Finite state vector quantization 을 이용한 격리단어 인식에 관한 연구

Abstract

본 논문에서는 격리단어 인식에 관하여 연구하였다. 에너지와 level crossing rate 를 이용하여 끝점검출을 하였으며 linear predictive coding에 의하여 음성특징 추출을 하였다. Test패턴과 기준패턴의 유사도를 측정하기 위한 수단으로는 vector quantization 방법보다 계산량이 훨씬 적은 finite state vector quantization(FSVQ)을 이용하는 방법이 새로이 제안되었다. FSVQ는 next state function을 구하는 방법과 그 구조에 의해 4가지의 구성방법이 있다. 이 구성방법중에서 conditional histogram 방법과 omniscient design 방법에 의한 labeled state FSVQ에 근거를 두어 격리단어 인식을 하였다. 이때 음성인식 test를 위한 어휘로는 영부터 구까지의 숫자음성을 사용하였으며, 이 음성은 방음장치가 되어있지 않은 보통 환경에서 녹음한 것이다. 화자종속 음성인식시스템과 화자독립 음성인식시스템의 인식율 모두에서 omniscient design 방법에 비해 conditional histogram 방법의 성능이 더 좋게 나타났다. 또한 기존의 VQ방법과 본 연구에서 새로이 제시한 FSVQ 방법에 의한 인식율을 비교해 보았다. 화자종속 인식시스템의 경우 conditional histogram 방법에 ℃피? 인식율은 98.6\% 이었으며, singlesection VQ 방법에 의한 인식율은 99.0 \%를 나타내었다. 이 때 conditional histogram 방법은 single-section VQ방법에 비해 3/16으로 계산량이 감소하였다. 또한, 화자독립 인식시스템의 경우 conditional histogram 방법에 의한 인식율은 codeword 수가 16 이고 평균 search 수가 5.2일때 93.6 \%로 나타났고, codeword 수가 32이고 평균 search 수가 3.7 일때 93.4 \%를 나타내었다. Singlesection VQ 방법에 의한 인식율은 codeword수가 각각 16,32 일때 각각 92.2\%, 96.2\%로 나타났다. FSVQ를 이용한 화자독립 인식시스템에서도 single-section VQ방법에 비해 계산량을 많이 줄일 수 있다.