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
- 존재하고 있다. 본 연구에서는 이러한 음질개선 방식들 중에서 가장 대표적이라고 알려진 주요방식들에서 대해서 잡음환경의 음성인식성능을 비교 검토하고자 한다. 또한 이러한 음질개선 방식들이 최근 많이 소개되고 있는 모델보상 방식 및 특징보상방식과 비교하여 어느 정도의 성능을 나타내는지에 대해서도 검토할 것이다.
제안 방법
- 본 연구에서는 7개의 대표적 음질개선 방식을 구현하고 Aurora 2 데이터베이스를 이용한 인식실험을 수행하였다. 각각의 방식에 대한 약어와 관련된 이론 및 출처는 아래와 같다.
- <표2>에서는 앞에서 언급된 음질개선 방식 중에서 성능이 가장 우수한 MBAND 방식과 모델파라미터보상 방식과의 성능비교를 하였다. 모델파라미터 보상방식으로는 PMC(Parallel model combination) 방식을 적용하였다.
- 인식기는 본 연구실에서 자체적으로 개발하였으며 Baum-Welch 기반의 훈련과정을 통해서 HMM 모델을 구성하고 Viterbi 알고리듬을 이용하여 인식결과를 얻도록 하였다[9].
대상 데이터
- 본 연구를 위하여 잡음음성인식을 위한 Aurora 2 데이터베이스를 사용하였다. Aurora 2 데이터베이스는 n digit 데이터베이스에 인공적으로 부가잡음을 더해주고 채널왜곡을 인가한 것이다.
이론/모형
- 하였다. 모델파라미터 보상방식으로는 PMC(Parallel model combination) 방식을 적용하였다.
- 음성특징을 위해서는 ETSI (European Telecommunications Standard Institute) Aurora 그룹에서 제안된 0차의 cepstral 계수를 포함한 13차의 MFCC(Mel-frequency Cepstral Coefficient) 를 사용하였고 delta 와 acceleration 계수를 추가하여 전체 39차의 특징벡터를 사용하였다.
- 부존재와 존재 가설을 나타낸다. 한편, 人(X*血)는 식 ⑺을 유도할 때 사용되었던 음성 및 잡음 음성의 스펙트럼의 주파수 성분들에 대한 Gaussian 통계모델을 사용함으로서 다음과 같이 얻을 수 있다.
성능/효과
- 2) MBAND: Kamath 등에 의해서 제안된 방식이며 1)의 SS방식과의 주된 차이점은 주파수 대역별로 그리고 SNR 값에 따라 서로 다른 과차감 요소를 사용한다는 점이다[3].
- 여기서는 음성신호와 잡음신호의 스펙트럼에 대한 확률분포를 음질개선에 활용함으로서 매우 높은 성능을 얻을 수 있었다고 판단된다. MMSE-STSA 방식은 MBAND 와 함께 가장 높은 인식성능을 보임을 알 수 있었다. 한편 logMMSE-STSA 방식은 음성신호의 크기 스펙트럼의 log 값을 추정하는 방식인데, 기존의 연구결과에서는 logMMSE-STSA의 음질개선 향상이 MMSE-STSA 보다 뛰어난 것으로 보고되었으나[10], 본 실험 결과에 따르면 인식성능은 오히려 다소 저조한 것으로 보인다.
- 얻을 수 있음을 알 수 있었다. MMSE-STSA로 대표되는 통계모델링 방식은 전반적으로 높은 인식성능을 보임을 알 수 있었다. 여기서는 음성신호와 잡음신호의 스펙트럼에 대한 확률분포를 음질개선에 활용함으로서 매우 높은 성능을 얻을 수 있었다고 판단된다.
- 잡음음성인식의 또 다른 방식인 특징보상 방식의 성능이 PMC 등의 모델보상 방식과 유사한 인식성능을 나타냄을 고려해 볼 때[11], 음성개선 방식은 특징보상 방식에 비해서도 저조한 성능을 나타내는 것으로 판단된다. 따라서 잡음음성인식의 3가지 방식 중에서 음질개선 방식은 다른 2가지 방식에 비해서는 다소 저조한 성능을 보이는 것으로 판단되므로 잡음음성인식을 위한 음성인식시스템의 구성시에는 음질개선 방식을 단독으로 사용하기 보다는 다른 보상방식과 함께 적용하는 접근 방식을 고려하는 것이 바람직 할 것으로 보인다.
- 반면에 MBAND의 경우에는 과차감 요소를 주파수 대역과 SNR 값에 의존하여 조정하여 줌으로서 매우 우수한 인식성능을 얻을 수 있음을 알 수 있었다. MMSE-STSA로 대표되는 통계모델링 방식은 전반적으로 높은 인식성능을 보임을 알 수 있었다.
- 본 연구에서는 잡음음성인식을 위하여 전통적으로 많이 활용되었던 여러가지 음질개선방식들에 대하여 성능비교를 수행하였고 그 결과 주파수 차감법의 개선된 기법인 MBAND 방식과 잡음신호에 대한 통계적 모델에 기반한 MMSE-STSA 방식의 성능이 가장 우수한 것을 확인할 수 있었다. 그러나 단순한 음질개선 방식은 잡음음성인식의 또 다른 방식들인 모델파라미터 보상방식이나 특징보상 방식에 비해서는 성능이 다소 저조한 것으로 판단된다.
- 분리된 음성신호 공간 성분은 적절한 이득함수를 통하여 원래의 음성과 가깝도록 수정되고 잡음신호 공간 성분은 제거함으로서 음성개선을 이룰 수 있었다. 이 방법에서는 음성개선 결과의 잔류잡음이 특정 임계치보다 작다는 조건하에서 음성신호의 왜곡을 최소화 하는 최적 추정 알고리듬이 제안되었다.
- 한편, Ephraim 등은 MMSE-STSA 방식에서 음성신호의 존재에 대한 불확실성(SPUSignal Presence Uncertainty)를 고려한 음질개선방식 MMSE-STSTA(SPU)를 제안하였다. 실험 결과 MMSE-STSA(SPU)는 원래의 MMSE-STSA보다 저조한 인식성능을 보임을 알 수 있었다. 이는 결국 음성신호의 존재에 대한 불확실성에 관한 정확한 정보가 제공되지 않으면 음질개선에 오히려 악 영향을 미친다는 것을 의미한다.
- <표1>의 결과로부터 우리는 잡음음성 환경에서 전통적으로 많이 사용된 주파수 차감법이나 Wiener 필터 방식에 비해서 통계모델방식이나 부공간 방법의 성능이 우수함을 알 수 있으나 주파수 차감법의 경우에는 최근에 개선된 방식의 경우에는 성능이 매우 우수한 것을 알 수 있다. 특히, 전통적인 스펙트럼 차감법 SS 는 거의 성능의 향상을 이루지 못함을 알 수 있는데, 이는 잡음의 제거를 통하여 SNR의 향상은 이루었지만 musical 잡음 등에 의한 음성신호의 왜곡으로 인하여 전반적으로 인식성능의 향상을 이루지 못한 원인인 것으로 판단된다.
- <표2>의 결과를 보면 MBAND는 모델파라미터보상 방식인 PMC 방식에 비해서는 다소 저조한 인식성능을 보임을 알 수 있다. 잡음음성인식의 또 다른 방식인 특징보상 방식의 성능이 PMC 등의 모델보상 방식과 유사한 인식성능을 나타냄을 고려해 볼 때[11], 음성개선 방식은 특징보상 방식에 비해서도 저조한 성능을 나타내는 것으로 판단된다.
- 이는 결국 음성신호의 존재에 대한 불확실성에 관한 정확한 정보가 제공되지 않으면 음질개선에 오히려 악 영향을 미친다는 것을 의미한다. 이상과 같이 우리는 기존의 음질개선 방식이 인식성능에 미치는 효과를 살펴보았는데, 일반적으로 통계모델 기반의 방식이 우수한 성능을 보임을 알 수 있었으나, 주파수 차감법의 경우에는 과차감 요소를 적절히 설정함으로서 통계모델 방식과 비슷한 성능을 보임을 알 수 있었다. 또한 비교적 최근에 제안된 부공간 방식은 성능 에서는 통계모델 방식이나 향상된 주파수 차감법에 미치지는 못한 것으로 보인다.
후속연구
- 그러나 단순한 음질개선 방식은 잡음음성인식의 또 다른 방식들인 모델파라미터 보상방식이나 특징보상 방식에 비해서는 성능이 다소 저조한 것으로 판단된다. 따라서 음질개선 방식만을 적용하여 잡음에 강인한 음성인식시스템을 구성하는 것은 다소 한계가 있을 것으로 판단되며 최근에 많이 제안되고 있는 모델파라미터 보상방식이나 특징보상 방식등과의 연계를 통해서 보다 나은 잡음음성 인식시스템을 구성할 수 있을 것으로 판단된다.
- 본 연구에서는 이러한 음질개선 방식들 중에서 가장 대표적이라고 알려진 주요방식들에서 대해서 잡음환경의 음성인식성능을 비교 검토하고자 한다. 또한 이러한 음질개선 방식들이 최근 많이 소개되고 있는 모델보상 방식 및 특징보상방식과 비교하여 어느 정도의 성능을 나타내는지에 대해서도 검토할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.