$\require{mediawiki-texvc}$

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.

강인한 음성인식을 위한 켑스트럼 거리와 로그 에너지 기반 묵음 특징 정규화

Cepstral Distance and Log-Energy Based Silence Feature Normalization for Robust Speech Recognition

한국음향학회지= The journal of the acoustical society of Korea, v.29 no.4, 2010년, pp.278 - 285  

신광호 (영남대학교 정보통신공학과) ,  정현열 (영남대학교 정보통신공학과)

초록
AI-Helper 아이콘AI-Helper

훈련 환경과 인식 환경의 차이가 음성인식 성능저하의 주요요인이다. 이러한 환경의 불일치를 줄이기 위한 방법으로 다양한 묵음특징 정규화 방법이 제안되고 있다. 기존의 묵음특징 정규화 방법은 낮은 SNR (Signal-to-Noise Ratio)에서 묵음구간의 에너지 레벨이 증가하여 음성/묵음 분류의 정확도가 떨어짐으로 인해 인식성능이 저하되는 문제점이 있었다. 본 논문에서는 로그 에너지와 음성/묵음(또는잡음)의 켑스트럼 특징의 분포 특성의 차이를 나타내는 켑스트럼 유클리디언(Euclidean) 거리를 결합하여 음성/묵음을 분류하는 묵음특징 정규화 방법 (Cepstral distance and Log-energy based Silence Feature Normalization)을 제안하였다. 제안한 방법은 높은 SNR에서는 로그 에너지 특징이 잡음의 영향을 적게 받는 특성을 반영하여 기존의 묵음 특징 정규화 (Silence Feature Normalization)방법의 우수성을 그대로 유지하는 반면, 낮은 SNR에서는 로그 에너지 대신 음성/묵음 분류의 분별력이 우수한 켑스트럼 거리 정보를 이용함으로써 인식성능을 향상시킬 수 있다. 인식실험결과 기존의 SFN-I/II, CSFN 방법에 비해 전반적으로 향상된 인식성능을 얻을 수 있어 그 유효성을 확인할 수 있었다.

Abstract AI-Helper 아이콘AI-Helper

The difference between training and test environments is one of the major performance degradation factors in noisy speech recognition and many silence feature normalization methods were proposed to solve this inconsistency. Conventional silence feature normalization method represents higher classifi...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 따라서 본 논문에서는 켑스트럼 거 리와 로그 에너지를 결합하여 음성/묵음 분류를 위해 사용하는 정규화 방법을 제안한다.
  • 본 논문은 특징향상 방식에 관한 연구로서, 음성인식에서 주로 사용되고 있는 특징 파라미터로는 MFCC (Mel-Frequency Cepstral Coefficients), PLP (Perceptual Linear Predictive) 등의 주파수 기반 특징과 에너지 기반 특징이 있으며, 이 가운데 에너지 특징 향상에 대한 연구에 초점을 맞추고 있다.
  • 하지만 기존의 묵음특징 정규화방법은 로그 에너지 특징 정보만을 이용한 방법으로서 낮은 SN应에서 음성/묵음 분류의 정확도가 떨어지므로 인식성능도 같이 현저하게 저하되는 문제점이 있다. 이를 해결하기 위해 본 논문에서는 로그 에너지와 음성/묵음 (또는 잡음)의 켑스트럼 특징의 분포 특성의 차이를 나타내는 켑스트럼 유클리 디언거리를 결합해서 음성/묵음 분류에 사용하여 묵음특징을 정규화하는 CLSFN 방법을 제안하였다. 인식실험결과 기존의 SFN-I/Ⅱ, CSFN 방법에 비해 전반적으로 향상된 인식성능을 얻을 수 있어 그 유효성을 확인할 수 있었다.
본문요약 정보가 도움이 되었나요?

참고문헌 (6)

  1. K.S. Yao, E. Visser, O.W. Kwon and T.W. Lee, "A Speech Processing Front-End with Eigenspace Normalization for Robust Speech Recognition in Noisy Automobile Environments," Proc. Eurospeech, pp. 9-12, Sep. 2003. 

  2. C.-F. Tai and J.-W. Hung, "Silence Energy Normalization for Robust Speech Recognition in Additive Noise Environments," Proc. ICSLP, pp. 2558-2561, Sep. 2006. 

  3. C.-C. Wang, C.-A. Pan and J.-W. Hung, "Silence Feature Normalization for Robust Speech Recognition in Additive Noise Environments," Proc. ICSLP, pp. 1028-1031, Sep. 2008. 

  4. 신광호, 구엔딘쿵, 정현열, "강인한 음성인식을 위한 켑스트럼 유클리디언 거리 기반 묵음 특징 정규화," 제26회 음성통신 및 신호처리 학술대회 논문집, vol. 26, no. 1, pp. 265-268, 2009. 8. 

  5. S.E. Bou-Ghazale and K. Assaleh, "A Robust Endpoint Detection of Speech for Noisy Environments with Application to Automatic Speech Recognition," Proc. ICASSP, 2002. 

  6. H.-G Hirsch and D. Pearce, "The AURORA experimental framework for the performance evaluation of speech recognition systems under noisy conditions," ISCA ITRW ASR 2000, France, Sep. 2000. 

저자의 다른 논문 :

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