독립 성분 분석 기법과 최대치 해석에 기반한 내장형 잡음 하 음성 인식 시스템에 관한 연구

Abstract

본 논문에서는 실세계 적용을 위한 잡음 제거 시스템(NESS), 최대치 해석에 기반한 내장형 음성 특징 추출 모델(eCPA), 인식 가속기와 이를 융합한 음성 인식 시스템(CALM_ESR)을 제안하였다. NESS 시스템은 Independent Component Analysis (ICA) 기법을 이용하여 잡음을 제거하는 방법으로 기존의 Least Mean Squqre (LMS) 방법에 비해 그 성능이 뛰어나며 기존의 방법들은 그 잡음원이 알려져 있는 Adaptive Noise Canceling (ANC) 잡음원만을 제거할 수 있는데 반해 Blind Source Separation (BSS) 잡음원도 제거할 수 있는 장점이 있다. 본 논문에서는 지연 학습을 통하여 필요 메모리 연산을 대폭 저하시켜 효율적 하드웨어 구성을 가능토록 하였다. 또한 실세계 적용을 위하여 다양한 잡음 환경에 대처할 수 있도록 잡음원의 수 뿐만아니라 잡음 환경의 허용 시간 지연까지 자유롭게 확장가능토록 하였다. 실세계 적용 결과 BSS 잡음원은 10 dB 이상 ANC 잡음원은 20 dB 이상 SNR이 향상됨을 알 수 있었다. 청각 모델 기반의 특징추출 방법은 잡음에 강인한 특징을 보이는 것은 이미 잘 알려진 사실이다. 본 논문에서는 내장형 특징 추출을 위하여 그 구조가 간단한 시간 영역에서의 필터 뱅크 접근 방법을 사용하였다. 그 구조를 최소화 하기 위하여 최대치 해석이라는 하드웨어 구현에 매우 용이한 해석 방법을 도입하였으며 그 인식률이 크게 저하되지 않음을 알 수 있었다. 또한 시간 영역에서의 필터 뱅크 접근 방법의 큰 문제점인 계산량 문제를 해결하기 위하여 부분 최대치 해석을 제시하여 매우 적은 파워를 소모하면서도 기존의 MFCC와 비슷한 성능을 보임을 알 수 있었다. eCPA 모델은 부분 최대치 해석만으로 에너지 분포를 예측함에도 불구 하고 그 오차가 상대적으로 적어 신호의 에너지 분포를 예측하는데 매우 적합하다. 따라서 본 논문에서는 이를 이용하여 2 단계 위너 필터를 구성하여 잡음 억제기를 구성하고 잡음 환경에서 FFT 기반의 잡음 억제기와 비슷한 성능을 얻을 수 있었다. 본 논문에서 제안된 CALM_EAR 시스템은 NESS, eCPA를 이용한 2 단계 위너 필터, eCPA, 인식 가속기를 내장하여 실세계 적용에 적합한 음성 인식 시스템을 제안하였다. 다양한 적용 분야를 위해서 16 비트 RISC 프로세서를 내장하였으며 고속 인식 과정을 위하여인식기에서 주로 사용되는 거리 연산 과정인 곱셈 덧셈기, 을 하드웨어로 구성한 인식 가속기를 내장하여 고속 음성 인식을 가능토록 하였다. 제안된 음성 인식 시스템은 다양한 잡음이 존재하는 실세계에서도 인식률 저하가 적어 다양한 분야에 적용 가능할 것으로 기대된다.