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
- 본 논문은 중규모 어휘의 화자 독립의 단독어 인식에 관한 연구이다. 중규모 이하의 단독어에 관한 음성 인식에 있어서는 음소나 음절 단위와 같이 서브워드(subword) 단위로 음성 인식을 하는 것보다 단어 단위로 음성 인식을 행하는 것이 더 실용적이라 할 수 있다.
가설 설정
- 일반적인 HMM에서와 마찬가지로 2중 특징 벡터 인정적 스펙트럼 특징(LPC 켚스트럼)과 동적 스펙트럼 특징(LPC 켚스트럼의 회귀 계수)이 서로 상관관계가 없다 [기는 가정 하에서 알고리즘을 적용한다. 또한, 정적인 의미를 가지는 것은 I(Instantaneous)라 표시하고, 동적 인 의미는 D(Dynamic)로 표시하겠다.
제안 방법
- 구간 구분화 알고리즘(3)의 결각로 등록된 각 학습용 데이터의 단어 패턴 (Tl, T2, TN) 들의 구간 경계를 이용하여 각 단어 패턴들을 J 개이 구간으로 나누어 주고, 단어 패턴의 j 번째 구간에 할당된 프레임들의 특징 벡터들을 모아 중심점을 계산해 이것을 단어 모델의 j 번째 구간을 대표하는 특징 벡터로 하였다.
- 사용하였다. 단독어 인식 실험은 화자 독립으로 나머지 2명이 2번씩 발음한 것으로 실험을 수행하였다. 제안된 DMS 모델과 이 중 스펙트럼 특징을 이용한 HMM 방법 및 다른 여러 방법들의 인식 실험결과를 표 1에 나타내었다.
- 중요한 일이다. 따라서, 본 연구에서는 DMS 모델과 이중 스펙트럼 특징을 이용한 HMM 모델을 제안하고, 이 모델을 이용하여 화자 독립의 단독어 인식 실험을 수행하였고 일반적으로 많이 사용되어 오고 있는 DP 인식 방법와 MSVQ 인식 방법과 DMS 모델을 이용한 인식 실험, 일반적인 HMM 및 MSVQ를 이용한 HMM에 의한 인식실험 등을 같은 조건하에서 실행하여 비교하였다.
- 따라서, 총 인식 대상어수는 201개이다. 먼저 단독어 실험을 위해 4명 중 2명의 화자가 기차역명을 각 15회 발음한 6, 030개 단어로 모델을 학습하였으며 인식은 나머지 2명의 화자가 2회씩 발음한것을 화자 독립의 인식 실험에 사용하였다.
- 본 실험에서는 음성을 7아Iz ~ 3.5KHZ의 대역 통과 필터링을 한 후 8KHz 샘플링과 12bit 양자화를 통해 A/D 변환하였다. 이 데이터는 256 샘플을 한 프레임 단위로 해서 특징을 추출한 후 음성 발생 모델에서 생기는 고주파 감소 현상을 보상하기 위해 프리엠퍼시스 필터 H(z) = 1 - 0.
- 본 연구에서 제안한 방법은 음성을 몇 개의 구간으로 나누어서 첫 번째 구간부터 마지막 구간까지 인식 실험을 행한다. 인식시 인식 시간을 줄이기 위해 첫 번째 구간의 인식이 끝나면 확률값을 비교하여 높은 순으로 인식 대상 중 몇 개의 후보를 선택한다.
- 본 연구에서는 DMS 모델을 이용한 HMM 모델을 학습하는데 있어 이 중 특징 벡터를 사용하며, 인식할 때에도 DMSVQ와 이 중 스펙트럼 특징을 이용하여 구간마다 확률값을 비교하여 인식 대상 단어의 후보수를 줄이고, 계속해서 거듭되는 구간마다 후보자 수롤 줄이면서 이를 반복하여 최종적으로는 단어를 인식하는 실험을 행하는 DMS 모델과 이 중 스펙트럼 특징을 이용한 HMM 음성인식을 제안한다.
- 여기서, 제안된 DMS 모델과 이 중 스펙트럼 특징을 이용한 HMM에 의한 인식 실험은 구간을 2, 3 및 4까지 나누어서 실험하였다. 실험 결과는 표 2와 같으며, 표 1에는 인식률이 가장 좋은 것을 나타내었다.
- 5KHZ의 대역 통과 필터링을 한 후 8KHz 샘플링과 12bit 양자화를 통해 A/D 변환하였다. 이 데이터는 256 샘플을 한 프레임 단위로 해서 특징을 추출한 후 음성 발생 모델에서 생기는 고주파 감소 현상을 보상하기 위해 프리엠퍼시스 필터 H(z) = 1 - 0.95Z-1 를 통과시킨다. 그리고 프레임 추출 시 시작부분과 끝 부분에 발생하는 왜곡을 보상하기 위해 해밍창 W(n) = 0.
대상 데이터
- 의해서 발음하게 하였다. 따라서, 총 인식 대상어수는 201개이다. 먼저 단독어 실험을 위해 4명 중 2명의 화자가 기차역명을 각 15회 발음한 6, 030개 단어로 모델을 학습하였으며 인식은 나머지 2명의 화자가 2회씩 발음한것을 화자 독립의 인식 실험에 사용하였다.
- 본 연구에서 실험에 사용된 음성 데이터 베이스는 기차역명 201개의 단어(중복된 역명 제외)를 남성화자 4명에 의해서 발음하게 하였다. 따라서, 총 인식 대상어수는 201개이다.
- 학습데이터는 전국 기차역명 201개의 단어를 남성화자 4명 중 2명에 의해서 각각 5회씩 발음한 2, 010개의 단어를 사용하였다. 단독어 인식 실험은 화자 독립으로 나머지 2명이 2번씩 발음한 것으로 실험을 수행하였다.
이론/모형
- 이다. HMM에서 초기 파라미터들로부터 〃((이人)을 최대로 하는 /l = (A, 3, /을 재추정하는 것으로 Baum-Welch 재추정 알고打즘[6]을 이용한다. 여기서 현재 모델 人=(厶, B, 允이라 하고, 다시 추정된 모델은 切=C4互融이라 하면 새로운 모델 파라미터는 아래의 식들과 같다.
- 따라서, 정적 스펙트럼 특징으로 LPC 켚스트럼을 사용하며, 동적 스펙트럼 특징 으로 LPC 켚스트럼의 회귀계수를 사용함으로써 단시간의 시간의 변화에 따른 시간정본를 포함하게 하고, 몇 개의 구간으로 구간을 동적으로 잡아줌으로써 같은 특징의 정보가 같은 구간에 위치하게 함으로써 인식률을 높이는 DMS 모델과 이 중 스펙트럼 특징을 이용한 HMM 인식 방법을 사용한다.
- 본 연구에서는 [논문 기의 실험 결과에 의해 인식 알고리즘으로 전향 알고리즘을 사용하였다. 따라서 전향 알고리즘을 살펴보면 다음과 같다.
- 본 연구에서는 정적 스펙트럼 특징과 동적 스펙트럼 특징의 이 중 스펙트럼 특징을 이용한 HMM 인식 방법이다. 일반적인 HMM에서와 마찬가지로 2중 특징 벡터 인정적 스펙트럼 특징(LPC 켚스트럼)과 동적 스펙트럼 특징(LPC 켚스트럼의 회귀 계수)이 서로 상관관계가 없다 [기는 가정 하에서 알고리즘을 적용한다.
성능/효과
- 인식률이 낮았다. 그러나, DMS 모델을 이용한 DMSVQ을 이용한 인식 방법에서는 인식 시간은 MSVQ나 마찬가지인데 인식률이 약 7% 정도 높아짐을 알 수 있으며, DMS 모델을 이용한 DMSVQ 인식 방법은 일반적인 HMM 인식 방법보다도 인식률이 높음을 알 수 있다.
- 10% 정도 인식률이 높아짐을 알 수 있다. 더구나, 본 연구에서 제안하는 이 중 스펙트럼 특징까지를 이용한 방법에서는 약 11.5% 정도까지 인식률이 높아진 약 93.03%를 나타냄을 알 수 있다.
- 여기서, VQ에 의한 인식 방법보다 MSVQ에 의한 인식 방법[3-4]이 시간 정보를 가지므로 인식률에서 VQ보다는 개선되기는 하나 그래도 인식률이 높지 않다. 따라서, MSVQ 방법을 개선시킨 방법으로 구간을 동적으로 나누는 DMS 모델을 이용한 DMSVQ에 의한 인식 방법[5]이 MSVQ에 의한 인식 방법보다 인식률이 높다.
- 7% 정도 높아진다. 또한 일반적인 HMM의 경우도 DP 방법보다는 인식률이 높으나 그래도 인식률이 낮고, MSVQ를 이용한 HMM의 경우는 인식 시간 및 인식률이 일반적인 HMM에 비해서 약 6% 정도 높아지며, FSVQ 를 이용한 HMM의 경우는 약 8% 정도 인식률이 더 높아지고, DMS 모델을 이용한 HMM에 의한 인식 방법의 경우은 약 10% 정도 더 인식률이 높아짐을 알 수 있다.
- 또한, HMM 인식 방법에서도 일반적인 HMM 보다 MSVQ를 이용한 HMM이 약 6% 정도 인식률이 높고, FSVQ를 이용한 HMM이 약 8% 정도 인식률이 더 높으며, 마찬가지로 DMS 모델을 이용한 HMM 인식 빙법은 약 10% 정도 인식률이 높아짐을 알 수 있다. 더구나, 본 연구에서 제안하는 이 중 스펙트럼 특징까지를 이용한 방법에서는 약 11.
- 본 연구에서 제안한 방법은 구간을 의미 있는 특징들을 고려해서 동적으로 잡아주고 이 중 스펙트럼 특징에 의해 단시간의 시간정보를 지니게 함으로써 일반적인 HMM 인식 방법보다 약 11.5%의 인식률의 증가를 보임을 알 수 있었다.
- 제안된 인식 실험 방법은 구간을 음소적인 특징에 따라 동적으로 잡아주고 음성의 정적인 특성 뿐만 아니라 동적인 특성까지도 이용함으로 인식률이 일반적인 HMM보다 약 11.5% 정도 높은 약 93.03%의 인식률을 나타냄을 알 수 있었다.
- 지금까지의 실험 결과에 의하면 표 1에서는 DP 인식방법보다 MSVQ 인식 방법이 인식 시간은 훨씬 단축되나 인식률이 낮았다. 그러나, DMS 모델을 이용한 DMSVQ을 이용한 인식 방법에서는 인식 시간은 MSVQ나 마찬가지인데 인식률이 약 7% 정도 높아짐을 알 수 있으며, DMS 모델을 이용한 DMSVQ 인식 방법은 일반적인 HMM 인식 방법보다도 인식률이 높음을 알 수 있다.
- 표 2에서는 본 연구에서 제안한 방법에 있어서 구간수를 2에서부터 4까지 실험한 것으로 구간수를 3으로 했을때 가장 인식률이 높을 것을 알 수 있다.
후속연구
- 따라서, 화자가 정확하게 발음해야 함은 물론 잡음 속에서도 시작점과 끝점을 잘 잡아주며 시스템에 잘 적응하고 보다 더 나은 인식률을 얻을 수 있는 인식 시스템의 개발이 필요하고, 한국어의 음운학적인, 그리고 음향학적인 특성에 맞는 알고리즘의 개발이 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.