JPS6355599A

JPS6355599A - 音声認識装置

Info

Publication number: JPS6355599A
Application number: JP61199637A
Authority: JP
Inventors: 紀代原
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1986-08-26
Filing date: 1986-08-26
Publication date: 1988-03-10

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】産業上の利用分野本発明は認識率の向上を図った音声認識装置に関する。

従来の技術音韻認識手段はワード・プロセッサや計算機への入力等
マン・マシンインターフェースとして実用化が期待され
ている分野である。

音声認識装置には、入力音声を認識する単位として単音
節（ＣＶ　、　Ｃ：子音、Ｖ：母音を表す）を用いるも
の、ＣｖおよびＶＣＶを用いるもの、音素（ＣおよびＶ
）を用いるもの等が考えられる。

また、使用者があらかじめ基準となる音声を発声。

登録してから認識処理をはじめる登録型と、たくさんの
発声データをもとに統計処理を行ない、普遍的な標準パ
ターンを準備しておき、使用者の登録を必要としない不
特定型とがある。また、特徴抽出の方法としては線形予
測分析やフィルタパンクを用いたものが主流となってい
る。本明細書においては、従来例、実施例ともに認識単
位としてＣＶおよびＶＣＶ　、特徴抽出法として線形予
測分析を用いた不特定型音声認識装置について説明する
が、これらに限られるものではない。以下図面１用いて
従来の音声認識装置の一例を説明する。

第２図は不特定型音声認識装置の構成を示すブロック図
である。音声入力端１から入力された音声は線形予測分
析部２において窓長２０ｍ気、フレームシフ）　５　ｍ
５ｅｃ　、次数１５次の自己相関法を用いて分析され、
１５個のケプストラム係数および残差パワー（０次のケ
プストラム係数）の計１６個のパラメータの列として出
力される（Ｍ形予測分析については、マーケル・グレイ
著鈴木久喜訳：音声の線形予測１９８ｏ年コロナ社参照
）。

次に無音検出部３において残差パワーを用いて語頭２語
尾および語中の無音部が決定される。母音認識部４にお
いては、あらかじめ沢山の発声データを処理して得られ
た母音識別関数（安田三部著：社会統計学、２章７節１
９６９年丸善参照）の係数を格納した識別関数記憶部５
より係数を読み込み、無音検出部３において検出された
無音部以外の部分について、各フレーム毎に母音認識を
行なう。６は定常点検出部で母音認識部４で得られた各
フレーム毎の母音認識結果より安定なものを取りだして
定常点列として出力する。この定常点の数が入力音声の
音節数を示す。８は音韻認識部で標準パターン記憶部９
から読みだした標準パターンと入力音声からイ得られた
パラメータ列とでＤＰマツチングを行ない、その結果距
離が最小となる標準パターンを認識音韻列として出力す
る。

標準パタ′−ン記憶部９にはあらかじめ多数の発声デー
タから統計処理を用いて作成された普遍的な標準パター
ンが格納されている。１０は言語処理部で音韻認識部８
で得られた音韻認識結果に対して言語処理を行ない、最
終的な認識結果を認識結果出力端１２に得る。１１は言
語辞書で１０言語処理に用いられる辞書が格納されてい
る（例えば、三船他：電子通信学会ＰＲＩ、８３−４０
　；この論文は線形予測分析ではなくフィルタバンクを
、定常点の検出に母音認識結果ではなく、フレーム間の
分散を用いたものであるが、母音定常点の検出の後に音
韻認識を行なっていることから従来例として上げること
ができる。）。

発明が解決しようとする問題点このような従来の音声認識装置では定常点の検出結果を
用いて音韻識別の制御を行なっているので、定常点の検
出結果および定常点における母音認識結果が認識率に大
きな影響を与えている。定常点における母音認識率を向
上させるため母音認識候補を２位まで用いるなどの対応
策があるが、処理時間が増加すると言う問題点があった
。

本発明はかかる点に鑑みてなされたもので、定常点検出
の後、検出された定常点に於いて再度母音認識を行ない
、定常点存在の確実性および母音第一候補の信頼性をも
とめ、定常点検出率および母音認識率の向上を計ること
を目的としている。

問題点を解決するための手段本発明は定常点検出の後、検出された定常点に於いて再
度母音認識を行なう手段を備えた音声認識装置である。

作　　用本発明は前記した構成により、定常点検出の後、検出さ
れた定常点に於いて再度母音認識を行ない、定常点存在
の確実性および母音第一候補の信頼性をもとめて、必要
な場合には母音候補を決定せずに認識処理を行なうこと
により認識率の向上を計ることができる。

実施例笥１図は本発明の一実施例における不特定型音声認識装
置の構成を示すブロック図である。図において、′実線
は処理の流れ、点線はデータ参照を示している。音声入
力端１から入力された音声は線形予測分析部（特徴抽出
部）２において窓長２０ｍ５ｅｃ　、フレームシフ）ｓ
ｍ友、次数１　ｓ次の自己相関法を用いて分析され、１
５個のケプストラム係数および残差パワー（０次のケプ
ストラム係数）の計１６個のパラメータの列として出力
される。

次に無音検出部３において残差パワーを用いて語頭１語
尾および語中の無音部が決定される。第１の母音認識部
４においては、あらかじめ沢山の発声データを処理して
得られた母音識別関数の係数を格納した識別関数記憶部
６より係数を読み込み、無音検出部３において検出され
た無音部以外の部分について、各フレーム毎に母音認識
を行なう。

６は定常点検出部で母音認識部４で得られた各フレーム
毎の母音認識結果より安定なものを取りだして定常点列
として出力する。７は第２の母音認取部で検出された定
常点に対してより詳細な母音認識を行なう。第１の母音
認識手段、第２の母音認識手段については後に詳しく説
明する。８は音韻認識部で標準パターン記憶部９から読
みだした標準パターンと入力音声から得られたパラメー
タ列とでＤＰマツチングを行ない、その結果距離が最小
となる標準パターンを認識音韻列として出力する。標準
パターン記憶部９にはあらかじめ多数の発声データから
統計処理を用いて作成された普遍的な標準パターンが格
納されている。１ｏは言語処理部で音韻認識部８で得ら
れた音韻認識結果に対して言語処理を行い、最終的な認
識結果を認識結果出力端１２に得る。１１は言語辞書で
１０言語処理に用いられる辞薔が格納されている。

次に第１の母音認識部、第２の母音認識部について詳細
に説明する。母音認識の手法としてマハラノビス汎距離
を用いた方法は既に知られている。

今、識別関数作成に用いた標本集合の共分散行列をＶ、
各母音毎の平均値をｘｖ（ｖ＝ａ、・・・・・・Ｎ）、
入カバターンをＸとすると、各母音と入カバターンとの
マハラノビス汎距離は（１）式で求められる。

ｄ（ｘ、ｖ）＝ｘ　Ｖ−ｘ−２”ｖｔｖ−＋工＋ｘｖｔ
ｙ−１ｘｖ・・・・・・・・・・・・（１）谷々Ｖは゛１６行１５列の行列、Ｘは１５次のベクトル
を示すま１６は特徴抽出部における分析次数に一致〕。

（１）式において２項のｘｖ”Ｖ　’　、　３項のｘｖ
ｔ■−１ｘｖは定数となるので（１）式は（２）式のよ
うにおきかえられる。

ｄ（ｘ、す＝ｘ　Ｖ−ｘ−２７１，ｘ＋Ｄａ　　　・−
−−＝−＝（２）ｌｖ＝ｘＯｔｖ−１Ｄａ＝ｘｖｖ−ｘ
ｖ（２）酸第１項は、１６行、１６列の行列演算を伴う
ので相当な計算量となるが、この部分は母音に依存せず
入カバターンのみによって決まるので、どの母音により
近いかを判定するだけならば、第１項は無視する事がで
きる。そこで第一の母音認識手段においては距離尺度と
して計算式の少ない（３）式を用いて母音認識を行ない
、その結果を用いて定常点検出を行なう。

ｄ’　（ｘ　、ｖ　）＝−２１Ｖｘ＋Ｄａ　　　　−・
山・−聞−（３）その後、第２の母音認識手段において
、検出された定常点に対してのみｘ　Ｖ−ｘを求め（４
）式にてマハラノビス汎距離を得る。

ｄ（ｘ、ｖ）＝ｘ　Ｖ”’−ｘ＋ｄ’（ｘ、ｖ）　　　
−−−−・−・−・（４）マハラノビス汎距離は統計的
距離であり自由度１６の−分布に従うので信頼性を粂め
る事ができる。

例えばｄ（ｘ、ａ）＝１１．０４のときＸがａである確
率（＝信頼性）は７６％と求められる。そこで次の規則
に従って母音の再決定を行なう。

規則１）第１候補となった母音の信頼性が１０チ以下（
ｄ（ｘ、ｖ）≧２２．３　）のとき、すべての母音を候
補とする。

規則２）第１候補となった母音の信頼性が５０％以下の
ときは母音は第２候補まで対象とする。

規則３）第１候補となった母音の信頼性が６０％以上の
とき第２候補の信頼性が２０％以上ない場合は、母音第
１候補、第２候補ともに対象とする。

規則４）上記以外は第１候補のみを用いる。

以上のように本実施例によれば、検出された定常点に対
し再度母音認識を行なう手段を設けて信頼性に応じた母
音候補の決定を行なうことにより母音認識率を向上させ
る事が出来る。

発明の詳細な説明したように、本発明によれば、母音認識率を向上
させることができ、その実用的価値には犬なるものがあ
る。

【図面の簡単な説明】

第１図は本発明における一実施例の音声認識装置のブロ
ック図、第２図は従来例の音声認識装置のブロック図で
ある。２・・・・・・特徴抽出部、３・・・・・・無音検出部
、４・・出・第１の母音認識部、６・・・・・・識別関
数記憶部、６・・・・・・定常点検出部、７・・・−・
・第２の母音認識部、８・・・・・・音韻認識部、９・
・・・・・標準バタン記憶部。

Claims

【特許請求の範囲】

音声入力手段と、前記音声入力手段から入力された音声
データに対し一定時間毎に特徴抽出を行ない特徴パラメ
ータ列を出力する特徴抽出手段と、前記特徴パラメータ
列に対し母音認識を行なう母音認識手段と、前記母音認
識の結果から安定部を検出して母音定常点列として出力
する定常点検出手段と、前記特徴パラメータ列の音韻を
認識する音韻認識手段と、前記定常点検出手段により得
られた母音定常点に対し再度母音認識を行なう手段を備
えたことを特徴とする音声認識装置。