JPS59216284A - パタ−ン認識装置 - Google Patents
パタ−ン認識装置Info
- Publication number
- JPS59216284A JPS59216284A JP58091122A JP9112283A JPS59216284A JP S59216284 A JPS59216284 A JP S59216284A JP 58091122 A JP58091122 A JP 58091122A JP 9112283 A JP9112283 A JP 9112283A JP S59216284 A JPS59216284 A JP S59216284A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- standard
- standard pattern
- category
- representative
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 claims description 54
- 238000012795 verification Methods 0.000 claims description 31
- 238000003909 pattern recognition Methods 0.000 claims description 17
- 238000012935 Averaging Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 description 38
- 238000000605 extraction Methods 0.000 description 12
- 238000000034 method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 235000014121 butter Nutrition 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000002784 stomach 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)
- Image Analysis (AREA)
- Character Discrimination (AREA)
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。
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、入力信号から得られる特徴パターン系列と標
準パターンとを比較して、特徴パターン系列に最も近い
標準パターンを識別して該当するカテゴリコードを出力
するパターン認識装置に関するものである。
準パターンとを比較して、特徴パターン系列に最も近い
標準パターンを識別して該当するカテゴリコードを出力
するパターン認識装置に関するものである。
従来例の構成とその問題点
近年、人間−機械系の入力手段を目的としたパターン認
識装置の開発か盛んである。例えば、人間にとって最も
自然な情報発生手段である音声に関して、音声のパター
ンを識別することにより、人間−機械系の入力手段を実
現することへの期待は非常に犬さく、従来から種々な提
案がなされている。
識装置の開発か盛んである。例えば、人間にとって最も
自然な情報発生手段である音声に関して、音声のパター
ンを識別することにより、人間−機械系の入力手段を実
現することへの期待は非常に犬さく、従来から種々な提
案がなされている。
以下に従来の音声パターン認識装置について説明する。
第１図は、従来の音声パターン認識装置の構成図を示す
ものであり、１は特徴抽出部、２は標準パターン記憶部
、３は計算部、４は平均部、５は識別部である。
ものであり、１は特徴抽出部、２は標準パターン記憶部
、３は計算部、４は平均部、５は識別部である。
以上の様に構成された従来の音声パターン認識装置につ
いて、以下その動作を説明する。
いて、以下その動作を説明する。
入力信号は、特徴抽出部１において慣゛徴パターンの時
系列に変換され、計算部３において標準パターン記憶部
２で記憶さ７ｔている各カテゴ’） ｆｒｒ複数個の標
準パタ−ンとマツチング計算される。平均部４では、各
カテゴリ毎に得られる前記マツチング計算結果のうち、
前記特徴パターンとの距離の近いものに個の平均値を計
算する。識別部５では、前記平均部４ａの結果のうち、
距離の平均値が最も近い前記標準パターン群に対応する
カテゴリコー ドを識別結果として出力する。
系列に変換され、計算部３において標準パターン記憶部
２で記憶さ７ｔている各カテゴ’） ｆｒｒ複数個の標
準パタ−ンとマツチング計算される。平均部４では、各
カテゴリ毎に得られる前記マツチング計算結果のうち、
前記特徴パターンとの距離の近いものに個の平均値を計
算する。識別部５では、前記平均部４ａの結果のうち、
距離の平均値が最も近い前記標準パターン群に対応する
カテゴリコー ドを識別結果として出力する。
しかしなから、前記の様な構成では、各カテゴリ毎の標
準パターン数Ｎの増加及び、前記平均部４ａで平均する
距離の個数にの増加に伴ない、前記特徴パターンに対す
る識別率は改善されるが、識別に要する時間がががりす
ぎるという問題を有していた。ｆなわち、各カテゴリ毎
に１つの標準パターンしか持たない場合（Ｎ＝１．に＝
１）に比べて、Ｎ倍のマツチング割算と、１回の平均８
−１算を行う必要があった。
準パターン数Ｎの増加及び、前記平均部４ａで平均する
距離の個数にの増加に伴ない、前記特徴パターンに対す
る識別率は改善されるが、識別に要する時間がががりす
ぎるという問題を有していた。ｆなわち、各カテゴリ毎
に１つの標準パターンしか持たない場合（Ｎ＝１．に＝
１）に比べて、Ｎ倍のマツチング割算と、１回の平均８
−１算を行う必要があった。
更に、カテゴυａＭが増加すると、識別に要する時間は
、前記の更にＭ倍に増加するという問題も有していた。
、前記の更にＭ倍に増加するという問題も有していた。
発明の目的
本発明は、上記の様な従来の問題点を解決するもので、
各カテゴリ毎に複数個の標準パターンと照合することで
得られる識別率の改善効果を失うことなく、また、標準
パターンの記憶容量を増すことなく、識別に要する時間
を短縮することを目的モするものである。
各カテゴリ毎に複数個の標準パターンと照合することで
得られる識別率の改善効果を失うことなく、また、標準
パターンの記憶容量を増すことなく、識別に要する時間
を短縮することを目的モするものである。
発明の構成
本発明は、各カテゴリ毎の複数個の標準パターンを代表
する代表標準パターンを記憶する代表標準パターン記憶
手段と、入力信号の特徴パターンと代表標準パターンと
のマツチング計算を行う前照合計算手段と、前照合計算
手段の結果のうち距離の近いもの１個の代表標準パター
ンに対応するカテゴリコード及び付帯する距離を出力す
る前照合手段を備えたパターン認識装置であり、カテゴ
リ毎の複数個の標準パターンのうち代表標準パターンと
入力信号の特徴パターンとの照合を予め行って、複数個
の標準パターンとのマツチング３」算を行うカテゴリの
数を減少させることしこより、各カテゴリ毎に複数個の
標準パターンと照合−することで得られる識別率の改善
効果を維持しつつ、寸だ、標準パターンの記憶容量をｊ
７ずことなく、識別に要する時間を短縮できるものであ
る。
する代表標準パターンを記憶する代表標準パターン記憶
手段と、入力信号の特徴パターンと代表標準パターンと
のマツチング計算を行う前照合計算手段と、前照合計算
手段の結果のうち距離の近いもの１個の代表標準パター
ンに対応するカテゴリコード及び付帯する距離を出力す
る前照合手段を備えたパターン認識装置であり、カテゴ
リ毎の複数個の標準パターンのうち代表標準パターンと
入力信号の特徴パターンとの照合を予め行って、複数個
の標準パターンとのマツチング３」算を行うカテゴリの
数を減少させることしこより、各カテゴリ毎に複数個の
標準パターンと照合−することで得られる識別率の改善
効果を維持しつつ、寸だ、標準パターンの記憶容量をｊ
７ずことなく、識別に要する時間を短縮できるものであ
る。
また本発明は、各カテゴリ毎の複数個の標準パターンを
代表する代表標準パターンを記憶する代表標準パターン
記憶手段と、入力信号の特徴パターンと代表標準パター
ンとのマツチング計算を行う前照合計算手段と、前照合
計算手段の結果のうち最小距離が予め定めた閾値よりも
小さい時１ｊ、最小距離を与える代表標準パターンに対
応するカテゴリコードを識別結果として出力し、前記最
小距離が前記閾値よりも大きい場合は距離の近いもの１
個の代表標準パターンに対応するカテゴリコード及び細
帯する距離を出力する前照合手段と、前照合手段の出力
か１つのカテゴリコードのみの場合はカテゴリコードを
そのまま識別結果として出力し、複数個のカテゴリコー
ドと付帯する距離の場合は該当するカテゴリ毎に代表標
準パターン以外の標準パターン群と入力信号の特徴パタ
ーンのマツチング計算を行わぜる為の信号を出力するゲ
ート手段を備えたパターン認識装置であり、カテゴリ毎
の複数個の標準パターンのうち代表標準パターンと入力
信号の特徴パターンとの照合を予め行って、複数個の標
準パターンとのマツチング計算を行うカテゴリの数を減
少させることにより、各カテゴリ毎に複数個の標準パタ
ーンと照合することで得られる識別率の改善効果を維持
しつつ、また、標準パターンの記憶容量を増すことなく
、識別に要する時間を短縮できるものである。
代表する代表標準パターンを記憶する代表標準パターン
記憶手段と、入力信号の特徴パターンと代表標準パター
ンとのマツチング計算を行う前照合計算手段と、前照合
計算手段の結果のうち最小距離が予め定めた閾値よりも
小さい時１ｊ、最小距離を与える代表標準パターンに対
応するカテゴリコードを識別結果として出力し、前記最
小距離が前記閾値よりも大きい場合は距離の近いもの１
個の代表標準パターンに対応するカテゴリコード及び細
帯する距離を出力する前照合手段と、前照合手段の出力
か１つのカテゴリコードのみの場合はカテゴリコードを
そのまま識別結果として出力し、複数個のカテゴリコー
ドと付帯する距離の場合は該当するカテゴリ毎に代表標
準パターン以外の標準パターン群と入力信号の特徴パタ
ーンのマツチング計算を行わぜる為の信号を出力するゲ
ート手段を備えたパターン認識装置であり、カテゴリ毎
の複数個の標準パターンのうち代表標準パターンと入力
信号の特徴パターンとの照合を予め行って、複数個の標
準パターンとのマツチング計算を行うカテゴリの数を減
少させることにより、各カテゴリ毎に複数個の標準パタ
ーンと照合することで得られる識別率の改善効果を維持
しつつ、また、標準パターンの記憶容量を増すことなく
、識別に要する時間を短縮できるものである。
実施例の説明
第２図は、本発明における音声パターン８識装置の第１
の実施例の構成図を示すものである。
の実施例の構成図を示すものである。
第２図において、１１は特徴抽出部、１２は代表標準パ
ターン記憶部、１３は標準パターン記憶部、１４は前照
合計算部、１５は前照合部、１６は計算部、１７は平均
部、１８は識別部である。
ターン記憶部、１３は標準パターン記憶部、１４は前照
合計算部、１５は前照合部、１６は計算部、１７は平均
部、１８は識別部である。
以上のように構成された本実施例の音声パターン認識装
置について、以下その動作を説明する。
置について、以下その動作を説明する。
入力信号（音声）は特徴抽出部１１において、周波数分
析され、４ｏｏＨ２がら６ＫＨｚｉでを対数軸上で等分
割された１６ケの周波数帯域のそ八ぞれの電力を表わす
１６次元ベクトルの時系列Ａｉ−（ｄｔ１＋ ａｉ２＋
ｄｉ３１ ””””’ ＋ ａｉ１６）に変換され
、前照合計算部１４で、代表標準パターン記憶部１２で
記憶されている代表標準パターンとマツチング割算され
る。ところで、代表標準パターン記憶部１２で記憶され
ている代表標準パターンとは、各カテゴリ毎の複数個の
標準パターン（１６次元ベクトルの時系列）を代表する
標準パターン（１６次元ベクトルの時系列ンであって、
例えば１０ケのカテゴリについて、各カテゴリ毎に７ケ
の標準パターン（１６次元ベクトルの時系列）を持つ場
合には７ケの標準パターン（１６次元ベクトルの時系列
）の中で残りの６ケの標準パターンとの距罎りが最も平
均的な１つの標準パターン（１６次元ベクトルの時系列
）（例えば、各標準パターンについて、１標準パターン
がもつ他の標準パターンとの距離の最大値のうち、それ
らの最小値を与える標準パターンを選ぶ（ミニ−マツ−
−・−・−、ｎ＝６） （ｍ＝１ 、２ 、・・・・・
’、 １０ ｉカテゴリ番号）となる。代表標準パター
ン記憶部１２では、カテゴリ数だけ、すなわち１０ケの
前記代表標準パターンＢ” （ｍ＝１ 、２ 、・・・
・・・、１０）が記憶されている。前照合計算部１４で
は、代表標準パターン記憶部で記憶されている前記代表
標準バター：ｙＢｒｎ（ｍ＝１ 、２ 、・−−−−−
、１ｏ）ト、特徴抽出部１１で得られた特徴パターン（
１６次元ベクトルの時系列）Ａｉについて、動的計画法
を用いて市街距離を計算する。前照合部１５では、１０
個の代表標準パターンＢｍ（ｍ＝１．２ 、・・・°・
、１０）に対して前照合計算部１４で得られた市街距離
（１１，１２，・・・・・、４１ｏについて、距離の近
いもの５ケについて、それらを与える代表標準パターン
に対応したカテゴリコード及び付帯する市街距離を出力
する。計算部１６では、１０ケのカテゴリについて、標
準）くターン記憶部１２で記憶されている各カテゴリ６
ケずつの標準・くターン（１６次元ベクトルの時系列）
のうち、前照合部１５で得られた５ケのカテゴリコード
に対応したそれぞれ３ケの標準ノくターン（１６次元ベ
クトルの時系列）と、特徴抽出部１１で得られた重機・
ζターン（１６次元ベクトルの時系列）Ａ、について、
動的計画法を用いて市街距離を計算する。ところで、標
準パターン記憶部１２で記憶されている標準パターンと
は、各カテゴリ毎の複数個の標準パターン（１６次元ベ
クトルの時系列）のうち、前記代表標準パターン（１６
次元ベクトルの時系列）を除いた残りの６ケの標準ノく
ターン（１６次元ベクトルの時系列）Ｂ〒 ＢＥＥ、・
・・・・・ Ｂ胃（ｒｎ＝１，２．・・・・・・、１ｏ
）である。すなわち、各カテゴリについて、標準パター
ンは、１つの代表標準パターンＢｍと６ケの標準・（タ
ーンＢＩＴ （ｎ＝１．２．・・・・・・、６）の合計
７個の標準・ζターンが存在する。標準パターン記憶部
１２では、各カテゴリについて、すなわち１０ケのカテ
コ゛りについて、６ケの前記標準パターン（１６次元ベ
クトルの時系列） Ｂ： （ｎ＝１ 、２、−＝−・・
、 ６ ；ｍ＝１゜２．１０）が記憶されている。平均
部１７では、前照合部１５でイ（）られた５ケのカテゴ
リについて、各カテゴリの代表標準パターン（１６次元
ベクトルの時系列）と前記特徴パターン（１６次元ベク
トルの時系列）Ａ□との市街距離（前照合部１５より入
力されたもの）と、同一カテゴリについてＪ１算部１６
で得られた６ケの市街距離のうち、距離の小さいもの３
ケの相加平均Ｌｍを求めて、各カテゴリに対応した標準
パターン群と前記特徴パターン（１６次元ベクトルの時
系列）との平均距離とする。識別部１８では、前照合部
１６で得られた５ケのカテゴリに対応した標準パターン
群について、平均部１７で求めた５ケの平均距離の最も
近い標準パターン群に対応するカテゴリコードを識別し
て、識別結果として出力する。
析され、４ｏｏＨ２がら６ＫＨｚｉでを対数軸上で等分
割された１６ケの周波数帯域のそ八ぞれの電力を表わす
１６次元ベクトルの時系列Ａｉ−（ｄｔ１＋ ａｉ２＋
ｄｉ３１ ””””’ ＋ ａｉ１６）に変換され
、前照合計算部１４で、代表標準パターン記憶部１２で
記憶されている代表標準パターンとマツチング割算され
る。ところで、代表標準パターン記憶部１２で記憶され
ている代表標準パターンとは、各カテゴリ毎の複数個の
標準パターン（１６次元ベクトルの時系列）を代表する
標準パターン（１６次元ベクトルの時系列ンであって、
例えば１０ケのカテゴリについて、各カテゴリ毎に７ケ
の標準パターン（１６次元ベクトルの時系列）を持つ場
合には７ケの標準パターン（１６次元ベクトルの時系列
）の中で残りの６ケの標準パターンとの距罎りが最も平
均的な１つの標準パターン（１６次元ベクトルの時系列
）（例えば、各標準パターンについて、１標準パターン
がもつ他の標準パターンとの距離の最大値のうち、それ
らの最小値を与える標準パターンを選ぶ（ミニ−マツ−
−・−・−、ｎ＝６） （ｍ＝１ 、２ 、・・・・・
’、 １０ ｉカテゴリ番号）となる。代表標準パター
ン記憶部１２では、カテゴリ数だけ、すなわち１０ケの
前記代表標準パターンＢ” （ｍ＝１ 、２ 、・・・
・・・、１０）が記憶されている。前照合計算部１４で
は、代表標準パターン記憶部で記憶されている前記代表
標準バター：ｙＢｒｎ（ｍ＝１ 、２ 、・−−−−−
、１ｏ）ト、特徴抽出部１１で得られた特徴パターン（
１６次元ベクトルの時系列）Ａｉについて、動的計画法
を用いて市街距離を計算する。前照合部１５では、１０
個の代表標準パターンＢｍ（ｍ＝１．２ 、・・・°・
、１０）に対して前照合計算部１４で得られた市街距離
（１１，１２，・・・・・、４１ｏについて、距離の近
いもの５ケについて、それらを与える代表標準パターン
に対応したカテゴリコード及び付帯する市街距離を出力
する。計算部１６では、１０ケのカテゴリについて、標
準）くターン記憶部１２で記憶されている各カテゴリ６
ケずつの標準・くターン（１６次元ベクトルの時系列）
のうち、前照合部１５で得られた５ケのカテゴリコード
に対応したそれぞれ３ケの標準ノくターン（１６次元ベ
クトルの時系列）と、特徴抽出部１１で得られた重機・
ζターン（１６次元ベクトルの時系列）Ａ、について、
動的計画法を用いて市街距離を計算する。ところで、標
準パターン記憶部１２で記憶されている標準パターンと
は、各カテゴリ毎の複数個の標準パターン（１６次元ベ
クトルの時系列）のうち、前記代表標準パターン（１６
次元ベクトルの時系列）を除いた残りの６ケの標準ノく
ターン（１６次元ベクトルの時系列）Ｂ〒 ＢＥＥ、・
・・・・・ Ｂ胃（ｒｎ＝１，２．・・・・・・、１ｏ
）である。すなわち、各カテゴリについて、標準パター
ンは、１つの代表標準パターンＢｍと６ケの標準・（タ
ーンＢＩＴ （ｎ＝１．２．・・・・・・、６）の合計
７個の標準・ζターンが存在する。標準パターン記憶部
１２では、各カテゴリについて、すなわち１０ケのカテ
コ゛りについて、６ケの前記標準パターン（１６次元ベ
クトルの時系列） Ｂ： （ｎ＝１ 、２、−＝−・・
、 ６ ；ｍ＝１゜２．１０）が記憶されている。平均
部１７では、前照合部１５でイ（）られた５ケのカテゴ
リについて、各カテゴリの代表標準パターン（１６次元
ベクトルの時系列）と前記特徴パターン（１６次元ベク
トルの時系列）Ａ□との市街距離（前照合部１５より入
力されたもの）と、同一カテゴリについてＪ１算部１６
で得られた６ケの市街距離のうち、距離の小さいもの３
ケの相加平均Ｌｍを求めて、各カテゴリに対応した標準
パターン群と前記特徴パターン（１６次元ベクトルの時
系列）との平均距離とする。識別部１８では、前照合部
１６で得られた５ケのカテゴリに対応した標準パターン
群について、平均部１７で求めた５ケの平均距離の最も
近い標準パターン群に対応するカテゴリコードを識別し
て、識別結果として出力する。
以上の第１の実施例の動作をフローチャートに表わすと
第３図の様になる。同図において、２０は第４図の入力
信号を表し、２１は第２図の特徴抽出部１１の動作、２
２は第２図の前照合計算部１４の動作、２４は第２図の
前照合部１６の動作、２６は第２図の計算部１６の動作
、２７は第２図の平均部１７の動作、２８〜２９は第２
図の識別部１８の動作、３０は第２図のゲート部１９の
動作を表している。同図において、例えば、カテゴリと
して”０”〜”９”までの数字音声が割当てられている
Ｊ場合に、入力音声として”ゼロ”が入力されると、２
１で特徴抽出して入力特徴パターンが生成され、入力特
徴パターンとカテゴリ”０”〜”９”に対応した代表標
準パターン（例えば、前記ミニ−マックス法で選択され
る）とのマツチング計算が２２でな・され、２４で距離
の近いもの５ケについて、それぞれ対応するカテゴリ例
えば”０”、“３”、“６”、”７″、”９”、を識別
する。そして、３０において、第２図のゲート部１９へ
の入力であるカテゴリコードが１つか又はそれよりも多
い（６ケ）かを判断し、１つだけの場合はその一！ま識
別結果として２９で出力するが、６ケの場合には、２６
で６ケのカテゴリ″０゛。
第３図の様になる。同図において、２０は第４図の入力
信号を表し、２１は第２図の特徴抽出部１１の動作、２
２は第２図の前照合計算部１４の動作、２４は第２図の
前照合部１６の動作、２６は第２図の計算部１６の動作
、２７は第２図の平均部１７の動作、２８〜２９は第２
図の識別部１８の動作、３０は第２図のゲート部１９の
動作を表している。同図において、例えば、カテゴリと
して”０”〜”９”までの数字音声が割当てられている
Ｊ場合に、入力音声として”ゼロ”が入力されると、２
１で特徴抽出して入力特徴パターンが生成され、入力特
徴パターンとカテゴリ”０”〜”９”に対応した代表標
準パターン（例えば、前記ミニ−マックス法で選択され
る）とのマツチング計算が２２でな・され、２４で距離
の近いもの５ケについて、それぞれ対応するカテゴリ例
えば”０”、“３”、“６”、”７″、”９”、を識別
する。そして、３０において、第２図のゲート部１９へ
の入力であるカテゴリコードが１つか又はそれよりも多
い（６ケ）かを判断し、１つだけの場合はその一！ま識
別結果として２９で出力するが、６ケの場合には、２６
で６ケのカテゴリ″０゛。
“３”、”６°“、”、“９”、に対応した標７
準パターン群とのマツチング計算を行い、５ケのカテゴ
リ゛ｏ“、”３゛、”６°＋ 、 Ｉ＋ ７”、”９”
。
リ゛ｏ“、”３゛、”６°＋ 、 Ｉ＋ ７”、”９”
。
の各々について、距離の近いもの３ケずつを平均して、
５ケの各カテゴリが対応する標準パターン群と入力特徴
パターンとの平均距離を２７で求める。２８では、前記
平均距離の最小値を与えるカテゴリ例えば”０”を識別
し、カテゴリコード”０″゛を出力する。以上の様な手
順で入力音声が識別される。
５ケの各カテゴリが対応する標準パターン群と入力特徴
パターンとの平均距離を２７で求める。２８では、前記
平均距離の最小値を与えるカテゴリ例えば”０”を識別
し、カテゴリコード”０″゛を出力する。以上の様な手
順で入力音声が識別される。
以上のように、本実施例によれば、代表標準パターン記
憶部１２、前照合計算部１４、前照合部１５を設けて、
各カテゴリ毎７ケの標準バク〜ンのうち、先ず、それら
を代表する各カテゴリ毎１つの代表標準パターンと入力
信号の特徴パターンとのマツチング計算を行い、入力信
号の特徴パターンとの距離が近いもの５ケの代表標準パ
ターンがそれぞれ該当するカテゴリを、１０ケのカテゴ
リの中から５ケ選択し、標準パターン群とのマツチング
計算の量を半減することにより、各カテゴリ毎に複数個
の標準パターンと照合することで得られる識別率の改善
効果を維持しつつ、丑だ、標準パターンの記憶容量を増
すことなく、識別に要する時間を短縮することができる
。。
憶部１２、前照合計算部１４、前照合部１５を設けて、
各カテゴリ毎７ケの標準バク〜ンのうち、先ず、それら
を代表する各カテゴリ毎１つの代表標準パターンと入力
信号の特徴パターンとのマツチング計算を行い、入力信
号の特徴パターンとの距離が近いもの５ケの代表標準パ
ターンがそれぞれ該当するカテゴリを、１０ケのカテゴ
リの中から５ケ選択し、標準パターン群とのマツチング
計算の量を半減することにより、各カテゴリ毎に複数個
の標準パターンと照合することで得られる識別率の改善
効果を維持しつつ、丑だ、標準パターンの記憶容量を増
すことなく、識別に要する時間を短縮することができる
。。
なお、本実施例においては、入力信号は音声であるとし
たが、入力信号は音声に限らず、例えば、手書文字入力
であっても良い。また、入力信号の特徴パタ−ンとして
、４００Ｈ２〜５ Ｋ Ｈｚ 帯域について周波数分析
して１６次元ベクトル表現を用いだが、周波数帯域幅、
ベクトルの次数は任意で良く、更に、周波数分析以外の
方法として、自己相関係数、零交叉数など入力信号の特
徴を表現しうるパラメータであれば良い。更ＶＣは、入
力信号の特徴パターンと標準パターンのマツチング計算
に動的計画法を用いたが、線形マツチ・ングを用いても
良くまた、距離尺度としては、市街距離以外の、ユーク
リッド距離、マ・・ラノビスの距離等、両者の距離を表
現するあらゆる距離尺度を適用しうる。
たが、入力信号は音声に限らず、例えば、手書文字入力
であっても良い。また、入力信号の特徴パタ−ンとして
、４００Ｈ２〜５ Ｋ Ｈｚ 帯域について周波数分析
して１６次元ベクトル表現を用いだが、周波数帯域幅、
ベクトルの次数は任意で良く、更に、周波数分析以外の
方法として、自己相関係数、零交叉数など入力信号の特
徴を表現しうるパラメータであれば良い。更ＶＣは、入
力信号の特徴パターンと標準パターンのマツチング計算
に動的計画法を用いたが、線形マツチ・ングを用いても
良くまた、距離尺度としては、市街距離以外の、ユーク
リッド距離、マ・・ラノビスの距離等、両者の距離を表
現するあらゆる距離尺度を適用しうる。
第４図は、本発明における音声パターン認識装置の第２
の実施例構成図を示すものである。
の実施例構成図を示すものである。
第４図において、１１は特徴抽出部、１２は代表標準パ
ターン記憶部、１３は標準パターン記憶部、１４は前照
合割算部、１５は前照合部、１６は計算部、１７は平均
部、１８は識別部、１９はゲート部である。
ターン記憶部、１３は標準パターン記憶部、１４は前照
合割算部、１５は前照合部、１６は計算部、１７は平均
部、１８は識別部、１９はゲート部である。
以上のように構成された本実施例の音声パターン認識装
置について、以下その動作を説明する。
置について、以下その動作を説明する。
入力信号（音声）は、特徴抽出部１１において、周波数
分析され、４００ Ｈｚからｓ Ｋ Ｈｚまでを対数軸
上で等分割された１６ケの周波数帯域のそれぞれの電力
を表わす１６次元ベクトルの時系列Ａｉ＝（ａｉ１，ａ
ｉ２，ａｉ３，・・・・・・・・・，ａｉ１６）に変換
され、前照合計算部１４で、代表標準パターン記憶部１
２で記憶されている代表標準パターンとマツチング計算
される。ところで、代表標準パターン記憶部１２で記憶
されている代表標準パターンとは、各カテゴリ毎の複数
個の標準パターン（１６次元ベクトルの時系列）を代表
する標準パターン（１６次元ベクトルの時系列）であり
て、例えば１０ケのカテゴリについて、各カテゴリ毎に
７ケの標準パターン（１６次元ベクトルの時系列）を持
つ場合には、７ケの標準パターン（１６次）１ベクトル
の時系列）の中で、残りの６ケの標準パターンとの距離
が最も平均的な１つの標準パターン（１６次元ベクトル
の時系列）（例えば、前記ミニ−マックス法により選択
される）が代表標準パターンＢ”＝（ｂｍ ｂｍ−旧、
ｂｒｎ６）（ｍ＝ １゜１２ ２ツ ２、・・・−・・、１Ｑ；カテゴリ番号）となる。代表
標準パターン記憶）τｌ５１２では、カテゴリ数だけ、
すなわち１０ケの前記代表標準バター０ンＢ”（ｍ＝１
．２．・・・・・・、１０）が記憶されている。前照合
計算部１４では、代表標準パターン記憶部で記憶されて
いる前記代表標準パターンＢｍ（ｍ＝１ 。
分析され、４００ Ｈｚからｓ Ｋ Ｈｚまでを対数軸
上で等分割された１６ケの周波数帯域のそれぞれの電力
を表わす１６次元ベクトルの時系列Ａｉ＝（ａｉ１，ａ
ｉ２，ａｉ３，・・・・・・・・・，ａｉ１６）に変換
され、前照合計算部１４で、代表標準パターン記憶部１
２で記憶されている代表標準パターンとマツチング計算
される。ところで、代表標準パターン記憶部１２で記憶
されている代表標準パターンとは、各カテゴリ毎の複数
個の標準パターン（１６次元ベクトルの時系列）を代表
する標準パターン（１６次元ベクトルの時系列）であり
て、例えば１０ケのカテゴリについて、各カテゴリ毎に
７ケの標準パターン（１６次元ベクトルの時系列）を持
つ場合には、７ケの標準パターン（１６次）１ベクトル
の時系列）の中で、残りの６ケの標準パターンとの距離
が最も平均的な１つの標準パターン（１６次元ベクトル
の時系列）（例えば、前記ミニ−マックス法により選択
される）が代表標準パターンＢ”＝（ｂｍ ｂｍ−旧、
ｂｒｎ６）（ｍ＝ １゜１２ ２ツ ２、・・・−・・、１Ｑ；カテゴリ番号）となる。代表
標準パターン記憶）τｌ５１２では、カテゴリ数だけ、
すなわち１０ケの前記代表標準バター０ンＢ”（ｍ＝１
．２．・・・・・・、１０）が記憶されている。前照合
計算部１４では、代表標準パターン記憶部で記憶されて
いる前記代表標準パターンＢｍ（ｍ＝１ 。
２、・・・・・・、１０）と、特徴抽出部１１で得られ
た特徴パターン（１６次元ベクトルの時系列）Ａ□につ
いて、動的計画法を用いて市街距離を計算する。前照合
部１５では、１０個の代表標準パター７ Ｂｍ（ｍ＝
１ 、２ 、・・・・・・、１０ンに対して前照合計算
部１４で得られた市街距離ｎ１ ＋ （１２＋・・・・
・・。
た特徴パターン（１６次元ベクトルの時系列）Ａ□につ
いて、動的計画法を用いて市街距離を計算する。前照合
部１５では、１０個の代表標準パター７ Ｂｍ（ｍ＝
１ 、２ 、・・・・・・、１０ンに対して前照合計算
部１４で得られた市街距離ｎ１ ＋ （１２＋・・・・
・・。
ｌ１０ について、それらの最小値１ｍ１ｎ ”’予め
定められた閾値しよりも小さければ、最小距離を与える
代表標準パターンに対応したカテコ゛リコードのみを出
力し、市街距離１ｍ（ｍ＝１．２ 、・・・・・・。
定められた閾値しよりも小さければ、最小距離を与える
代表標準パターンに対応したカテコ゛リコードのみを出
力し、市街距離１ｍ（ｍ＝１．２ 、・・・・・・。
１０）の最小値 ’ｍｉｎ が閾値りよりも大きい力１
等しい場合には、距離の近いもの６ケについて、それら
を与える代表標準ノぐターンに対応したカテゴリコード
及び付帯する市街距離を出力する。ゲート部１９では、
前照合部１５の出力が、１つのカテゴリコードのみの場
合は、そのｉｔ力テコ゛リコードを識別結果として出力
し、５ケのカテコ゛リコードと付帯する距離の場合は、
計算部１７において、標準パターン記憶部１２で記憶さ
れている標準パター、ンのうち、５ケのカテコ゛リコー
ドに対応した標準パターン（１６次元ベクｌ−／しの時
系列）とのマツチング計算を行わせる為の信号を出ノｊ
する。ところで、標準ノくターン記憶部１２で記１Ｍさ
れている標準パターンとは、各カテコ゛り毎の複数個の
標準パターン（１６次元ベクトルの時系夕１］）のうち
、前記代表標準ノくターン（１６次元ベクトルの時系列
）を除いた残りの６ケの標準ノ（ターン（１６次元ベク
トルの時系列） Ｂｌｌ’ｌ 、 Ｂｒｎ、・・・・・
・。
等しい場合には、距離の近いもの６ケについて、それら
を与える代表標準ノぐターンに対応したカテゴリコード
及び付帯する市街距離を出力する。ゲート部１９では、
前照合部１５の出力が、１つのカテゴリコードのみの場
合は、そのｉｔ力テコ゛リコードを識別結果として出力
し、５ケのカテコ゛リコードと付帯する距離の場合は、
計算部１７において、標準パターン記憶部１２で記憶さ
れている標準パター、ンのうち、５ケのカテコ゛リコー
ドに対応した標準パターン（１６次元ベクｌ−／しの時
系列）とのマツチング計算を行わせる為の信号を出ノｊ
する。ところで、標準ノくターン記憶部１２で記１Ｍさ
れている標準パターンとは、各カテコ゛り毎の複数個の
標準パターン（１６次元ベクトルの時系夕１］）のうち
、前記代表標準ノくターン（１６次元ベクトルの時系列
）を除いた残りの６ケの標準ノ（ターン（１６次元ベク
トルの時系列） Ｂｌｌ’ｌ 、 Ｂｒｎ、・・・・・
・。
Ｂ″”（ｍ＝１ ．２ 、＝＝＝、１０）である７、−
Ｊ−な１＋ち、各カテゴリについて、標準・ぐターンｄ
、１つの代表標準パターン評と６ケの標準／％ターンＢ
”（ｎ＝１．２．−−＝、６）の合計７個の標準パター
ンが存在する。標準ノ（ターン記憶部１２では、各カテ
ゴリについて、すなわち１０ケのカテゴリについて、６
ケの前記標準）ｑターン（１６次元ベクトルの１■山系
列）Ｂｍ （ｎ＝＝１．２．・・・・・・。
Ｊ−な１＋ち、各カテゴリについて、標準・ぐターンｄ
、１つの代表標準パターン評と６ケの標準／％ターンＢ
”（ｎ＝１．２．−−＝、６）の合計７個の標準パター
ンが存在する。標準ノ（ターン記憶部１２では、各カテ
ゴリについて、すなわち１０ケのカテゴリについて、６
ケの前記標準）ｑターン（１６次元ベクトルの１■山系
列）Ｂｍ （ｎ＝＝１．２．・・・・・・。
１０）が記憶されている。割算部１６では、ケート部１
９より、計算駆動信号が入力された場合のみ、１０ケの
カテコ゛りについて標準／Ｃターンｄ己１．Ｑ部１２で
記憶されている各カテコ゛す６ケずつの標準パターン（
１６次元ベクトルの時系列）のうち、前照合部１６で得
られた５ケのカテコ゛リコードに対応したそれぞれ６ケ
の標準ノくターン（１６次５ｃベクトルの時系列）と、
特徴抽出部１１で得られた特徴パターン（１６次元ベク
トルの時系夕１）Ａｉについて、動的別画法を用いて市
街距離ｆ ｉ’ｉ−１算１−る。平均部１７では、前照
合部１６で得られた５ケのカテゴリについて、各カテゴ
リの代表標準パターン（１６次元ベクトルの時系列）と
前記特徴パターン（１６次元ベクトルの時系列）Ａｉと
の市街距離（前照合部１６より入力されたもの）と、同
一カテゴリについて、計算部１６で得られた６ケの市街
距崗１１のうち、距離の小さいもの３ケの相加平均Ｌｆ
ｌ′１を求めて、各カテゴリに対応した標準パターン群
と前記特徴パターン（１６次元ベクトルの時系列）との
平均距離とする。識別部１８では、前照合部月５で得ら
れた５ケのカテゴリに対応した標準パターン群について
、平均部１７で求めた５ケの平均距離の最も近い標準パ
ターン群に対応するカテゴリコードを識別して、識別結
果として出力する。
９より、計算駆動信号が入力された場合のみ、１０ケの
カテコ゛りについて標準／Ｃターンｄ己１．Ｑ部１２で
記憶されている各カテコ゛す６ケずつの標準パターン（
１６次元ベクトルの時系列）のうち、前照合部１６で得
られた５ケのカテコ゛リコードに対応したそれぞれ６ケ
の標準ノくターン（１６次５ｃベクトルの時系列）と、
特徴抽出部１１で得られた特徴パターン（１６次元ベク
トルの時系夕１）Ａｉについて、動的別画法を用いて市
街距離ｆ ｉ’ｉ−１算１−る。平均部１７では、前照
合部１６で得られた５ケのカテゴリについて、各カテゴ
リの代表標準パターン（１６次元ベクトルの時系列）と
前記特徴パターン（１６次元ベクトルの時系列）Ａｉと
の市街距離（前照合部１６より入力されたもの）と、同
一カテゴリについて、計算部１６で得られた６ケの市街
距崗１１のうち、距離の小さいもの３ケの相加平均Ｌｆ
ｌ′１を求めて、各カテゴリに対応した標準パターン群
と前記特徴パターン（１６次元ベクトルの時系列）との
平均距離とする。識別部１８では、前照合部月５で得ら
れた５ケのカテゴリに対応した標準パターン群について
、平均部１７で求めた５ケの平均距離の最も近い標準パ
ターン群に対応するカテゴリコードを識別して、識別結
果として出力する。
以上の第２の実施例の動作をフローチャートに表わすと
第５図の様になる。同図において、２０は第４図の入力
信号を表し、２１は第４図の特徴抽出部１１の動作、２
２は第４図の前照合計算部１４の動作、２３〜２６は第
４図の前照合部１６の動作、２６は第４図の割算部１６
の動作、２γは第４図の平均部１７の動作、２８〜２９
は第４図の識別部１８の動作、３０は第４図のゲート部
１９の動作を表している。同図において、例えばカテゴ
リとして°′０″〜” ９ ”−４での数字音１！・が
割当てられている場合に、入力音声として°゛ゼ１コ″
′入力されると、２１で特徴抽出して入力重機パターン
が生成され、入力特徴パターンとカテゴリ” ｏ ”〜
” ９ ”に対応した代表標準パターン（例えば、前記
ミニ−マックス法て選択される）とのマツチング割算が
２２でなされ、２３で最小距離と閾値との比較を行い、
最小距離が閾値よりも小さい時には、２６で最小距離を
与えるカテゴリを識別し、最小距離が閾値よりも大きい
か又は等しい時には、２４で距離の近いもの５ケについ
て、それぞれ対応するカテゴリ、例えば、°′０″′。
第５図の様になる。同図において、２０は第４図の入力
信号を表し、２１は第４図の特徴抽出部１１の動作、２
２は第４図の前照合計算部１４の動作、２３〜２６は第
４図の前照合部１６の動作、２６は第４図の割算部１６
の動作、２γは第４図の平均部１７の動作、２８〜２９
は第４図の識別部１８の動作、３０は第４図のゲート部
１９の動作を表している。同図において、例えばカテゴ
リとして°′０″〜” ９ ”−４での数字音１！・が
割当てられている場合に、入力音声として°゛ゼ１コ″
′入力されると、２１で特徴抽出して入力重機パターン
が生成され、入力特徴パターンとカテゴリ” ｏ ”〜
” ９ ”に対応した代表標準パターン（例えば、前記
ミニ−マックス法て選択される）とのマツチング割算が
２２でなされ、２３で最小距離と閾値との比較を行い、
最小距離が閾値よりも小さい時には、２６で最小距離を
与えるカテゴリを識別し、最小距離が閾値よりも大きい
か又は等しい時には、２４で距離の近いもの５ケについ
て、それぞれ対応するカテゴリ、例えば、°′０″′。
°゛３” Ｉｔ ６７７ 、 Ｉｔ了′″、“９″、を
識別する。
識別する。
そして、３０において、第４図のゲート部１９への入力
であるカテゴリコードが１つか又はそれよりも多い（６
ケ）かを判断し、１つだけの場合はそのまま識別結果と
して２９で出力するが、５ケの場合には、２６で５ケの
カテゴリ１０″′、ａ３”。
であるカテゴリコードが１つか又はそれよりも多い（６
ケ）かを判断し、１つだけの場合はそのまま識別結果と
して２９で出力するが、５ケの場合には、２６で５ケの
カテゴリ１０″′、ａ３”。
ｔ−６ｎ 、 ｔｔ ７ＩＩ 、 ｌ“９″、に対応し
た標準パターン群とのマツチング計算を行い、５ケのカ
テゴリ“Ｏ” ” ３ ” 、”’ ６ ” 、 ’
“７″２′’９”、の各々について、距離の近いもの３
ケずつを平均して、５ケの各カテゴリが対応する標準パ
ターン群と入力特徴パターンとの平均距離を２７で求め
る。２８では、前記平均距離の最小値を与えるカテゴリ
例えば“０″を識別し、カテゴリコード” ｏ ”を出
力する。以上の様な手順で入力音声が識別される。
た標準パターン群とのマツチング計算を行い、５ケのカ
テゴリ“Ｏ” ” ３ ” 、”’ ６ ” 、 ’
“７″２′’９”、の各々について、距離の近いもの３
ケずつを平均して、５ケの各カテゴリが対応する標準パ
ターン群と入力特徴パターンとの平均距離を２７で求め
る。２８では、前記平均距離の最小値を与えるカテゴリ
例えば“０″を識別し、カテゴリコード” ｏ ”を出
力する。以上の様な手順で入力音声が識別される。
以上のように、本実施例によれば、代表標準パターン記
憶部１２、前照合計算部１４、前照合部１６、ゲート部
１９を設けて、各カテゴリ毎７ケの標準パターンのうち
、先ず、それらを代表する各カテゴリ毎１つの代表標準
パターンと入力信号の特徴パターンとのマツチング計算
を行い、得られた最小の市街距離が予め定めた閾値よシ
も小さければ、最小の市街距離を与える代表標準パター
ンに対応するカテゴリを識別して以降の計算を打切り、
得られた最小の市街距離が前記閾値よりも大きいか等し
い場合には、入力信号の重機）パターンとの距離が近い
もの５ケの代表標準・々ターンがそれぞれ該当するカテ
ゴリを、１０ケのカテコ゛りの中から５ケ選択し、標準
パターン群とのマ・ソチング計算の量を半減することに
より、各カテゴリ毎に複数個の標準パターンと照合する
ことで得られる識別率の改善効果を維持しつつ、捷た、
標準パターンの記憶容量を増すことなく、識別に要する
時間を短縮することができる。
憶部１２、前照合計算部１４、前照合部１６、ゲート部
１９を設けて、各カテゴリ毎７ケの標準パターンのうち
、先ず、それらを代表する各カテゴリ毎１つの代表標準
パターンと入力信号の特徴パターンとのマツチング計算
を行い、得られた最小の市街距離が予め定めた閾値よシ
も小さければ、最小の市街距離を与える代表標準パター
ンに対応するカテゴリを識別して以降の計算を打切り、
得られた最小の市街距離が前記閾値よりも大きいか等し
い場合には、入力信号の重機）パターンとの距離が近い
もの５ケの代表標準・々ターンがそれぞれ該当するカテ
ゴリを、１０ケのカテコ゛りの中から５ケ選択し、標準
パターン群とのマ・ソチング計算の量を半減することに
より、各カテゴリ毎に複数個の標準パターンと照合する
ことで得られる識別率の改善効果を維持しつつ、捷た、
標準パターンの記憶容量を増すことなく、識別に要する
時間を短縮することができる。
なお、本実施例においては、入力信号は名声であるとし
たが、入力信号は音声に限らず、例えば、手書文字人力
であっても良い。また、入力信号の特徴パターンとして
、４００Ｈｚ〜５ＫＨｚイ；；・域について周波数分析
して１６次元ベクトル表現を用いたが、周波数帯域幅、
ベクトルの次数は任意で良く、更に、周波数分析以外の
方法として、自己相関係数、零交叉数など入力信号の特
徴を表現しうるパラメータであれば良い。更には、入力
信号の特徴パターンのマ・フチング計算に動的泪画法を
用いたが、線形マツチングを用いても良くまた、距離尺
度としては、市街距離以外の、ユークリッド距離、マハ
ラノビスの距離等、両者の距離を表現するあらゆる距ｎ
［＃尺度を適用しうる。
たが、入力信号は音声に限らず、例えば、手書文字人力
であっても良い。また、入力信号の特徴パターンとして
、４００Ｈｚ〜５ＫＨｚイ；；・域について周波数分析
して１６次元ベクトル表現を用いたが、周波数帯域幅、
ベクトルの次数は任意で良く、更に、周波数分析以外の
方法として、自己相関係数、零交叉数など入力信号の特
徴を表現しうるパラメータであれば良い。更には、入力
信号の特徴パターンのマ・フチング計算に動的泪画法を
用いたが、線形マツチングを用いても良くまた、距離尺
度としては、市街距離以外の、ユークリッド距離、マハ
ラノビスの距離等、両者の距離を表現するあらゆる距ｎ
［＃尺度を適用しうる。
発明の効果
本発明のパターン認識装置は、代表標準パターン記１．
ω部、前照合計算部、前照合部、を設けることによシ、
各カテゴリ毎の複数個の標準パターンのうち、先ず、そ
れらを代表する各カテゴリ毎１つの代表標準パターンと
入力信号の特徴パターンとのマツチング計算を行い、入
力信号の特徴パターンと代表標準パターンとの距離の近
いもの数ケについて、それぞれ該当する候補カテゴリを
予め選択し、それらに対応する標準パターン群とのマツ
チング割算を行うこ′χにより、前記特徴パターンと標
準パターン群とのマツチング計算を減少させて、各カテ
ゴリ毎に複数個の標準パターンと照合することで得られ
る識別率の改善効果を維持しつつ、また、標準パターン
の記憶容量を増すことなく、識別に要する時間を短縮す
ることができ、その実用的効果は大きい。
ω部、前照合計算部、前照合部、を設けることによシ、
各カテゴリ毎の複数個の標準パターンのうち、先ず、そ
れらを代表する各カテゴリ毎１つの代表標準パターンと
入力信号の特徴パターンとのマツチング計算を行い、入
力信号の特徴パターンと代表標準パターンとの距離の近
いもの数ケについて、それぞれ該当する候補カテゴリを
予め選択し、それらに対応する標準パターン群とのマツ
チング割算を行うこ′χにより、前記特徴パターンと標
準パターン群とのマツチング計算を減少させて、各カテ
ゴリ毎に複数個の標準パターンと照合することで得られ
る識別率の改善効果を維持しつつ、また、標準パターン
の記憶容量を増すことなく、識別に要する時間を短縮す
ることができ、その実用的効果は大きい。
丑だ、本発明のパターン認識装置は、代表標準パターン
記１足部、前照合計算部、前照合部、ゲート部を設ける
ことにより、各カテゴリ毎の複数個の標準パターンのう
ち、先ず、それらを代表する各カテゴリ毎１つの代表標
準パターンと入力信号の特徴パターンとのマツチング刷
算を行い、？Ｕられた結果（両者間の距離）の最小値が
予め定めた閾値よりも小さければ、最小値を与える代表
標準パターンに対応するカテゴリを識別して以降の計算
を打切り、得られた最小値が前記閾値よりも太きいか等
しい場合には、入力信号の特徴パターンと代表標準パタ
ーンとの距離が近いもの数個について、それぞれ該当す
る候補カテゴリを予め選択し、そノ′シらに対応する標
準パターン群とのマツチング計算を行うことにより、前
記特徴パターンと標準パターン群とのマツチング計算量
を減少させて、各カテゴリ毎に複数個の標準パターンと
照合することで得られる識別率の改善効果を維持しつつ
、また、標準パターンの記憶容量を増すことなく、識別
に要する時間を短縮することができ、その実用的効果は
大きい。
記１足部、前照合計算部、前照合部、ゲート部を設ける
ことにより、各カテゴリ毎の複数個の標準パターンのう
ち、先ず、それらを代表する各カテゴリ毎１つの代表標
準パターンと入力信号の特徴パターンとのマツチング刷
算を行い、？Ｕられた結果（両者間の距離）の最小値が
予め定めた閾値よりも小さければ、最小値を与える代表
標準パターンに対応するカテゴリを識別して以降の計算
を打切り、得られた最小値が前記閾値よりも太きいか等
しい場合には、入力信号の特徴パターンと代表標準パタ
ーンとの距離が近いもの数個について、それぞれ該当す
る候補カテゴリを予め選択し、そノ′シらに対応する標
準パターン群とのマツチング計算を行うことにより、前
記特徴パターンと標準パターン群とのマツチング計算量
を減少させて、各カテゴリ毎に複数個の標準パターンと
照合することで得られる識別率の改善効果を維持しつつ
、また、標準パターンの記憶容量を増すことなく、識別
に要する時間を短縮することができ、その実用的効果は
大きい。
第１図＋ｄ従来の音声パターン認識装置の構成を示すブ
ロック図、第２図、第３図はそれぞれ本発明のパターン
認識装置の一実施例の構成を示すブロック図及びフロー
チャート、第４図、第５図はそれぞれ本発明のパターン
認識装置の他の実施例の構成を示すブロック図及びフロ
ーチャートである０ １１・・・・・１４′ｉｉ徴抽出物、１２・・・・・・
代表標準パターン記憶部、１３・・・・−・標準パター
ン記憶部、１４・・・・・・前照合計算部、１５・・・
・・・前照合部、１６・・・・・・計算部、１７・・・
・・・平均部、１８・・・・・・識別部、１９・・・−
・・ゲート部。 代理人の氏名 弁理士 中 尾 敏 男 ほか１名第３
図 憾鉢考− ＜ｅＨ諭９
ロック図、第２図、第３図はそれぞれ本発明のパターン
認識装置の一実施例の構成を示すブロック図及びフロー
チャート、第４図、第５図はそれぞれ本発明のパターン
認識装置の他の実施例の構成を示すブロック図及びフロ
ーチャートである０ １１・・・・・１４′ｉｉ徴抽出物、１２・・・・・・
代表標準パターン記憶部、１３・・・・−・標準パター
ン記憶部、１４・・・・・・前照合計算部、１５・・・
・・・前照合部、１６・・・・・・計算部、１７・・・
・・・平均部、１８・・・・・・識別部、１９・・・−
・・ゲート部。 代理人の氏名 弁理士 中 尾 敏 男 ほか１名第３
図 憾鉢考− ＜ｅＨ諭９
Claims (1)
- （１）入力信号を特徴パターンの時系列Ａｉ（ｉ ＝１
．２．・・・・・・ｔ’）に変換する特徴抽出手段と、
１力テゴリｍ（ｍ＝１ 、２ 、・・・・・・、Ｍ）に
対する複数個の標準パターンのうち代表値となる標準パ
ターンＢ” （ｍ＝１ 、２ 、・・・・・・、Ｍ）を
記憶する代表標準パターン記憶手段と、各カテゴリ毎の
複数個の標準パターンのうち前記代表標準パターンを記
憶する標準パターン記憶手段と、前記特徴パターンＡ、
と前記代表標準パターンＢｍ（ｍ＝ １゜２、・・・・
・・、Ｍ）とのマツチング計算を行う前照合計算手段と
、前照合計算の結果得られる前記特徴パターンＡ、と前
記代表標準パターンＢｍ（ｍ−１１，２，・・・・・、
Ｍ）との距離の小さいものから順次１個（ｉ〉２）の該
当するカテゴリコードと付帯する距離を出力する前照合
手段と、前記標準パターン記憶手段で記憶されている標
準ノ（ターン群のうち、前記前照合手段から出力された
複数個のカテゴリコードに対応した標準・くターン群の
みと前記特徴パターン八〇とのマツチング計算を行う計
算手段と、前記前照合手段で得られた複数個のカテゴリ
コードについて、各カテコ゛り毎に、前記計算手段で得
られた前記標準・くターン群Ｂ、’： （ｎ−１，２，
・・・・・・、Ｎ）と前記特徴パターンＡｉとの距離及
び前記前照合計算手段で得られた代表標準パターンデと
前記特徴パターンＡｉとの距離のうち距離の小さいもの
に個の平均を求める平均手段と、前記平均手段で得られ
た結果に基づいて前記特徴パターンに最も近い代表標準
ノくターン及び標準パターン群に該当するカテゴリコー
ドを出力する＃ｌ＃＃４識別手１を備えたことを特、徴
とするパターン認識装置。 （功 入力信号を特徴パターン時系列Ａ、（ｉ＝１２、
・・・−・、Ｉ）に変換する特徴抽出手段と、１力テゴ
ｌＪｍ （ｍ＝＝１ 、２ 、・・・・・・、Ｍ）に対
する複数個の標準パターンのうち代表値となる標準ノく
ター７Ｂｍ（ｍ＝１．２ 、・・・・・・、Ｍ）を記憶
する代表標準パターン記憶手段と、各カテゴリ毎の複数
個の標準パターンのうち前記代表標準パターンＢ０憶す
る標準パターン記憶手段と、前記特徴パタ一ンへと前ム
己代表標準パターンＢ” （ｍ＝ １ 、２゜９．、、
、Ｍ）とのマツチング計算を行う前照合計算手段と、前
照合計算の結果得られる前記特徴パターンＡ□と前記代
表標準パターンＢｍ（ｍ＝＝１ 。 ２、・・・・・、Ｍ）との距離のうち最小のものと予め
定められた距離の閾値を比較し、最小距離が閾値よりも
小さい場合は最小距離を与える代表標準パターンの該当
するカテゴリコードのみを出力し、最小距離が閾値より
も大きい場合は、距離の小さいものから順次ｊ個（ｊ＞
２）の該当するカテゴリコ・−ドと付帯する距離を出力
する前照合手段と、前記前照合手段の出力が１つのカテ
ゴリコードのみの場合はカテゴリコードをそのまま識別
結果として出力し、複数個のカテゴリコードと付帯する
距離の場合は前記標準パターン記憶手段に記憶されてい
る標準パターン群と前記特徴パターンとのマツチング計
算を行わビる為の信号を出力するゲート手段と、前記ゲ
ート手段より信号が入力された場合のみ、前記標準パタ
ーン記憶手段で記憶されている標準パターン群のうち、
前記前照合手段から出力された複数個のカテゴリコード
に対応した標準パターン群のみと前記特徴パターン八□
とのマツチング計算を行う計算手段と、前記前照合手段
で得られた複数個のカテゴリコー ドについて、各カテ
ゴリ毎に、前記計算手段で得られた前記標準パターン群
Ｂｍ （ｎ＝ １ 、２．・・・・・、Ｎ）と前記特徴
パターンＡ、との距離及び前記前照合計算手段で得られ
た代表標準パターンＢｍと前記特徴パターン八〇との距
離のうち距離の小さいもの１（個の平均を求める平均手
段と、前記平均手段で得られた結果に基づいて前記特徴
パターンに最も近い代表標準パターン及び標準パターン
群に該当すし るカテゴリコードを出力する撫捌＃ｊ識別手段を備えた
ことを特徴とするパターン認識装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58091122A JPS59216284A (ja) | 1983-05-23 | 1983-05-23 | パタ−ン認識装置 |
| US06/611,734 US4715004A (en) | 1983-05-23 | 1984-05-18 | Pattern recognition system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP58091122A JPS59216284A (ja) | 1983-05-23 | 1983-05-23 | パタ−ン認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS59216284A true JPS59216284A (ja) | 1984-12-06 |
| JPH0449717B2 JPH0449717B2 (ja) | 1992-08-12 |
Family
ID=14017718
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP58091122A Granted JPS59216284A (ja) | 1983-05-23 | 1983-05-23 | パタ−ン認識装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US4715004A (ja) |
| JP (1) | JPS59216284A (ja) |
Families Citing this family (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA1245363A (en) * | 1985-03-20 | 1988-11-22 | Tetsu Taguchi | Pattern matching vocoder |
| JPH0738114B2 (ja) * | 1985-07-03 | 1995-04-26 | 日本電気株式会社 | フオルマント型パタンマツチングボコ−ダ |
| US5774851A (en) * | 1985-08-15 | 1998-06-30 | Canon Kabushiki Kaisha | Speech recognition apparatus utilizing utterance length information |
| US4941178A (en) * | 1986-04-01 | 1990-07-10 | Gte Laboratories Incorporated | Speech recognition using preclassification and spectral normalization |
| JPH0760318B2 (ja) * | 1986-09-29 | 1995-06-28 | 株式会社東芝 | 連続音声認識方式 |
| JPS6391699A (ja) * | 1986-10-03 | 1988-04-22 | 株式会社リコー | 音声認識方式 |
| US4998280A (en) * | 1986-12-12 | 1991-03-05 | Hitachi, Ltd. | Speech recognition apparatus capable of discriminating between similar acoustic features of speech |
| 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 |
| US5027408A (en) * | 1987-04-09 | 1991-06-25 | Kroeker John P | Speech-recognition circuitry employing phoneme estimation |
| US5146503A (en) * | 1987-08-28 | 1992-09-08 | British Telecommunications Public Limited Company | Speech recognition |
| US5140668A (en) * | 1987-11-10 | 1992-08-18 | Nec Corporation | Phoneme recognition utilizing relative positions of reference phoneme patterns and input vectors in a feature space |
| US5159637A (en) * | 1988-07-27 | 1992-10-27 | Fujitsu Limited | Speech word recognizing apparatus using information indicative of the relative significance of speech features |
| 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 |
| JPH02232696A (ja) * | 1989-03-06 | 1990-09-14 | Toshiba Corp | 音声認識装置 |
| US5168524A (en) * | 1989-08-17 | 1992-12-01 | Eliza Corporation | Speech-recognition circuitry employing nonlinear processing, speech element modeling and phoneme estimation |
| US5136654A (en) * | 1989-10-19 | 1992-08-04 | Kurzweil Applied Intelligence, Inc. | Vocabulary partitioned speech recognition apparatus |
| US5369727A (en) * | 1991-05-16 | 1994-11-29 | Matsushita Electric Industrial Co., Ltd. | Method of speech recognition with correlation of similarities |
| FR2689292A1 (fr) * | 1992-03-27 | 1993-10-01 | Lorraine Laminage | Procédé et système de reconnaissance vocale à réseau neuronal. |
| US5386492A (en) * | 1992-06-29 | 1995-01-31 | Kurzweil Applied Intelligence, Inc. | Speech recognition system utilizing vocabulary model preselection |
| US5682464A (en) * | 1992-06-29 | 1997-10-28 | Kurzweil Applied Intelligence, Inc. | Word model candidate preselection for speech recognition using precomputed matrix of thresholded distance values |
| US5522011A (en) * | 1993-09-27 | 1996-05-28 | International Business Machines Corporation | Speech coding apparatus and method using classification rules |
| US6208959B1 (en) | 1997-12-15 | 2001-03-27 | Telefonaktibolaget Lm Ericsson (Publ) | Mapping of digital data symbols onto one or more formant frequencies for transmission over a coded voice channel |
| US20040166936A1 (en) * | 2003-02-26 | 2004-08-26 | Rothschild Wayne H. | Gaming machine system having an acoustic-sensing mechanism |
| US7618323B2 (en) * | 2003-02-26 | 2009-11-17 | Wms Gaming Inc. | Gaming machine system having a gesture-sensing mechanism |
| US8280169B2 (en) | 2005-12-21 | 2012-10-02 | Michael Linderman | Recordation of handwriting and hand movement using electromyography |
| US8062115B2 (en) | 2006-04-27 | 2011-11-22 | Wms Gaming Inc. | Wagering game with multi-point gesture sensing device |
| US8959459B2 (en) | 2011-06-15 | 2015-02-17 | Wms Gaming Inc. | Gesture sensing enhancement system for a wagering game |
| US9086732B2 (en) | 2012-05-03 | 2015-07-21 | Wms Gaming Inc. | Gesture fusion |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU7529981A (en) * | 1980-09-19 | 1982-03-25 | Hitachi Limited | Language analysis by pattern recognition |
| JPS5844500A (ja) * | 1981-09-11 | 1983-03-15 | シャープ株式会社 | 音声認識方式 |
-
1983
- 1983-05-23 JP JP58091122A patent/JPS59216284A/ja active Granted
-
1984
- 1984-05-18 US US06/611,734 patent/US4715004A/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0449717B2 (ja) | 1992-08-12 |
| US4715004A (en) | 1987-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPS59216284A (ja) | パタ−ン認識装置 | |
| Das et al. | Urban sound classification using convolutional neural network and long short term memory based on multiple features | |
| EP0504485A2 (en) | A speaker-independent label coding apparatus | |
| US5794190A (en) | Speech pattern recognition using pattern recognizers and classifiers | |
| JPS59121100A (ja) | 連続音声認識装置 | |
| CA2304747C (en) | Pattern recognition using multiple reference models | |
| CN111400540A (zh) | 一种基于挤压和激励残差网络的歌声检测方法 | |
| Boelders et al. | Detection of mild dyspnea from pairs of speech recordings | |
| Karthikeyan et al. | Hybrid machine learning classification scheme for speaker identification | |
| Mansour et al. | Voice recognition Using back propagation algorithm in neural networks | |
| Zhu et al. | Emotion recognition from speech to improve human-robot interaction | |
| JPH02165388A (ja) | パターン認識方式 | |
| Hussain et al. | An improved acoustic scene classification method using convolutional neural networks (CNNs) | |
| Choi et al. | Short-utterance embedding enhancement method based on time series forecasting technique for text-independent speaker verification | |
| Sas et al. | Gender recognition using neural networks and ASR techniques | |
| KR101233296B1 (ko) | 가중치 합을 이용한 거리 함수 생성 방법 및 시스템 | |
| JP3098157B2 (ja) | 話者照合方法及び装置 | |
| JP2991288B2 (ja) | 話者認識装置 | |
| Patel et al. | A Performance Study: Convolutional Deep Belief Networks and Convolutional Neural Networks for Audio Classification | |
| JPH08123460A (ja) | 探索方法および音声認識装置 | |
| Upadhyay et al. | Analysis of different classifier using feature extraction in speaker identification and verification under adverse acoustic condition for different scenario | |
| JPH01185599A (ja) | 音声認識装置 | |
| JPS6336678B2 (ja) | ||
| JP2602271B2 (ja) | 連続音声中の子音識別方式 | |
| JPS6093579A (ja) | パタ−ン認識装置 |