베이시안 기법과 선택적 음성특징 추출을 융합한 음성인식 성능 향상
Voice Recognition Performance Improvement using the Convergence of Bayesian method and Selective Speech Feature Extraction
1
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
일반적인 어휘 인식 시스템은 백색 잡음과 음성을 인식하는 환경에서 여러 음성의 혼재되어 정확한 음성을 인식하지 못하고 있다. 따라서 본 논문은 효율적인 음성 인식을 위해 잡음 음성으로 부터 원하는 음성만 선택적으로 추출하기 위한 방법과 베이시안 기법을 융합 방법을 제안한다. 음성의 선택적 추출을 위해 필터 뱅크 주파수응답 계수를 사용한다. 하며, 이를 위해 모든 가능한 두 관측치의 조합에 대해 변수 관측치를 사용하며, 음성 신호정보를 가지고 선택적 음성 특징 추출을 위해 잡음은 출력에 대한 에너지 비율을 구한다. 이것은 음성 특징을 추출하는 방법을 제안하며, 이를 베이시안 기법의 어휘 인식을 융합하여 잡음을 제거하고 인식률을 향상시켰다. 본논문에서 기존의 HMM과 CHMM 방법과 비교한 결과 잡음 환경에서의 인식률이 2.3% 향상됨을 확인하였다.
Abstract
Voice recognition systems which use a white noise and voice recognition environment are not correct voice recognition with variable voice mixture. Therefore in this paper, we propose a method using the convergence of Bayesian technique and selecting voice for effective voice recognition. we make use of bank frequency response coefficient for selective voice extraction, Using variables observed for the combination of all the possible two observations for this purpose, and has an voice signal noise information to the speech characteristic extraction selectively is obtained by the energy ratio on the output. It provide a noise elimination and recognition rates are improved with combine voice recognition of bayesian methode. The result which we confirmed that the recognition rate of 2.3% is higher than HMM and CHMM methods in vocabulary recognition, respectively.
참고문헌 (15)
- 안찬식, "CHMM 어휘 인식에서 형상 형성 제어를 이용한 가우시안 모델 최적화", 디지털융복합연구, 10(7), pp.167~172 (2012), 한국디지털정책학회
- 안찬식, "평균 예측 LMS 알고리즘을 이용한 반향 잡음에 강인한 HMM 학습 모델", 디지털융복합연구, 10(10), pp.277~282 (2012), 한국디지털정책학회
- 안찬식, "공유모델 인식 성능 향상을 위한 효율적인 연속 어휘 군집화 모델링", 한국컴퓨터정보학회논문지, 15(1), pp.177~183 (2010), 한국컴퓨터정보학회
- 안찬식, "연속 음성 인식 향상을 위해 LMS 알고리즘을 이용한 CHMM 모델링", 디지털융복합연구, 10(11), pp.377~382 (2012), 한국디지털정책학회
- 안찬식, "MLHF 모델을 적용한 어휘 인식 탐색 최적화 시스템", 한국컴퓨터정보학회논문지, 14(10), pp.217~223 (2009), 한국컴퓨터정보학회
- A. Srinivasan, "Speech Recognition Using Hidden Markov Model", Applied Mathematical Sciences, 5(79), pp.3943~3948 (2011)
- S. M. Naqvi, "A Multimodal Approach to Blind Source Separation of Moving Sources", IEEE Trans. Signal Processing, 4(5), pp.895~910 (2010)
- Beaufays, F., "Unsupervised discovery and training of maximally dissimilar cluster models", Proc. Interspeech, pp.66~69 (2010)
- 안찬식, "바타챠랴 거리 측정 기법을 사용한 가우시안 모델 기반 음소 인식 향상", 멀티미디어학회논문지, 14(1), pp.85~93 (2011), 한국멀티미디어학회
- Hirsch, H. G., "The Aurora experimental framework for the performance evaluation of speech recognition systems under noisy conditions", Proc. ICSLP, pp.18~20 (2000)
- Young, S., "HTK: Hidden Markov Model Toolkit V3.4.1", pp.1993
- 안종영, "모델적응 HMM을 이용한 모바일환경에서의 음성인식에 관한 연구", 한국인터넷방송통신학회 논문지, 11(3), pp.175~180 (2011), 한국인터넷방송통신학회
- 오상엽, "CHMM 어휘인식에서 채널 유사성을 이용한선택적 음성 특징 추출", 디지털융복합연구, 11(10), pp.453~458 (2013), 한국디지털정책학회
- 오상엽, "HMM 어휘 인식 모델 최적화를 이용한 베이시안 기법 인식률 향상", 디지털융복합연구, 12(7), pp.273~278 (2014), 한국디지털정책학회[DOI]
- 오상엽, "Bayesian 기법의 모수 추정을 이용한 결정트리 상태 공유 모델링", 디지털융복합연구, 13(1), pp.243~248 (2015), 한국디지털정책학회[DOI]