특징보상 기법을 이용한 분산음성인식 환경의 AFE 알고리듬 개선 연구
Improvements on AFE algorithm for Distributed Speech Recognition Using the Feature Compensation
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
음성인식 시스템의 실용화에 가장 저해되는 요소는 배경 잡음과 채널에 의한 왜곡이다. 일반적으로 잡음은 음성인식 시스템의 성능을 저하시키고, 이로 인해 사용 장소의 제약을 많이 받고 있다. 이를 해결하기 위해 많은 연구가 진행되어 왔고, DSR 기반의 표준화도 그 중 하나이다. 이 환경에서 구현된 AFE 알고리듬은 잡음과 채널에 강인한 기법으로 높은 인식률을 보인다. 한편, 잡음은 특징벡터 영역에서 깨끗한 음성과 오염된 음성간의 비선형 효과를 가져오기도 한다. 이는 학습 환경과 인식 환경의 불일치를 일으키고, 결과적으로 인식 성능을 현저히 저하시키게 된다. 이에 잡음처리 방식으로 특징보상 기법이 연구되고 있고, IMM 알고리듬은 이러한 분류에 속한다. 본 논문에서는 DSR 환경의 AFE 알고리듬에 특징보상 기법을 활용하여, 잡음에 더욱 강인한 특징 파라미터를 추출하도록 제안한다. 추가적으로 VAD 정보를 이용하여 잡음구간과 음성구간에 따라 잡음을 유연하게 처리하도록 구현하였다. 제안된 방법은 AURORA2 자료를 사용하여 HTK 인식기로 실험 결과를 얻어 성능을평가하였다. 인식 결과는 기존의 알고리듬을 사용하였을 때에 비해 성능이 향상된다.
Abstract
Background noise and channel distortion can have significant impacts on the performance of speech recognition systems. It is well known that speech recognition performance degrades in the presence of environmental noise. A number of methods have been attempted to solve this problem. DSR Standardization is such a trial. Also, a noise results in a non-linear effect of the relation between clean speech and observed speech in a feature domain. This phenomenon causes the mismatch between training and testing so that a performance significantly degrades. To reduce these mismatches, some compensation which is performed in the feature space is needed. These techniques adjust the parameters and some structure of the trained models so that the compensated models are closer to the testing utterance. IMM, referred to as feature and model compensation, is one recent example of this approach. We propose a new approach to use feature compensation method for AFE algorithm, which enables us to implement of the noise robust front-end. Additionally, one more aspect is considered in this paper and we apply VAD information to update of noise estimation. The value is assigned respectively different one according to speech region or non-speech region. The proposed algorithm evaluates for AURORA2 database and the results show better performance than the conventional algorithm.
참고문헌 (8)
- "Speech recognition in noisy environments: A survey", 16(3), pp.261~191 (1995)
- "On stochastic feature and model compensation approaches to robust speech recognition", pp.29~47
- "Statistical linear approximation for environment compensation", 5(1), pp.8~10
- N.S.Kim, "Nonstationary environment compensation based on sequential estimation", 5(3), pp.8~10
- N.S.Kim, "IMM-based estimation for slowly evolving environments", 5(5), pp.108~110 (1998)
- J.Droppo, "Evaluation of the SPLICEalgorithm on the Aurora2 database", pp.217~220 (2001)
- H.K.Kim, "Acoustic feature compensation based on decomposition of speech and noise for ASR in noisy environments", pp.421~424
- N.S.Kim, "Feature domain compensation of nonstationary noise for robust speech recognition", 37, pp.231~248