초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 웨이블렛 변환을 이용한 음성특징 추출에 관한 방법에 관하여 연구하였다. 기존의 음성인식에서 사용하는 특징벡터인 MFCC(Mel-Frequency Cepstral Coefficients)를 대신하여 웨이블렛 변환을 이용한 새로운 특징벡터를 추출하는 방법을 제안한다. 음성신호를 MRA(Multi-resolution Analysis)를 이용하여 각 밴드의 음성 특징 벡터로 정규 에너지를 추출하였고, 이를 HMM(Hidden Markov Model)을 이용하여 인식실험을 수행하였다. 웨이블렛 변환을 이용한 새로운 특징벡터의 추출 목적은 시간축과 주파수축에서의 더 좋은 ...

본 논문에서는 웨이블렛 변환을 이용한 음성특징 추출에 관한 방법에 관하여 연구하였다. 기존의 음성인식에서 사용하는 특징벡터인 MFCC(Mel-Frequency Cepstral Coefficients)를 대신하여 웨이블렛 변환을 이용한 새로운 특징벡터를 추출하는 방법을 제안한다. 음성신호를 MRA(Multi-resolution Analysis)를 이용하여 각 밴드의 음성 특징 벡터로 정규 에너지를 추출하였고, 이를 HMM(Hidden Markov Model)을 이용하여 인식실험을 수행하였다. 웨이블렛 변환을 이용한 새로운 특징벡터의 추출 목적은 시간축과 주파수축에서의 더 좋은 해상도를 가지는 성질을 이용하는 것이다.
실험 음성으로는 남성 화자가 신문을 낭독한 것을 사용하였으며, 화자독립 인식을 수행하였다. 웨이블렛 변환을 이용한 인식과 기존의 특징벡터인 MFCC(Mel-Frequency Cepstral Coefficients)를 이용한 음성인식의 성능과 비교하였다.

Abstract ▼ AI-Helper

In this paper, we propose a new method for feature extraction. The feature vectors are obtained by applying the Discrete Wavelet Transform (DWT) to the mel-scaled log filter energies of a speech frame. The purpose of Wavelet Transform is to get better localization in the time and frequency domains. ...

In this paper, we propose a new method for feature extraction. The feature vectors are obtained by applying the Discrete Wavelet Transform (DWT) to the mel-scaled log filter energies of a speech frame. The purpose of Wavelet Transform is to get better localization in the time and frequency domains. The new feature using Wavelet Transform has better localization than MFCC feature because of localization properties in time and frequency domains. We evaluate performance of new feature for clean speech using CHMM algorithm and compare the performance of new feature with MFCC(Mel-Frequency Cepstral Coefficients). Result on a phoneme recognition task shows that the new feature extraction method has better performance than MFCC feature extraction method.

주제어