[go: up one dir, main page]

JPH06175685A - パタン認識装置及びヒドゥンマルコフモデル作成装置 - Google Patents

パタン認識装置及びヒドゥンマルコフモデル作成装置

Info

Publication number
JPH06175685A
JPH06175685A JP4329489A JP32948992A JPH06175685A JP H06175685 A JPH06175685 A JP H06175685A JP 4329489 A JP4329489 A JP 4329489A JP 32948992 A JP32948992 A JP 32948992A JP H06175685 A JPH06175685 A JP H06175685A
Authority
JP
Japan
Prior art keywords
hmm
learning
markov model
weighting coefficient
weighting
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.)
Pending
Application number
JP4329489A
Other languages
English (en)
Inventor
Junichi Nakabashi
順一 中橋
Hidekazu Tsuboka
英一 坪香
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Priority to JP4329489A priority Critical patent/JPH06175685A/ja
Publication of JPH06175685A publication Critical patent/JPH06175685A/ja
Pending legal-status Critical Current

Links

Abstract

(57)【要約】 【目的】 従来の音声認識等に用いられている荷重係数
ベクトル算出部の構成の複雑さと演算回数の増加を解決
する。 【構成】 従来のＨＭＭ学習時，認識時において荷重係
数ベクトルの計算をする荷重係数べクトル算出部に代
え、ＨＭＭ(ヒドゥンマルコフモデル)学習前に算出した
荷重係数ベクトルを荷重係数ベクトル記憶部104に記憶
しておく。これにより従来の計算装置に比べ僅かの記憶
容量にて音声認識等を行なうので、構成を簡単化でき
る。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明はパタン認識装置及びヒド
ゥンマルコフモデル(ＨＭＭ：Hidden MarkovModel)作成
装置(以下、単にＨＭＭ作成装置という)に関し、特に音
声認識等の時系列パターンを識別するための装置に関す
る。
【０００２】本発明は一般の時系列信号に適応可能なも
のであるが、説明の便宜のために、以下、従来の技術及
び本発明については、音声認識を例に説明する。
【０００３】
【従来の技術】一般に、音声認識装置は、未知の音声信
号を定められた音響特徴ベクトルの系列に変換し、その
後、前もって記憶されている識別された参照パタンを表
す音響特徴ベクトルと比較するように構成されている。
比較の結果として、未知の音声信号は、定められた認識
基準に従って最もよく適合する参照パタンとして識別さ
れる。現在、最も性能の良いとされる参照パタンは、統
計的推定に基づく状態と状態遷移との集合を利用したＨ
ＭＭである。
【０００４】そこで、先ず、ＨＭＭについて説明する。
ＨＭＭは、観測系列Ｏ＝ｏ1，ｏ2，…，ｏTにおいて各
観測が有限の数Ｍのシンボル中のどれかであるような観
測系列を評価するのに用いられる。観測系列は、直接的
には観測可能でない状態遷移を持つ潜在的なマルコフ鎖
の確率的関数としてモデル化できる。図５はこのような
ＨＭＭを説明するための図である。
【０００５】図５では、状態数Ｎ＝３、有限個の出力シ
ンボルＭ＝４を例としてある。状態１，２，３間の遷移
は状態遷移確率行列Ａ＝［ａij］として表され、ａijは
モデルが状態ｉにいる場合には状態ｊに遷移を生ずる確
率である。モデルの出力シンボルの確率はシンボル出力
確率行列Ｂ＝［ｂj(k)］で表され、ｂj(k)はモデルが状
態ｊに遷移した場合にシンボルｋを出力する確率であ
る。ＨＭＭは、各語彙に対して１つずつ作成しておき、
各ＨＭＭから未知の観測系列を発生する確率に基づいて
観測系列を分類するために用いることができる。
【０００６】未知入力に対して得られるシンボル系列を
Ｏ＝ｏ1，ｏ2，…，ｏT、ＨＭＭλから発生できる長さ
Ｔの任意の状態系列をＳ＝ｓ1，ｓ2，…，ｓTとすると
き、λからシンボル系列Ｏの発生する確率(尤度)は、
(数１)のように示される。
【０００７】
【数１】
【０００８】以上は、入力ｘtを唯一のシンボルｏtに変
換するようにしたものであるが、Ｋ個の複数のシンボル
ｏt1，ｏt2，…，ｏtKに変換し(シンボルベクトルｑt＝
(ｏt1，ｏt2，…，ｏtK))、各々のシンボルとの荷重係
数ｕt1，ｕt2，…，ｕtKを用いて表す方法(荷重係数ベ
クトルｖt(ｕt1，ｕt2，…，ｕtK))もあり、その場合、
未知入力はシンボルベクトル系列Ｑ＝ｑ1，ｑ2，…，ｑ
Tと荷重係数ベクトル系列Ｖ＝ｖ1，ｖ2，…，ｖTで表現
され、ＨＭＭλからシンボルベクトル系列の発生する確
率(尤度)は、(数２)のように示される。
【０００９】
【数２】
【００１０】各々の語彙のＨＭＭから求まる尤度を比較
することにより認識は行われる。
【００１１】
【外１】
【００１２】
【数３】
【００１３】図６は従来のＨＭＭを用いた音声認識装置
の構成を示すブロック図である。同図において、601は
特徴抽出部であり、入力音声信号ｖを線形予測コーディ
ング(ＬＰＣ：Linear Predictive Coding)分析、フーリ
エ変換等の周知の方法により、一定時間間隔毎に特徴ベ
クトルの系列Ｘ＝ｘ1，ｘ2，…ｘt，…，ｘTに変換す
る。ここで、Ｔは、入力音声信号ｖにおける特徴ベクト
ル系列の長さである。
【００１４】602はコードブックと呼ばれるものであ
り、図７に示すように有限個Ｍの各シンボルを表す代表
ベクトルを保持している。即ち、各行の１カラム目にシ
ンボルを、それ以降に代表ベクトルを格納する形で、コ
ードブックの数Ｍ行で構成されている。
【００１５】603はベクトル量子化部であり、前記特徴
ベクトルｘtを前記コードブック602の最も近い順に１位
からＫ位の代表ベクトルのシンボルに置き換え、シンボ
ルベクトルｑt＝(ｏt1，ｏt2，…，ｏtk…，ｏtK)に変
換し、前記特徴ベクトルの系列をシンボルベクトル系列
Ｑ＝ｑ1，ｑ2，…，ｑTに変換するものである。
【００１６】604は荷重係数ベクトル算出部であり、前
記特徴ベクトルｘtの前記ベクトル量子化部603により選
ばれる１位からＫ位の代表ベクトルそれぞれに対する荷
重係数を(数４)に従い算出し、荷重係数ベクトルｖt＝
(ｕt1，ｕt2，…，ｕtk…，ｕtK)を算出し、荷重係数ベ
クトル系列Ｖ＝ｖ1，ｖ2，…，ｖTを算出するものであ
る。
【００１７】
【数４】
【００１８】
【外２】
【００１９】
【外３】
【００２０】
【数５】
【００２１】
【外４】
【００２２】
【数６】
【００２３】608は尤度記憶部であり、前記尤度算出部6
07で算出された各単語の尤度を比較するため記憶する。
【００２４】609は比較判定部であり、前記尤度記憶部6
08に記憶されているそれぞれのＨＭＭに対する尤度の最
大値を与えるＨＭＭに対応する語彙を認識結果(rec)と
して判定するものである。
【００２５】前記各部606から608は各語彙のＨＭＭにつ
き１度ずつ行い、w=1〜Wまで繰り返され、その結果を前
記比較判定部609で評価する。
【００２６】以上のようなＨＭＭを用いた認識を行うた
めには、事前にＨＭＭを作成しておく必要がある。これ
をＨＭＭの学習と呼び、以下にその方法について説明す
る。
【００２７】
【外５】
【００２８】802はコードブックと呼ばれるものであ
り、有限個Ｍの各シンボルを表わす代表ベクトルを保持
しており、その構成は前記図７と同様である。
【００２９】
【外６】
【００３０】
【外７】
【００３１】
【外８】
【００３２】806はＨＭＭ一時記憶部であり、初期ＨＭ
Ｍ(Ａ，Ｂは乱数、または経験値などを用いたもの)や逐
次学習を繰り返す上で学習が収束する以前の学習途上Ｈ
ＭＭを記憶するものであり、前記状態遷移確率行列Ａと
前記シンボル出力確率行列Ｂを記憶しておき学習が１度
終わる度に更新する。
【００３３】
【外９】
【００３４】
【外１０】
【００３５】
【数７】
【００３６】
【外１１】
【００３７】810は再推定部であり、(数８)に従って状
態遷移確率ａijを、(数９)に従ってシンボル出力確率ｂ
i(m)を再推定するものである。
【００３８】
【数８】
【００３９】
【数９】
【００４０】811は学習収束確認部であり、再推定部810
における状態から学習が収束状態にあるか否かを判定
し、収束状態にあるならば収束信号ｙをそうでなければ
再推定命令信号ｎを再推定ＨＭＭ記憶部812に送る。
【００４１】上記再推定ＨＭＭ記憶部812は、再推定さ
れたＨＭＭを一時記憶しておき、前記学習収束確認部81
1からの信号により、収束信号ｙならば再推定ＨＭＭを
前記図６におけるＨＭＭ記憶部605に記憶させ、再推定
命令信号ｎならば前記ＨＭＭ一時記憶部806に記憶させ
る。
【００４２】前記学習収束確認部811で収束信号ｙが得
られるまで、前記各部807から810は繰り返される。
【００４３】以上が、従来のＨＭＭを用いた音声認識装
置、及びＨＭＭ作成装置の構成である。
【００４４】
【発明が解決しようとする課題】以上のような従来の音
声認識等を用いられている前記図６及び図８の荷重係数
ベクトル算出部604，804は、前記(数４)のような算出を
行うため、その構成が複雑となること及び演算回数が増
加するという課題があった。
【００４５】本発明は、この課題を解決すべく荷重係数
ベクトルの事前の算出によって荷重係数ベクトル算出部
を削除することによって装置全体の構成を簡略化し、か
つ演算回数を削減することを目的とする。
【００４６】
【課題を解決するための手段】本発明の請求項１記載の
発明は、荷重係数ベクトル記憶手段を有し、ＨＭＭ(ヒ
ドゥンマルコフモデル)の学習前に事前に荷重係数ベク
トルを記憶させ、パタン認識時にその固定値を用いるこ
とを特徴とするパタン認識装置である。
【００４７】また、本発明の請求項２記載の発明は、荷
重係数ベクトル記憶手段を有し、ＨＭＭ(ヒドゥンマル
コフモデル)の学習前に事前に荷重係数ベクトルを記憶
させ、前記ヒドゥンマルコフモデル学習時にその固定値
を用いることを特徴とするヒドゥンマルコフモデル作成
装置である。
【００４８】
【作用】本発明によれば、ＨＭＭ学習前に算出した荷重
係数ベクトルを荷重係数ベクトル記憶部に記憶してお
き、ＨＭＭ学習時、認識時において、逐次算出していた
荷重係数ベクトルの計算を削除し、装置を簡略化，計算
量を削減できる。
【００４９】
【実施例】以下、実施例を用いて、本発明に付いて説明
する。
【００５０】図１は、本発明の第１の実施例におけるＨ
ＭＭを用いた音声認識装置の構成を示すブロック図であ
る。同図において、101は特徴抽出部であり、入力音声
信号ｖをＬＰＣ分析、フーリエ変換等の周知の方法によ
り、一定時間間隔毎に特徴ベクトルの系列Ｘ＝ｘ1，
ｘ2，…ｘt，…，ｘTに変換する。ここで、Ｔは、入力
音声信号における特徴ベクトル系列の長さである。
【００５１】102はコードブックと呼ばれるものであ
り、有限個Ｍの各シンボルを表わす代表ベクトルを保持
しており、その構成は前記図７と同様である。
【００５２】103はベクトル量子化部であり、前記特徴
ベクトルｘtを前記コードブック102の最も近い順に１位
からＫ位の代表ベクトルのシンボルに置き換え、シンボ
ルベクトルｑt＝(ｏt1，ｏt2，…，ｏtk…，ｏtK)に変
換し、前記特徴ベクトルの系列をシンボルベクトル系列
Ｑ＝ｑ1，ｑ2，…，ｑTに変換するものである。
【００５３】104は本発明の特徴である荷重係数ベクト
ル記憶部であり、１位からＫ位の代表ベクトルそれぞれ
に対する荷重係数(ｕ1，…，ｕk…，ｕK)を入力音声の
フレームに関係ない固定値として記憶しておくものであ
る。この値の決め方は、例えば、１位からＫ位の逆数で
もよく、また、１位からＫ位まで徐々に小さくなる値を
適当に与えてもよい。
【００５４】
【外１２】
【００５５】
【外１３】
【００５６】
【数１０】
【００５７】
【外１４】
【００５８】108は尤度記憶部であり、前記尤度算出部1
07で算出された各単語の尤度を比較するため記憶する。
【００５９】109は比較判定部であり、前記尤度記憶部1
08に記憶されているそれぞれのＨＭＭに対する尤度の最
大値を与えるＨＭＭに対応する語彙を認識結果(rec)と
して判定するものである。
【００６０】前記各部106から108は各語彙のＨＭＭにつ
き１度ずつ行い、w=1〜Wまで繰り返され、その結果を前
記比較判定部109で評価する。
【００６１】以上のように本実施例では音声認識時にお
いて、逐次計算していた荷重係数ベクトル算出部の計算
を削除できる。
【００６２】
【外１５】
【００６３】202はコードブックと呼ばれるものであ
り、有限個Ｍの各シンボルを表す代表ベクトルを保持し
ており、その構成は前記図７と同様である。
【００６４】
【外１６】
【００６５】204は本発明の特徴である荷重係数ベクト
ル記憶部であり、１位からＫ位の代表ベクトルそれぞれ
に対する荷重係数(ｕ1，ｕ2，…，ｕk…，ｕK)を入力学
習音声信号ｖ′のフレームの関係ない固定値として記憶
しておくものである。この値の決め方は、例えば、１位
からＫ個の逆でもよく、また、１位からＫ位まで徐々に
小さくなる値を適当に与えてもよい。
【００６６】
【外１７】
【００６７】206はＨＭＭ一時記憶部であり、初期ＨＭ
Ｍ(Ａ，Ｂは乱数、または経験値などを用いたもの)や逐
次学習を繰り返す上で学習が収束する以前の学習途上Ｈ
ＭＭを記憶するものであり、前記状態遷移確率行列Ａと
前記シンボル出力確率行列Ｂを記憶しておき学習が１度
終わる度に更新する。
【００６８】
【外１８】
【００６９】
【外１９】
【００７０】
【外２０】
【００７１】210は再推定部であり、前記(数８)に従っ
て状態遷移確率ａijを、前記(数９)に従ってシンボル出
力確率ｂi(m)を再推定するものである。
【００７２】211は学習収束確認部であり、学習が収束
状態にあるか否かを判定し、収束状態にあるならば収束
信号ｙを、そうでなければ再推定命令信号ｎを再推定Ｈ
ＭＭ記憶部212に送る。
【００７３】上記再推定ＨＭＭ記憶部212は、再推定さ
れたＨＭＭを一時記憶しておき、前記学習収束確認部21
1からの信号により、収束信号ｙならば再推定ＨＭＭを
前記図１におけるＨＭＭ記憶部105に記憶させ、再推定
命令信号ｎならば前記ＨＭＭ一時記憶部206に記憶させ
る。
【００７４】前記学習収束確認部211で収束信号ｙが得
られるまで、前記各部207から210は繰り返される。
【００７５】以上が、本発明の各第１の実施例のＨＭＭ
を用いた音声認識装置、及びＨＭＭ作成装置の構成であ
る。
【００７６】以上の第１の実施例でもわかるように、従
来の図６や図８に示す荷重係数ベクトル計算部604，804
が削減され、そのかわりに荷重係数ベクトル記憶部10
4，204が与えられている。前者は計算装置としての構成
となるが、後者は高々Ｋ個の値を記憶するものでよく、
大きく構成が簡略化されている。また、計算を行なう必
要もなく計算量の削減につながっている。
【００７７】以上の本発明の実施例を用いて行なった実
験に付いて説明を行なう。
【００７８】認識対象語彙としては、日本の100地名を
用い、各々のＨＭＭの学習データに男性27名が２回発声
した各語彙に付き延べ54単語を用い、認識のデータとし
ては各100語彙に付いて学習話者以外の者48名が２回発
声した計9600単語を用いた。結果については(表１)に示
すように計算量を削減したにも関わらず従来の方法に比
べ性能の劣化は見られない。
【００７９】
【表１】
【００８０】図３は、本発明の第２の実施例におけるＨ
ＭＭを用いた音声認識装置の構成を示すブロック図であ
る。この第２の実施例の構成は、前記図１の第１の実施
例の構成に、荷重係数ベクトル記憶部305に記憶する荷
重係数の値をＨＭＭ学習の事前に計算する事前荷重係数
ベクトル計算部304を構築した物である。同図におい
て、301は特徴抽出部であり、入力音声信号ｖをＬＰＣ
分析、フーリエ変換等の周知の方法により、一定時間間
隔毎に特徴ベクトルの系列Ｘ＝ｘ1，ｘ2，…ｘt，…，
ｘTに変換する。ここで、Ｔは、入力音声信号における
特徴ベクトル系列の長さである。
【００８１】302はコードブックと呼ばれるものであ
り、有限個Ｍの各シンボルを表す代表ベクトルを保持し
ており、その構成は前記図７と同様である。
【００８２】303はベクトル量子化部であり、前記特徴
ベクトルｘtを前記コードブック302の最も近い順に１位
からＫ位の代表ベクトルのシンボルに置き換え、シンボ
ルベクトルｑt＝(ｏt1，ｏt2，…，ｏtk…，ｏtK)に変
換し、前記特徴ベクトルの系列をシンボルベクトル系列
Ｑ＝ｑ1，ｑ2，…ｑt，ｑTに変換するものである。
【００８３】304は本発明の特徴である事前荷重係数ベ
クトル計算部であり、ＨＭＭ学習データＤとコードブッ
ク302を用いて(数11)に従って、荷重係数を算出するも
のである。
【００８４】
【数１１】
【００８５】305は荷重係数ベクトル記憶部であり、前
記事前荷重係数ベクトル計算部304により学習の事前に
求められた１位からＫ位の代表ベクトルそれぞれに対す
る荷重係数(ｕ1，…，ｕk…，ｕK)を入力音声信号ｖの
フレームに関係ない固定値として記憶しておくものであ
る。
【００８６】
【外２１】
【００８７】
【外２２】
【００８８】
【外２３】
【００８９】309は尤度記憶部であり、前記尤度算出部3
08で算出された各単語の尤度を比較するため記憶する。
【００９０】310は比較判定部であり、前記尤度記憶部3
09に記憶されているそれぞれのＨＭＭに対する尤度の最
大値を与えるＨＭＭに対応する語彙を認識結果(rec)と
して判定するものである。
【００９１】前記各部307から309は各語彙のＨＭＭにつ
き１度ずつ行い、w=1〜Wまで繰り返され、その結果を前
記比較判定部310で評価する。
【００９２】
【外２４】
【００９３】402はコードブックと呼ばれるものであ
り、有限個Ｍの各シンボルを表わす代表ベクトルを保持
しており、その構成は前記図７と同様である。
【００９４】
【外２５】
【００９５】404は本発明の特徴である事前荷重係数ベ
クトル計算部であり、ＨＭＭ学習用データＤとコードブ
ック402を用いて前記(数11)に従って、荷重係数を算出
するものである。
【００９６】405は荷重係数ベクトル記憶部であり、前
記図３の事前荷重係数ベクトル計算部304により学習の
事前に求められた１位からＫ位の代表ベクトルそれぞれ
に対する荷重係数(ｕ1，ｕ2，…，ｕk…，ｕK)を入力学
習音声信号ｖ′のフレームに関係ない固定値として記憶
しておくものである。
【００９７】
【外２６】
【００９８】407はＨＭＭ一時記憶部であり、初期ＨＭ
Ｍ(Ａ，Ｂは乱数、または経験値などを用いたもの)や逐
次学習を繰り返す上で学習が収束する以前の学習途上Ｈ
ＭＭを記憶するものであり、前記状態遷移確率行列Ａと
前記シンボル出力確率行列Ｂを記憶しておき学習が１度
終わる度に更新する。
【００９９】
【外２７】
【０１００】
【外２８】
【０１０１】
【外２９】
【０１０２】411は再推定部であり、前記(数８)に従っ
て状態遷移確率ａijを、前記(数９)に従ってシンボル出
力確率ｂi(m)を再推定するものである。
【０１０３】412は学習収束確認部であり、学習が収束
状態にあるか否かを判定し、収束状態にあるならば収束
信号ｙを、そうでなければ再推定命令信号ｎを再推定Ｈ
ＭＭ記憶部413に送る。
【０１０４】上記再推定ＨＭＭ記憶部413は、再推定さ
れたＨＭＭを一時記憶しておき、前記学習収束確認部41
2からの信号により、収束信号ｙならば再推定ＨＭＭを
前記図３におけるＨＭＭ記憶部306に記憶させ、再推定
命令信号ｎならば前記ＨＭＭ一時記憶部407に記憶させ
る。
【０１０５】前記学習収束確認部412で収束信号ｙが得
られるまで、前記各部408から411は繰り返される。
【０１０６】以上が、本発明の第２実施例のＨＭＭを用
いた音声認識装置、及びＨＭＭ作成装置の構成である。
【０１０７】以上の第２の実施例でもわかるように、従
来の図６や図８に示す荷重係数ベクトル計算部604や804
が削減され、そのかわりに荷重係数ベクトル記憶部30
5，405が与えられている。前者は計算装置としての構成
となるが、後者は高々Ｋ個の値を記憶するものでよく、
大きく構成が簡略化されている。また、計算を行なう必
要もなく計算量の削減につながっている。
【０１０８】以上の本発明を用いて行なった実験に付い
て説明を行なう。
【０１０９】認識対象語彙としては、日本の100地名を
用い、各々のＨＭＭの学習データに男性27名が２回発声
した各語彙に付き延べ54単語を用い、認識のデータとし
ては各100語彙に付いて学習話者以外の者48名が２回発
声した計9600単語を用いた。結果に付いては(表２)に示
すように計算量を削減したにも関わらず従来の方法に比
べ性能の劣化はほぼ見られない。
【０１１０】
【表２】
【０１１１】
【発明の効果】以上説明したように、本発明は、事前の
荷重係数ベクトルの算出により、従来に比べ認識率をほ
ぼ変化させずに、従来に比べ構成が簡易で、演算回数の
少ないパタン認識装置を作成することが可能となる。
【図面の簡単な説明】
【図１】本発明の第１の実施例におけるＨＭＭを用いた
音声認識装置の構成を示すブロック図である。
【図２】本発明の第１の実施例における音声認識に用い
るＨＭＭ作成装置の構成を示すブロック図である。
【図３】本発明の第２の実施例におけるＨＭＭを用いた
音声認識装置の構成を示すブロック図である。
【図４】本発明の第２の実施例における音声認識に用い
るＨＭＭ作成装置の構成を示すブロック図である。
【図５】ビドゥンマルコフモデル(ＨＭＭ)を説明するた
めの図である。
【図６】従来のＨＭＭを用いた音声認識装置の構成を示
すブロック図である。
【図７】コードブックの構成例を示す図である。
【図８】従来の音声認識に用いるＨＭＭ作成装置の構成
を示すブロック図である。
【符号の説明】
101，201，301，401…特徴抽出部、 102，202，302，4
02…コードブック、103，203，303，403…ベクトル量子
化部、 104，204，305，405…荷重係数ベクトル記憶
部、 106，207，307，408…重み付け確率和算出部、
105，306…ＨＭＭ記憶部、 107，308…尤度算出部、
108，309…尤度記憶部、 109，310…比較判定部、 20
5，406…ＨＭＭ学習用データ記憶部、 206，407 ＨＭ
Ｍ一時記憶部、 208，409…経路確率算出部、 209，4
10…経路確率記憶部、 210，411…再推定部、 211，4
12…学習収束確認部、 212，413…再推定ＨＭＭ記憶
部、304，404…事前荷重係数ベクトル計算部。

Claims (4)

    【特許請求の範囲】
  1. 【請求項１】 荷重係数ベクトル記憶手段を有し、ヒド
    ゥンマルコフモデルの学習前に事前に荷重係数ベクトル
    を記憶させ、パタン認識時にその固定値を用いることを
    特徴とするパタン認識装置。
  2. 【請求項２】 荷重係数ベクトル記憶手段を有し、ヒド
    ゥンマルコフモデルの学習前に事前に荷重係数ベクトル
    を記憶させ、前記ヒドゥンマルコフモデル学習時にその
    固定値を用いることを特徴とするヒドゥンマルコフモデ
    ル作成装置。
  3. 【請求項３】 事前荷重係数ベクトル算出手段を有し、
    荷重係数をヒドゥンマルコフモデル学習前に該ヒドゥン
    マルコフモデルの学習データより求めた荷重係数ベクト
    ルの平均として荷重係数ベクトル記憶手段に記憶し、パ
    タン認識時にその値を用いることを特徴とする請求項１
    記載のパタン認識装置。
  4. 【請求項４】 事前荷重係数ベクトル算出手段を有し、
    荷重係数をヒドゥンマルコフモデル学習前に該ヒドゥン
    マルコフモデルの学習データより求めた荷重係数ベクト
    ルの平均として荷重係数ベクトル記憶手段に記憶し、前
    記ヒドゥンマルコフモデル学習時にその値を用いること
    を特徴とする請求項２記載のヒドゥンマルコフモデル作
    成装置。
JP4329489A 1992-12-09 1992-12-09 パタン認識装置及びヒドゥンマルコフモデル作成装置 Pending JPH06175685A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP4329489A JPH06175685A (ja) 1992-12-09 1992-12-09 パタン認識装置及びヒドゥンマルコフモデル作成装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP4329489A JPH06175685A (ja) 1992-12-09 1992-12-09 パタン認識装置及びヒドゥンマルコフモデル作成装置

Publications (1)

Publication Number Publication Date
JPH06175685A true JPH06175685A (ja) 1994-06-24

Family

ID=18221946

Family Applications (1)

Application Number Title Priority Date Filing Date
JP4329489A Pending JPH06175685A (ja) 1992-12-09 1992-12-09 パタン認識装置及びヒドゥンマルコフモデル作成装置

Country Status (1)

Country Link
JP (1) JPH06175685A (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08225649A (ja) * 1994-10-27 1996-09-03 Consortium Elektrochem Ind Gmbh 環式ポリオルガノシロキサン及びその製造方法並びに該物質を含有する偏光子及び減速子
KR100406604B1 (ko) * 1995-03-07 2004-02-18 브리티쉬 텔리커뮤니케이션즈 파블릭 리미티드 캄퍼니 음성인식방법및장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08225649A (ja) * 1994-10-27 1996-09-03 Consortium Elektrochem Ind Gmbh 環式ポリオルガノシロキサン及びその製造方法並びに該物質を含有する偏光子及び減速子
KR100406604B1 (ko) * 1995-03-07 2004-02-18 브리티쉬 텔리커뮤니케이션즈 파블릭 리미티드 캄퍼니 음성인식방법및장치

Similar Documents

Publication Publication Date Title
JP2795058B2 (ja) 時系列信号処理装置
US10902845B2 (en) System and methods for adapting neural network acoustic models
JP2871561B2 (ja) 不特定話者モデル生成装置及び音声認識装置
US4827521A (en) Training of markov models used in a speech recognition system
US5825978A (en) Method and apparatus for speech recognition using optimized partial mixture tying of HMM state functions
KR100324988B1 (ko) 신호해석장치
US4783804A (en) Hidden Markov model speech recognition arrangement
EP0706171A1 (en) Speech recognition method and apparatus
EP0847041A2 (en) Method and apparatus for speech recognition performing noise adaptation
CN108701452A (zh) 音频模型学习方法、语音识别方法、音频模型学习装置、语音识别装置、音频模型学习程序及语音识别程序
JP4531166B2 (ja) 信頼性尺度の評価を用いる音声認識方法
WO2022148176A1 (en) Method, device, and computer program product for english pronunciation assessment
JP2002500779A (ja) 識別訓練されたモデルを用いる音声認識システム
US5680509A (en) Method and apparatus for estimating phone class probabilities a-posteriori using a decision tree
JPH0934486A (ja) 音声認識方法、情報形成方法、音声認識装置および記録媒体
US5956676A (en) Pattern adapting apparatus using minimum description length criterion in pattern recognition processing and speech recognition system
JPH06208392A (ja) パターン認識方法および装置
JPH08211889A (ja) 木構造を用いたパターン適応化方式
JP2531227B2 (ja) 音声認識装置
JPH06175685A (ja) パタン認識装置及びヒドゥンマルコフモデル作成装置
JP3589044B2 (ja) 話者適応化装置
JP2996925B2 (ja) 音素境界検出装置及び音声認識装置
JPH0823758B2 (ja) 話者適応形音声認識装置
JP2600871B2 (ja) Ｈｍｍ作成装置及びそれを用いた尤度計算装置、時系列パターン認識装置
JP2973805B2 (ja) 標準パターン作成装置

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees