JPS634200B2 - - Google Patents
Info
- Publication number
- JPS634200B2 JPS634200B2 JP56144449A JP14444981A JPS634200B2 JP S634200 B2 JPS634200 B2 JP S634200B2 JP 56144449 A JP56144449 A JP 56144449A JP 14444981 A JP14444981 A JP 14444981A JP S634200 B2 JPS634200 B2 JP S634200B2
- Authority
- JP
- Japan
- Prior art keywords
- speech
- recognition
- self
- correlation functions
- preliminary selection
- 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
- 238000000034 method Methods 0.000 abstract description 32
- 230000005236 sound signal Effects 0.000 abstract description 23
- 238000005314 correlation function Methods 0.000 abstract 5
- 238000005311 autocorrelation function Methods 0.000 description 14
- 239000013598 vector Substances 0.000 description 11
- 238000005070 sampling Methods 0.000 description 6
- 238000010606 normalization Methods 0.000 description 5
- 230000008602 contraction Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 210000001260 vocal cord Anatomy 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
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)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Telephonic Communication Services (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Description
【発明の詳細な説明】
本発明は短時間自己相関関数を特徴パラメータ
とする音声認識方式に関し、特に予備選択方式に
特徴を有する音声認識方式に関する。
とする音声認識方式に関し、特に予備選択方式に
特徴を有する音声認識方式に関する。
音声認識方式において、検出され特徴抽出の行
なわれた単語音声を、登録されている多数の単語
の標準パターンと比較し、DPマツチング法その
他の識別方式により認識することが行なわれる。
その際、多数の単語全てを識別対象として精度よ
く認識しようとすると長時間を要することになる
ので、認識時間の短縮化を図るためには高速の専
用ハードウエアを必要とし、あるいは認識時間の
短かい簡単な識別方式を採用したり認識語数を制
限する必要がある。専用ハードウエアの採用は音
声認識装置を高価なものにし、簡単な識別方式の
採用は認識率を低下させ、更に認識語数の制限は
音声認識装置の用途を制限するなどの問題があ
る。
なわれた単語音声を、登録されている多数の単語
の標準パターンと比較し、DPマツチング法その
他の識別方式により認識することが行なわれる。
その際、多数の単語全てを識別対象として精度よ
く認識しようとすると長時間を要することになる
ので、認識時間の短縮化を図るためには高速の専
用ハードウエアを必要とし、あるいは認識時間の
短かい簡単な識別方式を採用したり認識語数を制
限する必要がある。専用ハードウエアの採用は音
声認識装置を高価なものにし、簡単な識別方式の
採用は認識率を低下させ、更に認識語数の制限は
音声認識装置の用途を制限するなどの問題があ
る。
そこで、DPマツチング法等による認識の前に
識別対象数を制限する、所謂予備選択あるいは前
照合が行なわれる。
識別対象数を制限する、所謂予備選択あるいは前
照合が行なわれる。
予備選択としては幾つかの方式が知られてい
る。例えば、単語の長さ、頭部や尾部のスペクト
ルなどの特徴パラメータを用いる方式（「単語音
声汎用認識装置の開発」の研究成果報告書（昭和
55年３月発行）、第５章参照）が報告されている
が、この方式は複雑である上に予備選択のための
特徴パラメータを別途作成しなければならないの
で、簡易型の音声認識装置には向かない。
る。例えば、単語の長さ、頭部や尾部のスペクト
ルなどの特徴パラメータを用いる方式（「単語音
声汎用認識装置の開発」の研究成果報告書（昭和
55年３月発行）、第５章参照）が報告されている
が、この方式は複雑である上に予備選択のための
特徴パラメータを別途作成しなければならないの
で、簡易型の音声認識装置には向かない。
また、他の予備選択として、特徴ベクトル時系
列から等間隔に10点程度抽出し、これから50次元
程度のパターンベクトルを構成し線形サンプリン
グによる照合で識別対象数を20％に制限する方式
（「大型プロジエクトパターン情報処理システムの
研究開発成果発表会論文集」（昭和55年10月、日
本産業技術振興協会発行）第157〜165頁参照）が
報告されているが、この方式も簡易型の音声認識
装置には向かない。
列から等間隔に10点程度抽出し、これから50次元
程度のパターンベクトルを構成し線形サンプリン
グによる照合で識別対象数を20％に制限する方式
（「大型プロジエクトパターン情報処理システムの
研究開発成果発表会論文集」（昭和55年10月、日
本産業技術振興協会発行）第157〜165頁参照）が
報告されているが、この方式も簡易型の音声認識
装置には向かない。
本発明は上記問題に鑑みてなされたものであつ
て、簡易な音声認識装置に用いることができるよ
うに改良された予備選択方式を有する音声認識方
式を提供するものである。すなわち、本発明は、
短時間自己相関関数を特徴パラメータとして単語
音声を認識する認識方式であり、その予備選択を
最終的認識で用いるデータの一部である短時間自
己相関係数の低次項（１〜３次程度）を用いて行
なう点に特徴を有するものである。
て、簡易な音声認識装置に用いることができるよ
うに改良された予備選択方式を有する音声認識方
式を提供するものである。すなわち、本発明は、
短時間自己相関関数を特徴パラメータとして単語
音声を認識する認識方式であり、その予備選択を
最終的認識で用いるデータの一部である短時間自
己相関係数の低次項（１〜３次程度）を用いて行
なう点に特徴を有するものである。
以下、一実施例を示す図面を参照しつつ本発明
を詳細に説明する。
を詳細に説明する。
第１図は本発明の概略を示すブロツク図であ
る。マイクロフオン１から入力した音声信号は増
幅器２により増幅された後、Ａ／Ｄ変換器３によ
りデジタル信号に変換され、その後自己相関回路
４により自己相関関数が形成される。この過程ま
では主としてハードウエアにより行なわれ、音声
信号の特徴抽出がなされたことになる。
る。マイクロフオン１から入力した音声信号は増
幅器２により増幅された後、Ａ／Ｄ変換器３によ
りデジタル信号に変換され、その後自己相関回路
４により自己相関関数が形成される。この過程ま
では主としてハードウエアにより行なわれ、音声
信号の特徴抽出がなされたことになる。
その後、音声区間判定５が行なわれ、時間軸正
規化６が行なわれて所定のフレーム数に伸縮され
た後、低次の自己相関関数により標準パターン７
との間に線形マツチングによる予備選択８が行な
われて識別対象が適当な数に制限される。その
後、予備選択された標準パターンとの間でDPマ
ツチング法その他により精密な認識判定９が行な
われ、認識結果が出力される。音声区間判定５か
ら認識判定９までは主としてソフトウエアにより
行なわれる。
規化６が行なわれて所定のフレーム数に伸縮され
た後、低次の自己相関関数により標準パターン７
との間に線形マツチングによる予備選択８が行な
われて識別対象が適当な数に制限される。その
後、予備選択された標準パターンとの間でDPマ
ツチング法その他により精密な認識判定９が行な
われ、認識結果が出力される。音声区間判定５か
ら認識判定９までは主としてソフトウエアにより
行なわれる。
次に第１図の各過程をより詳細に説明する。
増幅器２では6dB／octの周波数特性をもつて
増幅した。これは声帯音源の周波数スペクトルは
高周波数域になる程エネルギーが低下する事実に
鑑み、出来るだけエネルギーの基準を一定にする
ための補正である。
増幅した。これは声帯音源の周波数スペクトルは
高周波数域になる程エネルギーが低下する事実に
鑑み、出来るだけエネルギーの基準を一定にする
ための補正である。
アナログ信号である音声信号からデジタル信号
への変換は、Ａ／Ｄ変換器３により行なわれ、通
常、音声認識においては８〜24KHzでサンプリン
グされ、各サンプル値は６〜12ビツトのデジタル
信号で表現される。本実施例ではサンプリング周
波数を8KHzとし、デジタル表現を８ビツトとし
た。
への変換は、Ａ／Ｄ変換器３により行なわれ、通
常、音声認識においては８〜24KHzでサンプリン
グされ、各サンプル値は６〜12ビツトのデジタル
信号で表現される。本実施例ではサンプリング周
波数を8KHzとし、デジタル表現を８ビツトとし
た。
自己相関回路４では、自己相関関数（ｍ）を、
（ｍ）＝N-1
〓n=0
χ（ｎ）χ（ｎ＋ｍ）
として演算する。ここでｘ（ｎ）はＡ／Ｄ変換器
３から出力されたサンプル値、ｍは自己相関関数
の次数、Ｎは１フレームに含まれるサンプル点の
数である。（ｏ）はサンプル値の自乗、即ち音
声のパワーを表わし、(1)は１次の自己相関関
数、(2)、(3)、……はそれぞれ２次、３次、…
…の自己相関関数を表わす。音声認識では通常、
24次程度以下の自己相関関数が特徴パラメータと
して用いられ、必要とする次数はサンプリング周
波数により変化するが、本実施例では８次まで求
めた。
３から出力されたサンプル値、ｍは自己相関関数
の次数、Ｎは１フレームに含まれるサンプル点の
数である。（ｏ）はサンプル値の自乗、即ち音
声のパワーを表わし、(1)は１次の自己相関関
数、(2)、(3)、……はそれぞれ２次、３次、…
…の自己相関関数を表わす。音声認識では通常、
24次程度以下の自己相関関数が特徴パラメータと
して用いられ、必要とする次数はサンプリング周
波数により変化するが、本実施例では８次まで求
めた。
自己相関関数（ｍ）の計算区間長、即ちフレ
ーム幅は、Ｎとサンプリング周波数により定ま
り、通常は８〜30ｍsecに設定される。本実施例
ではＮ＝128とし、サンプリング周波数が8KHzで
あるので、フレーム幅は16ｍsecである。このよ
うに計算された０次から８次までの自己相関関数
はそれぞれ16ビツトのデジタル値で表現される。
このようにして計算される自己相関関数（ｍ）
は入力音声信号の大小により変動するので、この
影響を除去するため自己相関関数（ｍ）を
（０）で正規化し、即ち、 Ｒ（ｍ）＝（ｍ）／（０） として求まる自己相関係数Ｒ（ｍ）を用いて以後
の予備選択及び認識判定を行なつた。
ーム幅は、Ｎとサンプリング周波数により定ま
り、通常は８〜30ｍsecに設定される。本実施例
ではＮ＝128とし、サンプリング周波数が8KHzで
あるので、フレーム幅は16ｍsecである。このよ
うに計算された０次から８次までの自己相関関数
はそれぞれ16ビツトのデジタル値で表現される。
このようにして計算される自己相関関数（ｍ）
は入力音声信号の大小により変動するので、この
影響を除去するため自己相関関数（ｍ）を
（０）で正規化し、即ち、 Ｒ（ｍ）＝（ｍ）／（０） として求まる自己相関係数Ｒ（ｍ）を用いて以後
の予備選択及び認識判定を行なつた。
次に、音声区間の判定には種々の方式があり、
如何なる方式を用いても目的を達成することがで
きるが、本実施例ではパワー（０）のみに基づ
いて単語の語頭、語尾を検出し音声区間を判定し
た。
如何なる方式を用いても目的を達成することがで
きるが、本実施例ではパワー（０）のみに基づ
いて単語の語頭、語尾を検出し音声区間を判定し
た。
語長は適当に設定し、例えばフレーム数で13〜
96、時間に換算すると0.2〜1.5秒に設定した。
96、時間に換算すると0.2〜1.5秒に設定した。
以上の過程で判定された音声信号には13フレー
ムから96フレームまでの種々の長さのパターンが
含まれる。これらのパターンをそのままメモリー
に記憶すると、大きなメモリー容量を必要とする
のみならず、非等長パターン間のマツチング処理
は複雑になるので、時間軸正規化を行なう。時間
軸正規化とは、種々の長さのパターンを伸縮して
適当な一定の長さに統一することであり、伸縮方
法には種々のものが考えられ、如何なる方法でも
目的を達成しうるが、本実施例では線形伸縮によ
り16フレームに正規化した。
ムから96フレームまでの種々の長さのパターンが
含まれる。これらのパターンをそのままメモリー
に記憶すると、大きなメモリー容量を必要とする
のみならず、非等長パターン間のマツチング処理
は複雑になるので、時間軸正規化を行なう。時間
軸正規化とは、種々の長さのパターンを伸縮して
適当な一定の長さに統一することであり、伸縮方
法には種々のものが考えられ、如何なる方法でも
目的を達成しうるが、本実施例では線形伸縮によ
り16フレームに正規化した。
いま、音声と判定された信号のフレーム数がｌ
であつたとし、その特徴ベクトルをａ→(i)と表わ
す。時間軸が正規化されて得られる信号の特徴ベ
クトルをｂ→（ｒ）と表わすと、ｂ→（ｒ）とａ→(i)
と
の関係を次の如く設定する。
であつたとし、その特徴ベクトルをａ→(i)と表わ
す。時間軸が正規化されて得られる信号の特徴ベ
クトルをｂ→（ｒ）と表わすと、ｂ→（ｒ）とａ→(i)
と
の関係を次の如く設定する。
(1) 正規化信号の第１フレームｂ→(1)はａ→(1)とａ
→(2)
との平均とする。すなわち ｂ→(1)＝ａ／→(1)＋ａ／→(2)／２ (2) 元の音声信号の残りの（ｌ−１）個のフレー
ムを15個の区間に分け、各区間の先頭フレーム
の特徴ベクトルａ→(1)と次のフレームの特徴ベク
トルａ→（ｉ＋１）との平均を正規化信号のフレ
ームの特徴ベクトルｂ→（ｒ）とする。すなわち ｂ→（ｒ）＝ａ／→(i)＋ａ／→（ｉ＋１）／２（ｒ
＝２〜16） ここで、ｉとｒの関係は ｉ＝（ｒ−２）（ｌ−１）／16＋２ とする。
→(2)
との平均とする。すなわち ｂ→(1)＝ａ／→(1)＋ａ／→(2)／２ (2) 元の音声信号の残りの（ｌ−１）個のフレー
ムを15個の区間に分け、各区間の先頭フレーム
の特徴ベクトルａ→(1)と次のフレームの特徴ベク
トルａ→（ｉ＋１）との平均を正規化信号のフレ
ームの特徴ベクトルｂ→（ｒ）とする。すなわち ｂ→（ｒ）＝ａ／→(i)＋ａ／→（ｉ＋１）／２（ｒ
＝２〜16） ここで、ｉとｒの関係は ｉ＝（ｒ−２）（ｌ−１）／16＋２ とする。
ここで一例として、「東京」と発音された音声
信号を時間軸正規化する場合のフレームの伸縮例
を第２図に示す。「東京」の音声区間は640ｍsec、
すなわち幅16ｍsecのフレームでは40フレームで
あつた。この40フレームを上式により16フレーム
圧縮すると、図に斜線で示されるフレームが選択
され、それらのフレームの特徴ベクトルａ→(i)、す
なわち自己相関係数と次のフレームの特徴ベクト
ルａ（ｉ＋１）の平均が16フレームからなる正規
化音声信号の特徴ベクトルｂ→（ｒ）（ｒ＝１〜16）
である。
信号を時間軸正規化する場合のフレームの伸縮例
を第２図に示す。「東京」の音声区間は640ｍsec、
すなわち幅16ｍsecのフレームでは40フレームで
あつた。この40フレームを上式により16フレーム
圧縮すると、図に斜線で示されるフレームが選択
され、それらのフレームの特徴ベクトルａ→(i)、す
なわち自己相関係数と次のフレームの特徴ベクト
ルａ（ｉ＋１）の平均が16フレームからなる正規
化音声信号の特徴ベクトルｂ→（ｒ）（ｒ＝１〜16）
である。
第３図に、このような時間軸が正規化された音
声信号の第１〜第16フレームの各フレームでの第
１次から第８次までの自己相関係数の変化を、
「東京」と「新横浜」の音声信号について示した。
声信号の第１〜第16フレームの各フレームでの第
１次から第８次までの自己相関係数の変化を、
「東京」と「新横浜」の音声信号について示した。
予備選択において、本実施例では上述のように
して得た入力音声信号の自己相関係数から低次
（１〜３次程度）の自己相関係数を用いる。第４
図に５種類の正規化音声信号についての１次の自
己相関係数を時系列に、すなわちフレーム番号順
に示した。
して得た入力音声信号の自己相関係数から低次
（１〜３次程度）の自己相関係数を用いる。第４
図に５種類の正規化音声信号についての１次の自
己相関係数を時系列に、すなわちフレーム番号順
に示した。
予備選択は、このような入力音声信号の低次の
自己相関係数と、登録されている音声信号の低次
の自己相関係数からなる標準パターンとのマツチ
ングにより行なつた。すなわち、１次の自己相関
係数を用いた例について示すと、入力音声信号の
ｒ番目のフレームの自己相関係数をb1（ｒ）とし、
Ｋ番目の標準パターンのｒ番目のフレームの自己
相関係数をCK1（ｒ）として、入力音声信号とＫ番
目の標準パターンとの距離DKを DK＝16 〓r=1 ｜b1（ｒ）−CK1（ｒ）｜ として求めた。このようにして得られた標準パタ
ーンの数（例えば本実施例では32個）だけの距離
Ｄの中から、小さいものから順に適当な数（本実
施例では16個）を選択した。
自己相関係数と、登録されている音声信号の低次
の自己相関係数からなる標準パターンとのマツチ
ングにより行なつた。すなわち、１次の自己相関
係数を用いた例について示すと、入力音声信号の
ｒ番目のフレームの自己相関係数をb1（ｒ）とし、
Ｋ番目の標準パターンのｒ番目のフレームの自己
相関係数をCK1（ｒ）として、入力音声信号とＫ番
目の標準パターンとの距離DKを DK＝16 〓r=1 ｜b1（ｒ）−CK1（ｒ）｜ として求めた。このようにして得られた標準パタ
ーンの数（例えば本実施例では32個）だけの距離
Ｄの中から、小さいものから順に適当な数（本実
施例では16個）を選択した。
次に、予備選択された標準パターンの全てにつ
いて、入力音声信号との認識判定を行なつた。認
識判定の手法としては種々の方法を用いることが
できるが、本実施例としては１次から８次までの
自己相関係数を全て用いて、よく知られたDPマ
ツチング法を用いた。
いて、入力音声信号との認識判定を行なつた。認
識判定の手法としては種々の方法を用いることが
できるが、本実施例としては１次から８次までの
自己相関係数を全て用いて、よく知られたDPマ
ツチング法を用いた。
本実施例ではそれぞれ特徴ベクトルの正規化さ
れた時系列として表現された入力音声信号Ｂと、
標準パターンＣとのDPマツチングを行なつた。
ここで、 Ｂ＝b(1)b(2)……b(i)……b(16) Ck＝Ck(1)Ck(2)……Ck(j)……Ck(16) と表現される。Ckはｋ番目の標準パターンであ
ることを意味する。
れた時系列として表現された入力音声信号Ｂと、
標準パターンＣとのDPマツチングを行なつた。
ここで、 Ｂ＝b(1)b(2)……b(i)……b(16) Ck＝Ck(1)Ck(2)……Ck(j)……Ck(16) と表現される。Ckはｋ番目の標準パターンであ
ることを意味する。
整合窓の条件として
｜ｉ−ｊ｜≦｜
と設定して、入力音声信号Ｂと標準パターンＣと
の距離の部分和ｇ（ｉ、ｊ）を次のように定義す
る。
の距離の部分和ｇ（ｉ、ｊ）を次のように定義す
る。
ここで、
ｄ（ｉ，ｊ）＝8
〓m=1
｜bn(i)−Ckn(j)
であり、bn(i)は入力音声信号Ｂのｉ番目のフレ
ームのｍ次の自己相関係数、Ckn(j)はｋ番目の標
準パターンｊ番目のフレームのｍ次の自己相関係
数である。
ームのｍ次の自己相関係数、Ckn(j)はｋ番目の標
準パターンｊ番目のフレームのｍ次の自己相関係
数である。
このようにして最小の部分和を与える経路を経
て得られる距離ｇ（16、16）は、入力音声信号Ｂ
とｋ番目の標準パターンCkとの距離に対応する。
て得られる距離ｇ（16、16）は、入力音声信号Ｂ
とｋ番目の標準パターンCkとの距離に対応する。
予備選択された標準パターン全てについて、上
記の如く距離ｇ（16、16）を求め、そのうちの最
小値を与えた標準パターンを入力音声信号Ｂに対
する認識結果と判定した。
記の如く距離ｇ（16、16）を求め、そのうちの最
小値を与えた標準パターンを入力音声信号Ｂに対
する認識結果と判定した。
以上詳述した如く、本発明は最終的な認識で用
いるために記憶されている自己相関係数を予備選
択に用いるものであるので、予備選択のための特
微パラメータを新たに作成する必要がなく、簡易
型の音声認識装置を構成する上で有効な音声認識
方式である。
いるために記憶されている自己相関係数を予備選
択に用いるものであるので、予備選択のための特
微パラメータを新たに作成する必要がなく、簡易
型の音声認識装置を構成する上で有効な音声認識
方式である。
第１図は本発明の概略を示すブロツク図、第２
図は時間軸正規化の例を示す図、第３図ａ，ｂは
自己相関係数の次数による変化を示す図、第４図
は１次の自己相関係数を示す図である。 １……マイクロフオン、２……増幅器、３……
Ａ／Ｄ変換器、４……自己相関回路、５……音声
区間判定、６……時間軸正規化、７……標準パタ
ーン、８……予備選択、９……認識判定。
図は時間軸正規化の例を示す図、第３図ａ，ｂは
自己相関係数の次数による変化を示す図、第４図
は１次の自己相関係数を示す図である。 １……マイクロフオン、２……増幅器、３……
Ａ／Ｄ変換器、４……自己相関回路、５……音声
区間判定、６……時間軸正規化、７……標準パタ
ーン、８……予備選択、９……認識判定。
Claims (1)
- １ 入力音声信号の自己相関係数を作成し、音声
区間を判定し、その音声区間の時間軸を正規化し
た後上記自己相関係数を特徴パラメータとして標
準パターンとのマツチングにより認識判定を行な
う単語音声の認識装置において、最終的認識判定
の前に低次の自己相関係数による線形のマツチン
グにより予備選択を行なうことを特徴とする音声
認識方式。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56144449A JPS5844500A (ja) | 1981-09-11 | 1981-09-11 | 音声認識方式 |
| US06/416,165 US4516215A (en) | 1981-09-11 | 1982-09-09 | Recognition of speech or speech-like sounds |
| DE8282304782T DE3275779D1 (en) | 1981-09-11 | 1982-09-10 | Recognition of speech or speech-like sounds |
| EP82304782A EP0074822B1 (en) | 1981-09-11 | 1982-09-10 | Recognition of speech or speech-like sounds |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56144449A JPS5844500A (ja) | 1981-09-11 | 1981-09-11 | 音声認識方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5844500A JPS5844500A (ja) | 1983-03-15 |
| JPS634200B2 true JPS634200B2 (ja) | 1988-01-27 |
Family
ID=15362486
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP56144449A Granted JPS5844500A (ja) | 1981-09-11 | 1981-09-11 | 音声認識方式 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US4516215A (ja) |
| EP (1) | EP0074822B1 (ja) |
| JP (1) | JPS5844500A (ja) |
| DE (1) | DE3275779D1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019065425A (ja) * | 2017-10-02 | 2019-04-25 | 株式会社ナイガイ | 襠付き靴下およびその編成方法 |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58111989A (ja) * | 1981-12-25 | 1983-07-04 | シャープ株式会社 | 音声認識装置 |
| JPS59216284A (ja) * | 1983-05-23 | 1984-12-06 | Matsushita Electric Ind Co Ltd | パタ−ン認識装置 |
| JPS60181798A (ja) * | 1984-02-28 | 1985-09-17 | 電子計算機基本技術研究組合 | 音声認識装置 |
| US4718094A (en) * | 1984-11-19 | 1988-01-05 | International Business Machines Corp. | Speech recognition system |
| DE3514286A1 (de) * | 1985-04-19 | 1986-10-23 | Siemens AG, 1000 Berlin und 8000 München | System zur erkennung einzeln gesprochener woerter |
| JPS61252594A (ja) * | 1985-05-01 | 1986-11-10 | 株式会社リコー | 音声パタ−ン照合方式 |
| US5774851A (en) * | 1985-08-15 | 1998-06-30 | Canon Kabushiki Kaisha | Speech recognition apparatus utilizing utterance length information |
| JPH0638199B2 (ja) * | 1985-09-02 | 1994-05-18 | 日本電気株式会社 | 音声認識装置 |
| JPS62169199A (ja) * | 1986-01-22 | 1987-07-25 | 株式会社デンソー | 音声認識装置 |
| US5027407A (en) * | 1987-02-23 | 1991-06-25 | Kabushiki Kaisha Toshiba | Pattern recognition apparatus using a plurality of candidates |
| JP2815579B2 (ja) * | 1987-03-10 | 1998-10-27 | 富士通株式会社 | 音声認識における単語候補削減装置 |
| JPH01319099A (ja) * | 1988-06-17 | 1989-12-25 | Matsushita Electric Ind Co Ltd | 音声認識装置 |
| US5179624A (en) * | 1988-09-07 | 1993-01-12 | Hitachi, Ltd. | Speech recognition apparatus using neural network and fuzzy logic |
| JP2764277B2 (ja) * | 1988-09-07 | 1998-06-11 | 株式会社日立製作所 | 音声認識装置 |
| CN1013525B (zh) * | 1988-11-16 | 1991-08-14 | 中国科学院声学研究所 | 认人与不认人实时语音识别的方法和装置 |
| KR910700582A (ko) * | 1989-01-05 | 1991-03-15 | 에이취. 프라이드 로널드 | 음성 처리 장치 및 방법 |
| JP2658426B2 (ja) * | 1989-09-26 | 1997-09-30 | 松下電器産業株式会社 | 音声認識方法 |
| US5146502A (en) * | 1990-02-26 | 1992-09-08 | Davis, Van Nortwick & Company | Speech pattern correction device for deaf and voice-impaired |
| US5651030A (en) * | 1991-05-06 | 1997-07-22 | Motorola, Inc. | Receiver with signal classifier |
| US7630895B2 (en) * | 2000-01-21 | 2009-12-08 | At&T Intellectual Property I, L.P. | Speaker verification method |
| US6076055A (en) * | 1997-05-27 | 2000-06-13 | Ameritech | Speaker verification method |
| US6375467B1 (en) * | 2000-05-22 | 2002-04-23 | Sonia Grant | Sound comprehending and recognizing system |
| KR101614756B1 (ko) * | 2014-08-22 | 2016-04-27 | 현대자동차주식회사 | 음성 인식 장치, 그를 포함하는 차량, 및 그 차량의 제어 방법 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4059725A (en) * | 1975-03-12 | 1977-11-22 | Nippon Electric Company, Ltd. | Automatic continuous speech recognition system employing dynamic programming |
| US4038503A (en) * | 1975-12-29 | 1977-07-26 | Dialog Systems, Inc. | Speech recognition apparatus |
| JPS5525150A (en) * | 1978-08-10 | 1980-02-22 | Nec Corp | Pattern recognition unit |
| JPS5672499A (en) * | 1979-11-19 | 1981-06-16 | Hitachi Ltd | Pretreatment for voice identifier |
| JPS56104399A (en) * | 1980-01-23 | 1981-08-20 | Hitachi Ltd | Voice interval detection system |
-
1981
- 1981-09-11 JP JP56144449A patent/JPS5844500A/ja active Granted
-
1982
- 1982-09-09 US US06/416,165 patent/US4516215A/en not_active Expired - Lifetime
- 1982-09-10 EP EP82304782A patent/EP0074822B1/en not_active Expired
- 1982-09-10 DE DE8282304782T patent/DE3275779D1/de not_active Expired
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019065425A (ja) * | 2017-10-02 | 2019-04-25 | 株式会社ナイガイ | 襠付き靴下およびその編成方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US4516215A (en) | 1985-05-07 |
| JPS5844500A (ja) | 1983-03-15 |
| EP0074822A1 (en) | 1983-03-23 |
| EP0074822B1 (en) | 1987-03-18 |
| DE3275779D1 (en) | 1987-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS634200B2 (ja) | ||
| US4918735A (en) | Speech recognition apparatus for recognizing the category of an input speech pattern | |
| US5056150A (en) | Method and apparatus for real time speech recognition with and without speaker dependency | |
| US5842162A (en) | Method and recognizer for recognizing a sampled sound signal in noise | |
| US20050060153A1 (en) | Method and appratus for speech characterization | |
| US6278972B1 (en) | System and method for segmentation and recognition of speech signals | |
| US4424415A (en) | Formant tracker | |
| US5963904A (en) | Phoneme dividing method using multilevel neural network | |
| US4486899A (en) | System for extraction of pole parameter values | |
| US7216075B2 (en) | Speech recognition method and apparatus with noise adaptive standard pattern | |
| US20050240397A1 (en) | Method of determining variable-length frame for speech signal preprocessing and speech signal preprocessing method and device using the same | |
| JPH04369698A (ja) | 音声認識方式 | |
| JPS61137199A (ja) | 単語音声の認識方法 | |
| JPS63213899A (ja) | 話者照合方式 | |
| JPH0556520B2 (ja) | ||
| JP3083855B2 (ja) | 音声認識方法及び装置 | |
| JPH0448400B2 (ja) | ||
| JPH054680B2 (ja) | ||
| Angus et al. | Low-cost speech recognizer | |
| JPH0426480B2 (ja) | ||
| JPS625298A (ja) | 音声認識装置 | |
| JPS58136098A (ja) | 認識パタ−ン学習方式 | |
| JPH07104675B2 (ja) | 音声認識方法 | |
| JPS6061800A (ja) | 音声認識方式 | |
| JPH0731506B2 (ja) | 音声認識方法 |