[논문]음성인식 시스템의 성능 향상을 위한 잡음음성의 남성 및 여성화자의 음성식별

최재승

음성인식 시스템의 성능 향상을 위한 잡음음성의 남성 및 여성화자의 음성식별
Speech Identification of Male and Female Speakers in Noisy Speech for Improving Performance of Speech Recognition System 원문보기

최재승 (신라대학교)

본 논문에서는 음성인식 알고리즘에 매우 중요한 정보를 제공하는 화자의 성별인식을 위하여 신경회로망을 사용하여 잡음 환경 하에서 남성음성 및 여성음성의 화자를 식별하는 성별인식 알고리즘을 제안한다. 본 논문에서 제안하는 신경회로망은 MFCC의 계수를 사용하여 음성의 각 구간에서 남성음성 및 여성음성의 화자를 인식할 수 있는 알고리즘이다. 실험결과로부터 백색잡음이 중첩된 잡음환경 하에서 음성신호의 MFCC의 특징벡터를 사용함으로써 남성음성 및 여성음성의 화자에 대해서 양호한 성별인식 결과가 구해졌다.

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

문제 정의

본 논문에서 제안한 화자의 성별식별 알고리즘은 남성음성 및 여성음성의 화자를 식별하기 위한 알고리즘이다. 본 논문에서 제안한 알고리즘은 백색잡음 하의 음성 중에서 MFCC 계수의 음성의 특징벡터를 추출한다.
본 논문에서는 MFCC 계수 및 다층 퍼셉트론 신경회로망을 사용하여 남성음성 및 여성음성의 화자 성별식별 알고리즘을 제안하였다. 본 실험에서는 백색잡음이 중첩된 남성 및 여성음성의 화자 에 대하여 다층 퍼셉트론 신경회로망을 사용하여 실험을 수행하였다.
최근에 여러 잡음환경 하에서 음성인식에 대한 연구들이 다양한 방면에서 이루어지고 있으며, 특히 음성신호의 강조, 배경잡음의 제거 등 여러 연구가 이루어져 왔다. 본 논문에서는 남성음성 및 여성음성의 화자의 성별을 식별하기 위하여 다층 퍼셉트론 신경회로망(Multilayer Perceptron Neural Network, MLPNN)[7] 및 MFCC를 사용하여 백색잡음으로 오염된 음성 중에서 화자의 인식률을 향상시키는 식별 알고리즘을 제안한다. 본 논문에서 제안하는 다층 퍼셉트론 신경회로망은 멜 주파수 켑스트럼 계수의 음성의 특징벡터를 사용하여 음성의 각 구간에서 남성음성 및 여성음성의 화자를 분류하여 식별할 수 있는 알고리즘이다.

제안 방법

본 논문에서 제안한 화자의 성별식별 알고리즘은 남성음성 및 여성음성의 화자를 식별하기 위한 알고리즘이다. 본 논문에서 제안한 알고리즘은 백색잡음 하의 음성 중에서 MFCC 계수의 음성의 특징벡터를 추출한다. 이후에 MFCC 계수를 사용하여 학습 및 테스트를 실시한다.
본 실험에서는 다층 퍼셉트론 신경회로망에 입력되는 MFCC 계수는 12차이며, 제안한 12-20-2네트워크와 12-30-2의 네트워크를 사용하여 학습시킨다. 본 논문의 실험에서 백색잡음에 대한 MFCC계수의 평균성별 인식률은 97.
본 논문에서는 MFCC 계수 및 다층 퍼셉트론 신경회로망을 사용하여 남성음성 및 여성음성의 화자 성별식별 알고리즘을 제안하였다. 본 실험에서는 백색잡음이 중첩된 남성 및 여성음성의 화자 에 대하여 다층 퍼셉트론 신경회로망을 사용하여 실험을 수행하였다. 실험 결과로부터 백색잡음에 대해서는 양호한 식별율을 구할 수 있었다.
본 논문에서 제안한 알고리즘은 백색잡음 하의 음성 중에서 MFCC 계수의 음성의 특징벡터를 추출한다. 이후에 MFCC 계수를 사용하여 학습 및 테스트를 실시한다.

성능/효과

실험 결과로부터 백색잡음에 대해서는 양호한 식별율을 구할 수 있었다. 따라서 본 논문에서 제안한 알고리즘이 백색잡음에 대하여 비교적 유효하다는 것을 실험으로 확인할 수 있었다.
16%로 양호하였다. 따라서 제안한 멜 주파수 켑스트럼 계수 및 다층 퍼셉트론 신경회로망을 사용한 경우에 화자의 평균 성별인식률이 양호한 것을 알 수 있었다.
본 실험에서는 다층 퍼셉트론 신경회로망에 입력되는 MFCC 계수는 12차이며, 제안한 12-20-2네트워크와 12-30-2의 네트워크를 사용하여 학습시킨다. 본 논문의 실험에서 백색잡음에 대한 MFCC계수의 평균성별 인식률은 97.16%로 양호하였다. 따라서 제안한 멜 주파수 켑스트럼 계수 및 다층 퍼셉트론 신경회로망을 사용한 경우에 화자의 평균 성별인식률이 양호한 것을 알 수 있었다.
본 실험에서는 백색잡음이 중첩된 남성 및 여성음성의 화자 에 대하여 다층 퍼셉트론 신경회로망을 사용하여 실험을 수행하였다. 실험 결과로부터 백색잡음에 대해서는 양호한 식별율을 구할 수 있었다. 따라서 본 논문에서 제안한 알고리즘이 백색잡음에 대하여 비교적 유효하다는 것을 실험으로 확인할 수 있었다.

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

음성인식 시스템의 성능 향상을 위한 잡음음성의 남성 및 여성화자의 음성식별
Speech Identification of Male and Female Speakers in Noisy Speech for Improving Performance of Speech Recognition System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

음성인식 시스템의 성능 향상을 위한 잡음음성의 남성 및 여성화자의 음성식별 Speech Identification of Male and Female Speakers in Noisy Speech for Improving Performance of Speech Recognition System 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

음성인식 시스템의 성능 향상을 위한 잡음음성의 남성 및 여성화자의 음성식별
Speech Identification of Male and Female Speakers in Noisy Speech for Improving Performance of Speech Recognition System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper