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 논문에서는 음성인식 칩을 대신할 수 있는 DSP를 이용한 단일 칩 화자종속 음성인식기를 구현하는 방법을 제시하였다. 이를 위하여 DTW 기반의 화자 종속 음성인식 알고리즘을 리소스가 매우 제한되어 있는 임베디드 환경에 적합하도록 속도 최적화와 코드 크기 최적화를 수행하여 12Kbyte의 SRAM과 32Kbyte의 플래쉬 메모리만을 내장하고 있는 저가의 TMS320F2801 DSP에서동작하도록 하였다.
- 본 논문은 음성인식 칩처럼 저렴하면서도 최소의 부품으로 구성된 음성인식기 구현에 관한 것이다. 음성인식 칩은 음성인식에 필요한 모든 유닛을 포함하고 있다.
제안 방법
- 이를 위하여 DTW 기반의 화자 종속 음성인식 알고리즘을 리소스가 매우 제한되어 있는 임베디드 환경에 적합하도록 속도 최적화와 코드 크기 최적화를 수행하여 12Kbyte의 SRAM과 32Kbyte의 플래쉬 메모리만을 내장하고 있는 저가의 TMS320F2801 DSP에서동작하도록 하였다. A/D 변환을 위하여 TMS320F2&11에 내장된 12 bit A/D 변환기를 활용하였으며, anti-aliasing 및 마이크로폰 입력 신호 증폭을 위하여 OP 앰프를 추가하여 4차의 체비세프 필터를 설계하여 사용하였다. 또한, 보다 많은 내장 메모리를 포함하고 있는 TMS320F2808을 이용한경우에는 인식 후 음성 출력 기능을 추가하였다.
- 연산 정밀도는 배정도 연산을 추가하게 되면 정밀도를 원하는 만큼 높일 수 있으나 그만큼 연산량이 증가하기 때문에 연산량과 연산 정밀도 사이에 적절한 타협이 이루어져야 한다. Levinson-Durbin recursione 음성 코딩에서 이미 많이 사용되고 있기 때문에 이를 참고하여 정밀도와 연산량을 결정하였다. 특히 G.
- <그림 5>는 제작된 음성인식 하드웨어이다. TMS320F280X는 TQFP 및 BGA 타입의 두 종류의 패키지가 있는데, 두 종류 모두를 이용하여제작해 보았다. 제작의 용이함을 위하여 DSP 및 전원회로를 포함한 상용 모듈을 이용하여 제작하였다.
- 부품을 최소화하기 위하여 PWM 출력단의 anti-imaging 저역 필터로는 단순히 RC 회로를 이용하였는데 8 KHz의 음성데이터를 곧바로 출력할 경우 image에 의한왜곡이 발생하게 된다. image들의 영향을 최소화하기 위하여 48 KHz로 샘플링 주파수를 변환하는루틴을 추가하여 up-sampling 된 음성을 출력하도록 하였다.<그림 5>는 제작된 음성인식 하드웨어이다.
- 끝점 검출기는 통상의 방식과 같이 프레임 에너지와 프레임 ZCR을 변형한 LCR(Level Crossing Rate)을 이용하였다[3][4]. 그리고 주변 배경 잡음의 변화에 대응하도록 음성 이아니라고 판명된 프레임의 에너지 및 LCR을 이용하여 이들 파라메터의 문턱값을 적응시켰다. 끝점검출을 위한 프레임의 길이는 100 샘플(12.
- 입력된다. 끝점 검출기는 통상의 방식과 같이 프레임 에너지와 프레임 ZCR을 변형한 LCR(Level Crossing Rate)을 이용하였다[3][4]. 그리고 주변 배경 잡음의 변화에 대응하도록 음성 이아니라고 판명된 프레임의 에너지 및 LCR을 이용하여 이들 파라메터의 문턱값을 적응시켰다.
- 매우 까다롭다. 따라서 부동소수점 연산과의 비교를 통하여 확실한 검증을 통해 고정소수점 연산을 수행하였다.
- 그러나 불행히도 코덱을 내장하고 있는 DSP는 거의 없으며 일부 기존의 코덱을 DSP와 단일 패키지 형태로 만든 DSP가 있기는 하지만 상당히 고가이므로 의미가 없다. 따라서본 논문에서는 기존의 음성인식기에서 코덱의 역할을 할 수 있는 A/D 변환기를 내장한 저가의 TMS320C2000 계열 DSP를 이용하여 단일 칩 음성 인식기를 구현하였다. TMS320C2000 계열 DSP에내장된 A/D 변환기는 음성인식기에서 주로 사용되는 sigma-delta modulation 방식의 코덱과 달리, 일종의 단순한 sample & hold 회로이기 때문에 anti-aliasing을 위한 저 역 필터가 별도로 추가되어야한다.
- A/D 변환을 위하여 TMS320F2&11에 내장된 12 bit A/D 변환기를 활용하였으며, anti-aliasing 및 마이크로폰 입력 신호 증폭을 위하여 OP 앰프를 추가하여 4차의 체비세프 필터를 설계하여 사용하였다. 또한, 보다 많은 내장 메모리를 포함하고 있는 TMS320F2808을 이용한경우에는 인식 후 음성 출력 기능을 추가하였다. 이를 위하여 훈련 시, 화자의 음성을 ADPCM으로압축 저장하여 인식 후 결과를 음성으로 출력하는데 사용하였다.
- 이번 구현에서는 TMS320F2808 DSP 경우에는 훈련 시 발성된 음성을 ADPCM으로 압축하여 저장해 두었다가 인식시에 음성으로 출력하는 기능을 추가하였다. 뿐만 아니라 플래쉬 메모리의 용량이 충분하므로 훈련시 필요한 안내 메시지도 저장해 두었다가 출력하도록 하였다.
- 이를 위하여 훈련 시, 화자의 음성을 ADPCM으로압축 저장하여 인식 후 결과를 음성으로 출력하는데 사용하였다. 음성 출력을 위하여 별도의 D/A 변환기를 사용하지 않고 내장된 PWM 주변장치를 이용하여 부품의 추가를 최소화 하였다.
- 방법을 제시하였다. 이를 위하여 DTW 기반의 화자 종속 음성인식 알고리즘을 리소스가 매우 제한되어 있는 임베디드 환경에 적합하도록 속도 최적화와 코드 크기 최적화를 수행하여 12Kbyte의 SRAM과 32Kbyte의 플래쉬 메모리만을 내장하고 있는 저가의 TMS320F2801 DSP에서동작하도록 하였다. A/D 변환을 위하여 TMS320F2&11에 내장된 12 bit A/D 변환기를 활용하였으며, anti-aliasing 및 마이크로폰 입력 신호 증폭을 위하여 OP 앰프를 추가하여 4차의 체비세프 필터를 설계하여 사용하였다.
- 또한, 보다 많은 내장 메모리를 포함하고 있는 TMS320F2808을 이용한경우에는 인식 후 음성 출력 기능을 추가하였다. 이를 위하여 훈련 시, 화자의 음성을 ADPCM으로압축 저장하여 인식 후 결과를 음성으로 출력하는데 사용하였다. 음성 출력을 위하여 별도의 D/A 변환기를 사용하지 않고 내장된 PWM 주변장치를 이용하여 부품의 추가를 최소화 하였다.
- 따라서 TMS320F2808의 경우는 플래쉬 메모리에 저장할 수 있는 명령어의 수를 늘리거나, 또는 인식 후 인식 결과를 음성으로 출력하는 기능을 추가 할 수 있다. 이번 구현에서는 TMS320F2808 DSP 경우에는 훈련 시 발성된 음성을 ADPCM으로 압축하여 저장해 두었다가 인식시에 음성으로 출력하는 기능을 추가하였다. 뿐만 아니라 플래쉬 메모리의 용량이 충분하므로 훈련시 필요한 안내 메시지도 저장해 두었다가 출력하도록 하였다.
- TMS320F280X는 TQFP 및 BGA 타입의 두 종류의 패키지가 있는데, 두 종류 모두를 이용하여제작해 보았다. 제작의 용이함을 위하여 DSP 및 전원회로를 포함한 상용 모듈을 이용하여 제작하였다.
- Levinson-Durbin recursione 음성 코딩에서 이미 많이 사용되고 있기 때문에 이를 참고하여 정밀도와 연산량을 결정하였다. 특히 G.723.1의 시뮬레이션 코드를 기준 코드로 하여 같은 정도의 연산량을유지하면서 G.723.1의 시뮬레이션 코드보다 더 정밀한 연산 결과를 얻도록 작성하였다. 고정소수점연산을 위해서는 LPC 계수의 Q-format을 결정해야 하는데, 이는 LPC 계수의 통계적 분포를 고려하여 3.
- 3이다. 패스 밴드 대역의 특성이 좋은 버터워스 필터는 4차로구현할 경우, 저지 대역 감쇠가 충분하지 못하여 체비세프 필터를 선택하였다. 한편, TMS320F280X DSP는 D/A 변환기는 내장하고 있지 않기 때문에 TMS320F2808의 경우, 음성 출력을 위하여 내장주변장치인 PWM을 이용하였다.
대상 데이터
- 이다. TMS320F28이과 TMS320F2808 두 종류의 DSP를 이용하여 구현하였다. 두 DSP는 내장하고 있는내부 메모리 용량의 차이를 제외하면 동일한 DSP이다.
- 그리고 주변 배경 잡음의 변화에 대응하도록 음성 이아니라고 판명된 프레임의 에너지 및 LCR을 이용하여 이들 파라메터의 문턱값을 적응시켰다. 끝점검출을 위한 프레임의 길이는 100 샘플(12.5 msec)로 하였다. 한편, 임베디드 음성인식기의 경우 잡음이 심하거나 마이크의 거리가 30 cm 이상 떨어져 사용해야 하는 경우가 있는데 이 경우 ZCR에기반한 파라메터는 끝점 검출에 큰 도움이 되지 못한다.
- 특히 TMS320C2000 계열 DSP는 디지털 모터 제어에 최적의 프로세서로 알려져 있다. 본 논문에서는 TMS320C2000 계열 DSP 중에서 TMS320F28084 TMS320F2801 DSP를 이용하였다. 이 두 DSP는 내장하고 있는 메모리 용량에 차이가 있을 뿐 pin-to-pin 호환되는 동일한 프로세서이다.
- 소용량의 화자 종속 인식기에서는 10차의 LPC cepstrum 파라메터만으로도 충분한 인식률을 얻을 수 있기 때문에 델타 파라메터는 사용하지 않았다. 분석 구간은 25 msec이며 매 프레임 분석 시마다 이전 프레임과 12.5 msec의 오버 랩을 하였다. LPC cepstrum 파라메터를 고정소수점 연산을 통하여 계산하는 과정은 자기 상관계수, Levinson-Durbin recursion, cepstrum 변환의 세 단계를 거친다.
- 음성 판정된 프레임에 대하여 특징 추출을 실시간으로 수행한다. 특징 파라메터는 10 차의 LPC cepstrum 파라메터를 사용하였다. 소용량의 화자 종속 인식기에서는 10차의 LPC cepstrum 파라메터만으로도 충분한 인식률을 얻을 수 있기 때문에 델타 파라메터는 사용하지 않았다.
성능/효과
- 따라서 约(沥과 迪'S)배열두 개의 배열을 사용한다. 그 대신 window 함수의 대칭성을 이용하여 윈도우 값의 절반 씩만을 배열에 저장하여 메모리 사용량을 줄였다.
후속연구
- 그 이유로는 전용 하드웨어를 이용할 경우에는 추가제조 비용이용이 발생할 뿐만 아니라, 전용 하드웨어를 이용하여 대용량의 복잡한 음성인식 기술을 구현하는 데는 한계가 있기 때문이다. 그럼에도 불구하고 전용 하드웨어 방식의 경우는 기존의 시스템에 영향을 주지않으면서 음성인식 기능을 추가할 수 있는 장점이 있기 때문에 향후 가좀 더 저렴해지고, 좀더 발전된 음성인식 기술이 적용되면 널리 사용될 것으로 예상된다.
- 현재 TMS320F2801 DSP의 가격은 1000개 기준으로 대략 $3 대 수준이고 OP 앰프를제외하고는 거의 추가의 부품이 필요 없기 때문에 매우 저렴하게 제조할 수 있다. 비록, 음성인식칩이 가격적인 측면에서는 더 저렴하지만, 일반적으로 소량 구매하여 사용하기 어렵기 때문에, 본논문에서 구현한 저렴한 가격의 DSP를 이용한 단일 칩 음성 인식기의 활용이 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.