JPS6257038B2 - - Google Patents
Info
- Publication number
- JPS6257038B2 JPS6257038B2 JP56091493A JP9149381A JPS6257038B2 JP S6257038 B2 JPS6257038 B2 JP S6257038B2 JP 56091493 A JP56091493 A JP 56091493A JP 9149381 A JP9149381 A JP 9149381A JP S6257038 B2 JPS6257038 B2 JP S6257038B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- matching
- distance
- branch
- route
- 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
- 239000013598 vector Substances 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000008602 contraction Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Description
【発明の詳細な説明】
本発明は、音声認識などに用いる精度の高いパ
ターンマツチング方法に関するものである。
ターンマツチング方法に関するものである。
音声のような特徴ベクトルの系列として表現さ
れる2つのパターンを比較する場合、音声の発声
速度を考慮し、時間軸を非線形に伸縮させ、マツ
チングを行うことが必要とされる。その中の一つ
の手法として動的計画法を利用した時間軸正規化
マツチングが知られている。日本音響学会誌
vol.27、No.9、P483〜P487に動的計画法によるパ
ターンマツチングの方法が記載されているが、そ
の概要は次のようになる。
れる2つのパターンを比較する場合、音声の発声
速度を考慮し、時間軸を非線形に伸縮させ、マツ
チングを行うことが必要とされる。その中の一つ
の手法として動的計画法を利用した時間軸正規化
マツチングが知られている。日本音響学会誌
vol.27、No.9、P483〜P487に動的計画法によるパ
ターンマツチングの方法が記載されているが、そ
の概要は次のようになる。
音声パタンは一般に特徴ベクトルの時系列とし
て表現される。
て表現される。
A=a1a2……ai……aI
ここに
ai=(a1i、a2i、……、aoi、……、aNi)
は音声の時間点iにおける特徴を示すベクトルで
あり、aoiとしては一例としてNチヤンネルの周
波数分析器の出力を考えることができる。このよ
うに表現されるAを入力パタンとして標準パター
ン B=b1b2……bj……bJ と比較する まず、第1図に示すように、特徴ベクトルの系
列A,Bをi軸、j軸に配列し、点(1、1)か
ら点(I、J)に至る点列を最適に定めて で定義されるaiとbjのベクトル間距離総和を最
小化して、それを点の数で除して正規化類似度を
得ている。すなわち、初期値 g(1、1)=d(1、1) ……(2) で積分量g(i、j)に関する。
あり、aoiとしては一例としてNチヤンネルの周
波数分析器の出力を考えることができる。このよ
うに表現されるAを入力パタンとして標準パター
ン B=b1b2……bj……bJ と比較する まず、第1図に示すように、特徴ベクトルの系
列A,Bをi軸、j軸に配列し、点(1、1)か
ら点(I、J)に至る点列を最適に定めて で定義されるaiとbjのベクトル間距離総和を最
小化して、それを点の数で除して正規化類似度を
得ている。すなわち、初期値 g(1、1)=d(1、1) ……(2) で積分量g(i、j)に関する。
なる漸化式を
1≦i≦I、1≦j≦J ……(4)
j−r≦i≦j+r
なる範囲で順次計算し、最後に得られるg(I、
J)をもとにして、 S(A、B)=g(I、J)/(I+J−1)
……(5) のごとく類似度を得ている。第1図に1で示す折
線は(i、j)の最適な点列を示し、直線2,3
は(4)の条件を示しており、時間整合窓と呼ばれ、
1の折線は直線2と3の間から外れることはな
い。説明のために(i、j)の点列に(1、1)
点をk=1とし、(I、J)点をk=Kとなる番
号をつけ Ck=(ik、jk) ……(6) のごとく示す。この例ではCkとCk-1との間には
次の関係のみ示している。
J)をもとにして、 S(A、B)=g(I、J)/(I+J−1)
……(5) のごとく類似度を得ている。第1図に1で示す折
線は(i、j)の最適な点列を示し、直線2,3
は(4)の条件を示しており、時間整合窓と呼ばれ、
1の折線は直線2と3の間から外れることはな
い。説明のために(i、j)の点列に(1、1)
点をk=1とし、(I、J)点をk=Kとなる番
号をつけ Ck=(ik、jk) ……(6) のごとく示す。この例ではCkとCk-1との間には
次の関係のみ示している。
すなわち、第2図のようにCk=(i、j)の点
21に接続すべき点Ck-1としては22に示す
(i、j−1)、23に示す点(i−1、j−
1)、24に示す点(i−1、j)のみが許され
る。この例では隣り合う点の間の関係のみ定め、
i、jが(3)、(4)式の条件を満足するという制約の
みを課しているため、点列全体としては±rの幅
をもつた整合窓の範囲内にあつても局部的には非
現実的なi、jの対応になつてしまうことがあ
る。すなわち、同一のiに多数のjが対応づけら
れたり、逆に同一のjに多数のiが対応づけられ
たりする。このために本来ならば全く異なるパタ
ーンを一致していると判定するようなエラーを生
ずる可能性がある。従つて、現在では次のような
考え方が一般化している。すなわち と漸化式を定めることにより、(i、j)の点列
がi方向又はj方向に1進んだ次には必ず(1、
1)の方向に1以上進むことになり、点列の最大
傾斜を制限する効果があると言われている。
21に接続すべき点Ck-1としては22に示す
(i、j−1)、23に示す点(i−1、j−
1)、24に示す点(i−1、j)のみが許され
る。この例では隣り合う点の間の関係のみ定め、
i、jが(3)、(4)式の条件を満足するという制約の
みを課しているため、点列全体としては±rの幅
をもつた整合窓の範囲内にあつても局部的には非
現実的なi、jの対応になつてしまうことがあ
る。すなわち、同一のiに多数のjが対応づけら
れたり、逆に同一のjに多数のiが対応づけられ
たりする。このために本来ならば全く異なるパタ
ーンを一致していると判定するようなエラーを生
ずる可能性がある。従つて、現在では次のような
考え方が一般化している。すなわち と漸化式を定めることにより、(i、j)の点列
がi方向又はj方向に1進んだ次には必ず(1、
1)の方向に1以上進むことになり、点列の最大
傾斜を制限する効果があると言われている。
第3図は、この方法によるルートを説明したも
ので、31で示すCkへ接続するルートは点3
2,33,34の3つのみが許されることにな
る。しかし、この改良された方法においても現実
にマツチングを行つている部分についてはなお微
視的であり、根本的な解決になつていないことは
明白である。又、明らかに一致しないパターンを
リジエクトする機能を付加するのが困難であり、
マツチングを最後まで行わなければならず、多数
のパターンから一番似ているパターンを見つけ出
すというような音声認識に用いた場合非能率であ
ると言える。
ので、31で示すCkへ接続するルートは点3
2,33,34の3つのみが許されることにな
る。しかし、この改良された方法においても現実
にマツチングを行つている部分についてはなお微
視的であり、根本的な解決になつていないことは
明白である。又、明らかに一致しないパターンを
リジエクトする機能を付加するのが困難であり、
マツチングを最後まで行わなければならず、多数
のパターンから一番似ているパターンを見つけ出
すというような音声認識に用いた場合非能率であ
ると言える。
本発明は、これらの欠点を除去するため、基本
的にはリニアマツチングであるが、マツチングを
階層化してマツチングルートを可変にし、時間軸
を非線形伸縮させることにより、最も良く一致す
る登録パターンを見つけ、正確かつ高速度のパタ
ーンマツチングを可能としたもので、以下詳細に
説明する。
的にはリニアマツチングであるが、マツチングを
階層化してマツチングルートを可変にし、時間軸
を非線形伸縮させることにより、最も良く一致す
る登録パターンを見つけ、正確かつ高速度のパタ
ーンマツチングを可能としたもので、以下詳細に
説明する。
第4図は、本発明のパターンマツチング方法を
用いたパターンマツチング装置の1実施例であつ
て、101はパターン入力端子、102は入力パ
ターンレジスタ、103は標準パターンメモリ、
104はパターンマツチングルートテーブル、1
05はマツチングルートバツフアレジスタ、10
6はブランチアドレステーブル、107はブラン
チ置換テーブル、108は置換ブランチレジス
タ、109は制御部、110は距離計算回路、1
11はブランチ距離メモリ、112は第1マツチ
ング結果レジスタ、113は第2マツチング結果
レジスタ、114は第3マツチング結果レジス
タ、115は比較回路、116は最小距離バツフ
アレジスタ、117は最小距離比較器、118は
認識結果出力端子である。
用いたパターンマツチング装置の1実施例であつ
て、101はパターン入力端子、102は入力パ
ターンレジスタ、103は標準パターンメモリ、
104はパターンマツチングルートテーブル、1
05はマツチングルートバツフアレジスタ、10
6はブランチアドレステーブル、107はブラン
チ置換テーブル、108は置換ブランチレジス
タ、109は制御部、110は距離計算回路、1
11はブランチ距離メモリ、112は第1マツチ
ング結果レジスタ、113は第2マツチング結果
レジスタ、114は第3マツチング結果レジス
タ、115は比較回路、116は最小距離バツフ
アレジスタ、117は最小距離比較器、118は
認識結果出力端子である。
第5図は、本発明のパターンマツチングを行う
場合のマツチングルートを示した図であり、横軸
に入力パターンの特徴ベクトル集合A=(a1、
a2、a3、……、an)をとり、縦軸に距離の計算
を行う相手の登録パターンの特徴ベクトルの集合
Ri=(ri1、ri2、……、rin)をとつたものであ
る。MR1は第1次パターンマツチングのための第
1マツチングルート、MR2,MR3は第2次パター
ンマツチングのための第2、第3マツチングルー
トである。上記各マツチングルートは各各8つの
小区間に分けられ、各小区間対応のブランチBで
接続され、又隣接する各ブランチはノードと呼ば
れる点で接続されている。ノードは第5図に点で
示したものであるが、各点のノード番号はP01〜
P05,P11〜P13,P21〜P25,P31〜P37,P41〜P49,
P51〜P57,P61〜P65,P71〜P73,P81〜P85、であ
る。
場合のマツチングルートを示した図であり、横軸
に入力パターンの特徴ベクトル集合A=(a1、
a2、a3、……、an)をとり、縦軸に距離の計算
を行う相手の登録パターンの特徴ベクトルの集合
Ri=(ri1、ri2、……、rin)をとつたものであ
る。MR1は第1次パターンマツチングのための第
1マツチングルート、MR2,MR3は第2次パター
ンマツチングのための第2、第3マツチングルー
トである。上記各マツチングルートは各各8つの
小区間に分けられ、各小区間対応のブランチBで
接続され、又隣接する各ブランチはノードと呼ば
れる点で接続されている。ノードは第5図に点で
示したものであるが、各点のノード番号はP01〜
P05,P11〜P13,P21〜P25,P31〜P37,P41〜P49,
P51〜P57,P61〜P65,P71〜P73,P81〜P85、であ
る。
第1マツチングルートMR1は各ノードP01,
P11,P21,P31,P41,P51,P61,P71,P81で接続さ
れている各ブランチ、B11,B21,B31,B41,
B51,B61,B71,B81から成る。
P11,P21,P31,P41,P51,P61,P71,P81で接続さ
れている各ブランチ、B11,B21,B31,B41,
B51,B61,B71,B81から成る。
第2マツチングルートMR2は各ノードP01,
P12,P23,P33,P43,P53,P63,P72,P81で接続さ
れる各ブランチB12,B22,B32,B42,B52,B62,
B72,B82から成る。
P12,P23,P33,P43,P53,P63,P72,P81で接続さ
れる各ブランチB12,B22,B32,B42,B52,B62,
B72,B82から成る。
第3マツチングルートMR3は各ノードP01,
P13,P25,P36,P47,P56,P73,P81で接続される
各ブランチB13,B23,B33,B43,B53,B63,B73,
B83から成る。
P13,P25,P36,P47,P56,P73,P81で接続される
各ブランチB13,B23,B33,B43,B53,B63,B73,
B83から成る。
第4図において、入力端子101から入力され
る入力パターンAは入力パターンレジスタ102
に書き込まれる。この入力パターンAはある特定
の要素数mのベクトル集合であり、例えばA=
(a1、a2、a3、……、an)である。標準パターン
メモリ103には複数の登録パターンが格納され
ている。パターンマツチングは標準パターンメモ
リ103の1番目の登録パターンR1を最初とし
て順次全登録パターンに対して行われる。登録パ
ターンの指定は、例えば制御部109からの指定
信号を標準パターンメモリ103の上位アドレス
信号として用いることにより行う。各登録パター
ンは前記入力パターンと同形式で、例えば要素数
mの特徴ベクトルの集合であり、Ri=(ri1、ri
2、……、rin)で表わされる。ここで入力パタ
ーンと登録パターンの要素数は同一数に合わせて
いる。
る入力パターンAは入力パターンレジスタ102
に書き込まれる。この入力パターンAはある特定
の要素数mのベクトル集合であり、例えばA=
(a1、a2、a3、……、an)である。標準パターン
メモリ103には複数の登録パターンが格納され
ている。パターンマツチングは標準パターンメモ
リ103の1番目の登録パターンR1を最初とし
て順次全登録パターンに対して行われる。登録パ
ターンの指定は、例えば制御部109からの指定
信号を標準パターンメモリ103の上位アドレス
信号として用いることにより行う。各登録パター
ンは前記入力パターンと同形式で、例えば要素数
mの特徴ベクトルの集合であり、Ri=(ri1、ri
2、……、rin)で表わされる。ここで入力パタ
ーンと登録パターンの要素数は同一数に合わせて
いる。
第6図は、標準パターンメモリを示したもので
あり、登録パターンRiの数を32として各登録パ
ターンの要素を格納する様子を示したものであ
る。
あり、登録パターンRiの数を32として各登録パ
ターンの要素を格納する様子を示したものであ
る。
第7図は、パターンマツチングルートテーブル
を示したものであり、第1次パターンマツチング
を行うための第1マツチングルートMR1、第2次
パターンマツチングを行うための第2、第3マツ
チングルートMR2,MR3それぞれを構成するブラ
ンチを示したものである。制御部109の制御の
もとで第1次パターンマツチングを行うためにパ
ターンマツチングルートテーブルに格納された第
1マツチングルートを構成する全ブランチ番号を
マツチングルートバツフアレジスタ105に転送
する。次にマツチングルートバツフアレジスタ1
05に格納された各ブランチ番号をアドレス情報
としてブランチアドレステーブル106に格納さ
れる各ブランチの位置情報を読み出す。
を示したものであり、第1次パターンマツチング
を行うための第1マツチングルートMR1、第2次
パターンマツチングを行うための第2、第3マツ
チングルートMR2,MR3それぞれを構成するブラ
ンチを示したものである。制御部109の制御の
もとで第1次パターンマツチングを行うためにパ
ターンマツチングルートテーブルに格納された第
1マツチングルートを構成する全ブランチ番号を
マツチングルートバツフアレジスタ105に転送
する。次にマツチングルートバツフアレジスタ1
05に格納された各ブランチ番号をアドレス情報
としてブランチアドレステーブル106に格納さ
れる各ブランチの位置情報を読み出す。
第8図は、ブランチアドレステーブル106を
示したものであり、各ブランチ毎に入力パターン
と登録パターンのマツチング位置を示している。
ブランチアドレステーブル106をブランチ番号
で参照すると、パターンマツチングを行う各ブラ
ンチ対応に入力パターンAの特徴ベクトルの要素
を格納する入力パターンレジスタ102のアドレ
スと、比較対照する登録パターンRiのベクトル
の要素を格納する標準パターンメモリ103の下
位アドレスとが対の形で格納されている。例えば
ブランチアドレステーブル106のブランチB11
対応のアドレスには入力パターンAのベクトルの
各要素を格納する入力パターンレジスタ102の
アドレスa1,a2,a3,a4,a5と、登録パターンRi
のベクトルの各要素を格納する標準パターンメモ
リ103の各登録パターン格納領域のアドレスr
i1,ri2,ri3,ri4,ri5とが対応する形で格納
されている。更に第8図からわかる通り、第1マ
ツチングルートMR1の各ブランチB11,B21,…
…,B81、第2マツチングルートMR2の各ブラン
チB12,B22……,B82、第3マツチングルート
MR3の各ブランチB13,B23,……,B83、並びに
最適なマツチングルートを求めるために、マツチ
ングルートの変更を行う時のブランチ、例えば第
5図で点線で示したブランチB14,……,B24,
B25,……,B34,B35,B36,……,B44,B45,…
…等のアドレス情報が格納されている。マツチン
グルートバツフアレジスタ105に格納された第
1マツチングルートMR1のブランチ番号に従つて
ブランチアドレステーブル106より入力パター
ンレジスタ102のアドレス及び標準パターンメ
モリ103の下位アドレスを指定してそれぞれの
内容を出力させ、距離計算回路110において、
入力パターンの特徴ベクトルの各要素と、登録パ
ターンの特徴ベクトルの各要素とのベクトル間距
離計算を行い、次に、ブランチ内の複数のベクト
ル間距離を加算する。この加算結果をブランチ距
離と呼ぶ。この計算は各ブランチ毎になされ、各
ブランチ毎の距離計算結果は、距離メモリ111
の第1マツチングルートブランチ距離計算結果格
納領域に格納される。
示したものであり、各ブランチ毎に入力パターン
と登録パターンのマツチング位置を示している。
ブランチアドレステーブル106をブランチ番号
で参照すると、パターンマツチングを行う各ブラ
ンチ対応に入力パターンAの特徴ベクトルの要素
を格納する入力パターンレジスタ102のアドレ
スと、比較対照する登録パターンRiのベクトル
の要素を格納する標準パターンメモリ103の下
位アドレスとが対の形で格納されている。例えば
ブランチアドレステーブル106のブランチB11
対応のアドレスには入力パターンAのベクトルの
各要素を格納する入力パターンレジスタ102の
アドレスa1,a2,a3,a4,a5と、登録パターンRi
のベクトルの各要素を格納する標準パターンメモ
リ103の各登録パターン格納領域のアドレスr
i1,ri2,ri3,ri4,ri5とが対応する形で格納
されている。更に第8図からわかる通り、第1マ
ツチングルートMR1の各ブランチB11,B21,…
…,B81、第2マツチングルートMR2の各ブラン
チB12,B22……,B82、第3マツチングルート
MR3の各ブランチB13,B23,……,B83、並びに
最適なマツチングルートを求めるために、マツチ
ングルートの変更を行う時のブランチ、例えば第
5図で点線で示したブランチB14,……,B24,
B25,……,B34,B35,B36,……,B44,B45,…
…等のアドレス情報が格納されている。マツチン
グルートバツフアレジスタ105に格納された第
1マツチングルートMR1のブランチ番号に従つて
ブランチアドレステーブル106より入力パター
ンレジスタ102のアドレス及び標準パターンメ
モリ103の下位アドレスを指定してそれぞれの
内容を出力させ、距離計算回路110において、
入力パターンの特徴ベクトルの各要素と、登録パ
ターンの特徴ベクトルの各要素とのベクトル間距
離計算を行い、次に、ブランチ内の複数のベクト
ル間距離を加算する。この加算結果をブランチ距
離と呼ぶ。この計算は各ブランチ毎になされ、各
ブランチ毎の距離計算結果は、距離メモリ111
の第1マツチングルートブランチ距離計算結果格
納領域に格納される。
第9図は、ブランチ距離メモリ111を示した
ものであり、第1マツチングルートMR1、第2マ
ツチングルートMR2、第3マツチングルートMR3
対応にその中の各ブランチ毎の入力パターンAと
登録パターンRiとのブランチ距離を格納するよ
うになつている。又、最適なマツチングルートを
得るために前記マツチングルートのブランチを変
えて距離の計算を行つた結果を格納する各小区間
対応の置換ブランチ距離計算結果領域を有する。
このようにして、第1マツチングルートMR1の入
力パターンAと登録パターンRiのブランチ距離
を各ブランチB11〜B81毎に計算し、その結果をブ
ランチ距離メモリに各ブランチ毎に格納する。
ものであり、第1マツチングルートMR1、第2マ
ツチングルートMR2、第3マツチングルートMR3
対応にその中の各ブランチ毎の入力パターンAと
登録パターンRiとのブランチ距離を格納するよ
うになつている。又、最適なマツチングルートを
得るために前記マツチングルートのブランチを変
えて距離の計算を行つた結果を格納する各小区間
対応の置換ブランチ距離計算結果領域を有する。
このようにして、第1マツチングルートMR1の入
力パターンAと登録パターンRiのブランチ距離
を各ブランチB11〜B81毎に計算し、その結果をブ
ランチ距離メモリに各ブランチ毎に格納する。
次に、加算機能を有する第1マツチング結果レ
ジスタに、前記ブランチ距離メモリ111に格納
された第1マツチングルートMR1の各ブランチ毎
の入力パターンAと登録パターンRiとの距離を
入力し、順次加算する。この加算結果を第1マツ
チングルートMR1における入力パターンAと登録
パターンRiとのパターン間距離とする。このパ
ターン間距離を比較回路110に入力し、予め定
められた第1次距離閾値α以上である場合にはこ
の登録パターンは一致しないとしてリジエクトさ
れ、次の登録パターンRi+1との距離計算処理に
移る。前記第1次距離閾値αは多数の同一種類の
パターンを入力パターンとして比較したときのパ
ターン間距離の最大値より安全を見込んで多少大
きな値とすることで決定できる。前記距離が第1
次距離閾粳α以内であれば、その登録パターンR
iが認識候補であると判断する。この場合には引
きつづいて、第2マツチングルートMR1を用い
て、入力パターンAと登録パターンRiとのブラ
ンチ距離計算を距離計算回路110で行い、ブラ
ンチ毎の距離を算出し、前記ブランチ毎の距離を
ブランチ毎にブランチ距離メモリ111に格納す
る。
ジスタに、前記ブランチ距離メモリ111に格納
された第1マツチングルートMR1の各ブランチ毎
の入力パターンAと登録パターンRiとの距離を
入力し、順次加算する。この加算結果を第1マツ
チングルートMR1における入力パターンAと登録
パターンRiとのパターン間距離とする。このパ
ターン間距離を比較回路110に入力し、予め定
められた第1次距離閾値α以上である場合にはこ
の登録パターンは一致しないとしてリジエクトさ
れ、次の登録パターンRi+1との距離計算処理に
移る。前記第1次距離閾値αは多数の同一種類の
パターンを入力パターンとして比較したときのパ
ターン間距離の最大値より安全を見込んで多少大
きな値とすることで決定できる。前記距離が第1
次距離閾粳α以内であれば、その登録パターンR
iが認識候補であると判断する。この場合には引
きつづいて、第2マツチングルートMR1を用い
て、入力パターンAと登録パターンRiとのブラ
ンチ距離計算を距離計算回路110で行い、ブラ
ンチ毎の距離を算出し、前記ブランチ毎の距離を
ブランチ毎にブランチ距離メモリ111に格納す
る。
次に加算機能を有する第2マツチング結果レジ
スタ113において、各ブランチ毎の距離を順次
加算し、この加算結果を第2マツチングルート
MR2における入力パターンAと登録パターンRi
とのパターン間距離とする。更に第3マツチング
ルートMR3に対しても、前述の第1マツチングル
ートMR1、第2マツチングルートMR2におけると
同様に入力パターンAと登録パターンRiとのブ
ランチ毎の距離を第3マツチング結果レジスタ1
14で加算する。この加算結果を第3マツチング
ルートにおける入力パターンAと登録パターンR
iとのパターン間距離とする。
スタ113において、各ブランチ毎の距離を順次
加算し、この加算結果を第2マツチングルート
MR2における入力パターンAと登録パターンRi
とのパターン間距離とする。更に第3マツチング
ルートMR3に対しても、前述の第1マツチングル
ートMR1、第2マツチングルートMR2におけると
同様に入力パターンAと登録パターンRiとのブ
ランチ毎の距離を第3マツチング結果レジスタ1
14で加算する。この加算結果を第3マツチング
ルートにおける入力パターンAと登録パターンR
iとのパターン間距離とする。
このようにして、第1マツチング結果レジスタ
112、第2マツチング結果レジスタ113、第
3マツチング結果レジスタ114、それぞれに格
納された入力パターンAと登録パターンRiとの
パターン間距離を比較回路115に入力し、比較
回路115内で前記3つの距離の中で一番小さい
ものを選択する。更に、前記選択された一番小さ
いパターン間距離を予め定められた第2次距離閾
値β(β<α)と比較する。この結果、そのパタ
ーン間距離が第2次距離閾値β以上である場合に
はその登録パターンRiは一致しないとしてリジ
エクトし、次の登録パターンRi+1とのベクトル
間距離計算処理に移る。前記パターン間距離が第
2次距離閾値β以内であれば、その登録パターン
Riについて、更にパターンマツチングを続け
る。ここでは、例えば一番小さいパターン間距離
を与えるマツチングルートを第1マツチングルー
トMR1であるとし、第1マツチングルートMR1に
おける入力パターンAと登録パターンRiとのパ
ターン間距離を第2次距離閾値β以下であるとす
る。比較回路115における比較結果、第1マツ
チングルートMR1におけるパターン間距離が選択
されたという情報が制御部111に伝達される
と、制御部109はマツチングルートバツフアレ
ジスタ105に前記選択されたマツチングルート
のブランチ番号を格納させ、ブランチ距離メモリ
111に格納されている前記選択されたマツチン
グルート(ここでは第1マツチングルートMR1の
各ブランチ毎のブランチ距離のうち、ある一定の
ブランチ距離閾値γより大きい値を有するブラン
チを検出し、前記ブランチのうち、値の大きいも
のから順にブランチの置換を行う。例えばブラン
チB31,B61のブランチ距離がある一定のブランチ
距離閾値γ以上であり、そのうちブランチ距離C
(B31)が最大値であるとする。検出されたこの最
大値を格納するブランチB31のブランチ距離C
(B31)、ブランチB31の一端側のブランチB21のブ
ランチ距離C(B21)との加算を第2マツチングレ
ジスタで行い、且つ保持し、次に他端側のブラン
チB41のブランチ距離C(B41)との加算を第3マ
ツチング結果レジスタ114で行う。この両者の
比較を比較回路で行い、値が大きい方のブランチ
のペアに対してブランチの置換処理を開始する。
112、第2マツチング結果レジスタ113、第
3マツチング結果レジスタ114、それぞれに格
納された入力パターンAと登録パターンRiとの
パターン間距離を比較回路115に入力し、比較
回路115内で前記3つの距離の中で一番小さい
ものを選択する。更に、前記選択された一番小さ
いパターン間距離を予め定められた第2次距離閾
値β(β<α)と比較する。この結果、そのパタ
ーン間距離が第2次距離閾値β以上である場合に
はその登録パターンRiは一致しないとしてリジ
エクトし、次の登録パターンRi+1とのベクトル
間距離計算処理に移る。前記パターン間距離が第
2次距離閾値β以内であれば、その登録パターン
Riについて、更にパターンマツチングを続け
る。ここでは、例えば一番小さいパターン間距離
を与えるマツチングルートを第1マツチングルー
トMR1であるとし、第1マツチングルートMR1に
おける入力パターンAと登録パターンRiとのパ
ターン間距離を第2次距離閾値β以下であるとす
る。比較回路115における比較結果、第1マツ
チングルートMR1におけるパターン間距離が選択
されたという情報が制御部111に伝達される
と、制御部109はマツチングルートバツフアレ
ジスタ105に前記選択されたマツチングルート
のブランチ番号を格納させ、ブランチ距離メモリ
111に格納されている前記選択されたマツチン
グルート(ここでは第1マツチングルートMR1の
各ブランチ毎のブランチ距離のうち、ある一定の
ブランチ距離閾値γより大きい値を有するブラン
チを検出し、前記ブランチのうち、値の大きいも
のから順にブランチの置換を行う。例えばブラン
チB31,B61のブランチ距離がある一定のブランチ
距離閾値γ以上であり、そのうちブランチ距離C
(B31)が最大値であるとする。検出されたこの最
大値を格納するブランチB31のブランチ距離C
(B31)、ブランチB31の一端側のブランチB21のブ
ランチ距離C(B21)との加算を第2マツチングレ
ジスタで行い、且つ保持し、次に他端側のブラン
チB41のブランチ距離C(B41)との加算を第3マ
ツチング結果レジスタ114で行う。この両者の
比較を比較回路で行い、値が大きい方のブランチ
のペアに対してブランチの置換処理を開始する。
第10図は、ブランチ置換テーブル107を示
したものであり、予め決められた規則で1対の接
続するブランチX毎に置換することのできる1対
の接続するブランチY,Zを示したものである。
このブランチ置換テーブル107はマツチングル
ートの両端のブランチを除くすべての1対のブラ
ンチ毎に設けられている。前述の比較の結果、ブ
ランチB31のブランチ距離C(B31)とブランチB21
のブランチ距離C(B21)とを加えたものの方が大
きい値であつた場合には、ブランチB31とブラン
チB21をインデツクスとしてブランチ置換テーブ
ル107を参照し、ブランチB31とブランチB21に
置換しうるブランチのペアを求める。その結果、
置換候補ブランチの第1のペアとしてブランチ
B24及びB34があり、第2のペアとしてブランチ
B25及びB35がある。これらのブランチ番号を置換
ブランチレジスタ108に格納する。次に、置換
ブランチレジスタ108に格納されたブランチ番
号のうち、第1のペアの各ブランチ番号でブラン
チアドレステーブル106を参照し、各ブランチ
対応に入力パターンAの特徴ベクトルの要素を格
納する入力パターンレジスタ102のアドレス
と、それと距離計算を行う登録パターンの特徴ベ
クトルの要素を格納する標準パターンメモリ10
3のアドレスとを出力させ、そのブランチ、例え
ば、ここではB24について、次いでB34について、
距離計算回路110でブランチ距離の計算を行
い、その結果をブランチ距離メモリ111の置換
ブランチ距離計算結果領域に格納する。
したものであり、予め決められた規則で1対の接
続するブランチX毎に置換することのできる1対
の接続するブランチY,Zを示したものである。
このブランチ置換テーブル107はマツチングル
ートの両端のブランチを除くすべての1対のブラ
ンチ毎に設けられている。前述の比較の結果、ブ
ランチB31のブランチ距離C(B31)とブランチB21
のブランチ距離C(B21)とを加えたものの方が大
きい値であつた場合には、ブランチB31とブラン
チB21をインデツクスとしてブランチ置換テーブ
ル107を参照し、ブランチB31とブランチB21に
置換しうるブランチのペアを求める。その結果、
置換候補ブランチの第1のペアとしてブランチ
B24及びB34があり、第2のペアとしてブランチ
B25及びB35がある。これらのブランチ番号を置換
ブランチレジスタ108に格納する。次に、置換
ブランチレジスタ108に格納されたブランチ番
号のうち、第1のペアの各ブランチ番号でブラン
チアドレステーブル106を参照し、各ブランチ
対応に入力パターンAの特徴ベクトルの要素を格
納する入力パターンレジスタ102のアドレス
と、それと距離計算を行う登録パターンの特徴ベ
クトルの要素を格納する標準パターンメモリ10
3のアドレスとを出力させ、そのブランチ、例え
ば、ここではB24について、次いでB34について、
距離計算回路110でブランチ距離の計算を行
い、その結果をブランチ距離メモリ111の置換
ブランチ距離計算結果領域に格納する。
次に、ブランチB21,B31に変えてブランチ
B24,B34を用いた場合の第1マツチングルート
MR1全区間のブランチ距離の加算を第2マツチン
グ結果レジスタ112で行い、パターン距離を算
出する。次に、置換候補の第2のペアB25,B35に
対して、同様に入力パターンと登録パターンのブ
ランチ距離計算を行い、計算結果をブランチ距離
メモリ111に格納し、更に第3マツチング結果
レジスタ114において、ブランチB21,B31に変
えてブランチB25,B35を用いた第1マツチングル
ートMR1全区間のブランチ距離の加算を第3マツ
チング結果レジスタ114で行い、パターン間距
離を算出する。この時、第1マツチング結果レジ
スタ112にはブランチB21,B31を用いた時の第
1マツチングルートMR1のパターン間距離が格納
されている。
B24,B34を用いた場合の第1マツチングルート
MR1全区間のブランチ距離の加算を第2マツチン
グ結果レジスタ112で行い、パターン距離を算
出する。次に、置換候補の第2のペアB25,B35に
対して、同様に入力パターンと登録パターンのブ
ランチ距離計算を行い、計算結果をブランチ距離
メモリ111に格納し、更に第3マツチング結果
レジスタ114において、ブランチB21,B31に変
えてブランチB25,B35を用いた第1マツチングル
ートMR1全区間のブランチ距離の加算を第3マツ
チング結果レジスタ114で行い、パターン間距
離を算出する。この時、第1マツチング結果レジ
スタ112にはブランチB21,B31を用いた時の第
1マツチングルートMR1のパターン間距離が格納
されている。
次に、比較回路115で第1マツチング結果レ
ジスタ112、第2マツチング結果レジスタ11
3、第3マツチング結果レジスタ114のそれぞ
れに格納されたパターン間距離の内、最小の値で
第1マツチング結果レジスタ112を更新し、最
小の値を与える時のブランチ番号で最初の第1マ
ツチングルートを格納したマツチングルートバツ
フアレジスタ105を更新する。例えば、ブラン
チB21,B31に変えてブランチB24,B34を用いて計
算した時が最も非類似度計算結果が小さい時には
マツチングルートバツフアレジスタ105にはブ
ランチ番号はB11,B24,BB34,B41,B51,B61,
B71,B81が格納される。
ジスタ112、第2マツチング結果レジスタ11
3、第3マツチング結果レジスタ114のそれぞ
れに格納されたパターン間距離の内、最小の値で
第1マツチング結果レジスタ112を更新し、最
小の値を与える時のブランチ番号で最初の第1マ
ツチングルートを格納したマツチングルートバツ
フアレジスタ105を更新する。例えば、ブラン
チB21,B31に変えてブランチB24,B34を用いて計
算した時が最も非類似度計算結果が小さい時には
マツチングルートバツフアレジスタ105にはブ
ランチ番号はB11,B24,BB34,B41,B51,B61,
B71,B81が格納される。
次に、前記置換処理後の各ブランチでブランチ
距離がある一定のブランチ距離閾値γ以上で最大
のものに対して前述と同様にブランチ置換処理を
行う。尚、マツチングルートに始端及び終端の2
つのブランチ(例えばこの例ではB11,B81)につ
いては例外的な処理を行う。
距離がある一定のブランチ距離閾値γ以上で最大
のものに対して前述と同様にブランチ置換処理を
行う。尚、マツチングルートに始端及び終端の2
つのブランチ(例えばこの例ではB11,B81)につ
いては例外的な処理を行う。
第11図は、第5図のマツチングルートの始端
側のブランチを示したものであり、P01〜P05,
P11〜P13はノード、B11,B14,B15はブランチを示
す。パターンマツチングの初期段階で、ノード
P11,P12,P13のうちの1つを通るマツチングル
ートが選択されるが、B13の場合はP05,P04,P01
のうちの1つ、P11の場合はP04,P01,P02のうち
の1つ、P12に対してはP01,P02,P03のうちの1
つというように、2つのノードを結ぶブランチの
ブランチ距離が最小になるようにマツチングルー
トを決定する。又、ブランチの置換処理の過程で
P11,P12,P13のノードが変更された時にはやは
り上記の組合わせで始端のノードを変更する。終
端側のブランチと全く同様な処理でマツチングル
ートを決定する。
側のブランチを示したものであり、P01〜P05,
P11〜P13はノード、B11,B14,B15はブランチを示
す。パターンマツチングの初期段階で、ノード
P11,P12,P13のうちの1つを通るマツチングル
ートが選択されるが、B13の場合はP05,P04,P01
のうちの1つ、P11の場合はP04,P01,P02のうち
の1つ、P12に対してはP01,P02,P03のうちの1
つというように、2つのノードを結ぶブランチの
ブランチ距離が最小になるようにマツチングルー
トを決定する。又、ブランチの置換処理の過程で
P11,P12,P13のノードが変更された時にはやは
り上記の組合わせで始端のノードを変更する。終
端側のブランチと全く同様な処理でマツチングル
ートを決定する。
以上のブランチ置換処理を各ブランチのブラン
チ距離がブランチ距離閾値γ以上のものに対して
行う。但し、同一のブランチのペアに対する置換
処理は1度しか行われない。このようにして求め
られるマツチングルートにおける距離が、その登
録パターンに対する最小の距離となる。この最小
の距離が第1マツチング結果レジスタ112に格
納される。
チ距離がブランチ距離閾値γ以上のものに対して
行う。但し、同一のブランチのペアに対する置換
処理は1度しか行われない。このようにして求め
られるマツチングルートにおける距離が、その登
録パターンに対する最小の距離となる。この最小
の距離が第1マツチング結果レジスタ112に格
納される。
次に、第1マツチングレジスタ112に格納さ
れた登録パターンRiに対する最小パターン間距
離と、最小パターン間距離レジスタ116に格納
されたパターン間距離とを比較する。この最小パ
ターン間距離レジスタ116にはその登録パター
ンRiより以前の最小のパターン間距離及びその
最小パターン間距離を与える登録パターンのコー
ド番号が格納されている。最小パターン間距離比
較器117にて比較した結果、登録パターンRi
とのパターン間距離の方が小さい時にはそのパタ
ーン間距離で最小パターン間距離レジスタ116
を更新する。更に、登録パターンRiのコード番
号も格納する。
れた登録パターンRiに対する最小パターン間距
離と、最小パターン間距離レジスタ116に格納
されたパターン間距離とを比較する。この最小パ
ターン間距離レジスタ116にはその登録パター
ンRiより以前の最小のパターン間距離及びその
最小パターン間距離を与える登録パターンのコー
ド番号が格納されている。最小パターン間距離比
較器117にて比較した結果、登録パターンRi
とのパターン間距離の方が小さい時にはそのパタ
ーン間距離で最小パターン間距離レジスタ116
を更新する。更に、登録パターンRiのコード番
号も格納する。
これまでに述べた処理を順次全登録パターンに
対して行うことにより最終的に最小パターン間距
離レジスタ116には最小のパターン間距離を与
える登録パターンとのパターン間距離及びその登
録パターンのコード番号が格納される。この最終
的に格納されているコード番号を認識結果として
出力することになる。
対して行うことにより最終的に最小パターン間距
離レジスタ116には最小のパターン間距離を与
える登録パターンとのパターン間距離及びその登
録パターンのコード番号が格納される。この最終
的に格納されているコード番号を認識結果として
出力することになる。
以上説明したように、本発明によれば、パター
ンの非線形伸縮を行いながらパターンマツチング
をするので音声のように同一の人でも発声のたび
に発声速度が一定でないような場合であるとか、
同一人でなくてそれぞれのくせにより音韻の割合
が異なるような場合でも正確なマツチングが可能
になる。さらに、本発明によれば、第1マツチン
グルートMR1を用いてリニアマツチングを行い、
全体的なパターン間距離を比較しており、いうな
ればトツプダウンによりパターンマツチングを階
層化して行なつているので、誤つたパターンマツ
チングをすることがなくなる。又、マツチングの
各段階で予め定める一定値とパターン間の距離を
比較して、距離が大きければその登録パターンは
一致しないとしてリジエクトを行うことができる
ので、マツチングの高速化が可能になる。
ンの非線形伸縮を行いながらパターンマツチング
をするので音声のように同一の人でも発声のたび
に発声速度が一定でないような場合であるとか、
同一人でなくてそれぞれのくせにより音韻の割合
が異なるような場合でも正確なマツチングが可能
になる。さらに、本発明によれば、第1マツチン
グルートMR1を用いてリニアマツチングを行い、
全体的なパターン間距離を比較しており、いうな
ればトツプダウンによりパターンマツチングを階
層化して行なつているので、誤つたパターンマツ
チングをすることがなくなる。又、マツチングの
各段階で予め定める一定値とパターン間の距離を
比較して、距離が大きければその登録パターンは
一致しないとしてリジエクトを行うことができる
ので、マツチングの高速化が可能になる。
以上の如く、本発明は、マツチングを階層化
し、トツプダウンにより非線形マツチングを行つ
ているので、正確なパターンマツチングを高速に
行うことができ、音声認識装置などに利用するこ
とができる。
し、トツプダウンにより非線形マツチングを行つ
ているので、正確なパターンマツチングを高速に
行うことができ、音声認識装置などに利用するこ
とができる。
第1図は、動的計画法を利用した時間軸正規化
マツチングを示した図、第2図、第3図は動的計
画法を利用した時間軸正規化マツチングにおける
漸化式を説明するための図、第4図は、本発明の
パターンマツチング方法を使つたパターンマツチ
ング装置の一実施例を示した図、第5図は、本発
明のパターンマツチングを行う場合のマツチング
ルートを示した図、第6図は、標準パターンメモ
リを示した図、第7図は、パターンマツチングル
ートテーブルを示した図、第8図は、ブランチア
ドレステーブルを示した図、第9図は、ブランチ
距離メモリを示した図、第10図は、ブランチ置
換テーブルを示した図、第11図は、第5図のマ
ツチングルートの始端側のブランチを示した図で
ある。 102……入力パターンレジスタ、103……
標準パターンメモリ、104……パターンマツチ
ングルートテーブル、105……マツチングルー
トバツフアレジスタ、106……ブランチアドレ
ステーブル、107……ブランチ置換テーブル、
108……置換ブランチレジスタ、109……制
御部、110……距離計算回路、111……ブラ
ンチ距離メモリ、112……第1マツチング結果
レジスタ、113……第2マツチング結果レジス
タ、114……第3マツチング結果レジスタ、1
15……比較器、116……最小パターン間距離
レジスタ、117……最小パターン間距離比較
器。
マツチングを示した図、第2図、第3図は動的計
画法を利用した時間軸正規化マツチングにおける
漸化式を説明するための図、第4図は、本発明の
パターンマツチング方法を使つたパターンマツチ
ング装置の一実施例を示した図、第5図は、本発
明のパターンマツチングを行う場合のマツチング
ルートを示した図、第6図は、標準パターンメモ
リを示した図、第7図は、パターンマツチングル
ートテーブルを示した図、第8図は、ブランチア
ドレステーブルを示した図、第9図は、ブランチ
距離メモリを示した図、第10図は、ブランチ置
換テーブルを示した図、第11図は、第5図のマ
ツチングルートの始端側のブランチを示した図で
ある。 102……入力パターンレジスタ、103……
標準パターンメモリ、104……パターンマツチ
ングルートテーブル、105……マツチングルー
トバツフアレジスタ、106……ブランチアドレ
ステーブル、107……ブランチ置換テーブル、
108……置換ブランチレジスタ、109……制
御部、110……距離計算回路、111……ブラ
ンチ距離メモリ、112……第1マツチング結果
レジスタ、113……第2マツチング結果レジス
タ、114……第3マツチング結果レジスタ、1
15……比較器、116……最小パターン間距離
レジスタ、117……最小パターン間距離比較
器。
Claims (1)
- 【特許請求の範囲】 1 特徴ベクトルの系列からなる入力パターン
と、特徴ベクトルの系列から複数個の登録パター
ンの1つとをリニアマツチングルートである第1
マツチングルートの各小区間毎にパターンマツチ
ングをし、距離計算を行い、前記計算結果を加算
してパターン間距離を求め、認識パターン候補で
あるか判定を行い、 認識パターン候補と判定された登録パターンに
対して、前記第1マツチングルートと、始点終点
を同一点として第1マツチングルート両側に台形
状に設けられる非線形マツチングルートである第
2マツチングルート、第3マツチングルートの各
小区間毎にパターンマツチングをし、距離計算を
行い、前記計算結果を加算して、各々パターン間
距離を求め、前記第1マツチングルート、第2マ
ツチングルート、第3マツチングルートにおける
各パターン間距離の内、最小のパターン間距離を
与えるマツチングルートを選択し、この最小のパ
ターン間距離を与えるマツチングルートの各小区
間の内で、ある一定以上の距離を与える小区間を
近傍の置換しうる小区間と置換してその登録パタ
ーンにおける最小のパターン間距離を求め、順次
前記処理を全登録パターンに対して行い最小のパ
ターン間距離を与える登録パターンを認識パター
ンと決定することを特徴とするパターンマツチン
グ方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP56091493A JPS57207294A (en) | 1981-06-16 | 1981-06-16 | Pattern matching method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP56091493A JPS57207294A (en) | 1981-06-16 | 1981-06-16 | Pattern matching method |
Publications (2)
Publication Number | Publication Date |
---|---|
JPS57207294A JPS57207294A (en) | 1982-12-18 |
JPS6257038B2 true JPS6257038B2 (ja) | 1987-11-28 |
Family
ID=14027931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP56091493A Granted JPS57207294A (en) | 1981-06-16 | 1981-06-16 | Pattern matching method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS57207294A (ja) |
-
1981
- 1981-06-16 JP JP56091493A patent/JPS57207294A/ja active Granted
Also Published As
Publication number | Publication date |
---|---|
JPS57207294A (en) | 1982-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sakoe | Two-level DP-matching--A dynamic programming-based pattern matching algorithm for connected word recognition | |
US5067166A (en) | Method and apparatus for dp matching using multiple templates | |
CN102119412B (zh) | 例外语辞典制作装置、例外语辞典制作方法、和声音识别装置和声音识别方法 | |
JP5294086B2 (ja) | 重み係数学習システム及び音声認識システム | |
JPH01167896A (ja) | 音声認識方法 | |
WO2006085412A1 (ja) | 地図情報処理装置および地図情報の記憶媒体 | |
JP2019159654A (ja) | 時系列情報の学習システム、方法およびニューラルネットワークモデル | |
US5524177A (en) | Learning of associative memory in form of neural network suitable for connectionist model | |
JP2841404B2 (ja) | 連続音声認識装置 | |
EP0162255A1 (en) | Pattern matching method and apparatus therefor | |
EP0248377B1 (en) | Continuous speech recognition system | |
Ney | A comparative study of two search strategies for connected word recognition: Dynamic programming and heuristic search | |
JPS6257038B2 (ja) | ||
JP2964881B2 (ja) | 音声認識装置 | |
JP3914709B2 (ja) | 音声認識方法およびシステム | |
US4794645A (en) | Continuous speech recognition apparatus | |
JPS6257039B2 (ja) | ||
US5956677A (en) | Speech recognizer having a speech data memory storing speech data and a reference pattern memory storing partial symbol trains of words for recognition | |
Andersen et al. | A self-learning approach to transcription of danish proper names. | |
US7269558B2 (en) | Decoding multiple HMM sets using a single sentence grammar | |
JP2867695B2 (ja) | 連続音声認識装置 | |
JPH0464077B2 (ja) | ||
JPS62144200A (ja) | 連続音声認識装置 | |
JP3059207B2 (ja) | ネットワーク作成装置 | |
JP2003015685A (ja) | グラフ変更装置及び時系列データ統合装置及びグラフ変更プログラム並びに時系列データ統合プログラム |