[논문]한국어 연속 숫자음 전화 음성 인식에서의 오인식 유형 분석

김민성; 정성윤; 손종목; 배건성; 김상훈

문제 정의

채널 보상 기법인 MRTCN 방법에 대해 설명한다. 그리고 실험에 사용된 전화 음성 DB에 대해 기술한다.
본 논문의 전화 음성 연속 숫자음 인식에서 사용된 특징추출 방법인 DWFBA 방식과 채널 보상 기법인 MRTCN 방법에 대해 설명한다. 그리고 실험에 사용된 전화 음성 DB에 대해 기술한다.
특히 "일"과 "이", "일"과 "칠",, 이, , 와, , 일, , , , , 오, 와, , 구, , 같은 오인식 쌍들에 의한 인식률 저하가 크게 나타난다. 본 연구에서는 이 문제를 극복하기 위한 기초연구로 SiTEC 전화 음성 DB를 이용한 4연숫자음 인식 실험 결과에서 1-bed와 N-best의 결과를 분석하고 오인식 유형에 따른 로그유사도의 차이를 알아보았다. 1-best 결과에서는 4연숫자음 중에서 1 개 숫자가 오인식된 경우가 가장 많이 발생하였으며, 앞뒤의 묵음에 의한 영향과 앞뒤 숫자와의 조음현상이 오인식에 가장 큰 영향을 미치고 있음을 알 수 있었다.
본 연구에서는, 전화 음성 연속 숫자음의 인식 성능을 향상시키는 방법을 찾기 위한 기초연구로, 기존 인식시스템에서 얻어지는 인식 결과를 바탕으로 1-best의 인식 결과와 2-best, 3-best의 인식 결과를 가지고 오인식의 유형과 오인식이 발생했을 경우의 앞뒤 숫자음 분포 및 N-best 결과를 가지고 오인식이 발생했을 경우의 로그 유사 확률값의 분포를 분석하였다. 이는 전화 음성 연속 숫자음 인식에서 주로 발생하는 오인식의 문제를 보다 구체적으로 검토하여 인식 성능을 향상시키는데 기초 자료로 활용하기 위함이다.

제안 방법

1-best와 2-best결과를 이용해 오인식 유형이 발생하였을 경우 두 결과에서의 로그 유사 확률값의 차이를 알아보았다. 인식 결과 중에서 1-best에서 틀리고 2-best 에서 맞은 4연숫자음에 대해 로그 유사 확률값의 차이를 조사해 보면<표 6>과같다.
채널보상 기법은 켑스트럼 영역에서 전화 음성의 켑스트럼 평균이 채널의 영향을 나타낸다고 보고 이를 특징 파라미터에서 빼 줌으로써 채널에 의한 왜곡을 보상하는 기법이다[4, 5], 이외에도 특징 파라미터 추출단계에서 채널과 잡음에 강하도록 DWFBA (Direct Weighted Filter Bank Analysis)와 같은 특징 파라미터를 추출하는 방법이 연구되기도 했다[6]. 본 연구에서는, 전화 음성 연속 숫자음의 인식 성능을 향상시키는 방법을 찾기 위한 기초연구로, 기존 인식시스템에서 얻어지는 인식 결과를 바탕으로 1-best의 인식 결과와 2-best, 3-best의 인식 결과를 가지고 오인식의 유형과 오인식이 발생했을 경우의 앞뒤 숫자음 분포 및 N-best 결과를 가지고 오인식이 발생했을 경우의 로그 유사 확률값의 분포를 분석하였다. 이는 전화 음성 연속 숫자음 인식에서 주로 발생하는 오인식의 문제를 보다 구체적으로 검토하여 인식 성능을 향상시키는데 기초 자료로 활용하기 위함이다.
1-best 결과에서는 4연숫자음 중에서 1 개 숫자가 오인식된 경우가 가장 많이 발생하였으며, 앞뒤의 묵음에 의한 영향과 앞뒤 숫자와의 조음현상이 오인식에 가장 큰 영향을 미치고 있음을 알 수 있었다. 오인식이 발생한 경우, 2-best와 3-best의 로그유사 확룰값 차이의 결과를 1-best의 결과와 비교해 보았다. 로그유사 확률값 차이의 평균값과 표준편차가 작다는 의미는 특징 파라미터 추출부분에서 어느 정도 보상을 해주거나 오인식 쌍들의 구별 도를 높이는 새로운 특징 파라미터를 적용하면 제대로 인식할 수 있다는 것을 의미한다.
97로 하였으며 프레임별로 해밍윈도우 처리하였다. 프레임별로 1차의 에너지와 12차의 DWFBA를 구했으며, 총 13차의 특징 파라미터에 MRTCN 보상기법을 적용한 후 delta 및 delta-delta 특징 파라미터를 구해 총 38차의 특징 파라미터로 인식 실험을 하였다. MRTCN 적용시 전체 켑스트럼 평균과 표준편차 추정계수로는 0.

대상 데이터

125를 사용하였다. SiTEC 전화 음성 DB의 구성에 따라 훈련 데이터로는 58388개, 테스트 데이터로는 6468개의 4연숫자음을 사용하였다.
전화 음성은 총 2000명 화자의 음성으로 이루어졌으며 유선/무선 전화 및 cellular, PCS 전화망 환경에서 녹음되어 linear PCM (Pulse Code Modulation)으로 저장되어있다. 녹음된 4연숫자음의 종류는 1620개이며, 화자당 32개 정도의 4연 숫자 음으로 구성되어 있다. '특히, 숫자 6의 경우 "륙"과 "육"으로 구분하여 레이블링 되어있다.
실험에서 사용한 음성 DB는 SiTEC에서 제작한 전화 음성 4연숫자음 DB이다. 전화 음성은 총 2000명 화자의 음성으로 이루어졌으며 유선/무선 전화 및 cellular, PCS 전화망 환경에서 녹음되어 linear PCM (Pulse Code Modulation)으로 저장되어있다.
연속 숫자음 인식 시스템을 구현하기 위해과 같이 개별 숫자음 11개와 묵음 모델을 포함하는 총 17개의 유사 음소를 정의하였다.

이론/모형

트라이폰 모델을 사용함에 따라 훈련시켜야할 모델의 수가 증가하므로 모델별훈련 데이터의 수를 확보하기 위해 TBC (Tree Based Clustering) 기법을 이용하였다[9, 10]. HMM의 상태수는 5개, 상태당 mixture의 수는 9개로 정하여 실험하였으며, 언어모델로는 연속 숫자음은 개별 숫자음들의 나열이므로 비교적 간단한 언어모델인 FSN (Finite State Network)을 적용하였다.
음성인식 실험에서 음향모델의 생성 및 훈련과 인식은 HTK (Hidden Markov ToolKit)를, 특징 파라미터 추출은 직접 구현한 프로그램을 사용하였다[9]. 연속 숫자음 인식 시스템을 구현하기 위해<표 1>과 같이 개별 숫자음 11개와 묵음 모델을 포함하는 총 17개의 유사 음소를 정의하였다.
연속 숫자음 인식 시스템을 구현하기 위해<표 1>과 같이 개별 숫자음 11개와 묵음 모델을 포함하는 총 17개의 유사 음소를 정의하였다. 음향모델로는 CHMM (Continuous Hidden Markov Model)을 사용했으며 트라이폰(triphone) 단위로 인식 실험을 하였다. 트라이폰 모델을 사용함에 따라 훈련시켜야할 모델의 수가 증가하므로 모델별훈련 데이터의 수를 확보하기 위해 TBC (Tree Based Clustering) 기법을 이용하였다[9, 10].
음향모델로는 CHMM (Continuous Hidden Markov Model)을 사용했으며 트라이폰(triphone) 단위로 인식 실험을 하였다. 트라이폰 모델을 사용함에 따라 훈련시켜야할 모델의 수가 증가하므로 모델별훈련 데이터의 수를 확보하기 위해 TBC (Tree Based Clustering) 기법을 이용하였다[9, 10]. HMM의 상태수는 5개, 상태당 mixture의 수는 9개로 정하여 실험하였으며, 언어모델로는 연속 숫자음은 개별 숫자음들의 나열이므로 비교적 간단한 언어모델인 FSN (Finite State Network)을 적용하였다.
특징 파라미터로는 잡음 및 채널 특성에 좋은 성능을 보인 DWFBA 방식의 38차 MFCC (Mel Frequency Cepstrum Coefficient)를 채널 보상 기법으로는 켑스트럼영역에서 전체 음성의 평균과 분산으로 정규화하는 MRTCN (Modified Real TimeCepstrum Normalization) 방식을 적용하여 SiTEC (Speech Information Technology and Industry Promotion Center)에서 배포한 전화 음성 4연숫자음 2000명 화자의 DB (DataBase)에 대해 실험한 결과를 이용하였다. 인식 실험 결과 1-best에서는 91.

성능/효과

52% 의 문장인식률, 즉 4연숫자음 인식률을 얻었으며 4자리 중 1자리를 틀린 4연 숫자 음이 가장 많았으며, 오인식이 발생했을 경우 앞뒤의 묵음이나 특정 숫자음의 조음 현상에 기인한 경우가 많았다. 또한, N-best결과에서는 일과 "이", 일과 "칠", , 이, , 와, , 일, , , 오, , 와 "구, , 가 가장 많이 발생하는 오인식 쌍임이 확인되었다. 본 논문의 구성은 다음과 같다.
1-best 결과 91.52%의 문장인식률을 얻었는데, 오인식된 연속 숫자음에서 개별숫자의 오인식 분포를 보면와 같다.
본 연구에서는 이 문제를 극복하기 위한 기초연구로 SiTEC 전화 음성 DB를 이용한 4연숫자음 인식 실험 결과에서 1-bed와 N-best의 결과를 분석하고 오인식 유형에 따른 로그유사도의 차이를 알아보았다. 1-best 결과에서는 4연숫자음 중에서 1 개 숫자가 오인식된 경우가 가장 많이 발생하였으며, 앞뒤의 묵음에 의한 영향과 앞뒤 숫자와의 조음현상이 오인식에 가장 큰 영향을 미치고 있음을 알 수 있었다. 오인식이 발생한 경우, 2-best와 3-best의 로그유사 확룰값 차이의 결과를 1-best의 결과와 비교해 보았다.
52%의 문장인식률을 보였다. 2-best 결과와 3-best 결과에서는 각각 253개, 102개의 바르게 인식된 4연숫자음이 포함되어 95.43%, 97.01%의 문장인식률을 보였다.
이는 유선전화망에 비해 다른 전화망의 채널특성이 더 불완전하여 채널 보상기법을 적용해도 채널의 영향이 남아있기 때문이다. 또한 성별에 따른 오인식된 4 연숫자음 수를 보면 남성에 비해 여성의 오인식률이 더 높음을 알 수 있다.
대해 실험한 결과를 이용하였다. 인식 실험 결과 1-best에서는 91.52% 의 문장인식률, 즉 4연숫자음 인식률을 얻었으며 4자리 중 1자리를 틀린 4연 숫자 음이 가장 많았으며, 오인식이 발생했을 경우 앞뒤의 묵음이나 특정 숫자음의 조음 현상에 기인한 경우가 많았다. 또한, N-best결과에서는 일과 "이", 일과 "칠", , 이, , 와, , 일, , , 오, , 와 "구, , 가 가장 많이 발생하는 오인식 쌍임이 확인되었다.
인식 실험 결과 l-best 결과에서는 6468개의 4연숫자음 중에서 5919개를 바르게 인식하여 91.52%의 문장인식률을 보였다. 2-best 결과와 3-best 결과에서는 각각 253개, 102개의 바르게 인식된 4연숫자음이 포함되어 95.

후속연구

로그유사 확률값 차이의 평균값과 표준편차가 작다는 의미는 특징 파라미터 추출부분에서 어느 정도 보상을 해주거나 오인식 쌍들의 구별 도를 높이는 새로운 특징 파라미터를 적용하면 제대로 인식할 수 있다는 것을 의미한다. 본 연구결과를 참고로 하여 향후 특징 파라미터 추출 단계에서 오인식되는 숫자들의 변별력을 높여줄 수 있는 방법에 대한 연구를 수행할 계획이다.
이는 묵음 부분에서 음성 부분으로 전환할 때 화자의 발성 습관에 따라 신호의 특성이 급격하게 바뀌는 경우가 많을 수 있고, 마지막 숫자음을 발성 할 때 에는 끝을 흐려 발음하는 경우가 많아서 오인식이 많이 발생하는 것으로 생각된다. 앞뒤 묵음의 영향을 줄이기 위해서 끝점 검출 기법을 이용한다면 4연숫자음의 인식률은 향상될 것으로 사료된다. 연속 숫자음 발음 시에는 조음효과에 의해 숫자음 오"의 경우, 종성 자음, '을 가지는 단어 뒤에서는 오인식률이 높음을 볼 수 있다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

한국어 연속 숫자음 전화 음성 인식에서의 오인식 유형 분석
Analysis of Error Patterns in ]Korean Connected Digit Telephone Speech Recognition 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

한국어 연속 숫자음 전화 음성 인식에서의 오인식 유형 분석 Analysis of Error Patterns in ]Korean Connected Digit Telephone Speech Recognition 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

김민성 (3) 정성윤 (6) 손종목 (9) 배건성 (82) 김상훈 (13)

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

한국어 연속 숫자음 전화 음성 인식에서의 오인식 유형 분석
Analysis of Error Patterns in ]Korean Connected Digit Telephone Speech Recognition 원문보기

AI 본문요약
AI-Helper