$\require{mediawiki-texvc}$

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.

MFCC와 LPC 특징 추출 방법을 이용한 음성 인식 오류 보정
Speech Recognition Error Compensation using MFCC and LPC Feature Extraction Method 원문보기

디지털정책연구 = The Journal of digital policy & management, v.11 no.6, 2013년, pp.137 - 142  

오상엽 (가천대학교 글로벌캠퍼스 IT대학 컴퓨터미디어융합학과)

초록
AI-Helper 아이콘AI-Helper

음성 인식 시스템은 부정확한 음성 신호의 입력으로 특징을 추출하여 인식할 경우 오인식의 결과가 나타나거나 유사한 음소로 인식된다. 따라서 본 논문에서는 음소가 갖는 특징을 기반으로 음소 유사율과 신뢰도 측정을 이용한 음성 인식 오류 보정 방법을 제안하였다. 음소 유사율은 학습 모델의 음소에 MFCC와 LPC 특징 추출 방법을 이용하여 구하였으며 신뢰도로 측정하였다. 음소 유사율과 신뢰도를 측정하여 오인식되는 오류를 최소화하였으며 음성 인식 과정에서 오류로 판명된 음성에 대하여 오류 보정을 수행하였다. 본 논문에서 제안한 시스템을 적용한 결과 98.3%의 인식률과 95.5%의 오류 보정율을 나타내었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Speech recognition system is input of inaccurate vocabulary by feature extraction case of recognition by appear result of unrecognized or similar phoneme recognized. Therefore, in this paper, we propose a speech recognition error correction method using phoneme similarity rate and reliability measur...

주제어

#음성 인식   #특징 추출   #음소 유사율   #신뢰도 측정   #오류 보정  

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 음소 유사율과 신뢰도 측정을 이용한 음성 인식 오류 보정 방법을 제안하였다. 부정확한 어휘의 입력으로부터 특징을 추출하여 인식할 경우 유사한 음소로 인식하거나 오인식 오류로 나타나게 되므로 음소 유사율과 신뢰도를 측정하여 오류 보정을 수행하므로 인식률을 향상시켰다.
  • 정보 검색 영역에서 사용되는 문장은 문장이 간결하고 사용자가 검색하고자 하는 핵심어로만 이루어진 경우가 많으므로 정보 검색 영역의 문장은 의미적으로 분석하기 힘들며 문장이 전체적으로 오인식 될 경우 적용이 불가능한 단점을 개선하기 위해 본 논문에서는 음소 유사율과 신뢰도 측정을 이용한 음성 인식 오류 보정 방법을 제안하여 성능을 평가하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
특징 추출이란? 특징 추출은 인식에 유용한 성분을 신호로부터 얻어내는 과정이며 일반적으로 정보의 압축, 차원의 감소 과정과 관련되어 추출된 특성에 의해 인식률이 좋고 나쁨으로 판단한다. 흔히 사용되는 방법으로는 특성 추출 과정에서 청각 특성을 반영하는 달팽이관의 주파수 응답을 필터 뱅크 분석으로 사용하며 주파수에 따른 대역폭의 증가, 프리엠퍼시스 필터 등이 사용된다[6].
특징 추출은 어떤 특성에 의해 인식률을 판단하는가? 특징 추출은 인식에 유용한 성분을 신호로부터 얻어내는 과정이며 일반적으로 정보의 압축, 차원의 감소 과정과 관련되어 추출된 특성에 의해 인식률이 좋고 나쁨으로 판단한다. 흔히 사용되는 방법으로는 특성 추출 과정에서 청각 특성을 반영하는 달팽이관의 주파수 응답을 필터 뱅크 분석으로 사용하며 주파수에 따른 대역폭의 증가, 프리엠퍼시스 필터 등이 사용된다[6].
잡음 채널 모델 기반의 오류 보정 방법이 지닌 단점은 무엇인가? 기존의 연구 방법에는 잡음 채널 모델 기반의 오류 보정 방법이 있으며 음성 인식기의 적용 환경과 실제 인식할 때의 조건상의 차이가 있다는 점을 전제로 오류 보정을 수행한다. 하지만 단순한 언어 모델이 가지는 한계점을 극복하지 못하는 단점을 가지고 있다[3]. 인식 과정에서의 오류는 일정한 패턴을 가지고 발생한다는 전제로 발화 문장과 인식 문장을 비교하여 오류 패턴을 학습하고 후처리 모듈에서 보정하는 방법으로 적은 비용과 시간으로 오류를 보정할 수 있지만, 오류 패턴 DB가 필요하다[4]. 정보 검색 영역에서 사용되는 문장은 문장이 간결하고 사용자가 검색하고자 하는 핵심어로만 이루어진 경우가 많으므로 정보 검색 영역의 문장은 의미적으로 분석하기 힘들며 문장이 전체적으로 오인식 될 경우 적용이 불가능한 단점이 있다[5].
질의응답 정보가 도움이 되었나요?

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
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

맨위로