition
- pattern
- associative
- speech
- monosyllable
- 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
- 230000015654 memory Effects 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 42
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 11
- 238000012937 correction Methods 0.000 abstract description 3
- 239000011159 matrix material Substances 0.000 description 25
- 239000013598 vector Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/15—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being formant information
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Document Processing Apparatus (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Description
本発明は音声認識装置の改良に関し、特に入力
された単語等の音声を認識する音声認識装置に関
するものである。 一般に入力された単語等音声を認識する場合、
入力された単語等の音声情報を例えば音響処理し
て単音節音声毎の特徴ベクトル入力パターンを得
ると共に、この入力パターンと予め記憶されてい
る単音節音声標準パターンをパターンマツチング
法等により照合し、入力された音声情報を単音節
列として認識し、この認識された単音節列と単語
等辞書の内容とを照合して入力された音声に対す
る単語を認識している。 しかし、このような方法によれば、単音節入力
パターンと単音節音声標準パターンとの照合に際
し、ある程度のあいまいさがあり、例えば「五月
晴れ」に対する音声入力が単音節列「／SA／
TU／KI／PA／RE／」（第１候補）と認識され
る場合が多々あり、単語等の認識率が低くなつて
いた。また単音節入力パターンと単音節音声標準
パターンとの照合に際し、ある程度候補を多く、
例えば第４の単音節の認識候補としてPA、TA、
Ａ、BA等が得られる場合、このそれぞれの単音
節列と単語等辞書との照合を行なつて単語等の認
識率をある程度高めることが出来るが、照合時間
が長くなり、また誤認識が多くなる問題点があつ
た。 本発明は上記諸点に鑑みて成されたものであ
り、単語等の音声認識において、アソシアトロン
の連想記憶モデルに基く連想処理により辞書照合
を行なうように成して単語等の認識率及び認識処
理時間を改善した音声認識方式を提供することを
目的とし、この目的を達成するため、本発明は、
入力された音声を音響処理して第１の単音節列等
の認識信号列を得る認識手段と、この認識手段に
より得られた上記の第１の認識信号列をアソシア
トロンの連想記憶モデルに基く連想処理を行ない
修正された第２の単音節列等の認識信号列を得る
連想処理手段と、この連想処理手段により得られ
た上記の第２認識信号列と照合される単語等辞書
を備え、この照合結果により上記入力された音声
に対応する単語等を認識するように成されてい
る。 以下、本発明の実施例について詳細に説明す
る。 まず本発明の実施例の説明に先立ち、本発明の
音声認識装置に用いられる連想記憶モデルとその
処理原理について説明する。 アソシアトロンの連想記憶モデルは自己想起型
の分散型多重連想記憶であり、欠けた或いは変形
したあいまいな入力パターンに対し、最も相関の
強い記憶パターンを出力するのがこのアソシアト
ロンの連想記憶モデルの基本的な特性である。 このアソシアトロンの連想記憶モデルにおける
パターンの記憶及び想起の原理は下記の５つの式
で表わされる。 （なお以下肉太の文字はベクトルを表わす） パターン；Xk＝（Xk1、Xk2、…Xkl、…、Xkl）T、
……(1) Ｔ：転 置 成分はXklは、１、０、−１の３値をと
る。 記 憶（Ｋ個）；Ｍ＝｛mij｝＝K 〓K=1 Mk ………(2) Mk＝Xk・XT k ……(3) 但し、ｋは記憶パターンのパターン番号であ
る。 想 起 ；Ｚ＝φ〔Ｍ・Ｙ〕 ………(4) φ〔ａ〕＝ １ if ａ＞０ ０ if ａ＝０ −１ if ａ＜０ ……(5) 但しＹは入力、Ｚは想起パターンである。 上記式(1)に示されたパターンXkは、成分Xklが
１、０、−１の３値をとる語長Ｌの列ベクトルで
ある。また記憶は式(2)及び(3)に従つてパターン
Xkの相関行列Mkの多重行列Ｍとして行なう。一
方入力パターンＹに対して式(4)及び(5)に従つて入
力パターンＹと記憶行列Ｍとの行列演算によつて
想起パターンＺを想起する。但し、この想起パタ
ーンＺの各成分は式(5)に従つて量子化される。 以上がアソシアトロンの連想記憶モデルにおけ
るパターンの記憶及び想起の原理であるが、この
アソシアトロンの記憶及び想起の簡単な例を第１
図乃至第３図に示す。なお、この例では記憶行列
Ｍは各成分mijを式(5)で量子化している。 第１図は標準パターンＸにおいてＬ＝９、Ｋ＝
３とした場合の３つのパターンx1，x2，x3を示
し、また図中□●は“１”、□○は“−１”、□は
“０”を表わしている。なお、第１図ａ，ｂ，ｃ
は（１×９）の列ベクトルを便宜上３×３のマト
リツクスで表わしたものである。 この第１図に示された３つの（１×９）の列ベ
クトルx1、x2、x3は式(2)及び(3)によつて処理さ
れ、要素が９個の列ベクトルと要素が９個の行ベ
クトルの行列演算により第２図に示す（９×９）
マトリツクスの相関行列Ｍとして記憶される。一
方、第３図ａ，ｂ，ｃに示す（１×６）の入力パ
ターンＹ（YA，YB，YC）に対し式(4)及び式(5)に
よつて（９×９）の記憶マトリツクスＭとの間で
行列演算処理が行われて（６×９）のＺ（ZA、
ZB、ZC）行列となり、その結果（１×６）のＺ
（ZA、ZB、ZC）行列を得る。そして、最終的に便
宜上３×３のマトリツクスで表わされた第３図
ｄ，ｅ，ｆに示すパターンＺ（ZA、ZB、ZC）を想
起することになる。 即ちZ′＝Ｍ・Ｙ、Ｚ＝φ〔Z′〕、 但しφ〔ａ〕＝ １ ifa＞０ ０ ifa＝０ −１ ifa＜０ の処理が行なわれてパターンＺが入力パターンＹ
より想起される。 以上のようにしてあいまいな入力パターンＹ
（YA、YBは欠けたパターンでありYCは変形した
パターンである）に対し、この入力パターンＹに
最も相関の強い記憶パターンが想起される。 本発明は、このようなアソシアトロンの連想記
憶モデルにおけるパターン修正原理、特に変形し
たパターンを修正する特性を音声認識の辞書照合
に適用するものであり、音響的に類似度の高い音
声に対して強い相関を与えるようにパターンを作
成することにより、上記の連想処理を可能とした
ものである。 次に本発明の一実施例を説明する。 第４図は単音節音声標準パターンを用いた音声
認識の辞書照合部に上記の連想記憶モデルに基く
連想処理を適用した装置の処理ブロツク図であ
る。 第４図において、入力端子１に加えられた単語
音声信号は単音節認識部２に入力される。該単音
節認識部２は従来公知のものであり、例えば入力
端子１に加えられた単語音声信号が音響処理部３
により単音節毎に特徴抽出処理が行なわれ、各単
音節毎の特徴パターンがバツフアメモリ４に一時
記憶される。一方記憶装置５には各単音節毎の標
準パターンPi（ｉ＝１〜102）が記憶されており、
この標準パターンPiが順次記憶制御装置６により
読み出されてバツフアメモリ７に一時記憶され
る。次いで前記のバツフアメモリ４に記憶された
入力音声の単音節入力特徴パターンとバツフアメ
モリ７に記憶された標準単音節の特徴パターンが
マツチング計算手段に加えられ、マツチング計算
が行なわれ、同様の動作が繰返されて最も近似し
たものが、第１候補として、また順次近似したも
のが次候補として選出されその結果が記憶手段９
に第１の単音節認識信号列として記憶される。 上記単音節認識部２において認識された第１の
単音節認識信号列を記憶している記憶手段９の内
容は候補選択手段１０を介して連想記憶部１１Ａ
及び想起処理部１１Ｂより成る連想処理部１１Ｂ
より成る連想処理部１１に入力され、この連想処
理部１１により第１の単音節認識信号列が修正さ
れ、その結果が第２の単音節認識信号列として出
力されて記憶手段１２に一時記憶される。この記
憶手段１２に記憶された第２の単音節認識信号列
と単語辞書記憶手段１３の内容が参照手段１４に
より参照され、一致すればその結果が出力部１５
に出力され、不一致の場合には候補選択手段１０
を動作させて記憶手段９に記憶されている次候補
の第１の単音節認識信号列を連想処理部１１に入
力するように構成されている。 上記連想処理部１１は記憶手段１６を有してお
り、該記憶手段１６には前記したアソシアトロン
の連想記憶モデルに従つて以下に述べる方法によ
り作成された単語辞書記憶手段１３に対応した記
憶行列Ｍが記憶されており、この記憶行列Ｍに従
つて入力される第１の単音節信号列から第２の単
音節信号列を想起して出力する。 次に記憶行列Ｍの作成方法について説明する。 まず記憶装置５に記憶され、記憶制御装置６を
介して読出された単音節標準パターンPiはこの単
音節標準パターンPiの相対距離分布（音節間をス
ペクトル距離で表わした標準ベクトルに対する入
力ベクトルの相対距離分布）を基にした“１”、
“−１”の２値を成分とする語長LS＝32の符号Si
（ｉ＝１〜102）に変換されてメモリ１７に記憶さ
れている。 この単音節符号Siは単音節音声標準パターンPi
の相対距離行列Ｄ｛dij｝、（dijはｉ単音節とｊ単音
節の距離）に基いて、次の方法で単音節を語長
LS＝32の符号に符号化されている。即ち最長距
離法による階層的クラスタリングで102の単音節
（あ〜ん、及びが〜ぴよ）を31クラスターに区分
し、各クラスターに“１”、“−１”の２値を成分
とする語長32の直交符号を割当てる。また各直交
符号を中心にハミング距離半径２の円周上に在り
かつ相互相関距離が４になる符号を同じクラスタ
ー内の各単音節に与えてｉ単音節の符号Siを得
る。このように単音節の符号Siを作成することに
より同一クラスター内に在る符号の相互相関距
離、即ちハミング距離は４であり、一方クラスタ
ー間に在る符号の相互ハミング距離は少くとも12
となる。 ここで上記階層的クラスタリング法とはｊ階層
で、最小距離を与えるカテゴリｘ，ｙを同一クラ
スターに併合するとき、他のカテゴリｚとの距離
ｄ（〔ｘ，ｙ〕，ｚ）を ｄ（〔ｘ、ｙ〕、ｚ）＝max（ｄ（ｘ、ｚ）、ｄ
（Ｙ、ｚ）） …(7) で定義する方法であり、またハミング距離とは２
つの符号 ａ；（a1，a2，…，ao）、ｂ；（b1，b2，…，bo）
の距離dHを dH＝o 〓i=1 Ci、Ci＝ ０ if ai＝bi １ if ai≠bi ………(8) で定義したときの距離である。 上記連想記憶部１１Ａにおいて１８は単語辞書
記憶手段１３の記憶内容を符号Siによる単語パタ
ーンに変換する符号化処理手段であり、この符号
化処理手段１８により符号Siによる単語パターン
Xkが作成される。この単語パターンXkは単語辞
書記憶手段１３に記憶された単語の最大単音節数
Ｎ＝５として Xk＝｛A1、A2、…、Ao、…、AN、1、2、
…、o、 …、N｝T ………(6) の如く構成される。 ここでAoは第ｎ音節の単音節符号を表わし、
ＡoはANの反転符号を表わしている。但し、空の
音節部は成分０で構成するように成されている。
従つて単語パターンXkは成分１、−１の出現頻度
が等しい語長Ｌ＝LS・Ｎ・２＝320の列ベクトル
で表現されることになる。 上記の様にして符号化処理手段１８によつて単
語辞書記憶手段１３に記憶された辞書の単語は単
語パターンXkに変換された後、相関演算・行列
多重化処理手段１９に入力され、該相関演算・行
列多重化処理手段１９により上記した式(3)に従つ
て自己相関演算が施され、更に上記した式(2)に従
つて各単語に対応した相関行列を多重して記憶行
列Ｍが作成され、このようにして作成された記憶
行列Ｍが記憶手段１６に単語情報として記憶され
ている。 一方連想処理部１１の想起処理部１１Ｂは音響
処理部３を含む単音節認識部２により出力される
単音節認識信号列を符号化処理手段２０によつて
符号Siによる入力単語パターンＹに変換し、行列
演算部２１において上記した式(4)及び(5)に従つて
記憶手段１６に記憶されている記憶行列Ｍとの間
で行列演算が実行されて修正された単語パターン
Ｚが想起される。このように想起された単語パタ
ーンＺは復号化手段２２により、単語辞書記憶手
段１３に記憶されている情報と同一のコード体系
の単音節信号列に変換されて想起単音節列（第２
の単音節列）として出力され、記憶手段１２に一
時記憶される。この記憶手段１２に記憶された想
起単音節列は上述した様に参照手段１４により単
語辞書記憶手段１３の記憶内容との間で辞書参照
が行なわれ、一致したものが参照されればその結
果が出力部１５に出力される。 上記の如き装置により単語音声の認識実験を行
なつた結果、本発明による連想処理によつてリジ
エクト率が改善されることが確認された。 即ち対象単語として読み難い漢字語句50単語
（最大単音節数５、平均3.2）について男性話者３
名が各10回、単音節の離散発声で、いづれも２秒
以内に発声した合計1500個の単語音声を音声試料
として用いると共に、表１に示す単音節認識方式
で認識された単音節候補に対し、 () 第１候補の単音節列を辞書照合した方法 () 候補順に単音節列を辞書照合した方法 () （）に本発明の連想処理を施して辞書照
合した方法 の３方法で認識実験を行なつた結果、表２に示す
ような結果が得られた。
された単語等の音声を認識する音声認識装置に関
するものである。 一般に入力された単語等音声を認識する場合、
入力された単語等の音声情報を例えば音響処理し
て単音節音声毎の特徴ベクトル入力パターンを得
ると共に、この入力パターンと予め記憶されてい
る単音節音声標準パターンをパターンマツチング
法等により照合し、入力された音声情報を単音節
列として認識し、この認識された単音節列と単語
等辞書の内容とを照合して入力された音声に対す
る単語を認識している。 しかし、このような方法によれば、単音節入力
パターンと単音節音声標準パターンとの照合に際
し、ある程度のあいまいさがあり、例えば「五月
晴れ」に対する音声入力が単音節列「／SA／
TU／KI／PA／RE／」（第１候補）と認識され
る場合が多々あり、単語等の認識率が低くなつて
いた。また単音節入力パターンと単音節音声標準
パターンとの照合に際し、ある程度候補を多く、
例えば第４の単音節の認識候補としてPA、TA、
Ａ、BA等が得られる場合、このそれぞれの単音
節列と単語等辞書との照合を行なつて単語等の認
識率をある程度高めることが出来るが、照合時間
が長くなり、また誤認識が多くなる問題点があつ
た。 本発明は上記諸点に鑑みて成されたものであ
り、単語等の音声認識において、アソシアトロン
の連想記憶モデルに基く連想処理により辞書照合
を行なうように成して単語等の認識率及び認識処
理時間を改善した音声認識方式を提供することを
目的とし、この目的を達成するため、本発明は、
入力された音声を音響処理して第１の単音節列等
の認識信号列を得る認識手段と、この認識手段に
より得られた上記の第１の認識信号列をアソシア
トロンの連想記憶モデルに基く連想処理を行ない
修正された第２の単音節列等の認識信号列を得る
連想処理手段と、この連想処理手段により得られ
た上記の第２認識信号列と照合される単語等辞書
を備え、この照合結果により上記入力された音声
に対応する単語等を認識するように成されてい
る。 以下、本発明の実施例について詳細に説明す
る。 まず本発明の実施例の説明に先立ち、本発明の
音声認識装置に用いられる連想記憶モデルとその
処理原理について説明する。 アソシアトロンの連想記憶モデルは自己想起型
の分散型多重連想記憶であり、欠けた或いは変形
したあいまいな入力パターンに対し、最も相関の
強い記憶パターンを出力するのがこのアソシアト
ロンの連想記憶モデルの基本的な特性である。 このアソシアトロンの連想記憶モデルにおける
パターンの記憶及び想起の原理は下記の５つの式
で表わされる。 （なお以下肉太の文字はベクトルを表わす） パターン；Xk＝（Xk1、Xk2、…Xkl、…、Xkl）T、
……(1) Ｔ：転 置 成分はXklは、１、０、−１の３値をと
る。 記 憶（Ｋ個）；Ｍ＝｛mij｝＝K 〓K=1 Mk ………(2) Mk＝Xk・XT k ……(3) 但し、ｋは記憶パターンのパターン番号であ
る。 想 起 ；Ｚ＝φ〔Ｍ・Ｙ〕 ………(4) φ〔ａ〕＝ １ if ａ＞０ ０ if ａ＝０ −１ if ａ＜０ ……(5) 但しＹは入力、Ｚは想起パターンである。 上記式(1)に示されたパターンXkは、成分Xklが
１、０、−１の３値をとる語長Ｌの列ベクトルで
ある。また記憶は式(2)及び(3)に従つてパターン
Xkの相関行列Mkの多重行列Ｍとして行なう。一
方入力パターンＹに対して式(4)及び(5)に従つて入
力パターンＹと記憶行列Ｍとの行列演算によつて
想起パターンＺを想起する。但し、この想起パタ
ーンＺの各成分は式(5)に従つて量子化される。 以上がアソシアトロンの連想記憶モデルにおけ
るパターンの記憶及び想起の原理であるが、この
アソシアトロンの記憶及び想起の簡単な例を第１
図乃至第３図に示す。なお、この例では記憶行列
Ｍは各成分mijを式(5)で量子化している。 第１図は標準パターンＸにおいてＬ＝９、Ｋ＝
３とした場合の３つのパターンx1，x2，x3を示
し、また図中□●は“１”、□○は“−１”、□は
“０”を表わしている。なお、第１図ａ，ｂ，ｃ
は（１×９）の列ベクトルを便宜上３×３のマト
リツクスで表わしたものである。 この第１図に示された３つの（１×９）の列ベ
クトルx1、x2、x3は式(2)及び(3)によつて処理さ
れ、要素が９個の列ベクトルと要素が９個の行ベ
クトルの行列演算により第２図に示す（９×９）
マトリツクスの相関行列Ｍとして記憶される。一
方、第３図ａ，ｂ，ｃに示す（１×６）の入力パ
ターンＹ（YA，YB，YC）に対し式(4)及び式(5)に
よつて（９×９）の記憶マトリツクスＭとの間で
行列演算処理が行われて（６×９）のＺ（ZA、
ZB、ZC）行列となり、その結果（１×６）のＺ
（ZA、ZB、ZC）行列を得る。そして、最終的に便
宜上３×３のマトリツクスで表わされた第３図
ｄ，ｅ，ｆに示すパターンＺ（ZA、ZB、ZC）を想
起することになる。 即ちZ′＝Ｍ・Ｙ、Ｚ＝φ〔Z′〕、 但しφ〔ａ〕＝ １ ifa＞０ ０ ifa＝０ −１ ifa＜０ の処理が行なわれてパターンＺが入力パターンＹ
より想起される。 以上のようにしてあいまいな入力パターンＹ
（YA、YBは欠けたパターンでありYCは変形した
パターンである）に対し、この入力パターンＹに
最も相関の強い記憶パターンが想起される。 本発明は、このようなアソシアトロンの連想記
憶モデルにおけるパターン修正原理、特に変形し
たパターンを修正する特性を音声認識の辞書照合
に適用するものであり、音響的に類似度の高い音
声に対して強い相関を与えるようにパターンを作
成することにより、上記の連想処理を可能とした
ものである。 次に本発明の一実施例を説明する。 第４図は単音節音声標準パターンを用いた音声
認識の辞書照合部に上記の連想記憶モデルに基く
連想処理を適用した装置の処理ブロツク図であ
る。 第４図において、入力端子１に加えられた単語
音声信号は単音節認識部２に入力される。該単音
節認識部２は従来公知のものであり、例えば入力
端子１に加えられた単語音声信号が音響処理部３
により単音節毎に特徴抽出処理が行なわれ、各単
音節毎の特徴パターンがバツフアメモリ４に一時
記憶される。一方記憶装置５には各単音節毎の標
準パターンPi（ｉ＝１〜102）が記憶されており、
この標準パターンPiが順次記憶制御装置６により
読み出されてバツフアメモリ７に一時記憶され
る。次いで前記のバツフアメモリ４に記憶された
入力音声の単音節入力特徴パターンとバツフアメ
モリ７に記憶された標準単音節の特徴パターンが
マツチング計算手段に加えられ、マツチング計算
が行なわれ、同様の動作が繰返されて最も近似し
たものが、第１候補として、また順次近似したも
のが次候補として選出されその結果が記憶手段９
に第１の単音節認識信号列として記憶される。 上記単音節認識部２において認識された第１の
単音節認識信号列を記憶している記憶手段９の内
容は候補選択手段１０を介して連想記憶部１１Ａ
及び想起処理部１１Ｂより成る連想処理部１１Ｂ
より成る連想処理部１１に入力され、この連想処
理部１１により第１の単音節認識信号列が修正さ
れ、その結果が第２の単音節認識信号列として出
力されて記憶手段１２に一時記憶される。この記
憶手段１２に記憶された第２の単音節認識信号列
と単語辞書記憶手段１３の内容が参照手段１４に
より参照され、一致すればその結果が出力部１５
に出力され、不一致の場合には候補選択手段１０
を動作させて記憶手段９に記憶されている次候補
の第１の単音節認識信号列を連想処理部１１に入
力するように構成されている。 上記連想処理部１１は記憶手段１６を有してお
り、該記憶手段１６には前記したアソシアトロン
の連想記憶モデルに従つて以下に述べる方法によ
り作成された単語辞書記憶手段１３に対応した記
憶行列Ｍが記憶されており、この記憶行列Ｍに従
つて入力される第１の単音節信号列から第２の単
音節信号列を想起して出力する。 次に記憶行列Ｍの作成方法について説明する。 まず記憶装置５に記憶され、記憶制御装置６を
介して読出された単音節標準パターンPiはこの単
音節標準パターンPiの相対距離分布（音節間をス
ペクトル距離で表わした標準ベクトルに対する入
力ベクトルの相対距離分布）を基にした“１”、
“−１”の２値を成分とする語長LS＝32の符号Si
（ｉ＝１〜102）に変換されてメモリ１７に記憶さ
れている。 この単音節符号Siは単音節音声標準パターンPi
の相対距離行列Ｄ｛dij｝、（dijはｉ単音節とｊ単音
節の距離）に基いて、次の方法で単音節を語長
LS＝32の符号に符号化されている。即ち最長距
離法による階層的クラスタリングで102の単音節
（あ〜ん、及びが〜ぴよ）を31クラスターに区分
し、各クラスターに“１”、“−１”の２値を成分
とする語長32の直交符号を割当てる。また各直交
符号を中心にハミング距離半径２の円周上に在り
かつ相互相関距離が４になる符号を同じクラスタ
ー内の各単音節に与えてｉ単音節の符号Siを得
る。このように単音節の符号Siを作成することに
より同一クラスター内に在る符号の相互相関距
離、即ちハミング距離は４であり、一方クラスタ
ー間に在る符号の相互ハミング距離は少くとも12
となる。 ここで上記階層的クラスタリング法とはｊ階層
で、最小距離を与えるカテゴリｘ，ｙを同一クラ
スターに併合するとき、他のカテゴリｚとの距離
ｄ（〔ｘ，ｙ〕，ｚ）を ｄ（〔ｘ、ｙ〕、ｚ）＝max（ｄ（ｘ、ｚ）、ｄ
（Ｙ、ｚ）） …(7) で定義する方法であり、またハミング距離とは２
つの符号 ａ；（a1，a2，…，ao）、ｂ；（b1，b2，…，bo）
の距離dHを dH＝o 〓i=1 Ci、Ci＝ ０ if ai＝bi １ if ai≠bi ………(8) で定義したときの距離である。 上記連想記憶部１１Ａにおいて１８は単語辞書
記憶手段１３の記憶内容を符号Siによる単語パタ
ーンに変換する符号化処理手段であり、この符号
化処理手段１８により符号Siによる単語パターン
Xkが作成される。この単語パターンXkは単語辞
書記憶手段１３に記憶された単語の最大単音節数
Ｎ＝５として Xk＝｛A1、A2、…、Ao、…、AN、1、2、
…、o、 …、N｝T ………(6) の如く構成される。 ここでAoは第ｎ音節の単音節符号を表わし、
ＡoはANの反転符号を表わしている。但し、空の
音節部は成分０で構成するように成されている。
従つて単語パターンXkは成分１、−１の出現頻度
が等しい語長Ｌ＝LS・Ｎ・２＝320の列ベクトル
で表現されることになる。 上記の様にして符号化処理手段１８によつて単
語辞書記憶手段１３に記憶された辞書の単語は単
語パターンXkに変換された後、相関演算・行列
多重化処理手段１９に入力され、該相関演算・行
列多重化処理手段１９により上記した式(3)に従つ
て自己相関演算が施され、更に上記した式(2)に従
つて各単語に対応した相関行列を多重して記憶行
列Ｍが作成され、このようにして作成された記憶
行列Ｍが記憶手段１６に単語情報として記憶され
ている。 一方連想処理部１１の想起処理部１１Ｂは音響
処理部３を含む単音節認識部２により出力される
単音節認識信号列を符号化処理手段２０によつて
符号Siによる入力単語パターンＹに変換し、行列
演算部２１において上記した式(4)及び(5)に従つて
記憶手段１６に記憶されている記憶行列Ｍとの間
で行列演算が実行されて修正された単語パターン
Ｚが想起される。このように想起された単語パタ
ーンＺは復号化手段２２により、単語辞書記憶手
段１３に記憶されている情報と同一のコード体系
の単音節信号列に変換されて想起単音節列（第２
の単音節列）として出力され、記憶手段１２に一
時記憶される。この記憶手段１２に記憶された想
起単音節列は上述した様に参照手段１４により単
語辞書記憶手段１３の記憶内容との間で辞書参照
が行なわれ、一致したものが参照されればその結
果が出力部１５に出力される。 上記の如き装置により単語音声の認識実験を行
なつた結果、本発明による連想処理によつてリジ
エクト率が改善されることが確認された。 即ち対象単語として読み難い漢字語句50単語
（最大単音節数５、平均3.2）について男性話者３
名が各10回、単音節の離散発声で、いづれも２秒
以内に発声した合計1500個の単語音声を音声試料
として用いると共に、表１に示す単音節認識方式
で認識された単音節候補に対し、 () 第１候補の単音節列を辞書照合した方法 () 候補順に単音節列を辞書照合した方法 () （）に本発明の連想処理を施して辞書照
合した方法 の３方法で認識実験を行なつた結果、表２に示す
ような結果が得られた。
【表】
【表】
＊ 表記以外は、リジエクト
上記表２に示す結果より上記３方法を比較する
と（）は（）より平均36.9％、（）は（）
より平均13.5％リジエクト率が改善されている。 即ち、本発明（の方法）によれば、例えば
「五月晴れ」という音声入力に対する単音節認識
結果の第１候補「SA」「TU」「KI」「PA」「RE」
に対して本連想処理により単語辞書記憶手段１３
に記憶されている「五月晴れ」に対応した「SA
TU KI BA RE」が想起され、従来の方法に比
べてリジエクト率及び認識速度が改善される結果
が得られた。 なお（）及び（）の方法において候補単音
節列は、単音節認識の照合距離qmn（第ｎ音節の
第ｍ候補単音節の照合距離）の和が小さい組合せ min｛N0 〓n=1 qmn、No.：音節数｝ ………(9) の順に選定されたものが用いられた。 以上述べた様に本発明の音声認識装置における
連想処理を施すことにより単語等の辞書内容に沿
つて認識された単音節列が有効に修正されるため
認識率及び認識処理時間が改善される等の優れた
効果が生じる。 なお本発明に用いた連想記憶モデルは記憶が多
重であるため、記憶する語い数が増加すれば記憶
内容がぼやけ記憶容量に限度があるが、少数の音
声標準パターンを装置に登録するだけで、話題毎
に記憶・連想処理を行うことが出来るという優れ
た利点があり、また単音節の距離分布に基く、よ
り最適な符号化によつて、その修正能力をより向
上させることも可能であり、大語いの単語音声認
識に用いてより有効である。 なお本発明の実施例において連想処理は単音節
音声標準パターンを用いた単語音声認識の辞書照
合処理部に適用した例を示したが、本発明はこれ
に限定されるものでなく、例えば音韻標準パター
ンを用いた単語音声認識の辞書照合処理に用いて
も良く、また記憶行列Ｍを階層的に構成し、文章
単位、更には話題単位で連想処理を行つても良
い。
上記表２に示す結果より上記３方法を比較する
と（）は（）より平均36.9％、（）は（）
より平均13.5％リジエクト率が改善されている。 即ち、本発明（の方法）によれば、例えば
「五月晴れ」という音声入力に対する単音節認識
結果の第１候補「SA」「TU」「KI」「PA」「RE」
に対して本連想処理により単語辞書記憶手段１３
に記憶されている「五月晴れ」に対応した「SA
TU KI BA RE」が想起され、従来の方法に比
べてリジエクト率及び認識速度が改善される結果
が得られた。 なお（）及び（）の方法において候補単音
節列は、単音節認識の照合距離qmn（第ｎ音節の
第ｍ候補単音節の照合距離）の和が小さい組合せ min｛N0 〓n=1 qmn、No.：音節数｝ ………(9) の順に選定されたものが用いられた。 以上述べた様に本発明の音声認識装置における
連想処理を施すことにより単語等の辞書内容に沿
つて認識された単音節列が有効に修正されるため
認識率及び認識処理時間が改善される等の優れた
効果が生じる。 なお本発明に用いた連想記憶モデルは記憶が多
重であるため、記憶する語い数が増加すれば記憶
内容がぼやけ記憶容量に限度があるが、少数の音
声標準パターンを装置に登録するだけで、話題毎
に記憶・連想処理を行うことが出来るという優れ
た利点があり、また単音節の距離分布に基く、よ
り最適な符号化によつて、その修正能力をより向
上させることも可能であり、大語いの単語音声認
識に用いてより有効である。 なお本発明の実施例において連想処理は単音節
音声標準パターンを用いた単語音声認識の辞書照
合処理部に適用した例を示したが、本発明はこれ
に限定されるものでなく、例えば音韻標準パター
ンを用いた単語音声認識の辞書照合処理に用いて
も良く、また記憶行列Ｍを階層的に構成し、文章
単位、更には話題単位で連想処理を行つても良
い。
第１図乃至第３図は本発明の音声認識装置に用
いられるアソシアトロンの連想記憶モデルによる
連想処理過程を示す説明図、第４図は本発明装置
の構成を示すブロツク図である。 １…単語音声信号の入力される入力端子、２…
単音節認識部、３…音響処理部、５…単音節標準
パターン記憶装置、９…第１の単音節認識信号列
記憶手段、１１…連想処理部、１２…第２の単音
節認識信号列記憶手段、１３…単語辞書記憶手
段、１４…辞書参照手段。
いられるアソシアトロンの連想記憶モデルによる
連想処理過程を示す説明図、第４図は本発明装置
の構成を示すブロツク図である。 １…単語音声信号の入力される入力端子、２…
単音節認識部、３…音響処理部、５…単音節標準
パターン記憶装置、９…第１の単音節認識信号列
記憶手段、１１…連想処理部、１２…第２の単音
節認識信号列記憶手段、１３…単語辞書記憶手
段、１４…辞書参照手段。
Claims (1)
- １ 入力された音声を音響処理し第１の認識信号
列を得る認識手段と、該認識手段により得られた
上記第１の認識信号列をアソシオトロンの連想記
憶モデルに基く連想処理を行ない修正された第２
の認識信号列を得る連想処理手段と、該連想処理
手段により得られた上記第２の認識信号列と照合
される単語等の辞書を備え、上記照合結果により
上記入力された音声に対応する単語等を認識する
ように成したことを特徴とする音声認識装置。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56140525A JPS5842098A (ja) | 1981-09-04 | 1981-09-04 | 音声認識装置 |
| US06/414,956 US4581756A (en) | 1981-09-04 | 1982-09-03 | Recognition of speech or speech-like sounds using associative memory |
| EP82304648A EP0074769B1 (en) | 1981-09-04 | 1982-09-03 | Recognition of speech or speech-like sounds using associative memory |
| DE8282304648T DE3273358D1 (en) | 1981-09-04 | 1982-09-03 | Recognition of speech or speech-like sounds using associative memory |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56140525A JPS5842098A (ja) | 1981-09-04 | 1981-09-04 | 音声認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5842098A JPS5842098A (ja) | 1983-03-11 |
| JPS6332397B2 true JPS6332397B2 (ja) | 1988-06-29 |
Family
ID=15270690
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP56140525A Granted JPS5842098A (ja) | 1981-09-04 | 1981-09-04 | 音声認識装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US4581756A (ja) |
| EP (1) | EP0074769B1 (ja) |
| JP (1) | JPS5842098A (ja) |
| DE (1) | DE3273358D1 (ja) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4771401A (en) * | 1983-02-18 | 1988-09-13 | Houghton Mifflin Company | Apparatus and method for linguistic expression processing |
| US4674066A (en) * | 1983-02-18 | 1987-06-16 | Houghton Mifflin Company | Textual database system using skeletonization and phonetic replacement to retrieve words matching or similar to query words |
| US4783758A (en) * | 1985-02-05 | 1988-11-08 | Houghton Mifflin Company | Automated word substitution using numerical rankings of structural disparity between misspelled words & candidate substitution words |
| JPS62235998A (ja) * | 1986-04-05 | 1987-10-16 | シャープ株式会社 | 音節識別方式 |
| US5129000A (en) * | 1986-04-05 | 1992-07-07 | Sharp Kabushiki Kaisha | Voice recognition method by analyzing syllables |
| US4980917A (en) * | 1987-11-18 | 1990-12-25 | Emerson & Stern Associates, Inc. | Method and apparatus for determining articulatory parameters from speech data |
| JP2739945B2 (ja) * | 1987-12-24 | 1998-04-15 | 株式会社東芝 | 音声認識方法 |
| EP0394515A1 (en) * | 1989-04-25 | 1990-10-31 | Ezel Inc. | Acoustic recognition system |
| JP2570448B2 (ja) * | 1989-12-28 | 1997-01-08 | 日本電気株式会社 | 標準パターン学習方法 |
| US5146502A (en) * | 1990-02-26 | 1992-09-08 | Davis, Van Nortwick & Company | Speech pattern correction device for deaf and voice-impaired |
| US5222188A (en) * | 1990-08-21 | 1993-06-22 | Emerson & Stern Associates, Inc. | Method and apparatus for speech recognition based on subsyllable spellings |
| US5208897A (en) * | 1990-08-21 | 1993-05-04 | Emerson & Stern Associates, Inc. | Method and apparatus for speech recognition based on subsyllable spellings |
| EP0859332A1 (en) * | 1997-02-12 | 1998-08-19 | STMicroelectronics S.r.l. | Word recognition device and method |
| US6375467B1 (en) * | 2000-05-22 | 2002-04-23 | Sonia Grant | Sound comprehending and recognizing system |
| US11691076B2 (en) | 2020-08-10 | 2023-07-04 | Jocelyn Tan | Communication with in-game characters |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2552437A1 (de) * | 1975-11-22 | 1977-06-02 | Gerd Dipl Ing Willwacher | Speichersystem zur assoziativen verarbeitung gerasterter informationsmuster |
| JPS5529803A (en) * | 1978-07-18 | 1980-03-03 | Nippon Electric Co | Continuous voice discriminating device |
| US4277644A (en) * | 1979-07-16 | 1981-07-07 | Bell Telephone Laboratories, Incorporated | Syntactic continuous speech recognizer |
| JPS5722295A (en) * | 1980-07-15 | 1982-02-05 | Nippon Electric Co | Speaker recognizing system |
-
1981
- 1981-09-04 JP JP56140525A patent/JPS5842098A/ja active Granted
-
1982
- 1982-09-03 US US06/414,956 patent/US4581756A/en not_active Expired - Lifetime
- 1982-09-03 EP EP82304648A patent/EP0074769B1/en not_active Expired
- 1982-09-03 DE DE8282304648T patent/DE3273358D1/de not_active Expired
Also Published As
| Publication number | Publication date |
|---|---|
| EP0074769B1 (en) | 1986-09-17 |
| US4581756A (en) | 1986-04-08 |
| DE3273358D1 (en) | 1986-10-23 |
| JPS5842098A (ja) | 1983-03-11 |
| EP0074769A1 (en) | 1983-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5165007A (en) | Feneme-based Markov models for words | |
| Bahl et al. | Maximum mutual information estimation of hidden Markov model parameters for speech recognition | |
| EP0302663B1 (en) | Low cost speech recognition system and method | |
| JPS6332397B2 (ja) | ||
| Liu et al. | Neural acoustic-phonetic approach for speaker verification with phonetic attention mask | |
| Poritz et al. | On hidden Markov models in isolated word recognition | |
| US4860358A (en) | Speech recognition arrangement with preselection | |
| JPH01204099A (ja) | 音声認識装置 | |
| US20190172445A1 (en) | Voice processing apparatus | |
| EP0238693B1 (en) | Speech recognition system and method using statistical models for words | |
| JP2966002B2 (ja) | 音声認識装置 | |
| JP3008520B2 (ja) | 標準パタン作成装置 | |
| Bush et al. | Segmentation in isolated word recognition using vector quantization | |
| KR100476337B1 (ko) | 음성인식기의유사단어인식방법 | |
| JP3098157B2 (ja) | 話者照合方法及び装置 | |
| JPS6312000A (ja) | 音声認識装置 | |
| Lee | Incremental network generation in word recognition | |
| JPS62178999A (ja) | 音声認識装置 | |
| JPH07113838B2 (ja) | 音声認識方法 | |
| JPH06348291A (ja) | 単語音声認識方法 | |
| JPS6118758B2 (ja) | ||
| JPS6270898A (ja) | 音声認識装置 | |
| JPH03274596A (ja) | 話者認識方法 | |
| JPS60115993A (ja) | 単音節音声認識装置 | |
| JPS58105299A (ja) | アルフアベツト音声認識装置 |