초록 ▼

□ 연구개발 목표 및 내용
￭ 최종 목표
자동차 주행 소음에 강인한 딥러닝 기반 화자인식 기술 개발
￭ 전체 내용
본 연구는 잔향이나 배경잡음 등 음성 애플리케이션의 성능을 저하시키는 요인들이 존재하는 환경에서 특정 화자의 음성을 검증하고 식별하는 문제를 해결하는 것을 목적으로 하고 있다. 그와 같이 어려운 환경에 강인한 화자 특징 및 인식 결과를 도출해내기 위한 방법으로, 최신 신경망 구조 및 딥러닝 알고리즘을 기반으로 한 명시적 및 암시적 해결 방안들을 동시에 검토하는 것을 제안한다. 특히, 주행중인 자동

□ 연구개발 목표 및 내용
￭ 최종 목표
자동차 주행 소음에 강인한 딥러닝 기반 화자인식 기술 개발
￭ 전체 내용
본 연구는 잔향이나 배경잡음 등 음성 애플리케이션의 성능을 저하시키는 요인들이 존재하는 환경에서 특정 화자의 음성을 검증하고 식별하는 문제를 해결하는 것을 목적으로 하고 있다. 그와 같이 어려운 환경에 강인한 화자 특징 및 인식 결과를 도출해내기 위한 방법으로, 최신 신경망 구조 및 딥러닝 알고리즘을 기반으로 한 명시적 및 암시적 해결 방안들을 동시에 검토하는 것을 제안한다. 특히, 주행중인 자동차 환경을 타겟으로하여 연구를 진행하는데, 이는 차종, 도로 상태, 날씨, 주행 속도 등의 다양한 변수 요인들에 따라 배경잡음 및 잔향 신호의 통계적 특성이 크게 변할 수 있다는 특성을 갖는 가장 복잡한 환경이기 때문이다.
1차년도에는 딥러닝 기반의 음성신호 전처리가 적용되는 음성신호 표현의 도메인 변화에 따른 성능 변화를 중심으로 연구를 진행한다. 2차년도에는 깊게 쌓은 콘볼루션 신경망 구조를 이용한 화자 표현 학습 기법을 통해 딥러닝 기반의 강인한 화자 특징 추출 알고리즘에 관한 연구를 진행한다. 3차년도에는 콘볼루션 신경망과 순환 신경망의 조합된 구조 및 화자 검증을 위해 디자인된 목적함수를 이용하여 딥러닝 기반의 end-to-end 방식 화자 검증 프레임워크를 연구하고, 1, 2차년도에 개발한 전처리 및 화자 특징 추출 알고리즘과의 성능 비교 및 분석을 통해 실환경 데이터에 대해 가장 적합한 화자 모델링 방식을 탐색한다.

□ 연구개발성과
자동차 잡음제거에 적합한 딥러닝 기반의 음성 신호 전처리 알고리즘과 콘볼루션 신경망과 순환 신경망의 조합된 구조의 자동차 주행 환경 잡음에 강인한 화자 인식 알고리즘을 통합적으로 설계했다. 자동차 주행 잡음이 섞인 SiTEC DB에서 화자인식 오류율(EER(%))이 남녀 성별 모두에서 3%이하인 연구 성과를 도출하였다.

□ 연구개발성과 활용계획 및 기대 효과
자동차 주행 환경에서 화자인식 오류율을 최소화하기 위한 연구이기 때문에, 실환경에서 음성을 입력받아 사용자의 진위를 판별하거나, 특정 화자를 식별하는 기술이 적용될 수 있는 스마트 디바이스 산업에 파급 효과가 매우 크다고 할 수 있다.
제안된 딥러닝 기법을 적용한 자동차 환경에서의 화자인식 기술은 배경잡음의 영향이 적고 반향의 정도가 훨씬 심한 스마트 홈 환경에서의 AI 로봇에서도 적용되어 음성인식 서비스와 결합함으로써 식별된 사용자에 따라 개인화된 서비스를 제공하는 데에 활용될 수 있다.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 1.1 연구의 목표 및 내용 ... 4
• 1.2 연구의 필요성 ... 5
• 1.3 연구 추진전략 및 방법 ... 8
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 9
• 2.1 1차년도 연구내용 ... 9
• 2.2 2차년도 연구내용 ... 12
• 2.3 3차년도 연구내용 ... 16
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 21
• 1) 연구수행 결과 ... 21
• 4. 연구개발성과의 관련 분야에 대한 기여 정도 ... 22
• 5. 연구개발성과의 관리 및 활용 계획 ... 22
• 6. 참고문헌 ... 23
• 끝페이지 ... 23