DE69226594T2

DE69226594T2 - Spracherkennungseinrichtung mit Sprachkodierer, der Rangstufen von akustischen Prototypen ausgibt.

Info

Publication number: DE69226594T2
Application number: DE69226594T
Authority: DE
Inventors: Lalit R. Amawalk New York 10501 Bahl; Peter Vincent Mahopac Falls New York 10542 De Souza; Ponani S. Yorktown Heights New York 10598 Gopalakrishnan; Michael Alan White Plains New York 10404 Picheny
Original assignee: International Business Machines Corp
Current assignee: International Business Machines Corp
Priority date: 1991-10-23
Filing date: 1992-09-19
Publication date: 1999-04-22
Anticipated expiration: 2012-09-20
Also published as: JPH05216490A; EP0538626A2; EP0538626A3; JP2597791B2; US5222146A; CA2073991C; EP0538626B1; DE69226594D1; CA2073991A1

Description

Die Erfindung bezieht sich auf Sprachcodierungseinheiten und - verfahren, wie zum Beispiel für Spracherkennungssysteme.
Bei Spracherkennungssystemen ist bekannt geworden, Spracheinheiten (zum Beispiel Wörter, Teilwörter oder Woftfolgen) so zu modellieren, als erzeugten sie entweder (1) akustische Merkmalvektoren, welche die Werte der Merkmale einer Äußerung darstellen, oder (2) akustische Markierungen, die diskrete Gruppen akustischer Merkmalvektoren darstellen. Modelle, die akustische Merkmalvektoren erzeugen, werden manchmal als kontinuierliche Parametermodelle bezeichnet. Andererseits werden Modelle, die akustische Markierungen erzeugen, manchmal als diskrete Parametermodelle bezeichnet. Während kontinuierliche Parametermodelle in der Lage sind, mehr akustische Informationen als diskrete Parametermodelle darzustellen (und daher in der Lage sind, Spracheinheiten genauer darzustellen), ist es auch schwieriger, kontinuierliche Parametermodelle genau aufzubauen als diskrete Parametermodelle.
Es ist eine Aufgabe der Erfindung, ein Verfahren der Sprachcodierung und eine Vorrichtung bereitzustellen, die in der Lage ist, mehr akustische Informationen als bei Codierung für diskrete Parametermodelle darzustellen, und die einfacher als kontinuierliche Parametermodelle zu modellieren ist.
Es ist eine ändere Aufgabe der Erfindung, ein Spracherkennungssystem und -verfahren bereitzustellen, das in der Lage ist, Spracheinheiten mit mehr akustischen Informationen als ein dis kretes Parametermodell zu modellieren, und das noch einfacher als ein kontinuierliches Parametermodell zu erzeugen ist.
Gemäß der Erfindung enthält eine Vorrichtung zur Sprachcodierung Mittel zum Messen des Wertes mindestens eines Merkmals einer Äußerung über jedes einer Folge aufeinanderfolgender Zeitintervalle, um eine Folge von Merkmalvektorsignalen zu erzeugen, welche die Merkmalwerte darstellen. Zum Speichern einer Vielzahl von Prototypvektorsignalen werden Speichermittel zur Verfügung gestellt. Jedes Prototypvektorsignal hat mindestens einen Parameterwert und einen eindeutigen Identifikationswert. Zum Vergleichen der Abweichung des Merkmalwertes eines ersten Merkmalvektorsignals von den Parameterwerten der Prototypvektorsignale werden Mittel bereitgestellt, um Prototypübereinstimmungswerte für das erste Merkmalvektorsignal und jedes Prototypvektorsignal zu erhalten. Das Rangbestimmungsmittel ordnet einen ersten Rangwert dem Prototypvektorsignal mit dem besten Prototypübereinstimmungswert zu. Ein zweiter Rangwert wird dem Prototypvektorsignal mit dem zweitbesten Prototypübereinstimmungswert zugeordnet. Mindestens der Identifikationswert und der Rangwert des erstrangigen Prototypvektorsignals und der Identifikationswert und der Rangwert des zweitrangigen Prototypvektorsignals werden als ein codiertes Äußerungsdarstellungssignal des ersten Merkmalvektorsignals ausgegeben.
Vorzugsweise werden alle Proaotypübereinstimmungswerte für das erste Merkmalvektorsignal vom höchsten zum niedrigsten sortiert. Jedem Prototypübereinstimmungswert wird ein Rangwert zugeordnet, der die geschätzte Abweichung des zugeordneten Prototypvektorsignals von dem, ersten Merkmalvektorsignal bezüglich der geschätztem Abweichung aller anderen Prototypvektorsignale von dem ersten Merkmalvektorsignal darstellt. Der Identifikationswert und der Rangwert jedes Prototypvektorsignals werden als ein codiertes Äußerungsdarstellungssignal des ersten Merkmalvektorsignals ausgegeben.
Es wird ebenfalls bevorzugt, daß die Erfindung weiterhin Mittel zum Speichern der codierten Äußerungsdarstellungssignale aller Merkmalvektorsignale umfaßt.
In einer Form der Erfindung wird der Rangwert für ein ausgewähltes Prototypvektorsignal und für ein gegebenes Merkmalvektorsignal monoton auf die Zahl der anderen Prototypvektorsignale bezogen, die Prototypübereinstimmungswerte aufweisen, die besser als der Prototypübereinstimmungswert des ausgewählten Prototypvektorsignals für das gegebene Merkmalvektorsignal sind.
Vorzugsweise umfaßt das Mittel zum Speichern von Prototypvektorsignalen elektronischen Schreib-/Lesespeicher. Das Meßmittel kann zum Beispiel ein Mikrofon umfassen.
Ein entsprechendes Sprachcodierungsverfahren wird ebenfalls gemäß der Erfindung bereitgestellt.
Eine Vorrichtung zur Sprachcodierung gemäß der Erfindung enthält Mittel zum Messen des Wertes mindestens eines Merkmals einer Äußerung über jedes einer Folge aufeinanderfolgender Zeitintervalle, um eine Folge von Merkmalvektorsignalen zu erzeugen, welche die Merkmalwerte darstellen. Ein Speichermittel speichert eine Vielzahl von Prototypvektorsignalen. Jedes Prototypvektorsignal hat mindestens einen Parameterwert und einen eindeutigen Identifikationswert. Ein Vergleichsmittel vergleicht die Abweichung des Merkmalwertes jedes Merkmalvektorsignals mit den Parameterwerten der Prototypvektorsignale, um Prototypübereinstimmungswerte für jedes Merkmalvektorsignal und jedes Prototypvektorsignal zu erhalten.
Das Rangbestimmungsmittel ordnet für jedes Merkmalvektorsignal dem Prototypvektorsignal mit dem besten Prototypübereinstimmungswert einen ersten Rangwert und dem Prototypvektorsignal mit dem zweitbesten Prototypübereinstimmungswert einen zweiten Rangwert zu. Es werden Mittel zum Ausgeben mindestens des Identifikationswertes und des Rangwertes des erstrangigen Prototypvektorsignals und des Identifikationswertes und des Rangwertes des zweirangigen Prototypvektorsignals für jedes Merkmalvektorsignal als ein codiertes Äußerungsdarstellungssignal des Merkmalvektorsignals bereitgestellt, um eine Folge codierter Äußerungsdarstellungssignale zu erzeugen.
Die Vorrichtung zur Spracherkennung enthält weiterhin Mittel zum Speichern von Wahrscheinlichkeitsmodellen für eine Vielzahl von Spracheinheiten. Mindestens ein erstes Modell für eine erste Spracheinheit hat (a) mindestens zwei Status, (b) mindestens einen Übergang, der sich von einem Status zu demselben oder einem anderen Status erstreckt, (c) eine Übergangswahrscheinlichkeit für jeden Übergang, (d) eine Vielzahl von Modellausgaben für mindestens einen Prototypvektor bei einem Übergang und (e) Ausgabewahrscheinlichkeiten bei einem Übergang für jede Modellausgabe. Jede Modellausgabe umfaßt den Identifikationswert des Prototypvektors und einen Rangwert.
Ein Übereinstimmungswertprozessor erzeugt einen Übereinstimmungswert für jede einer Vielzahl von Spracheinheiten. Jeder Übereinstimmungswert umfaßt einen Schätzwert der Wahrscheinlichkeit, daß das Wahrscheinlichkeitsmodell der Spracheinheit eine Folge von Modellausgaben ausgeben würde, die mit einer Bezugsfolge übereinstimmt, die den Identifikationswert und Rang-Wert mindestens eines Prototypvektors von jedem codierten Äußerungsdarstellungssignal in der Folge codierter Äußerungsdarstellungssignale umfaßt. Eine oder mehrere beste Kandidaten spracheinheiten mit den besten Übereinstimmungswerten werden gekennzeichnet, und mindestens eine Sprachteileinheit einer oder mehrerer der besten Kandidatenspracheinheiten wird ausgegeben.
Vorzugsweise wird allen Prototypvektorsignalen für jedes Merkmalvektorsignal ein Rangwert zugeordnet. Jeder Rangwert stellt die geschätzte Abweichung des zugeordneten Prototypvektorsignals von dem Merkmalvektorsignal bezüglich der geschätzten Abweichung aller Prototypvektorsignale von dem Merkmalvektorsignal dar. Für jedes Merkmalvektorsignal werden die Identifikationswerte und der Rangwert aller Prototypvektorsignale als ein codiertes Äußerungsdarstellungssignal des Merkmalvektorsignals ausgegeben.
Vorzugsweise umfaßt jeder Übereinstimmungswert weiterhin einen Schätzwert der Wahrscheinlichkeit des Auftretens der Spracheinheit.
Das Mittel zum Speichern von Prototypvektorsignalen kann elektronischen Schreib-/Lesespeicher umfassen. Das Meßmittel kann ein Mikrofon umfassen. Das Sprachteileinheitausgabemittel kann eine Videoanzeige, wie zum Beispiel eine Katodenstrahlröhre, eine LCD-Anzeige, oder einen Drucker enthalten. Alternativ kann das Sprachteileinheitausgabemittel einen Sprachgenerator, zum Beispiel mit einem Lautsprecher oder einem Kopfhörer enthalten.
Ein entsprechendes Verfahren der Spracherkennung wird ebenfalls gemäß der Erfindung bereitgestellt.
Gemäß der vorliegenden Erfindung enthält das codierte Sprachsignal durch das Verschlüsseln jedes akustischen Merkmalvektors mit den Rangwerten aller Prototypvektoren mehr Informationen als ein diskretes parametercodiertes Signal. Gleichzeitig ist · es einfacher, die Erzeugung von Prototypvektorrangwerten, als die Erzeugung akustischer Merkmalvektoren mit kontinuierlichen Parametern zu modellieren.

BESCHREIBUNG DER ZEICHNUNGEN

Fig. 1 ist ein Blockschaltbild eines Beispiels einer Vorrichtung zur Spracherkennung gemäß der vorliegenden Erfindung.
Fig. 2 ist eine schematische Darstellung eines Beispiels eines Wahrscheinlichkeitsmodells einer Spracheinheit.
Fig. 3 ist ein Blockschaltbild eines Beispiels eines akustischen Merkmalwertmaßes.
Fig. 1 ist ein Blockschaltbild eines Beispiels einer Vorrichtung zur Spracherkennung gemäß der vorliegenden Erfindung, die eine Vorrichtung zur Sprachcodierung gemäß der vorliegenden Erfindung enthält. Ein Maß des akustischen Merkmalwertes 10 wird zum Messen des Wertes mindestens eines Merkmals einer Äußerung über jedes einer Folge aufeinanderfolgender Zeitintervalle zum Erzeugen einer Folge von Merkmalvektorsignalen bereitgestellt, welche die Merkmalwerte darstellen. Tabelle 1 stellt eine hypothetische Folge eindimensionaler Merkmalvektorsignale entsprechend den Zeitintervallen t1, t2, t3, t4 beziehungsweise t5 dar. TABELLE 1
Ein Prototypvektorspeicher 12 speichert eine Vielzahl von Prototypvektorsignalen. Jedes Prototypvektorsignal hat mindestens einen Parameterwert und einen eindeutigen Identifikationswert.
Tabelle 2 zeigt ein hypothetisches Beispiel von fünf Prototypvektorsignalen mit je einem Parameterwert und mit Identifikationswerten P1, P2, P3, P4 beziehungsweise PS. TABELLE 2
Ein Vergleichsprozessor 14 vergleicht die Abweichung des Merkmalwertes jedes Merkmalvektorsignals von den Parameterwerten, der Prototypvektorsignale, um Prototypübereinstimmungswerte für jedes Merkmalvektorsignal und jedes Prototypvektorsignal zu erhalten.
Tabelle 3 stellt ein hypothetisches Beispiel von Prototypübereinstimmungswerten für die Merkmalvektorsignale von Tabelle 1 und die Prototypvektorsignale von Tabelle 2 dar. TABELLE 3
In dem hypothetischen Beispiel werden die Merkmalvektorsignale und das Prototypvektorsignal gezeigt, als hätten sie nur eine Dimension mit nur einem Parameterwert für diese Dimension. Praktisch können die Merkmalvektorsignale und Prototypvektorsignale jedoch zum Beispiel fünfzig Dimensionen aufweisen, wobei jede Dimension zwei Parameterwerte aufweist. Die beiden Parameterwerte jeder Dimension können zum Beispiel ein Mittelwert und ein Wert der Standardabweichung (oder Varianz) sein.
Noch bezogen auf Fig. 1 enthält die Spracherkennungs- und Sprachcodierungsvorrichtung weiterhin einen Rangwertprozessor 16, um für jedes Merkmalvektorsignal dem Prototypvektorsignal mit dem besten Prototypübereinstimmungswert einen ersten Rangwert und dem Prototypvektorsignal mit dem zweitbesten Prototypübereinstimmungswert einen zweiten Rangwert zuzuordnen.
Vorzugsweise ordnet der Rangwertprozessor 16 für jedes Merkmalvektorsignal allen Prototypvektorsignalen einen Rangwert zu. Jeder Rangwert stellt die geschätzte Abweichung des zugeordneten Prototypvektorsignals von dem Merkmalvektorsignal bezüglich der geschätzten Abweichung aller anderen Prototypvektorsignale von dem Merkmalvektorsignal dar. Insbesondere ist der Rangwert eines ausgewählten Prototypvektorsignals für ein gegebenes Merkmalvektorsignal monoton auf die Anzahl anderer Prototypvektorsignale mit Prototypübereinstimmungswerten bezogen, die besser als der Prototypübereinstimmungswert des ausgewählten Prototypvektorsignals für das gegebene Merkmalvektorsignal sind.
Tabelle 4 zeigt ein hypothetisches Beispiel von Prototypvektorrangwerten, die aus den Prototypübereinstimmungswerten von Tabelle 3 gewonnen werden. TABELLE 4
Wie in den Tabellen 3 und 4 gezeigt, hat das Prototypvektorsignal PS den besten (in diesen Fall den engsten) Prototypübereinstimmungswert mit dem Merkmalvektorsignal zur Zeit t1 und wird daher dem ersten Rangwert von "1" zugeordnet. Das Prototypvektorsignal P1 hat den zweitbesten Prototypübereinstimmungswert mit dem Merkmalvektorsignal zur Zeit t1 und wird daher dem zweiten Rangwert von "2" zugeordnet. Ähnlich werden für das Merkmalvektorsignal zur Zeit t1 die Prototypvektorsignale P2, P4 und P3 den Rangwerten "3", "4" beziehungsweise "5" zugeordnet. Somit stellt jeder Rangwert die geschätzte Abweichung des zugeordneten Prototypvektorsignals von dem Merkmalvektorsignal bezüglich der geschätzten Abweichung aller anderen Prototypvektorsignale von dem Merkmalvektorsignal dar.
Wie in Tabelle 5 gezeigt, ist es alternativ ausreichend, daß der Rangwert für ein ausgewähltes Prototypvektorsignal für ein gegebenes Merkmalvektorsignal monoton auf die Anzahl der anderen Prototypvektorsignale mit Prototypübereinstimmungswerten, die besser als der Prototypübereinstimmungswert des ausgewählten Prototypvektorsignals für das gegebene Merkmälvektorsignal sind, bezogen wird. So könnten zum. Beispiel den Prototypvektorsignalen PS, P1, P2, P4 und P3 Rangwerte von "1", "2", "3", "3" beziehungsweise "3" zugeordnet sein. Anders gesagt, die Proto typvektorsignale können entweder einzeln oder in Gruppen sortiert werden. TABELLE 5
Zusätzlich zum Erzeugen der Rangwerte gibt der Rangwertprozessor 16 für jedes Merkmalvektorsignal mindestens den Identifikationswert und den Rangwert des erstrangigen Prototypvektorsignals und den Identifikationswert und den Rangwert des zweitrangigen Prototypvektorsignals als ein codiertes Äußerungsdarstellungssignal des Merkmalvektorsignals aus, um eine Folge codierter Äußerungsdarstellungssignale zu erzeugen.
Es wird zu Fig. 1 zurückgekehrt, die Vorrichtung zur Sprachcodierung und Spracherkennung gemäß der Erfindung enthält vorzugsweise einen Speicher 18 für das codierte Äußerungsdarstellungssignal zum Speichern der codierten Äußerungsdarstellungssignale aller Merkmalvektorsignale.
Ein Spracheinheitmodellspeicher 20 wird zum Speichern von Wahrscheinlichkeitsmodellen für eine Vielzahl von Spracheinheiten bereitgestellt. Die Spracheinheiten können zum Beispiel Wörter, Teilwörter (das heißt Teile von Wörtern) oder Folgen von Wörtern oder alles Vorhergehende sein.
Der Spracheinheitmodellspeicher 20 enthält mindestens ein erstes Modell für eine erste Spracheinheit. Das Modell hat minde stens zwei Status, mindestens einen Übergang, der sich von einem Status zu demselben oder einem anderen Status erstreckt, eine Übergangswahrscheinlichkeit für jeden Übergang, eine Vielzahl von Modellausgaben für mindestens einen Prototypvektor bei einem Übergang und Ausgabewahrscheinlichkeiten bei einem Übergang für jede Modellausgabe. Jede Modellausgabe umfaßt den Identifikationswert des Prototypvektors und einen Rangwert.
Fig. 2 und Tabellen 6 und 7 stellen hypothetische Beispiele von Wahrscheinlichkeitsmodellen der Spracheinheiten "A" und "B" dar. Jedes Modell hat vier Status 51, 52, 53 und 54. Jeder der Status 51, 52 und 53 hat einen Übergang, der sich von dem Status zurück zu demselben Status erstreckt, und einen anderen Übergang, der sich von dem Status zu dem nächsten Status erstreckt. Wie in den Tabellen 6 und 7 gezeigt, hat jeder Übergang eine Übergangswahrscheinlichkeit und eine Vielzahl von Modellausgaben. In diesen Beispielen gibt das Modell bei jedem Übergang den Identifikationswert und Rangwert nur eines Prototypvektors aus. Jedoch kann das Modell im allgemeinen bei jedem Übergang den Identifikationswert und Rangwert einer Vielzahl von Prototypvektoren ausgeben. TABELLE 6 TABELLE 7
So stellt zum Beispiel die Modellausgabe (P5, R1) den Identifikationswert des Prototypvektors PS und einen Rangwert von "1" (R1) dar.
Schließlich hat, wie in den Tabellen 6 und 7 gezeigt, jedes der hypothetischen Wahrscheinlichkeitsspracheinheitsmodelle eine Ausgabewahrscheinlichkeit bei jedem Übergang für jede Modellausgabe.
Die Modellausgabewahrscheinlichkeiten der Wahrscheinlichkeitsmodelle der Spracheinheiten können durch den Vorwärts-Rückwärts-Algorithmus geschätzt und durch reduzierte Schätzung auf dieselbe Art geglättet werden, die für Markovmodelle mit diskreten Parametern, basierend auf der Äußerung eines bekannten Träiningstextes, bekannt ist. (Siehe zum Beispiel F. Jelinek, "Continuous Speech Recognition by Statistical Methods.", Proceedings of the IEEE, Bd. 64, Nr. 4, Seiten 532-556, April 1976; und F. Jelinek u. a., "Interpolated Estimation of Markov Source Parameters from Sparse Data:", Pattern Recognition in Practice, Seiten 381-402, 1980.)
Es wird zu Fig. 1 zurückgekehrt, die Vorrichtung zur Spracherkennung gemäß der vorliegenden Erfindung enthält einen Übereinstimmungswertprozessor 22 zum Erzeugen eines Übereinstimmungswertes für jede einer Vielzahl von Spracheinheiten. Jeder Übereinstimmungswert umfaßt einen Schätzwert der Wahrscheinlichkeit, daß das Wahrscheinlichkeitsmodell der Spracheinheit eine Folge von Modellausgaben ausgeben wird, die mit einer Referenzfolge übereinstimmt, die den Identifikationswert und Rangwert von mindestens einem Prototypvektor von jedem codierten Äußerungsdarstellungssignal in der Folge codierter Äußerungsdarstellungssignale umfaßt.
Tabellen 8 und 9 zeigen hypothetische Beispiele des Erzeugens von Übereinstimmungswerten zwischen der hypothetischen Folge von fünf codierten Äußerungsdarstellungssignalen von Tabelle 4 und den hypothetischen Wahrscheinlichkeitsspracheinheitsmodellen mit vier Status der Tabellen 6 und 7. TABELLE 8: ÜBEREINSTIMMUNGSWERTERZEUGUNG: Spracheinheit "A"
TABELLE 9 ÜBEREINSTIMMUNGSWERTERZEUGUNG: Spracheinheit "B"
Es gibt fünf mögliche verschiedene Pfade durch jedes Vier-Status-Modell, die in der Lage sind, eine Folge von genau fünf codierten Äußerungsdarstellungssignalen zu erzeugen. Die Wahrscheinlichkeit, daß jeder Pfad die beobachtete Folge von fünf codierten Äußerungsdarstellungssignalen erzeugt, wird für jeden Pfad geschätzt und summiert, um den Gesamtübereinstimmungswert für jedes Spracheinheitsmodell zu erzeugen. In diesem Beispiel ist der Gesamtübereinstimmungswert für das Modell der Spracheinheit "A" besser (wahrscheinlicher) als der Gesamtübereinstimmungswert für das Modell der Spracheinheit "B". Daher wird der Selektor 24 für die bester Kandidatenspracheinheiten mindestens die eine beste Kandidatenspracheinheit "A" mit dem besten Übereinstimmungswert kennzeichnen, und die Sprachteileinheitausgabe 26 wird mindestens eine Sprachteileinheit mindestens der Spracheinheit "A" ausgeben.
Falls alle der Spracheinheiten Folgen von zwei oder mehr Wörtern umfassen und falls die Wortfolgen aller der besten Kandidatenspracheinheiten mit demselben Wort beginnen, kann die Sprachteileinheitausgabe 26 zum Beispiel dieses eine Wort ausgeben, das den Anfang aller der besten Kandidatenspracheinheiten bildet.
Der Übereinstimmungswertprozessor 22 kann zusätzlich zum Schätzen der Wahrscheinlichkeit, daß das Wahrscheinlichkeitsmodell einer Spracheinheit eine Folge von Modellausgaben ausgeben wird, die mit einer Referenzfolge codierter Äußerungsdarstellungssignale übereinstimmt, auch die Wahrscheinlichkeit des Auftretens der Spracheinheit selbst schätzen. Die Schätzung der Wahrscheinlichkeit des Auftretens der Spracheinheit kann durch ein Sprachmodell erhalten werden. (Siehe zum Beispiel Jelinek, 1976, oben.)
Der Vergleichsprozessor 14, der Rangwertprozessor 16, der Übereinstimmungswertprozessor 22 und der Selektor 24 für die besten Kandidatenspracheinheiten gemäß der vorliegenden Erfindung können durch geeignete Programmierung entweder ein Spezial- oder ein Universal digitalcomputersystem sein. Die Speicher 12, 18 und 20 können elektronische Computerspeicher sein. Die Sprachteileinheitausgabe 26 kann zum Beispiel eine Videoanzeige, wie zum Beispiel eine Katodenstrahlröhre, eine LCD-Anzeige, oder ein Drucker sein. Alternativ kann das Ausgabemittel eine Sprachausgabeeinheit sein, wie zum Beispiel ein Sprachsynthesizer mit einem Lautsprecher oder Kopfhörern.
Ein Beispiel eines akustischen Merkmalwertmaßes wird in Fig. 3 gezeigt. Das Meßmittel enthält ein Mikrofon 28 zum Erzeugen eines analogen elektrischen Signals entsprechend der Äußerung. Das analoge elektrische Signal vom Mikrofon 28 wird durch den Analog-Digital-Wandler 30 in ein digitales elektrisches Signal umgewandelt. Zu diesem Zweck kann das analoge Signal durch den Analog-Digital-Wandler 30 zum Beispiel mit einer Rate von zwanzig Kilohertz abgetastet werden.
Ein Fenstergenerator 32 erhält zum Beispiel vom Analog-Digital- Wandler 30 alle 10 ms (eine Hundertstelsekunde) einen Abtastwert des digitalen Signals mit einer Dauer von 20 ms. Jeder Abtastwert von zwanzig Millisekunden des digitalen Signals wird durch den Spektralanalysator 34 analysiert, um die Amplitude des digitalen Signalwertes in jedem der beispielsweise zwanzig Frequenzbänder zu erhalten. Vorzugsweise erzeugt der Spektralanalysator 34 auch ein Signal der einundzwanzigsten Dimension, das die Gesamtamplitude oder Gesamtleistung des Abtastwertes von zehn Millisekunden des digitalen Signals darstellt. Der Spektralanalysator 34 kann zum Beispiel ein Prozessor zur Schnellen Fouriertransformation sein. Alternativ kann er eine Bank von zwanzig Bandpaßfiltern sein.
Die vom Spektralanalysierer 34 erzeugten einundzwanzigdimensionalen Vektorsignale können angepaßt werden, um Hintergrundrauschen durch einen adaptiven Rauschunterdrückungsprozessor 36 zu entfernen. Der Rauschunterdrückungsprozessor 36 subtrahiert einen Rauschvektor N(t) von dem Merkmalvektor F(t), der in den Rauschunterdrückungsprozessor eingegeben wird, um einen Ausgabemerkmalvektor F'(t) zu erzeugen. Der Rauschunterdrückungsprozessor 36 paßt sich an wechselnde Rauschstärken durch periodische Aktualisierung des Rauschvektors N(t) jedesmal an, wenn der vorherige Merkmalvektor F(t - 1) als Geräusch oder Geräuschlosigkeit gekennzeichnet wurde. Der Rauschvektor N(t) wird gemäß folgender Formel aktualisiert
N(t) = N(t - 1) + k [F(t - 1) - Fp(t - 1)], [1]
wobei N(t) der Rauschvektor zur Zeit t ist, N(t - 1) der Rauschvektor zur Zeit (t - 1) ist, k ein feststehender Parameter des adaptiven Rauschunterdrückungsmodells ist, F(t - 1) die Merkmalvektoreingabe in den Rauschunterdrückungsprozessor 36 zur Zeit (t - 1) ist und Geräusch oder Geräuschlosigkeit darstellt und Fp(t - 1) ein Geräuschlosigkeit- oder Geräüschprototypvektor vom Speicher 38 ist, der dem Merkmalvektor F(t - 1) am nächsten ist.
Der vorherige Merkmalvektor F(t - 1) wird als Geräusch oder Geräuschlosigkeit erkannt, falls entweder (a), die Gesamtenergie des Vektors unterhalb eines Schwellenwertes liegt oder (b) der nächste Prototypvektor im Anpassungsprototypvektorspeicher 40 zu dem Merkmalvektor ein Prototyp ist, der Geräusch oder Geräuschlosigkeit darstellt. Zum Zwecke der Analyse der Gesamtenergie des Merkmalvektors kann der Schwellenwert zum Beispiel das fünfte Prozentil aller Merkmalvektoren (entsprechend sowohl Sprache als auch Geräuschlosigkeit) sein, die in den zwei Sekunden vor dem Auswerten des Merkmalvektors erzeugt wurden.
Nach der Rauschunterdrückung wird der Merkmalvektor F'(t) durch den Normalisierungsprozessor 42 für Kurzzeitmittelwerte zur Anpassung an Variationen der Lautstärke der Eingabesprache normalisiert. Der Normalisierungsprozessor 42 normalisiert den einundzwanzigdimensionalen Merkmalvektor F'(t), um einen zwanzigdimensionalen normalisierten Merkmalvektor X(t) zu erzeugen. Die einundzwanzigste. Dimension des Merkmalvektors F'(t), welche die Gesamtamplitude oder Gesamtleistung darstellt, wird gelöscht. Jede Komponente i des normalisierten Merkmalvektors X(t) zur Zeit t kann zum Beispiel durch die Gleichung
Xi(t) = F'&sub1;(t) - Z(t) [2]
im logarithmischen Bereich gegeben sein, wobei F'1(t) die i-te Komponente des nichtnormalisierten Vektors zur Zeit t ist und wobei Z(t) ein gewichteter Mittelwert der Komponenten von F'(t) und Z(t - 1) gemäß den Gleichungen 3 und 4 ist:
Z(t) = 0,9Z(t - 1) + 0,1M(t) [3]
und wobei
Der normalisierte zwanzigdimensionale Merkmalvektor X(t) kann weiterhin durch einen adaptiven Markierer 44 zur Anpassung an Variationen in der Ausspräche von Sprechlauten verarbeitet werden. Ein angepaßter zwanzigdimensionaler Merkmalvektor X'(t) wird durch Subtrahieren eines zwanzigdimensionalen Anpassungsvektors A(t) von dem zwanzigdimensionalen Merkmalvektor X(t) erzeugt, welcher der Eingabe des adaptiven Markierers 44 bereitgestellt wird. Der Anpassungsvektor A(t) zur Zeit t kann zum Beispiel durch die Formel
A(t) = A(t - 1) + k[X (t - 1) - Xp(t - 1)], [5]
gegeben sein, wobei k ein feststehender Parameter des adaptiven Markierungsmodells ist, X(t - 1) die·normalisierte zwanzigdimensionale Vektoreingabe für den adaptive Markierer 44 zur Zeit (t - 1) ist, Xp(t - 1) der Anpassungsprototypvektor (vom Anpassungsprototypspeicher 40) ist, der dem zwanzigdimensionalen Merkmalvektor X(t - 1) zur Zeit (t - 1) am nächsten ist, und A(t - 1) der Anpassungsvektor zur Zeit (t - 1) ist.
Das zwanzigdimensionale angepaßte Merkmalvektorsignal X'(t) von dem adaptiven Markierer 44 wird vorzugsweise einem Hörmodell 46 zur Verfügung gestellt. Das Hörmodell 46 kann zum Beispiel ein Modell bereitstellen, wie das menschliche Hörsystem akustische Signale wahrnimmt. Ein Beispiel eines Hörmodells wird in der US-Patentschrift 4 980 918 von Bahl et al. mit dem Titel "Speech Recognition System with Efficient Storage and Rapid Assembly of Fhonological Graphs" beschrieben.
Vorzugsweise berechnet das Hörmodell 46 gemäß der vorliegenden Erfindung für jedes Frequenzband i des angepaßten Merkmalvektorsignals X'(t) zur Zeit t einen neuen Parameter Ei.(t) gemäß Gleichungen 6 und 7:
Ei(t) = K&sub1; + K&sub2;(K'i(t)) (Ni(t - 1)) [6]
wobei,
Ni(t) = K&sub3; · Ni(t - 1) - Ei.(t - 1) [7]
und wobei
K&sub1;, K&sub2; und K&sub3; feststehende Parameter des Hörmodells sind. Für jedes Zeitintervall von einer Hundertstelsekunde ist die Ausgabe des Hörmodells 46 ein modifiziertes zwanzigdimensionales Merkmalvektorsignal. Dieser Merkmalvektor wird um eine einundzwanzigste Dimension mit einem Wert gleich der Quadratwurzel aus der Summe der Quadrate der Werte der anderen zwanzig Dimensionen vergrößert.
Für jedes Intervall von einer Hundertstelsekunde verknüpft ein Verknüpfer 48 vorzugsweise neun einundzwanzigdimensionale Merkmalvektoren, die das eine aktuelle Zeitintervall von einer Hundertstelsekunde, die vier vorhergehenden Zeitintervalle von einer Hundertstelsekunde und die vier folgenden Zeitintervalle von einer Hundertstelsekunde darstellen, um einen einzigen verbundenen Vektor von 189 Dimensionen zu erzeugen. Jeder 189- dimensionale verbundene Vektor wird vorzugsweise in einem Rotator 50 mit einer Rotationsmatrix multipliziert, um den verbundenen Vektor zu rotieren und den verbundenen Vektor auf fünfzig Dimensionen zu verringern.
Die im Rotator 50 verwendete Rotationsmatrix kann zum Beispiel durch Klassifizieren einer Gruppe von 189-dimensionalen verbundenen Vektoren, die während einer Trainingssitzung erhalten werden, in M Klassen erhalten werden. Die Inverse der Kovarianzmatrix für alle verbundenen Vektoren in der Trainingsgruppe wird mit der Binnenwertkovarianzmatrix für alle verbundenen Vektoren in allen M Klassen multipliziert. Die ersten fünfzig Eigenvektoren der resultierenden Matrix bilden die Rotationsmatrix. (Siehe zum Beispiel "Vector Quantization Procedure For Speech Recognition Systems Using Discrete Parameter Phoneme- Based Markov Word Models" von L. R. Bahl et al., IBM Technical Disclosure Bulletin, Band 32, Nr. 7, Dezember 1989, Seiten 320 und 321).
Der Fenstergenerator 32, der Spektralanalysator 34, der adaptive Rauschunterdrückungsprozessor 36, Normalisierungsprozessor 42 für Kurzzeitmittel, adaptive Markierer 44, Hörmodell 46, Verknüpfer 48 und Rotator 50 können geeignet programmierte Spezial- oder Universaldigitalsignalprozessoren sein. Die Prototypspeicher 38 und 40 können elektronische Computerspeicher sein.
Die Prototypvektoren im Prototypspeicher 12 können zum Beispiel durch Gruppieren von Merkmalvektorsignalen aus einer Trainingsgruppe in eine Vielzahl von Gruppen und danach Berechnen von Mittelwert und Standardabweichung für jede Gruppe erhalten werden. Wenn der Trainingstext eine Folge von Wortsegmentmodellen (die ein Modell einer Folge von Worten bilden) umfaßt und jedes Wortsegmentmodell eine Folge von Elementarmodellen mit gekennzeichneten Positionen in den Wortsegmentmodellen umfaßt, können die Merkmalvektorsignale durch Festlegen, daß jede Gruppierung einem einzigen Elementarmodell in einer einzigen Position in einem einzigen Wortsegmentmodell entspricht, gruppiert werden. Ein derartiges Verfahren wird in der US-Patentanmeldung Nr. 730,714, eingereicht am 16. Juli 1991, mit dem Titel "Fast Algorithm for Deriving Acoustic Prototypes for Automatic Speech Recognition" genauer beschrieben.
Alternativ können alle akustischen Merkmalvektoren, die durch die Äußerung eines Trainingstextes erzeugt werden und die einem gegebenen Elementarmodell entsprechen, durch K-Mittelwert- Euklid-Gruppierung oder K-Mittelwert-Gauß-Gruppierung oder beidem gruppiert werden. Ein derartiges Verfahren wird zum Beispiel in der Europäischen Patentanmeldung 91 121 180.3 beschrieben.

Claims

1. Vorrichtung zur Sprachcodierung, die folgendes enthält:

Mittel zum Messen des Wertes mindestens eines Merkmals einer Äußerung über jedes einer Folge aufeinanderfolgender Zeitintervalle, um eine Folge von Merkmalvektorsignalen zu erzeugen, welche die Merkmalwerte darstellen;

Mittel zum Speichern einer Vielzahl von Prototypvektorsignalen, wobei jedes Prototypvektorsignal mindestens einen Parameterwert und einen eindeutigen Identifikationswert aufweist;

Mittel zum Vergleichen der Abweichung des Merkmalwertes eines ersten Merkmalvektorsignals von den Parameterwerten der Prototypvektorsignale, um Prototypübereinstimmungshäufigkeiten für das erste Merkmalvektorsignal und jedes Prototypvektorsignal zu erhalten;

wobei die Vorrichtung zur Sprachcodierung gekennzeichnet ist durch:

Rangbestimmungsmittel zum Zuordnen eines erstrangigen Wertes zu dem Prototypvektorsignal mit dem besten Prototypübereinstimmungswert und zum Zuordnen eines, zweitrangigen Wertes zu dem Prototypvektorsignal mit dem zweitbesten Prototypübereinstimmungswert;

Mittel zum Ausgeben mindestens des Identifikationswertes und des Rangwertes des erstrangigen Prototypvektorsignals und des Identifikationswertes und des Rangwertes des zweitrangigen Prototypvektorsignals als ein codiertes Äußerungsdarstellungssignal des ersten Merkmalvektorsignals.

2. Vorrichtung zur Sprachcodierung gemäß Anspruch 1, dadurch gekennzeichnet, daß:

das Rangbestimmungsmittel Mittel zur Rangbestimmung aller Prototypübereinstimmungswerte für das erste Merkmälvektorsignal vom höchsten zum niedrigsten und zum Zuordnen eines Rangwertes zu jedem Prototypübereinstimmungswert umfaßt, wobei jeder Rangwert die geschätzte Abweichung des zugeordneten Prototypvektorsignals von dem ersten Merkmalvektorsignal bezüglich der geschätzten Abweichung aller anderen Prototypvektorsignale zu dem ersten Merkmalvektorsignal darstellt; und

das Ausgabemittel Mittel zum Ausgeben des Identifikationswertes jedes Prototypvektorsignals und des Rangwertes jedes Prototypvektorsignals als ein codiertes Äußerungsdarstellungssignal des ersten Merkmalvektorsignals umfaßt.

3. Vorrichtung zur Sprachcodierung gemäß Anspruch 2, die weiterhin Mittel zum Speichern des codierten Äußerungsdarstellungssignals des Merkmalvektorsignals umfaßt.

4. Vorrichtung zur Sprachcodierung gemäß Anspruch 3, dadurch gekennzeichnet, daß der Rangwert für ein ausgewähltes Prototypvektorsignal für eingegebenes Merkmalvektorsignal monoton, auf die Anzahl anderer Prototypvektorsignale mit Prototypübereinstimmungswerten, die besser als der Prototypübereinstimmungswert des ausgewählten Prototypvektorsignals für das gegebene Merkmalvektorsignal sind, bezogen ist.

5. Vorrichtung zur Sprachcodierung gemäß Anspruch 4, dadurch gekennzeichnet, daß das Mittel zum Speichern von Prototypvektorsignalen elektronischen Schreib-/Lesespeicher umfaßt.

6. Vorrichtung zur Sprachcodierung gemäß Anspruch 5, dadurch gekennzeichnet, daß das Meßmittel ein Mikrofon umfaßt.

7. Verfahren zur Sprachcodierung, das folgendes umfaßt: Messen des Wertes mindestens eines Merkmals einer Äußerung über jedes einer Folge aufeinanderfolgender Zeitintervalle, um eine Folge von Merkmalvektorsignalen zu erzeugen, welche die Merkmalwerte darstellen;

Speichern einer Vielzahl von Prototypvektorsignalen, wobei jedes Prototypvektorsignal mindestens einen Parameterwert und einen eindeutigen Identifikationswert aufweist;

Vergleichen der Abweichung des Merkmalwertes eines ersten Merkmalvektorsignals von den Parameterwerten des Prototypvektorsignals, um Prototypübereinstimmungswerte für das erste Merkmalvektorsignal und jedes Prototypvektorsignal zu erhalten;

wobei das Verfahren zur Sprachcodierung durch die folgenden Schritte gekennzeichnet ist:

Rangbestimmung des Prototypvektorsignals mit dem besten Prototypübereinstimmungswert mit einem erstrangigen Wert - und Rangbestimmung des Prototypvektorsignals mit dem zweitbesten Prototypübereinstimmungswert mit einem zweitrangigen Wert;

Ausgeben mindestens des Identifikationswertes und des Rangwertes des erstrangigen Prototypvektorsignals und des Identifikationswertes und des Rangwertes des zweitrangigen Prototypvektorsignals als ein codiertes Äußerungsdarstellungssignal des ersten Merkmalvektorsignals.

8. Verfahren zur Sprachcodierung gemäß Anspruch 7, dadurch gekennzeichnet, daß:

der Schritt der Rangbestimmung die Rangbestimmung aller Prototypübereinstimmungswerte für das erste Merkmalvektorsignal vom höchsten zum niedrigsten und zum Zuordnen eines Rangwertes zu jedem Prototypübereinstimmungswert enthält, wobei jeder Rangwert die geschätzte Abweichung des zugeordneten Prototypvektorsignals von dem ersten Merkmalvektorsignal bezüglich der geschätzten Abweichung aller anderen Prototypvektorsignale von dem ersten Merkmalvektorsignal darstellt; und

der Schritt des Ausgebens das Ausgeben des Identifikationswertes jedes Prototypvektorsignals und des Rangwertes jedes Prototypvektorsignals als ein codiertes Äußerungsdarstellungssignal des ersten Merkmalvektorsignals umfaßt.

9. Verfahren zur Sprachcodierung gemäß Anspruch 8, da weiterhin den Schritt des Speicherns der codierten Äußerungsdarstellungssignale aller Merkmalvektorsignale enthält.

10. Verfahren zur Sprachcodierung gemäß Anspruch 9, dadurch gekennzeichnet, daß der Rangwert für ein ausgewähltes Prototypvektorsignal für ein gegebenes Merkmalvektorsignal monoton auf die Anzahl anderer Prototypvektorsignale mit Prototypübereinstimmungswerten, die besser als der Prototypübereinstimmungswert des ausgewählten Prototypvektorsi gnals für das gegebene Merkmalvektorsignal sind, bezogen ist.

11. Vorrichtung zur Spracherkennung, dadurch gekennzeichnet, daß sie folgendes umfaßt:

Vorrichtung zur Spracherkennung gemäß Ansprüchen 1 bis 6, wobei jedes Merkmalvektorsignal der Folge von Merkmalvektorsignalen so verarbeitet wird, daß es eine Folge codierter Äußerungsdarstellungssignale erzeugt;

wobei die Vorrichtung zur Spracherkennung weiterhin durch folgendes gekennzeichnet ist:

Mittel zum Speichern von Wahrscheinlichkeitsmodellen für eine Vielzahl von Spracheinheiten, mindestens eines ersten Modells für eine erste Spracheinheit mit (a) mindestens zwei Status, (b) mindestens einem Übergang, der sich von einem Status zu demselben oder einem anderen Status ausdehnt, (c) einer Übergangswahrscheinlichkeit für jeden Übergang, (d) einer Vielzahl von Modellausgaben für mindestens einen Prototypvektor bei einem Übergang, wobei jede Modellausgabe den Identifikationswert des Prototypvektors - und einen Rangwert umfaßt, und (e) Ausgabewahrscheinlichkeiten bei einem Übergang für jede Modellausgabe;

Mittel zum Erzeugen eines Übereinstimmungswertes für jede einer Vielzahl von Spracheinheiten, wobei jeder Übereinstimmungswert einen Schätzwert der Wahrscheinlichkeit umfaßt, daß das Wahrscheinlichkeitsmodell der Spracheinheit eine Folge von Modellausgaben ausgeben würde, die mit einer Referenzfolge übereinstimmt, die den Identifikationswert und Rangwert mindestens eines Prototypvektors von je dem codierten Äußerungsdarstellungssignal in der Folge codierter Äußerungsdarstellungssignale umfaßt;

Mittel zum Kennzeichnen einer oder mehrerer bester Kandidatenspracheinheiten mit den besten Übereinstimmungswerten; und

Mittel zum Ausgeben mindestens einer Sprachuntereinheit einer oder mehrerer der besten Kandidatenspracheinheiten.

12. Vorrichtung zur Spracherkennung gemäß Anspruch 11, dadurch gekennzeichnet, daß:

das Rangbestimmungsmittel Mittel zum Zuordnen eines Rangwertes zu allen Prototypvektorsignalen für jedes Merkmalvektorsignal umfaßt, wobei jeder Rangwert die geschätzte Abweichung des zugeordneten Prototypvektorsignals von dem Merkmalvektorsignal bezüglich der geschätzten Abweichung aller anderen Prototypvektorsignale von dem Merkmalvektorsignal darstellt; und

das Ausgabemittel Mittel zum Ausgeben der Identifikationswerte und der Rangwerte der Prototypvektorsignale für jedes Merkmälvektorsignal als ein codiertes Äußerungsdarstellungssignal des Merkmalvektorsignals umfaßt, um eine Folge codierter Äußerungsdarstellungssignale zu erzeugen.

13. Vorrichtung zur Spracherkennung gemäß Ansprüch 12, dadurch gekennzeichnet, daß der Rangwert für ein ausgewähltes Prototypvektorsignal für ein gegebenes Merkmälvektorsignal monoton auf die Anzahl anderer Prototypvektorsignale mit Prototypübereinstimmungswerten, die besser als der Prototypübereinstimmungswert des ausgewählten Prototypvektorsi gnals für das gegebene Merkmalvektorsignal sind, bezogen ist.

14. Vorrichtung zur Spracherkennung gemäß Anspruch 11, dadurch gekennzeichnet, daß jeder Übereinstimmungswert weiterhin einen Schätzwert der Wahrscheinlichkeit des Auftretens der Spracheinheit umfaßt.

15. Vorrichtung zur Spracherkennung gemäß Anspruch 14, dadurch gekennzeichnet, daß das Mittel zum Speichern von Prototypvektorsignalen elektronischen Schreib-/Lesespeicher umfaßt.

16. Vorrichtung zur Spracherkennung gemäß Anspruch 15, dadurch gekennzeichnet, daß das Meßmittel ein Mikrofon umfaßt.

17. Vorrichtung zur Spracherkennung gemäß Anspruch 16, dadurch gekennzeichnet, daß das Ausgabemittel für Sprachuntereinheiten eine Videoanzeige umfaßt.

18. Vorrichtung zur Spracherkennung gemäß Anspruch 17, dadurch gekennzeichnet, daß die Videoanzeige eine Katodenstrahlröhre umfaßt.

19. Vorrichtung zur Spracherkennung gemäß Anspruch 17, dadurch gekennzeichnet, daß die Videoanzeige eine LCD-Anzeige umfaßt.

20. Vorrichtung zur. Spracherkennung gemäß Anspruch 17, dadurch gekennzeichnet, daß die Videoanzeige einen Drucker umfaßt.

21. Vorrichtung zur Spracherkennung gemäß Anspruch 16, dadurch gekennzeichnet, daß das Ausgabemittel für Sprachuntereinheiten einen Sprachgenerator umfaßt.

22. Vorrichtung zur Spracherkennung gemäß Anspruch 21, dadurch gekennzeichnet, daß der Sprachgenerator einen Lautsprecher umfaßt.

23. Vorrichtung zur Spracherkennung gemäß Anspruch 21, dadurch gekennzeichnet, daß der Sprachgenerator einen Kopfhörer umfaßt.

24. Verfahren der Spracherkennung, dadurch gekennzeichnet, daß es folgendes umfaßt:

Verfahren der Sprachcodierung gemäß Ansprüchen 7 bis 10, wobei jedes Merkmalvektorsignal der Folge von Merkmalvektorsignalen so verarbeitet wird, daß es eine Folge codierter Äußerungsdarstellungssignale erzeugt;

wobei das Verfahren der Spracherkennung weiterhin durch die folgenden Schritte gekennzeichnet ist:

Speichern von Wahrscheinlichkeitsmodellen für eine Vielzahl von Spracheinheiten, mindestens eines ersten Modells für eine erste Spracheinheit mit (a) mindestens zwei Status, (b) mindestens einem Übergang, der sich von einem Status zu demselben oder einem anderen Status ausdehnt, (c) einer Übergangswahrscheinlichkeit für jeden Übergang, (d) einer Vielzahl von Modellausgaben für mindestens einen Prototypvektor bei einem Übergang, wobei jede Modellausgabe den Identifikationswert des Prototypvektors und einen Rangwert enthält, (e) Ausgabewahrscheinlichkeiten bei einem Übergang für jede Modellausgabe;

Erzeugen eines Übereinstimmungswertes für jede einer Vielzahl von Spracheinheiten, wobei jeder Übereinstimmungswert einen Schätzwert der Wahrscheinlichkeit enthält, daß das Wahrscheinlichkeitsmodell der Spracheinheit eine Folge von Modellausgaben ausgeben wird, die mit einer Referenzfolge übereinstimmen, die den Identifikationswert und den Rangwert mindestens eines Prototypvektors von jedem codierten Äußerungsdarstellungssignal in der Folge codierter Äußerungsdarstellungssignale umfaßt;

Identifizieren einer besten oder mehrerer bester Kandidatenspracheinheiten mit den besten Übereinstimmungswerten; und

Ausgeben mindestens einer Sprachuntereinheit einer oder mehrerer der besten Kandidatenspracheinheiten.

25. Verfahren der Spracherkennung gemäß Anspruch 24, dadurch gekennzeichnet, daß:

der Schritt der Rangbestimmung das Zuordnen eines Rangwertes zu allen Prototypvektorsignalen für jedes Merkmalvektorsignal umfaßt, wobei jeder Rangwert die geschätzte Abweichung des zugeordneten Prototypvektorsignals von dem Merkmalvektorsignal bezüglich der geschätzten Abweichung aller anderen Prototypvektorsignale von dem Merkmalvektorsignal enthält; und

der Schritt des Ausgebens das Ausgeben der Identifikationswerte und der Rangwerte der Prototypvektorsignale für jedes Merkmalvektorsignal als ein codiertes Äußerungsdarstellungssignal des Merkmalvektorsignals enthält um eine, · Folge codierter Äüßerungsdarstellungssignale zu erzeugen.

26. Verfahren der Spracherkennung gemäß Anspruch 25, dadurch gekennzeichnet, daß der Rangwert für ein ausgewähltes Pro totypvektorsignal für ein gegebenes Merkmalvektorsignal monoton auf die Anzahl anderer Prototypvektorsignale, mit Prototypübereinstimmungswerten, die besser als der Prototypübereinstimmungswert des ausgewählten Prototypvektorsignals für das gegebene Merkmalvektorsignal sind, bezogen ist.

27. Verfahren der Spracherkennung gemäß Anspruch 24, dadurch gekennzeichnet, daß jeder Übereinstimmungswert weiterhin einen Schätzwert der Wahrscheinlichkeit des Auftretens der Spracheinheit enthält.