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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
서창우 (숭실대학교) 조미화 (숭실대학교) 임영환 (숭실대학교) 전성채 (한국전기연구원)
저널정보
한국음성학회 말소리와 음성과학 말소리와 음성과학 제1권 제4호
발행연도
2009.12
수록면
127 - 132 (6page)

이용수

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

초록· 키워드

오류제보하기
The feature vectors which are used in conventional speaker recognition (SR) systems may have many correlations between their neighbors. To improve the performance of the SR, many researchers adopted linear transformation method like principal component analysis (PCA). In general, the linear transformation of the feature vectors is based on concatenated form of the static features and their dynamic features. However, the linear transformation which based on both the static features and their dynamic features is more complex than that based on the static features alone due to the high order of the features. To overcome these problems, we propose an efficient method that applies linear transformation and temporal information of the features to reduce complexity and improve the performance in speaker verification (SV). The proposed method first performs a linear transformation by PCA coefficients. The delta parameters for temporal information are then obtained from the transformed features. The proposed method only requires 1/4 in the size of the covariance matrix compared with adding the static and their dynamic features for PCA coefficients. Also, the delta parameters are extracted from the linearly transformed features after the reduction of dimension in the static features. Compared with the PCA and conventional methods in terms of equal error rate (EER) in SV, the proposed method shows better performance while requiring less storage space and complexity.
#speaker verification (SV) #principal component analysis (PCA) #delta cepstrum #Gaussian Mixture model (GMM)

목차

ABSTRACT
1. 서론
2. 특징벡터의 순시 정보(Temporal information)
3. 특징벡터의 선형 변환(Linear transform)
4. 특징벡터의 구성도
5. 화자확인 시스템
6. 실험 결과
7. 결론
참고문헌

참고문헌 (17)

참고문헌 신청
1. [학술대회논문] - Liu / 1999 / On the use of orthogonal GMM in speaker recognition / ICASSP 99 : 845 ~ 849 google schola 2. [학술대회논문] - Y. Ariki / 1996 / Speaker recognition and speaker normalization by projection to speaker subspace / ICASSP 96 : 319 ~ 322 google schola 3. [학술지(정기간행물)] - 서창우 / 2009 / 화자식별을 위한 전역 공분산에 기반한 주성분분석 / 말소리와 음성과학 1 (1) : 69 ~ 73 dbpia 4. [학술지(정기간행물)] - 서창우 / 2009 / 화자식별을 위한 전역 공분산에 기반한 주성분분석 / 말소리와 음성과학 1 (1) : 69 ~ 73 dbpia 5. [학술대회논문] - T. Takiguchi / 2006 / Robust Feature Extraction using Kernel PCA / ICASSP 06 : 509 ~ 512 google schola

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

주파수 대역 제한에 의한 한국어 자음의 지각 특성 분석
김연화 ,  최대림 ,  이숙향 외 1명 말소리와 음성과학 2014 .03
Acoustic Driving Simulator Design for Evaluating an In-car Speech Recognizer
Lee ,  Seongjae ,  Kang 외 1명 말소리와 음성과학 2013 .06
The Duration Feature of Acoustic Signals and Korean Speakers’ Perception of English Stops
김문형 ,  전종섭 말소리와 음성과학 2009 .09
잡음음성인식을 위한 음성개선 방식들의 성능 비교
정용주 말소리와 음성과학 2009 .06
화자식별을 위한 전역 공분산에 기반한 주성분분석
서창우 ,  임영환 말소리와 음성과학 2009 .03

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2010-701-002067900