[논문]음성 인식률 개선방법에 관한 연구

김영포; 이한영

doi:10.13067/jkiecs.2013.8.1.077

초록
AI-Helper

본 논문에서는 음성 인식률 개선에 관한 방법을 제시하고 연구하였다. 기존의 음성 검출 방법 중 많이 이용되고 있는 HMM(Hidden Markov Model) 알고리즘을 이용하여서 음성을 검출하였다. 실험은 음성 검출과 음성 인식의 두 가지 방법으로 진행하였다. 음성 검출은 음성의 단위로 영교차율을 구하여 데이터의 유무를 판별하였다. 음성 인식은 음성의 형상의 패턴을 분석한 후 학습된 패턴과 비교 하는 형식으로 분석하였다. 실험 결과, 제안된 음성 형상의 패턴인식 이용한 알고리즘은 92%의 음성 인식률을 얻어 80%의 기존 HMM 알고리즘에 비해서 약 12%의 향상된 인식률을 얻을 수 있었다.

Abstract ▼ AI-Helper

In this paper, we suggested a method about the improvement of the voice recognition rate and carried out a study on it. In general, voices were detected by applying the most widely-used method, HMM (Hidden Markov Model) algorithm. Regarding the method of detecting voices, the zero crossing ratio was...

In this paper, we suggested a method about the improvement of the voice recognition rate and carried out a study on it. In general, voices were detected by applying the most widely-used method, HMM (Hidden Markov Model) algorithm. Regarding the method of detecting voices, the zero crossing ratio was calculated based on the units of voices before the existence of data was identified. Regarding the method of recognizing voices, the patterns shown by the forms of voices were analyzed before they were compared to the patterns which had already been learned. According to the results of the experiment, in comparison with the recognition rate of 80% shown by the existing HMM algorithm, the suggested algorithm based on the recognition of the patterns shown by the forms of voices showed the recognition rate of 92%, reflecting the recognition rate improved by about 12% compared to the existing one.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 기존의 LPC(Linear Predictive Coding), MFCC(Mel Frequency Cepstral Coeffici- ents), VQ(Vector Quantization), HMM(Hidden Markov Model) 방법 중 많이 사용하고 있는 HMM 방법과본 논문에서 제안한 형상의 패턴인식 알고리즘의 인식 성능을 비교·검토하였다.
본 논문에서는 음성 인식률 향상에 관한 방법을 제시하고 실험하였다. 잡음이 검출할 음성보다 크면 인식 성능이 떨어지고 사람조차도 음성을
가설 설정
- 후)음성인식률">음성 인식률 향상에 관한 방법을 제시하고 실험하였다. 잡음이 검출할 음성보다 크면 인식 성능이 떨어지고 사람조차도 음성을 인식하기가 어려운 잡음환경 상황이므로 본 실험에서는 잡음을 고려하지 않기로 하였다. 따라서 효과적인
  제안 방법
  
  후)학습과정에서는">학습 과정에서는 검사 대상 패턴의 위치와 속성을 학습하여 저장한다. 검사 과정에서는 검사 대상의 음성을 입력 받아 검사 할 패턴이 있는 부분만 추출하고 히스토그램을 분석하여 학습된 패턴과 비교하여 검사한다. 본 논문에서는 영교차를 이용하여 음성 신호의 시작과 끝점을 구별하여 음성 데이터의 유무를 판별하고 음성 형상의 패턴을 분석하는 알고리즘을 이용하여 음성을 인식하였다.
  
  후)20dB 이상을">20dB이상을 요구한다. 본 실험에서는 각각의 S/N비를 5dB, 10dB, 15dB, 20dB로 분류하여 실험하였다. 전처리 과정으로 기존의 순수한 음성 데이터와 각 dB별 음성 데이터의 특징을 추출하여 음성인식률을 높였다.
  
  전처리 과정으로 기존의 순수한 음성 데이터와 각 dB별 음성 데이터의 특징을 추출하여 음성인식률을 높였다. 실험 방법은 HMM 알고리즘과 HMM 알고리즘에 형상 패턴인식 방법을 더한 알고리즘을 이용하여 각 dB별 인식률을 계산하였다.
  
  본 실험에서는 각각의 S/N비를 5dB, 10dB, 15dB, 20dB로 분류하여 실험하였다. 전처리 과정으로 기존의 순수한 음성 데이터와 각 dB별 음성 데이터의 특징을 추출하여 음성인식률을 높였다. 실험 방법은 HMM 알고리즘과 HMM 알고리즘에 형상 후)학습 데이터는">학습데이터는 5회분을 참조데이터로 생성하여 인식 평가를 하였다.
  대상 데이터
  
  후)개발환경은">개발 환경은 펜티엄 듀얼 E5200과 마이크로폰을 사용하였고 개발 언어는 Visual C 6.0 버전이며. 음성 데이터는 CD 음질을 기준으로 44KHz, 16bit, 스테레오로 설정하였다.
  
  음성">버전이며. 음성 데이터는 CD 음질을 기준으로 44KHz, 16bit, 스테레오로 설정하였다. 완성된 프로그램은 그림 1과 같다.
  
  후)참 조">참조 데이터는 20dB 이하의 조용한 환경에서 획득한 음성 데이터를 사용하여 제작하였다.

성능/효과

후)음압레 벨로">음압레벨로 발성하였다. 본 논문에서 제안한 방법으로 실험한 결과 20dB의 S/N에서 기존의 HMM 알고리즘에 비해 약 11% 개선된 92%의 음성 인식률을 얻을 수 있었다.
후)실험 결과">실험결과 HMM 알고리즘보다 본 논문에서 제안한 알고리즘이 S/N비율이 5dB에서 2%의 개선을 보이며 인식률이 많이 떨어졌고 20dB일 경우 인식률이 11%정도의 개선되었으며, 그 결과를 그림 5와 표 3에 나타내었다 [15-16].
측정 결과 HMM방식은 음성 인식률이 10% 정도 저하되는 것을 보였지만, HMM 형상 패턴인식에서는 2∼3%의 인식 률의 저하를 보여 기존의 HMM방식에 비해 노이즈에 강한 인식률을 보여 HMM 형상 패턴인식 알고리즘이 노이즈에도 강하다는 것을 그림 7과 표 4에서 나타내 었다 [17].

후속연구

후)표현할">표현할 수 있는 전처리 과정에 대한 연구가 요구되며, 알고리즘에 대한 효율적이고 개선된 학습 알고리즘에 관한 연구가 필요하다. 본 논문에서 제안한 음성인식 알고리즘과 학습 DB를 접목하여 앞으로 잡음환경에서의 음성인식 시스템으로 확장할 수 있을 것으로 기대한다.
후)문제 없이">문제없이 빠른 인식 속도를 보여주고 있다. 음성인식률을 개선시하기 위해서는 잡음환경을 잘 고려한 데이터 처리의 효과적인 모델화 방법과 음성패턴의 시간적 상관관계를 더욱 잘 표현할 수 있는 전처리 과정에 대한 연구가 요구되며, 알고리즘에 대한 효율적이고 개선된 학습 알고리즘에 관한 연구가 필요하다. 본 논문에서 제안한 음성인식 알고리즘과

질의응답

핵심어	질문	논문에서 추출한 답변
	음성 인식은 무엇인가?	또 음성에 의해 표현되는 말은 인간과 인간 사이의 의사소통의 수단뿐만 아니라 논리적으로 사물을 생각하는 경우에서도 중요한 역할을 한다. 일반적으로 음성 인식(Voice Recognition)이란 마이크나 전화기로 화자에 의해서 발성된 음향적인 신호를 인간이 이해할 수 있는 단어나 구문들로 표현하는 일련의 과정을 말하며, 최종적으로 인식된 단어나 구문을 컴퓨터나 기계 상의 명령이나 제어, 자료입력, 그리고 문서의 준비 등을 위한 용도로써 이용되고 있다[1, 2]. 음성의 특징 파라미터를 추출하여 컴퓨터로 하여금 인지하도록 하는 것이다.
	연속어 인식 시스템은 어떤 시스템인가?	인식률 높고 구현하기 간단해 널리 이용되고 있으나 사용자 이용하기가 불편하다는 단점이 있다. 연속어 인식 시스템은 문장 단위로 인식을 수행 하는 시스템으로 문장을 인식하기 때문에 사용자가 단어 단위로 끊어 발음하지 않아도 된다. 문장은 평상시와 같이 발음되며, 특별히 단어 사이의 묵음이 있을 필요는 없다.
	고립어 인식 시스템의 단점은 무엇인가?	고립어 인식 시스템은 짧은 음성명령이나간단한 음성제어 등에 주로 사용되며 숫자 음을 인식 하여 음성버튼으로 사용하는 경우“1,2,3”과 같은 숫자보다 “일,이,삼”과 같은 말로 각 단어가 또박또박 발음되고 각 단어 사이에 충분한 길이의 묵음구간이 존재하여야 한다. 인식률 높고 구현하기 간단해 널리 이용되고 있으나 사용자 이용하기가 불편하다는 단점이 있다. 연속어 인식 시스템은 문장 단위로 인식을 수행 하는 시스템으로 문장을 인식하기 때문에 사용자가 단어 단위로 끊어 발음하지 않아도 된다.

참고문헌 (17)
타임라인 바로가기

J. M. Markoul, "Linear prediction A tutorial review", Proceeding sof IEEE, Vol. 63, No. 4, 1975.
薺？-收三, 中田和男, "音聲情報處理の基礎", オ-ム社, 1982.
中川聖一, "連？續出力分布型HMMによる日本音韻認識", 音響學會論文誌, Vol. 46, pp. 486-496, 1990.
허강인, "스펙트럼 모멘트법에의한 韓國語音聲의포만트周波數推定에 관한 硏究", 博士學位論文, 1990.
김수훈, 이종진, 허강인, "이산 지속시간제어 연속 분포 HMM을 이용한 연속음성 인식", 한국음향학회논문지, 14권, 1호, pp. 81-89, 1995.
한학용, "우리말 음성의 최적분할과 인식에 관한 연구", 博士學位論文, 2004.
한학용저, "패턴인식개론", 한빛미디어, pp. 418-424, 2009.
L. R. Rabiner and B. H. Juang, "An Introdu-ction to Hidden Markov Models", IEEE ASSP magazine, pp. 4-17, 1986.
이종진, "한국어 연속음성 인식시스템의 구현", 博士學位論文, 1994.
한학용저, "패턴인식개론", 한빛미디어, pp. 418-424, 2009.
A. Rosen Feld, A. C. Kak, "Digital Picture Processing", 2nd Edition, Academic Press, 1982.
Franco, H., Weintraub, M., Cohen, M., "Context modeling in a hybird HMM neural net speech recognition system", International Conference on Neural Networks, Vol. 4, 9-12, pp. 2089-2092, 1997.
김용연, "영상통신을 위한 웨이블릿 변환 부호화 " 한국전자통신신학회논문지, 6권, 1호, pp. 61-67, 2011.
홍완표, "데이터 전송 효울을 wrhvy한 $3{{\times}}4$ 비트 1 바이트 문자 부호화 규칙에 관한 연구" 한국전자통신신학회논문지, 6권, 4호, pp. 499-504, 2012.
이창영, "음성인식에서 중복성의 저감에 대한 연구", 한국전자통신신학회논문지, 7권, 3호, pp. 475-483, 2012.
김범준 "버퍼 크기 기반 자동재전송 프로토콜의 재전송 지속성 제어" 한국전자통신신학회논문지, 7권, 3호, pp. 487-492, 2012.
정상래, "NCW 및 전술데이터링크 기술개발 현황분석", 한국전자통신신학회논문지, 7권, 5호, pp. 991-998, 2012.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

음성 인식률 개선방법에 관한 연구
A Study on Improved Method of Voice Recognition Rate 원문보기 논문타임라인

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (17)
타임라인 바로가기

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

음성 인식률 개선방법에 관한 연구 A Study on Improved Method of Voice Recognition Rate 원문보기 논문타임라인

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

참고문헌 (17) 타임라인 바로가기

이 논문을 인용한 문헌

저자의 다른 논문 :

김영포 (4) 이한영 (11)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

음성 인식률 개선방법에 관한 연구
A Study on Improved Method of Voice Recognition Rate 원문보기 논문타임라인

초록
AI-Helper

AI 본문요약
AI-Helper

참고문헌 (17)
타임라인 바로가기