JPH01319099A - 音声認識装置 - Google Patents

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 本発明は話者の声を予め登録しておく登録型音声認識装
置装置に関する。

従来の技術 近年、登録型音声認識装置は産業界において徐々に利用
されるようになってきた。

以下図面を参照しながら、従来の登録型音声認識装置に
ついて説明する。第２図は従来の登録型音声認識装置を
示すものである。第２図において相関計算部１の出方は
分析部２に接続され、分析部２の出力はスイッチ５を経
てテンプレートメモリ３と照合部４とに接続されている
。またテンプレートメモリ３の出力は照合部４に接続さ
れている。

以下にその動作について説明する。相関計算部１は使用
者の発した音声から時系列相関係数を計算し、この結果
を分析部２に入力する。分析部２はこの入力を受けて線
形予測法に基づく音響分析を行い、所定の音響パラメー
タをスイッチ５に出力する。スイッチ５は、上記発声音
声が登録時のものであれば、上記音響パラメータを第１
の出力としてテンプレートメモリ３に入力し、上記発声
音声が認識時のものであれば、上記音響パラメータを第
２の出力として照合部４に出力する。照合部４は、認識
時にはテンプレートメモリ３の出力とスイッチ５の第２
の出力とを受けてテンプレートマツチング番行い、複数
の登録単語テンプレートの中から最適な認識結果を決定
する。

発明が解決しようとする課題 テンプレートマツチング型の音声認識においては、テン
プレート登録時の背景雑音条件と認識対象音声入力時の
背景雑音条件とが同一であることが望ましい。しかしな
がら上記のような構成では、背景雑音が変動しているよ
うな場合には、テンプレート登録時の背景雑音条件と認
識対象音声入力時の背景雑音条件とが同一でなくなり、
しばしば認識率の大幅な低下を招くという問題点があっ
た。

本発明は上記問題点に鑑み、背景雑音が変動しているよ
うな場合にも、音声登録時にさえ背景雑音が十分に小さ
いことが仮定できさえすれば良好な認識率を確保するこ
とのできる音声認識装置を提供するものである。

課題を解決するための手段 本発明の登録型音声認識装置は、入力信号から時系列相
関係数を求める相関計算部と、前記相関計算部から得ら
れた登録音声の時系列相関係数を記憶する第１の相関メ
モリと、前記相関計算部から得られた雑音の時系列相関
係数を記憶する第２の相関メモリと、前記第１の相関メ
モリの内容と前記第２の相関メモリの内容とを加算する
加算部と、前記加算部から出力された時系列相関係数加
算結果を音響分析して第１の特徴パラメータを抽出し、
或は前記相関計算部から得られた認識対象音声の時系列
相関係数を音響分析して第２の特徴パラメータを抽出す
る分析部と、前記第１の特徴パラメータを記憶するテン
プレートメモリと、前記テンプレートメモリの内容と前
記第２の特徴パラメータとを入力し音声の類似度を算出
する音声照合部とから構成することを特徴とする。

作用 前記第１の相関メモリには背景雑音が十分に小さい時に
登録された登録音声の時系列相関係数を記憶し、前記第
２の相関メモリには認識対象音声入力時点の直前におけ
る雑音の時系列相関係数を記憶し、音声と背景雑音とが
統計的に独立で相関係数の次元で両者の間に加法性が成
立しており、かつ背景雑音が認識対象単語長に比べてよ
り大きな時定数で変動している場合にはこれら二つの時
系列相関係数を加算することによって認識対象音声入力
時点における真の時系列相関係数を模擬し、この様にし
て模擬された時系列相関係数をテンプレートとして使用
することによりテンプレート作成時の背景雑音条件と認
識対象音声入力時の背景雑音条件とを近似させることが
でき、認識率の大幅な低下を防ぐことができる。

実施例 以下本発明の一実施例について、図面を参照しながら説
明する。なお、第１図と共通する要素には同一番号をふ
している。

第１図は本発明の一実施例における登録型音声認識装置
を示すものである。第１図において、１は入力信号から
時系列相関係数を求める相関計算部であり、２は第１の
相関メモリであり、３は第２の相関メモリであり、相関
計算部１の出力は第１の相関メモリ２と第２の相関メモ
リ３とスイッチ８の第１の入力端子とに入力されている
。第１の相関メモリ２の出力と第２の相関メモリ３の出
力とは加算部４に入力され、加算部４から出力された時
系列相関係数加算結果はスイッチ８の第２の入力端子に
入力されている。スイッチ８の出力は分析部５に入力さ
れ、分析部５の出力はスイッチ９の入力となっている。

また、スイッチ９の第１の出力はテンプレートメモリ６
に入力され、テンプレートメモリ６の出力とスイッチ９
の第２の出力とは、いずれも１１６合部７へ入力されて
いる。

以下にその動作について説明する。背景雑音が十分に小
さいときに発声された登録音声は相関計算部１で時系列
相関係数に変換され、第１の相関メモリ２に記憶される
。音声認識時には、相関計算部１は背景雑音の統計的性
質が変化する毎に背景雑音の時系列相関係数を計算し直
し、第２の相関メモリ３を更新する。加算部４は前記更
新が行われる毎に第１の相関メモリ２の出力と第２の相
関メモリ３の出力とを加算し直して前記登録音声に背景
雑音が重畳した場合を模擬した時系列相関係数（この時
系列相関係数を今後模擬登録時系列相関係数と呼称する
）を算出し、この信号をスイッチ８への第２の入力とす
る。スイッチ８は認識対象音声が入力されるとき以外は
常に第２の入力を出力するように動作し、分析部５はこ
のスイッチ８の・きにより認識対象音声が入力されると
き以外は常に前記模擬登録時系列相関係数を分析する。

スイッチ９では認識対象音声が入力される時以外は常に
第１の出力端子が選択され、スイッチ８およびスイッチ
９（７？働きによりテンプレートメモリ６には認識対象
音声が入力される時以外は常に更新された前記模擬登録
時系列相関係数が入力される。

一方、認識対象音声が入力された時にはスイッチ８では
第１の入力端子が選択されスイッチ９では第２の出力端
子が選択され、この動作によって認識対象音声の時系列
相関係数は照合部７へ入力される。照合部７はスイッチ
９の第２の出力とテンプレートメモリ６の出力とを受け
、認識対象音声の時系列相関係数から分析された特徴パ
ラメータと複数の前記模擬登録時系列相関係数から分析
された複数の特徴パラメータとの間でテンプレートマツ
チングを行い、最適な認識結果を出力する。

以上のように本実施例によれば、入力信号から時系列相
関係数を求める相関計算部１と、相関計算部ｌから得６
れた登録音声の時系列相関係数を記憶する第１の相関メ
モリ２と、相関計算部１から得られた雑音の時系列相関
係数を記憶する第２の相関メモリ３と、第１の相関メモ
リ２の内容と第２の相関メモリ３の内容とを加算する加
算部４と、相関計算部１の出力を第１の入力とし加算部
４の出力を第２の入力とするスイッチ８と、スイッチ８
の出力を音響分析して特徴パラメータを抽出する分析部
５と、分析ｇｈ５の出力を入力とし第１及び第２の出力
をもつスイッチ９と、スイッチ９の第１の出力である模
擬登録時系列相関係数を入力とするテンプレートメモリ
６と、スイッチ９の第２の出力である認識対象音声の時
系列相関係数とテンプレートメモリ６の出力とを入力と
する音声照合部７とを設けることにより、第１の相関メ
モリ２には背景雑音が十分に小さい時に登録された登録
音声の時系列相関係数を記憶し、第２の相関メモリ３に
は認識対象音声入力時点の直前における雑音の時系列相
関係数を記憶し、音声と背景雑音とが統計的に独立で相
関係数の次元で両者の間に加法性が成立しており、かつ
背景雑音が認識対象単語長に比べてより大きな時定数で
変動している場合にはこれら二つの時系列相関係数を加
算することによって認識対象音声入力時点における真の
時系列相関係数を模擬し、この様にして模擬された時系
列相関係数をテンプレートとして使用することによりテ
ンプレート作成時の背景雑音条件と認識対象音声入力時
の背景雑音条件とを近似させることができ、認識率の大
幅な低下を防ぐことができる。

また、登録音声と背景雑音との情報を時間波形でなく相
関係数の次元で保持しているため、分析部５が線形予測
分析を行うには第１の相関メモリ２、第２の相関メモリ
３共に少量で済む。１０１（Ｈｚで信号を標本化し、２
５６標本毎に１４次の線形予測分析を行うという平均的
な分析条件を例示すると、時間波形で登録音声あるいは
背景雑音を保持するには一時点当り２５６語のメモリを
必要とするが、相関係数の場合には１５語で済む。

さらに、入力信号から線形予測分析を終了するまでに必
要な計算量のうち相関計算部１における計算量は分析部
５における計算量に比較して多大である為、時間波形で
登録音声を保持すると背景雑音の統計的性質が変動する
毎に複数の登録音声に対してそれぞれ時系列相関係数を
計算し直す必要が生じ、装置全体の動作速度が低下する
。その点、時系列相関係数による保持を行うと、背景雑
音の統計的性質が変動する毎に計算し直す必要のあるも
のは、その時点の背景雑音の時系列相関係数のみであり
、装置全体の動作速度が低下することがない。

発明の効果 以上のように本発明においては、背景雑音の統計的性質
が変動する場合でもテンプレート作成時の背景雑音条件
と認識対象音声入力時の背景雑音条件とを近似させるこ
とができ認識率の大幅な低下を防ぐことができるばかり
でなく、登録音声及び背景雑音の情報を相関係数の形で
保持することにより、これら両者を時間波形で保持する
場合に比較してより少ないメモリ容量とより少ない計算
量とで所望の目的を達成するこ七ができる優れた登録型
音声認識装置を提供することができる。

【図面の簡単な説明】

第１図は本発明の一実施例における音声認識装置の構成
図、第２図は従来例の音声認識装置の構成図である。 １・・相関計算部、２・・第１のそうかんメそり、３・
・第２の相関メモリ、４・・加算部、６・・分析部、６
・・テンプレートメモリ、７・・照合部、８・・スイッ
チ、９・・スイッチ。

Claims (1)

【特許請求の範囲】
1. 入力信号から時系列相関係数を求める相関計算部と、前
   記相関計算部から得られた登録音声の時系列相関係数を
   記憶する第１の相関メモリと、前記相関計算部から得ら
   れた雑音の時系列相関係数を記憶する第２の相関メモリ
   と、前記第１の相関メモリの内容と前記第２の相関メモ
   リの内容とを加算する加算部と、前記加算部から出力さ
   れた時系列相関係数加算結果を音響分析して第１の特徴
   パラメータを抽出し、或は前記相関計算部から得られた
   認識対象音声の時系列相関係数を音響分析して第２の特
   徴パラメータを抽出する分析部と、前記第１の特徴パラ
   メータを記憶するテンプレートメモリと、前記テンプレ
   ートメモリの内容と前記第２の特徴パラメータとを入力
   し音声の類似度を算出する音声照合部を具備する音声認
   識装置。