선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 두 음성의 유사성을 측정하기 위해서는 시간 축에서 발생하는 차이를 극복하기 위한 알고리즘이 필요한데 대표적인 알고리즘은 DTW와 HMM이다. 본 연구에서 DTW를 사용하였으므로 그에 관해 알아보도록 하겠다.
가설 설정
- 초과한다. 따라서, 이 값 이상의 data 를 갖는 것을 interval로 여기고 beginning and ending point는 이 간격 바깥에 위치한다고 가정하고, zero-crossing rate 를 이용하여 beginning point 는 N1 앞에서 구하고 ending point는 N2 뒤에서 구한다. zero-crossing rate이 정해진 임계치인 IZCT(rate이 3이상)보다 크기 시작하는 곳이 beginning point가 되고, 같은 방법으로 N2이후에서 IZCT 보다 값이 작아지기 시작하는 곳이 ending point가 된다.
제안 방법
- 만일 S* peaker} 둥록된 Speaker 가 아니라면 8255를 통해 LCD에 Error 메시지를 출력하게 되고 만일 Speaker가 둥록된 Speaker라면 8255를 통해 LCD 에 인증메시지를 출력하고 동시에 Stepping Moto")에 신호를 내어보내서 문을 여는 동작을 하게 하였다. 그리고 문이 다 열리면 Processor에서 Timer Interrupt가 동작을 해서 일정한 시간 이 지나면 다시 8288에게 문을 닫는 신호를 내어보내서 문이 닫히게된다.
- 즉 Speech data 외에 User를 확인할 수 있는 또 다른 방법을 추가하였는데 바로 Password(4-digit number) 이다. Speech data와 Password 이 두 가지가 모두 등록된 화자의 것과 일치하였을 경우에만 문이 열리도록 설계를 하였다. 그리고 초기 구현에서는 Display 장치를 7-segments를 사용하였다.
- 그리고 SM-4에 서 의 Sampling rate은 Processor Memory map의 814000H번지에 값을 적절히 넣어줌으로써 8KHz-48KHz 사이에서 8가지의 Sampling rate 중 하나를 선택할 수 있는데 본 연구에서는 8KHz의 Sampling rate를 사용하였다.
- 이유는 Memory의 제한 때문이다. 그리고 reference data를 1인당 3회식 저장하여 기준이 되는 data로 삼고있으며 구현하는 과정에서 본 연구의 중심이 음성인식을 이용한 화자 인증이지만 음성만으로 열리는 문인 경우엔 보안에 치명적인 문저】(정밀하게 녹음이 되어 재생이 되는 경우 문이 열림)가 있었기 때문에 이를 위한 해결책으로 2중 보안을 선택하였다. 즉 Speech data 외에 User를 확인할 수 있는 또 다른 방법을 추가하였는데 바로 Password(4-digit number) 이다.
- 등록된 화자 인식률은 각 음절 당 20번 반복 Test를 하였다. 그리고 본 연구의 Final Decision 과정에서 단순한 Distance 값으로 비교하는 방법과 frame 길이(工 음절수)를 Normalize하여 Distance와 비교하는 방법으로 나누어 Test를 하였는데 표 2는 frame normalize5)를 적용하지 않았올 경우의 Test이고 표 3은 frame normalize를 적용한 경우의 Test Data 이다.
- 조건은 음절수 (1-6)에 따른 인식률을 고려했고, 다음으로는 잘못된 화자(20명이 각3회Test)를 고려했다. 등록된 화자 인식률은 각 음절 당 20번 반복 Test를 하였다. 그리고 본 연구의 Final Decision 과정에서 단순한 Distance 값으로 비교하는 방법과 frame 길이(工 음절수)를 Normalize하여 Distance와 비교하는 방법으로 나누어 Test를 하였는데 표 2는 frame normalize5)를 적용하지 않았올 경우의 Test이고 표 3은 frame normalize를 적용한 경우의 Test Data 이다.
- 입력신호가 유성음(음성신호)일 경우에는 그 에너지의 크기가 크고 주파수가 낮으며, 무성음(잡음) 일 경우에는 그 크기가 작고 주파수가 매우 높다. 본 연구에서는 신호 에너지의 임계치를 적당히 정해 놓고 들어오는 입력 신호의 에너지를 계속해서 관찰을 하여 임계치보다 낮으면 신호로 취급하지 않고 Threshold value보다 에너지가 크면 신호로 받아들이고 그 신호의 에너지가 다시 임계치 이하로 내려갈 때까지를 음성 신호로 판단을 하게 되고, 그 구간을 검출하여 의미를 가진 Signal로 사용하게 된다.
- 일반적으로 p는 8에서 16까지의 값이고 1戸8을 가장 널리 사용한다. 본 연구의 실제 구현에서는 LPC의 차수를 14차로 하였다.
- 음성인식이라는 분야에는 화자인증, 핵심어 인증, TTS, STT 등등의 많은 세부 분류가 있는데 그 가운데 본 연구에서는 화자인증 기술을 이용하여보안 기능의 시스템(자동문)을 구현하였다. 사람의 목소리가 각기 다르다는 점을 이용한 방식으로써 사용자의 ID를 음성이라는 편리한 정보전달 수단을 기계에 이식 (移植;transplantation)하는 방법과 이를 인식(認識;recognition)하는 방법을 이용한 연구이 다.
- 하지만 7-segments 의 영문 표기가 제한적이고 불편하였기 때문에 7-segments 를 LCD로 교체를 하였다. 이 두 가지 즉, Password 입력과 LCD Display롤 위해 그림 10에서 보인바와 같이 Keypad와 LCD를 함께 하나의 User I/O module로 구현하였다.
- 최소 규격으로 삼고 있다. 이러한 규격을 조금 축소하여 Test를 실시하였다. 조건은 음절수 (1-6)에 따른 인식률을 고려했고, 다음으로는 잘못된 화자(20명이 각3회Test)를 고려했다.
- 이러한 규격을 조금 축소하여 Test를 실시하였다. 조건은 음절수 (1-6)에 따른 인식률을 고려했고, 다음으로는 잘못된 화자(20명이 각3회Test)를 고려했다. 등록된 화자 인식률은 각 음절 당 20번 반복 Test를 하였다.
대상 데이터
- 본 연구에서는 TKTexas Instrument)사의 DSP Processor인 TMS320C32를 사용하여 구현하였다. 이 Processor는 실수 연산에 적합하도록 설계된 산술연산 장치(ALU : Arithmetic Logic Unit) 뿐만아니라, 32bit Data Bus와 24bit Address Bus, 2개의 Timer, 2-Channel DMA, 그리고 serial port 등이 갖추어져 있다.
- DSP를 웅용 할 수 있는 분야는 매우 광범위한데 그 가운데 음성 인식이라고 하는 분야는 최근 새롭게 대두되어 매우 급속한 발전을 이루고 있는 부분이다. 매우 복잡한 연산 처리와 소형화의 큰 과제를 모두 해결하기 위해 DSP Processor의 사용이 필수적이며 본 연구에서는 DSP Processoi■로 Texas Instrument?사의 TMS320C32를 이용하였다.
이론/모형
- CS4213(본 연구에 사용된 CODEC)은 스테레오 오디오 CODEC으로서 단일 칩으로 구성되어 있고 A/D & D/A converting, Filtering, Level Setting 등을 수행하며 동작 방법에 따라 Serial Mode(SM) 3, 4, 5로 구분되는데 본 연구에서는 SM-4(Master Sub-Mode)를 사용하였다. 그리고 SM-4에 서 의 Sampling rate은 Processor Memory map의 814000H번지에 값을 적절히 넣어줌으로써 8KHz-48KHz 사이에서 8가지의 Sampling rate 중 하나를 선택할 수 있는데 본 연구에서는 8KHz의 Sampling rate를 사용하였다.
- Cepstral 게수의 민감도를 완화시키기 위해 tepered window 기법을 사용한다. 일반적인 방법으로 log magnitude spectrum 고卜 the differented(in frequency) log magnitude spectrum 을 사용한다.
- 계산의 안정성과 선형 예측을 이용한 분석시 Vocal Track의 영향만을 고려하기 위해 사용하며 고주파 성분을 강조하는 효과로서 fixed first-order system을 널리 사용한다.
- 따라서 본 연구에서 구현한 System의 알고리즘은 Text Dependent Speaker Recognition 이므로 DTW 알고리즘을 사용하였다. 일반적으로 핵심 어인 식1) 기능의 Sy stem 은 화자에 관계없이 누구의 음성이라도 핵심어른 이끌어내지만 본 System에서는 화자에도 크게 종속되어져 있어야 하므로 임계치를 매우 낮게 정해서 적용을 해야만 한다.
성능/효과
- DTW 알고리즘을 이용한 화자인증에 관한 이번 연구를 통해 Text Dependent 한 System 에서 DTW 알고리즘이 어떠한 성능을 발휘하는가를 확증할 수 있었다. 이것은 큰 장점을 가지는데 그것은 구현이 상대적으로 쉬우면서도 그 성능이 떨어지지 않고 원하는 performance를 만족한다는 것이다.
- 먼저 본 연구에서 구현되어진 System은 실험실에서의 성능과 많은 사람들이 오가는 Hall에서의 성능에 다소의 차이가 있음을 확인하였는데 이것은 주변에서 사람들의 웅성거리는 소리가 음성 data처럼 system으로 들어가서 User의 음성 인증을 방해하기 때문이었다. 이를 해결하는 매우 효율적인 방법이 계속해서 연구되어져야할 것이다.
- 이상의 performance test 결과를 보면 Frame Normalize 방법이 간단하지만 필수적임을 알 수가 있었고, 위의 Data 에서 알 수 있듯이 Frame Normalized Data 역시도 6음절 이상이 되면 인식률이 떨어지는 것을 알 수가 있는데, 이것은 Memory의 용량6)을 감안하여 Frame 수를 40으로 제한해 놓았기 때문에 40 Frame(일반적인 대화 속도로 약 6음절 정도)을 넘어가는 단어가 입력이 돤다면 인식률이 떨어지게 되기 때문이다. 그리고 단음절인 경우 비슷한 음성의 특성을 가진(귀를 통해 서도 분별하기 힘든) 사람의 경우에 어쩌다 인식이 되는 경우가 있는데 이것은 Reference Data 입력 시에 제한을 두거나(3음절이상.
후속연구
- 그리고 그 문제는 Sampling rate에도 제한을 주는데 더 정교하게 Sampling-ir 하게되면예들 들어 24Kbps)그에 따라 연산속도도 현재의 System 보다 3배 이상 빨라져야하며 구현을 위한 수많은 계수들(buffer 포함)중 상당수는 그 크기가 커져야 하는데 이것은 Memory의 크기와 직접적인 관계에있으므로 제한요인이 된다. 때문에 향후에 이러한 문제를 효율적으로 해결하는 Hardware적이거나 Software적인 방법들이 충분히 모색되어져야 할 것으로 사료된다.
- 방해하기 때문이었다. 이를 해결하는 매우 효율적인 방법이 계속해서 연구되어져야할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.