초록 ▼

본 연구에서는 가중 ？스트랄 거리 측정 방법을 사용하는 음성 인식 시스템의 성능을 향상시키기 위하여 가중 캡스트랄 거리 측정 방법의 최적 가중 함수 설계 방법을 제안하였다. 가중 함수 또는 리프터는 인식 결과에 직접적으로 영향을 미치는 기준 패턴과 학습 데이타간 오차를 최소화하도록 결정되었다. 즉, 제안된 방법에서는 각 차수의 캡스트럼 계수에서 발생하는 오차에 역비례하게 가중함수를 결정하여 각각의 계수가 균일한 오차를 갖게 하였다. 이러한 알고리즘은 가중 함수를 사용하지 않는 캡스트랄 거리 측정 방법을 사용하는 음성 인식 시스템을

본 연구에서는 가중 ？스트랄 거리 측정 방법을 사용하는 음성 인식 시스템의 성능을 향상시키기 위하여 가중 캡스트랄 거리 측정 방법의 최적 가중 함수 설계 방법을 제안하였다. 가중 함수 또는 리프터는 인식 결과에 직접적으로 영향을 미치는 기준 패턴과 학습 데이타간 오차를 최소화하도록 결정되었다. 즉, 제안된 방법에서는 각 차수의 캡스트럼 계수에서 발생하는 오차에 역비례하게 가중함수를 결정하여 각각의 계수가 균일한 오차를 갖게 하였다. 이러한 알고리즘은 가중 함수를 사용하지 않는 캡스트랄 거리 측정 방법을 사용하는 음성 인식 시스템을 사용하여 최적 가중 함수가 결정될 때까지 반복적으로 구현되었다.
본 연구에서는 두가지 형태의 최적 가중 함수를 제안하였다. 첫째, 기존 가중 합수처럼 모든 단어의 캡스트럼 계수에 공통적으로 적용되는 한개의 최적 가중 함수 설계 방법이다. 또다른 방법은 각 단어마다 고유의 최적 가중 함수를 갖는 방법을 제안하였다. 이러한 방법은 한개의 가중 함수를 사용할 때보다 좋은 성능을 얻을 수 있었다. 이러한 이유는 각 단어마다 발생하는 오차 벡터의 형태가 다르기 때문에 각 단어마다 고유의 가중 함수가 필요하기 때문이다. 최적 가중 함수 설계 방법은 유글리디안 거리 측정 방법을 사용하는 모든 시스템에 적용될 수 있다.
제안된 최적 가중 함수의 성능을 평가하기 위한 벡터 양자화기와 DTW를 이용한 단독음 인식 실험에서 제안된 방법은 기존 가중 함수보다 좋은 성능을 나타냈다. 특히 DTW를 이용한 화자 독립 단독음 인식 실험에서 본 연구에서 제안한 최적 가중 함수를 사용하여 기준 패턴 갯수를 크게 줄이면서 향상된 성능을 얻었다.
또한, 본 연구에서는 HMM올 이용한 음성 인식 시스템에 최적 가중 함수를 적용하기 위하여 이산 관찰 HMM에 반연속 HMM에 DTW를 이용한 음성 인식 실험에서 구한 최적 가중 함수를 적용하여 기존 가중 함수와 성능을 비교하였다. 실험 결과에서 최
적 가중 함수를 샤용한 HMM이 가장 우수한 성능을 얻을 수 있었다.

Abstract ▼

In this project, a design method for determining an optimal weight function (lifter) for a weighted cepstral distance measure is proposed to improve the performance of speech recognition systems. The weight function is chosen to minimize error between the reference pattern and training data, which d

In this project, a design method for determining an optimal weight function (lifter) for a weighted cepstral distance measure is proposed to improve the performance of speech recognition systems. The weight function is chosen to minimize error between the reference pattern and training data, which directly affects recognition results; Le, a weight function which is inversely proportional to the error corresponding to each cepstral coefficient is used to produce uniform error over all cepslral coefficients, This algorithm is iterated starting with a speech recognition system that uses an unweighted cepstral distance measure until an optimal weight function is detennined.
In this project, two types of optimal weight functions are proposed. First is the design of a single optimal weight function (OPT-I) which is applied in common to the cepstral coefficients of all words as in conventional weight functions. The other method has a separate optimal weight function for each word (OPT-II). This method shows higher
performance than when using a single weight function. This is because the error generated for each word varies, so that a separate weight function becomes necessary for each word. The method for designing an optimal weight function is applicable to all systems that use a Euclidean distance measure.
In evaluating the performance of the proposed optimal weight function in DTW-based isolated word recognition experiments, the proposed method showed better performance than conventional weight functions. Especially. in DTW-based speaker independent isolated wold experiments, using the optimal weight functions (OPT-I, OPT-II) proposed in this project, improved performance was achieved while significantly decreasing the number of reference patterns needed.
In addition, in this project, an optimal weight function obtained from DTW-based speech recognition experiments are applied to discrete observation HMM's and semi-eontinuous HMM's. The performance is compared with conventional weight functions. From experimental results, the HMM-based system using the optimal weight function showed the highest performance.

목차 Contents

• 목차 ... 6
• 1. 서론 ... 7
• 2. 연구방법 및 이론 ... 9
• 3. 결과 ... 16
• 4. 고찰 ... 25
• 5. 결론 ... 27
• 6. 인용문헌 ... 29
• 연구수행관련 논문발표 목록서 ... 31
• 자체평가서 ... 32