$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

통계적 비선형 차원축소기법에 기반한 잡음 환경에서의 음성구간검출
Voice Activity Detection in Noisy Environment based on Statistical Nonlinear Dimension Reduction Techniques 원문보기

한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences, v.9 no.5, 2005년, pp.986 - 994  

한학용 (동명정보대학교 정보공학부) ,  이광석 (진주산업대학교 전자공학과) ,  고시영 (경일대학교 전자정보공학부) ,  허강인 (동아대학교 전자공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 잡음 환경하에서 적응 가능한 음성구간검출를 구축하기 위하여 우도기반의 음성 특징 파라미터의 비선형 차원축소 방법을 제안한다. 제안하는 차원축소 방법은 음성/비음성 클래스에 대한 가우시아 확률 밀도 함수의 비선형적 우도값을 새로운 특징으로 취하는 방법이다. 음성구간검출기의 음성/비음성 결정은 우도비 검증(LRT)의 통계적 방법을 이용하며, 선형판별분석(LDA)에 의한 차원축소 결과와 성능을 비교한다. 실험 결과 제안된 차원 축소 방법으로 음성 특징 파라미터를 2차원으로 축소한 결과가 원래 특징백터의 차원에서의 결과와 대등한 성능을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This Paper proposes the likelihood-based nonlinear dimension reduction method of the speech feature parameters in order to construct the voice activity detecter adaptable in noisy environment. The proposed method uses the nonlinear values of the Gaussian probability density function with the new par...

주제어

#Voice Activity Detection   #Dimension Reduction   #Linear Discriminant Analysis  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 잡음 환경에서의 효과적인 모델 적응화를 위하여 고차원 특징벡터를 저차원으로 축소하는 차원축소 방법으로 비교적 간단하면서도 최적의 검출률을 가지는 통계적 비선형 차원축소 방법을 제안하였다. 그리고 선형판별분석법에 의한 선형 차원축소와 비교 실험한 결과, 제안된 방법으로 축소된 특징벡터를 단일 가우시안 우도비 검증(LRT)을 이용하여 분류한 결과가 고차원의 특징벡터를 혼합확률모델을 이용하는 결과와 거의 대등한 성능을 얻을 수 있음을 확인하였다.
  • 본 논문은 잡음에 적응하는 음성구간검출기를 구축하기 위한 선결 과제인 고차원 특징벡터로 인하여 야기되는 문제점을 해결하기 위하여 특징벡터의 차원 축소 방법으로 통계적인 우도에 기반한 특징벡터의 비선형적 차원축소 방법을 제안한다. 그리고 음성구간검 출기의 음성/비음성 분류는 우도비 검증(Likelihood Ratio Test) 방법을 이용하며, 제안된 방법의 유효성을 검증하기 위하여 차원축소하지 않고 구성된 혼합 가우시안 모델(GMM)의 결과, 그리고 차원축소 방법으로 널리 사용되고 있는 선형 판별 분석법 (Linear Discriminant Analysis)의 결과와 비교 평가한다.

가설 설정

  • 선형판별분석법에 의하면 원 특징벡터(z e 辭)에 포함된 분류 정보는 충분한 학습 샘플을 통하여 추정된 선형변환행렬(6)에 의하여 축소된 특징벡터 (#)로 완전히 표현될 수 있다고 가정한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (10)

  1. Rabiner, L.R. and Sambur, M.R., 'An Algorithm for Determining the Endpoints of Isolated Utterances'. The Bell System Technical Journal, Vol. 54, No.2, pp. 297-315, February 1975 

    상세보기 crossref

  2. Jean-Claude Junqua, Brian Mak and Ben Reaves, 'A Robust Algorithm for Word Boundary Detection in the Presence of Noise'. IEEE Trans. Speech and Audio Processing, Vol. 2, No.3, pp. 406-412, July 1997 

    상세보기 crossref

  3. M.H. Savoji, 'Endpointing of Speech Signals'. Speech Communication, Vol. 8, No. 1, pp.46-60, March 1989 

  4. Q. Li, J. Zheng, A. Tsal, and Q. Zhou, 'Robust endpoint detection and energy normalization for real-time speech and speaker recognition,' IEEE Trans. Speech and Audio Processing, Vol. 10, Issue 3, pp. 146-157, Mar. 2002 

    상세보기 crossref

  5. Nikos Doukas, Patrick Naylor and Tania Stathaki : 'Voice Activity Detection Using Source Separation Techniques', Signal Processing Section, Proc. Eurospeech 1997 

  6. J.L. Shen, J.Hung, L.S.Lee : 'Robust Entropy-based Endpoint Detection for Speech Recognition in Noisy Environments', Preceeding of ICLP-98, 1998 

  7. J.Sohn and W.Sung : 'A voice activity detector employing soft decision based noise spectrum adaptation', in Proc. IEEE International Conference on Acoustics, Speech, and Signal Processing, pp. 356-368, 1998 

  8. L. F. Lemel, 'An improved endpoint detection for isolated word recognition,' IEEE Trans. Acoust., Speech and Signal Processing, Vol.2, No.3, pp.406-412, 1994 

  9. J.D. Hoyt and H. Wechsler: 'Detection of human speech in structured noise' in Proc. IEEE International Conference on Acoustics, Speech, and Signal Processing, pp. 237-240, 1994 

  10. R.O. Duda, P.E. Hart and D.G. Stork, 'Pattern Classification,' 2th ed. Wiley, 2001 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로