JPS6363099A

JPS6363099A - 音声認識装置

Info

Publication number: JPS6363099A
Application number: JP61205810A
Authority: JP
Inventors: 晴之林
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 1986-09-03
Filing date: 1986-09-03
Publication date: 1988-03-19

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〕本発明は入力音声の特徴ベクトルを標準パターンとマツ
チングさせる音声認識装置に関するものである。

〔従来の技術〕

従来の音声認識装置において非常に少ない演算量で入力
音声の時間軸における変動の吸収を実現する手段として
は、パワー情報の変動量・特徴ベクトルの変動量等を用
いて非線形時間圧縮を行なった後、標準パターンとマツ
チングを行なうものが多い。

非線形時間圧縮の一方法を簡単に説明する。まず、入力
音声を一定時間間隔（以下「フレーム」という）で分析
し、特徴ベクトルＣａ（ｎｌ　（ｎ　＝　１、・・・、
Ｎ５Ｎｓフレーム数、ｄ；ベクトル次数）を求める。次
に、特徴ベクトル旦、（ｎ）の変動ＩＤ（ｎｌ＝ｌｌ旦
ｄ（ｎ）　　Ｃａ　（ｎ−１）　ＩＩを計算する。これ
を第２図に示す。第２図のＯ印が、フレーム番号に対す
る特徴ベクトルＣ、（ｎ）の変動量Ｄ　（ｎｌを示す。

次に、変動Ｉ　Ｄ　（ｎ）の累積変動量Ｇ　（ｎ）　＝
ΣＤ　（１１を計算する。これを第３図に示す。第３図
の○印が、フレーム番号に対する累積変動量Ｇ　（ｎｌ
を示す。

次に、全区間における累積変動量をＭ等分した値５Ｔ＝
Ｇ（Ｎ）／Ｍ＝ΣＤ　（１）　／　Ｍを計算する。続い
て、離散値のグラフであるＧ　（ｎ１間を直線で結び、
この直線上で、Ｏ，ＳＴ、２ＳＴ、　　・・・、ＭＳＴ
となる位置をＭ＋１点決定する。この点Ｈ（ホ）＝ｍ−
ＳＴ　（ｍ−０，１，・・＋、Ｍ）を第３図のΔ印で示
す、また、これに対応する点Ｆ（ホ）（ｍ＝０．１．・
・・、Ｍ）を第２図のΔ印で示す。Ｆ（ロ）、Ｈ（ホ）
は、Δ印の前後にある○印に対応するＤ（ｎ）およびＧ
　（ｎ＋から、Ｆ（ｍ）＝α・Ｄ（ｎ）＋（１ｚ）・Ｄ（ｎ＋１）Ｈ（
Ｉｎ）＝α・Ｇ（ｎｌ＋（１（１’）・Ｇ（ｎ＋１）（
０≦α≦１）で計算される。そして、時間圧縮によって正規化された
特徴ベクトルＥａ１ｍ　（ｍ　＝　０　、　１　、　　
・・・、Ｍ）は、やはり、対応するＣ　ａ　（ｎ）から
、旦、（ホ）＝α・旦ｄ（ｎ）＋（１−α）・旦ａ　（
ｎ＋１）で計算される。

〔発明が解決しようとする問題点〕前述した従来の技術は、始端３１．Ｓ２から終端Ｅ１．
Ｅ２までの特徴ベクトル空間における軌跡から、等間隔
に再サンプリングしていることにほかならない、これは
、効率良（時間圧縮をしていることを意味するが、換言
すれば、定常部とか過渡部といった時間軸に関する重要
な情報をすべて失うことになる。このことによる弊害の
一例を次に示す。「アイ」という単語と「アエイ」とい
う単語があったと仮定する。特徴ベクトル空間上で２つ
の単語の始端１０．１２（第８図、第９図）と終端１１
．１３（第８図、第９図）が同じ点であり、かつ、「ア
エイ」の「工」に相当する点が始端と終端の直線上に存
在したとする。この場合、第８図と第９図に示すように
、２つの軌跡Ｃｄ（ｉ）“γ旦ａ（Ｎ）’と旦、（ｉ）
”情旦ａ（Ｎ）”とが重なる可能性がある。第８図、第
９図において、横軸および縦軸は共に特徴ベクトル空間
を表わす。なお、旦。

（１）１〜旦ａ（Ｎ）’は「アイ」の特徴ベクトル、旦
。

（１）　”　Ｍ　Ｃａ　（Ｎ）　”は「アエイ」の特徴
ベクトルである。そして、上記２つの特徴ベクトルの非
線形時間圧縮を行なった結果、第１０図と第１１図に示
すように、「アイ」と「アエイ」の特徴ベクトル基、（
（ロ）１とＥ　ａ　（ｍ）　”が同じ値となる可能性が
あり、同じ値となれば、「アイ」と「アエイ」との識別
は不可能となる。なお、１４．１６は特徴ベクトル旦ｔ
ビ、旦、（ｍｌ”の始端、１５．１７は特徴ベクトル旦
ｔビ、旦−Ｐ′の終端である。

ｃ問題点を解決するための手段〕このような問題点を解決するために本発明は、入力音声
を分析して得られる特徴ベクトルを非線形時間圧縮して
標準パターンとマツチングさせる音声認識装置において
、各フレームごとに得られる特徴ベクトルとその１フレ
ーム前に得られた特徴ベクトルとの距離を計算する変動
計算部と、この変動計算部の出力を非線形時間圧縮され
た特徴ベクトルと共にマツチングパラメータとして用い
るマツチング部とを装置に設けるようにしたものである
。

〔作用〕

本発明においては、時間圧縮により失われた重要な時間
軸情報を有効に活用することができる。

〔実施例〕

本発明に係わる音声認識装置の一実施例を第１図に示す
、第１図において、１は入力音声データＳ　（１）が入
力される分析部、２は音声検出部、３は圧縮部、４は変
動計算部、５は標準パターン部、６は認識結果データａ
が出力されるマツチング部である。

次に動作について説明する。まず、分析部１はデジタル
化された入力音声データＳ［１）（ｉ：時刻）を入力し
、あるフレームごとに特徴ベクトルたとえばｄ次のケプ
ストラムパラメータＣ，（ｎ）　（ｄ　：分析次数、ｎ
：フレーム数）を計算する。

次に変動計算部４は−Ｃｄ　（ｎ）から特徴ベクトルの
変動量Ｄ　（ｎ）　＝　Ｉｔ　Ｃ、ｔ（ｎ！　−Ｃａ　
（ｎ−１）　Ｉｔを計算する。

また、音声検出部２は、ケプストラムパラメータＣ４（
ｎ）と成る設定された闇値とから、音声区間の始端（ｎ
＝１）　、終端（ｎ＝Ｎ）を検出する。

次に、圧縮部３は、旦ａ　（１）　、旦ａ　（２）　、
　　・・・、旦。

（Ｎ）とＤ（１）、　Ｄ（２）、　　・・・、Ｄ（Ｎ）
から非線形時間圧縮を行ない、正規化された特徴ベクト
ルたとえばケプストラムパラメータＥａ（Ｉｎ）　（ｍ
　＝　０　、　１　。

・・・、Ｍ）を計算する。

標準パターン５には、分析部１．変動計算部４における
と同様の手段で計算された標準特徴ベクトルｐ（ホ）ｃ
ｗ：単語番号）と標準変動パラメータＲ１″（ロ）が蓄
積されている。

次に、マツチング部６において以下の処理が行なわれる
。まず、第２図におけるΔ印の前後のＯ印に対応するＤ
　（ｎｌを変動計算部４から読み出し、これよりΔ印で
あるＦ（ｆｉｌ）を計算する。次に、Ｒ”（ｍ）Ｉ＋を計算し、最小の単語番号Ｗを見つけ、認識結果データ
ａを出力する。ここで、βは重み係数である。

次に具体的な例について説明する。前述の「アイ」と「
アエイ」の例をとりあげると、第１０図と第１１図に示
すように、圧縮された「アイ」の特徴ベクトルＥａｈ）
’と圧縮された「アエイ」の特徴ベクトル基、（ｍｌ”
は同じ値となるが、第４図と第５図（横軸：フレーム番
号、縦軸：変動量）に示すように、「アイ」の変動パラ
メータＤ（ｎ）’と「アエイ」の変動パラメータＤ　（
ｎ）　”は異なった値となる。変動パラメータＤ（ｎ）
’とＤ　（ｎ）　”より求められた「アイ」の変動量Ｆ
（ホ）１と「アエイ」の変動１ｉＦ（（２）″は、第６
図と第７図（横軸：フレーム番号、縦軸：変動量）に示
すように異なった値となる。従って、Ｊ　（Ｗ）の計算
により、この２つを識別することはできる。なお、１８
．２０，２２．２４は始端、１９．２１．２３．２５は
終端である。

〔発明の効果〕

以上説明したように本発明は、非線形時間圧縮された特
徴ベクトルに加え、特徴ベクトルの変動量をマツチング
のパラメータとして扱うことにより、時間圧縮により失
われた重要な時間軸情報を有効に活用することができる
ので、従来の装置では認識が困難だった単語間の識別が
可能となり認識率が高くなるという効果がある。

【図面の簡単な説明】

第１図は本発明に係わる音声認識装置の一実施例を示す
系統図、第２図は特徴ベクトルの変動量を示すグラフ、
第３図は特徴ベクトルの累積量を示すグラフ、第４図は
「アイ」の特徴ベクトルの変動量を示すグラフ、第５図
は「アエイ」の特徴ベクトルの変動量を示すグラフ、第
６図は「アイ」の特徴ベクトルの変動量を示すグラフ、
第７図は「アエイ」の特徴ベクトルの変動量を示すグラ
フ、第８図は特徴ベクトル空間上での「アイ」の軌跡を
示すグラフ、第９図は特徴ベクトル空間上での「アエイ
」の軌跡を示すグラフ、第１０図は特徴ベクトル空間上
での「アイ」の軌跡を示すグラフ、第１１図は特徴ベク
トル空間上での「アエイ」の軌跡を示すグラフである。１・・・分析部、２・・・音声検出部、３・・・圧縮部
、４・・・変動計算部、５・・・標準パターン部、６・
・・マツチング部。

Claims

【特許請求の範囲】

入力音声を分析して得られる特徴ベクトルを非線形時間
圧縮して標準パターンとマッチングさせる音声認識装置
において、各フレームごとに得られる特徴ベクトルとそ
の１フレーム前に得られた特徴ベクトルとの距離を計算
する変動計算部と、この変動計算部の出力を非線形時間
圧縮された特徴ベクトルと共にマッチングパラメータと
して用いるマッチング部とを備えたことを特徴とする音
声認識装置。