최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기전기전자학회논문지 = Journal of IKEEE, v.13 no.4, 2009년, pp.43 - 46
공정식 (인덕대학 기계설계과) , 권오상 (경기공업대학 자동화로봇과) , 이응혁 (한국산업기술대학교 전자공학과)
This paper deals with feeling recognition from people's voice to fine feature vectors. Voice signals include the people's own information and but also people's feelings and fatigues. So, many researches are being progressed to fine the feelings from people's voice. In this paper, We analysis Selecta...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
패턴인식 기법에는 어떠한 것들이 이용되고 있는가? | 패턴인식 기법은 HMM (Hidden Markov Model), GMM (Gaussian Mixture Model), SVM (Support Vector Machine) 등이 이용되고 있으며 [6], 각각의 기법이 가진 특징과 강점을 이용해 새로운 시도가 이루어지고 있다. 현재 감정인식 분야의 수준은 언어의 차이와 공식화된 데이터베이스의 부재로 정확한 판단이 어렵지만, 기존 연구결과들을 토대로 네 종류의 감정에 대해 60% 정도의 성능을 보이고 있다. | |
음성신호에는 어떠한 정보가 포함되어 있는가? | 음성신호에는 화자에 대한 고유한 정보와 주변의 음향환경에 대한 정보는 물론 감정과 피로도 등 다양한 정보가 포함되어 있다. 음성신호를 이용한 연구 분야에서 감정 상태를 반영하는 효과적인 특징들을 추출 하는 것이 성능을 결정하는 데 가장 중요한 요소이다. | |
프레임의 클래스분류는 어떻게 나뉘어 지는가? | 전처리 과정을 거친 신호는 프레임 단위로 LPC 분석 (LPC Analysis), 지각가중치 적용 필터 (Perceptually Weighting Filter), 개회로 피치 추정 (Open-Loop Pitch Estimation), 신호 변경 (Signal Modification)을 이용하여 음악검출이 포함된 음성검출, 프레임의 클래스분류 그리고 전송률을 결정하는 인코딩 처리과정을 거친다. 전송률의 결정에 따라 타입 (Type) 0과 타입 1로 나누어진다. 타입 1은 정상 유성음이 선택된 프레임을 나타내고, 타입 0은 그 외의 모든 프레임을 나타낸다 [9]. |
Q. Ji, P. Lan, C. Looney, "A Probablistic Framework for Modeling and Real-Time Monitoring Human Fatigue," IEEE Transaction on systems, man, and cybernetics Part A : Systems and humans, vol. 36, no. 5, Sep. 2006.
S. Casale, A. Russo, S. Serrano, "Multi-Style Classification of Speech Under Stress Using Feature Subset Selection Based on Genetic Algorithms," Speech Communication, 2007.
R. Faltlhauser, T. Pfau, G. Ruske, "On-line Speaking Rate Estimation Using Gaussian Mixture Models," Proc. IEEE International Conference on Acoustics, Speech, and Signal Processing, 2000.
O. W. Kwon, K. Chan, J. Hao, T. W. Lee, "Emotion Recognition by Speech Signals," Proc. Eurospeech, 125-128, 2003.
S. Ramamohan, S. Dandapat, "Sinusoidal Model-Based Analysis and Classification of Stressed Speech," IEEE Transactions on audio, speech, and language processing, vol. 14, no. 3, May 2006.
R. O. Duda, P. E. Hart and D. G. Stork, Pattern classification, John Wiley & Sons, INC., 2001.
S. Craig Greer, and A. Dejaco, "Standardization of the selectable mode vocoder," Proc. IEEE International Conference on Acoustics, Speech and Signal Processing, vol. 2, pp. 953-956, May 2001.
G. Yang, E. Shlomot, A. Benyassine, J. Thyssen, S. Huan-yu and C. Murgia, "The SMV algorithm selected by TIA and 3GPP2 for CDMA applications," Proc. IEEE International Conference on Acoustics, Speech and Signal Processing, vol. 2, pp. 709-712, May 2001.
3GPP2 Spec., "Selectable Mode Vocoder (SMV) Service Option for Wideband Spread Spectrum Communications Systems," 3GPP2-C.S0030-0, v3.0, Jan. 2004.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.