초록 ▼

본 보고서는 소음 환경에서의 연결음 인식을 목표로 하여 기존의 음성 인식 시스템이 소음 환경 또는 인식 시스템을 제작할 때와 다른 환경에서 사용 될 때 발생하는 문제점을 조사하고 그 성능을 개선 할 수 있는 방법 들에 대하여 연구하였다. 소음 환경으로는 백색 잡음과 운행 중인 자동차에서 발생하는 소음을 대상으로 하여 단독음과 연결음 인식 시스템의 성능을 비교하였고 소음환경에서 인식 성능을 개선 할 수 있는 방법들을 제시 하였다. 특히 자동차 소음 환경의 경우, 자동차에서의 음성 다이얼링 시스템의 구현을 위한 기초 연구로서 보다 실제

본 보고서는 소음 환경에서의 연결음 인식을 목표로 하여 기존의 음성 인식 시스템이 소음 환경 또는 인식 시스템을 제작할 때와 다른 환경에서 사용 될 때 발생하는 문제점을 조사하고 그 성능을 개선 할 수 있는 방법 들에 대하여 연구하였다. 소음 환경으로는 백색 잡음과 운행 중인 자동차에서 발생하는 소음을 대상으로 하여 단독음과 연결음 인식 시스템의 성능을 비교하였고 소음환경에서 인식 성능을 개선 할 수 있는 방법들을 제시 하였다. 특히 자동차 소음 환경의 경우, 자동차에서의 음성 다이얼링 시스템의 구현을 위한 기초 연구로서 보다 실제적인 상황에 대해서도 실험을 수행하였다. 실험 결과를 요약하면 다음과 같다. 실험실 환경에서 제작된 음성 인식 시스템은 소음 환경 또는 제작되 환결과 다른 상황에서는 인식 성능이 크게 감소하기 때문에 음성 인식 시스템을 실용화하기 위해서는 소음에 대한 대책이 필요하다. 스펙트럼 매칭 방법은 케ㅍ스트럼 계수의 높은 차수에 가중을 두는 spectral slope distance measure (RPS), weighted cepstral distance measure(WCEP)가 소음에 강한 특성을 보여서, SNR 10 dB 의 백색 잡음이 첨가된 단독음 인식의 경우에 log likelihood ratio (LLR) 과 cepstral distance measure (CEP) 는 24%, 39% 로 인식율이 저하되지만 RPS와 wCEP 는 83%, 87%의 인식율로 크게 개선되었다. 또한, RPS, WCEP는 96%, 95.9%로 개선되었다. 또한 pre-emphasis를 하지 않는 경우가 한 경우보다 소음의 영향을 적게 받았다. 연결음 인식 알고리듬은 level bulding DTW가 one stage DP나 network based DP보다 조금 높은 인식율을 나타내었다.

Abstract ▼

Connected-speech recognition in noisy environments is considered in this paper: problems with conventional recognizwrs placed in noisy or unfamiliar environments are investigated and methods to overcome them are studied. Two types of noise, white noise and mobile-car noise , are used in comparing re

Connected-speech recognition in noisy environments is considered in this paper: problems with conventional recognizwrs placed in noisy or unfamiliar environments are investigated and methods to overcome them are studied. Two types of noise, white noise and mobile-car noise , are used in comparing recognizer performance, and methods for improving recognition in noisy environments are proposed. As part of basic research on voice dialing systems for anutomobiles, experiments are performed in realistic car noise situations. Experimental results are summarized below. Speech recognizers trained in laboratory environments show decreases in recognition performance in noisy or unfamiliar environments; consequently, practical speech recognition systems need a way to cope with noise. For spectral matching methods, the spectral slope distance measure (RPS) and weighted cepstral distance measure (WCEP), which give more weight to higher-order cepstral coefficients, show robustness in noisy environments. For isolated-speech recognition with white noise of SNR 10 dB added, the log-likelihood ratio (LLR) and cepstral distance measure (CEP) spow low recognition rates of 24% and 39%, white the RPS and WCEP show improved rates of 83% and 87%, respectively. Also, with car noise of 0 dB LLR and CEP produce recognition rates of 83% and 84.7%, while RPS and WCEP give improvements of 96% and 95.9%, respectively. In addition, preemphasis was found to reduce the effects of noise. In connected-speech recognition, the level buliding DTW showed slightly higher performance than one-stage or network-based DP.

목차 Contents

• 제1장 서 론...9
• 제2장 스펙트럼 매칭 방법...11
• 2.1 Log Likelihood Ratio...11
• 2.2 Weighted Likelihood Ratio...13
• 2.3 ？S스트럼에 의한 거리 측정...14
• 2.4 스펙트럼의 기울기에 의한 거리 측정...15
• 2.5 가중 ？S스트럼에 의한 거리 측정 방법...18
• 2.6 Cepstral Projection Distance Measure...22
• 제3장 음성 인식 시스템...24
• 3.1 끝점 검출...24
• 3.2 선형 예측 방법...25
• 3.3 유사도 측정...29
• 3.3.1 음성 패턴 매칭에서의 경로...30
• 3.3.2 DTW(Dynamic Time Warping) 알고리즘...34
• 3.3.3 결정 법칙...38
• 제4장 연결음 패턴 매칭 알고리즘...40
• 4.1 level-buliding 알고리즘...41
• 4.2 one-stage 알고리즘...47
• 4.3 Network에 기초한 알고리즘...54
• 제5장 실험 및 결과 고찰...60
• 5.1 음성 인식 시스템...60
• 5.2 소음이 첨가되었을때 음성의 스펙트럼 변화...61
• 5.3 Data Base...63
• 5.3.1 인식대상...63
• 5.3.2 기준 패턴...64
• 5.3.3 시험 패턴...64
• 5.4 단독음 인식...65
• 5.5 연결음 인식...72
• 제6장 결 론...92
• 인용 문헌...94