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
- 본 논문에서는 SiTEC(Speech Information Technology & Industry Promotion Center)에서 구축한 자동차 환경에서의 모의 음성 DB를 이용하여 주행 환경과 채 널(마이크로폰) 위치에 따른 음성 명료도 파라메터를 비교하여 음성 인식률에 미치는 영향과 그 상관성을 검토해 보고자 한다.
제안 방법
- 고속 주행 환경에서 채널 간의 명료도 차이를 규명하고자 측정된 시간 도메인의 임펄스 응답을 주파수 도메인으로 변환하여 스펙트럼 분석하였다. 분석은 정상 상태일 때와의 비교를 위하여 정차 환경과 고속 주행 환경으로 선정하였으며, 채널은 대조적 결과를 나타낸 SBT와 RMR 채널 데이터를 사용하였다.
- 또한 자동차 잡음 환경에서 수집된 음성의 SNR에 따른 인식률의 편차를 비교하기 위해 각각의 주행 환경과 채널에 따른 한 화자 음성 데이터의 평균 SNR 값을 조사하였으며 그 결과는 그림 7과 같다.
- 실험은 4개의 채널(SBT, APL, SVR, RMR)별로 주행 환경을 저속(Low), 고속(High)으로 구분하여 진행하였다. 인식률 비교를 위해 각각 채널별, 주행 환경별로 독립적인 음향 모델을 작성하여 저속과 고속의 주행 환경에서 마이크의 위치에 따른 인식률의 차이를 비교하였 으며 모노폰과 트라이폰의 Mixture 수에 따른 인식률의 변화는 그림 6과 같다.
- 음향 모델 훈련 및 평가에 사용된 특징 벡터로는 C0를 포함한 MFCC 13차, delta, delta-delta를 이용하여 총 39차 음성특징 벡터를 적용하였다. 음향 모델에 따른 자동차 환경별, 채널별 인식 실험은 트라이폰 단위의 3 state의 left-to- right 방식의 연속 밀도 HMM을 기반으로 하였다.
- 측정은 그림 2에 나타낸 바와 같이 4채널의 마이크로폰을 통하여 SIA Soft의 AcousticTools v4[4]에 의해서 이루어졌고, 측정 음원으로는 의사 랜덤 신호인 MLS (Maximum Mean Sequence)를 이용하여 해당 주행 속도 상황에서 HATS의 의사 입을 통하여 방사하였다. 이때 주행 소음으로 인한 잡음 변조가 클 것으로 판단하여 MLS length=64K, Sampling Rate=44.1kHz, Average=5로 설정하여 1, 486ms의 Time Constant 응답을 도출하였다. 그림 3은 고속 주행에서 APL 채널을 통해 얻어진 임펄스 응답을 MLSSA Tool[5]로 구한 것이다.
- 자동차 주행 환경에서 각 채널이 갖는 음향 전송 특성과 인식 실험을 수행하였다. 그 결과 음원으로부터의 거리에 따라 명료도(STI) 및 인식률이 변화함을 알 수 있었고, 변화 패턴 측면에서 두 척도가 높은 상관성이 얻어짐을 확인할 수 있었다.
- 주행 환경에서 STI의 측정을 통해 명료도를 평가하기 위하여 3가지 주행 환경에서의 채널별 임펄스 응답을 구하였다. 얻어진 응답 Mf)로부터 전송로의 MTF m(ai) 를 나타내는 데에는 식 (1) 에 의해 계산되며, 전송로의 방해 잡음을 적용한 식을 (2) 에 나타내었다.
- 측정은 그림 2에 나타낸 바와 같이 4채널의 마이크로폰을 통하여 SIA Soft의 AcousticTools v4[4]에 의해서 이루어졌고, 측정 음원으로는 의사 랜덤 신호인 MLS (Maximum Mean Sequence)를 이용하여 해당 주행 속도 상황에서 HATS의 의사 입을 통하여 방사하였다. 이때 주행 소음으로 인한 잡음 변조가 클 것으로 판단하여 MLS length=64K, Sampling Rate=44.
대상 데이터
- SimulCarOl을 포함한 기타 자동차 환경에서 구축한 다양한 DB의 사양은 SiTEC 홈페이지에서 자세히 소개하고 있다[2]. 본 논문의 실험은 바운더 리 콘덴서 타입의 AKG C400-BL 마이크로 수집된 6채 널 중 4채널만을 이용하였다.
- 본 논문의 실험은 주행 환경별, 채널별로 구분된 총 8종의 환경에서 각각 120명의 화자 데이터를 훈련하였고, 훈련에 참여하지 않은 40명의 화자 데이터를 이용하여 인식 실험을 수행하였다.
- 고속 주행 환경에서 채널 간의 명료도 차이를 규명하고자 측정된 시간 도메인의 임펄스 응답을 주파수 도메인으로 변환하여 스펙트럼 분석하였다. 분석은 정상 상태일 때와의 비교를 위하여 정차 환경과 고속 주행 환경으로 선정하였으며, 채널은 대조적 결과를 나타낸 SBT와 RMR 채널 데이터를 사용하였다. FFT는 NFrT =32K(sample), Hanning Window에 의해 이루어졌고, 그림 5에 파워 스펙트럼 분포를 나타내었다.
- 음성 인식 실험을 위한 데이터베이스로는 2500cc의 자동차 주행 환경에서 모의 음성 데이터를 수집한 SimulCarOl을 이용하였다[1]. 본 DB는 기존에 320명의 화자를 대상으로 1인당 417단어를 발성하도록 하여 방음 스튜디오 환경에서 구축한 음성 데이터를 HATS (Head and Torso Simulator)의 의사 입을 통해 재생하고 이를 안정된 주행 상태에서 8채널의 마이크로폰으로 재녹음한 것이다.
- 재녹음은 저속 주행 환경(40~60km /h)과 고속 주행 환경(70~90km/h)으로 나누어 각각 160명분의 데이터를 수집한 것이고, 화자 구성에 있어 서는 발성 SET과 성, 연령, 지역에 대하여 균등한 분포를 가지도록 한 것이다. 한편, 배포를 위한 DB의 또 다른 구성으로서 별도 40명의 화자를 이용하여 동일한 방법으로 5가지의 랜덤 주행 환경에서 구축한 평가용 데이터가 있다. SimulCarOl을 포함한 기타 자동차 환경에서 구축한 다양한 DB의 사양은 SiTEC 홈페이지에서 자세히 소개하고 있다[2].
이론/모형
- 음향 모델 훈련 및 평가에 사용된 특징 벡터로는 C0를 포함한 MFCC 13차, delta, delta-delta를 이용하여 총 39차 음성특징 벡터를 적용하였다. 음향 모델에 따른 자동차 환경별, 채널별 인식 실험은 트라이폰 단위의 3 state의 left-to- right 방식의 연속 밀도 HMM을 기반으로 하였다.
- 주행 중인 자동차 실내 음장에는 음성 신호를 저해하는 엔진 소리를 비롯한 노면 마찰 公음, 주변 교통 소음 등의 여러 가지 요인이 발생하게 된다. 이러한 소음 요인과 흡음률이 낮은 차 유리 등2로부터의 반사음 요인 등을 고려하여 임펄스 응답에 의한 방법으로 MTF-STI를 측정하였다.
성능/효과
- 는 각각 전 송로의 평균 강도와 입력 신호의 평균 강도를 나타낸다. 중심주파수 125Hz~8kHz Octave band传에 대하여 l/3octave band로 구성된 63~12.5Hz 범위의 변 조 주파수 F, (i=l, 2, ..., 14)를 평균하면 98종의 〃"가 얻어지고, 여기에 외견상의 SNR을 정규화하여 STI를 산출한다. 단, Overall STI의 산출은 언어 구조에 의한 고려로서 각 Octave band에 MLSSA 표준 가중 계수 Wk가 적용되었다.
- STI를 구한 결과 정차 상태에서는 각 채널의 명료도가 비슷한 수치를 기록한 반면, 주행 속도가 빨라질 수 록 보편적으로 명료도가 나빠지는 것을 알 수 있었다. 그러나 SBT 채널은 주행 환경에서 정차 상태와 큰 편차를 보이지 않을 뿐만 아니라 저속과 고속 환경에서 명료도 값이 거의 일정한 값을 기록하여, 속도가 빨라질수록 명료도가 크게 저하되는 RMR 채널과 대조가 되었다.
- 자동차 주행 환경에서 각 채널이 갖는 음향 전송 특성과 인식 실험을 수행하였다. 그 결과 음원으로부터의 거리에 따라 명료도(STI) 및 인식률이 변화함을 알 수 있었고, 변화 패턴 측면에서 두 척도가 높은 상관성이 얻어짐을 확인할 수 있었다.
- 명료도와 인식률 실험에서는 저속과 고속에서 모두 SBT - SVR - APL - RMR 순으로 높은 성능을 나타내었고, 특히 SBT와 SVR 채널에서의 인식률은 그 차이가 미미하며, 단일 채널 환경하에서 유리한 위치임을 확인하였다. 또한 모든 채널에서 단순히 거리 요인에의 해서만 명료도와 인식률이 결정되는 것이 아니라 속도 증가에 따라 각 채널이 갖는 100-500HZ 대역의 주행 소음 역시 크게 작용함을 알 수 있었다. 단일 채널에서 저속 환경을 고속으로 속도를 높였을 때, SBT 채널의 경우 STI는 0.
- 06dB, 10%의 큰 하락 폭을 갖는 RMR 채널과 대조를 이루었다. 또한 음향 모델에 따른 인식률 실험에서는 저속과 고속 모두 일치(Match)된 음향 모델로 테스트할 경우에만 높은 인식률이 나타나는 것으로 분석되었다.
- 명료도와 인식률 실험에서는 저속과 고속에서 모두 SBT - SVR - APL - RMR 순으로 높은 성능을 나타내었고, 특히 SBT와 SVR 채널에서의 인식률은 그 차이가 미미하며, 단일 채널 환경하에서 유리한 위치임을 확인하였다. 또한 모든 채널에서 단순히 거리 요인에의 해서만 명료도와 인식률이 결정되는 것이 아니라 속도 증가에 따라 각 채널이 갖는 100-500HZ 대역의 주행 소음 역시 크게 작용함을 알 수 있었다.
- 주행 환경에서 채널 간 명료도가 가장 심한 차이를 나타냈던 SBT와 RMR 채널에 대하여 파워 스펙트럼 분석한 결과, 주행 시 RMR 채널의 경우 1kHz 이하의 대역에서 높은 파워 분포를 나타내는 것을 볼 수 있었다. 특히 음성 대역의 특징이 잘 반영되는 100~500Hz 구간에서 SBT 채널에 비해 다소 높은 차이를 나타내는 것으로 음성 인식에 있어서 SBT 위치보다 RMR 위치에 유입되는 소음의 영향력이 큰 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.