메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
정용주 (계명대학교)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제13권 제5호(JKIIT, Vol.13, No.5)
발행연도
2015.5
수록면
27 - 34 (8page)
DOI
10.14801/jkiit.2015.13.5.27

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
잡음음성인식을 위한 여러 가지 기법들 중 HMM(Hidden Markov Model) 모델적응은 다른 방식에 비해서 음성인식기의 성능을 상당히 향상 시키는 것으로 알려져 있다. 또한 깨끗한 음성으로 훈련된 HMM을 베이스라인 인식기로 사용하는 대신 잡음음성으로 미리 훈련된 잡음음성 HMM을 사용하는 경우, 그 효과가 더욱 더 큰 것으로 알려져 있다. 잡음음성 HMM 모델적응을 위한 기존의 연구에서는 인식잡음음성에 대한 확률모델을 유도하는 과정에서 훈련시 사용된 잡음신호를 랜덤변수가 아닌 단순한 파라미터로 취급하는 약점이 있었다. 본 연구에서는 이러한 문제를 해결하기 위하여 훈련잡음신호의 변이를 고려하였으며, 평균벡터와 공분산 행렬을 미리 추정하고 이를 인식잡음음성에 대한 확률모델 계산시에 활용하였다. 잡음음성 HMM의 훈련을 위해서 MTR(Multi-condition TRaining) 방식을 사용하였고 음향모델의 복잡도에 따른 성능 변화를 관찰하기 위하여 HMM의 구조를 2가지로 나누어서 성능 실험을 실시하였다. Aurora 2 음성데이터베이스를 이용한 잡음음성인식 실험결과, 훈련잡음신호의 변이를 고려한 제안된 방식은 MTR 훈련된 잡음음성 HMM에 특징보상과 모델적응을 한 기존의 방식에 비해서 우수한 성능을 보임을 알 수 있었다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 훈련잡음신호 변이를 고려한 훈련된 잡음음성 HMM의 적응방법
IV. 실험결과
V. 결론
References

참고문헌 (13)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0