음성구간 검출기의 실시간 적응화를 위한 음성 특징벡터의 차원 축소 방법
Dimension Reduction Method of Speech Feature Vector for Real-Time Adaptation of Voice Activity Detection
2
조회
0
다운로드
0
인용
0
참고문헌
초록
본 논문에서는 다양한 잡음환경에서의 실시간 적응화 기법을 적용하기 위한 선결 과제로 다차원 음성 특징 벡터를 저차원으로 축소하는 방법을 제안한다. 제안된 방법은 특징 벡터를 확률 우도 값으로 매핑시켜 비선형적으로 축소하는 방법으로 음성/비음성의 분류는 우도비 검증(Likelihood Ratio Test ; LRT)을 이용하여 분류하였다. 실험 결과 고차원 특징 벡터를 이용하여 분류한 결과와 대등하게 분류됨을 확인할 수 있었다. 그리고, 제안된 방법에 의해 검출된 음성 데이터를 이용한 음성인식 실험에서도 10차 MFCC(Mel-Frequency Cepstral Coefficient)를 사용하여 분류한 경우와 대등한 인식률을 보여주었다.
Abstract
In this paper, we propose the dimension reduction method of multi-dimension speech feature vector for real-time adaptation procedure in various noisy environments. This method which reduces dimensions non-linearly to map the likelihood of speech feature vector and noise feature vector. The LRT(Likelihood Ratio Test) is used for classifying speech and non-speech. The results of implementation are similar to multi-dimensional speech feature vector. The results of speech recognition implementation of detected speech data are also similar to multi-dimensional(10-order dimensional MFCC(Mel-Frequency Cepstral Coefficient)) speech feature vector.
참고문헌 (7)
- Bhiksha Raj, "Classifier-based nonlinear projection for adaptive endpointing of continuous speech" (2002)
- Jean-Claude Junqua, "A Robust Algorithm for Word Boundary Detection in the Presence of Noise", 2(3), pp.406~412 (1997)
- M.H. Savoji, "Endpointing of Speech Signals", 8 no.1, pp.46~60
- Nikos Doukas, "Voice Activity Dectection Using Source Separation Techniques" (1997)
- J. Sohn, "A voice activity detector employing soft decision based noise spectrum adaptation", pp.365~ (1998)
- L. F. Lemel, "An improved endpoint detection for isolated word recognition", 2(3), pp.1994~
- 김창근, "음성인식기 구현을 위한 잡음에 강인한 음성구간 검출기법", 4(2), pp.18~24 (2003)