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 제12권 제4호(JKIIT, Vol.12, No.4)
발행연도
2014.4
수록면
65 - 72 (8page)
DOI
10.14801/kiitr.2014.12.4.65

이용수

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

초록· 키워드

오류제보하기
기존의 연구에서 VTS(Vector Taylor Series) 기반의 음성특징보상은 잡음음성 HMM(Hidden Markov Models) 음성인식기의 성능을 상당히 향상 시키는 것으로 알려졌다. 그러나 음성특징보상 방법의 성능은 잡음 음성 HMM의 훈련방법이나 잡음파라미터의 추정방법 그리고 음향모델의 복잡도에 따라서 상당히 좌우되는 것으로 보인다. 본 연구에서는 잡음음성 특징보상방식들의 이러한 변수들을 면밀히 고려하여 인식실험을 통하여 최적의 보상 방안을 결정하였다. 잡음음성 HMM의 훈련방법으로는 MMSR(Multiple-Model Speech Recognition) 방식과 MTR(Multi-condition TRaining) 방식을 상호 비교하였고 잡음파라미터의 변동제한폭에 따른 성능의 변화도 관찰하였다. 마지막으로 음향모델의 복잡도에 따른 성능 변화도 면밀히 관찰하였다. Aurora 2 음성데이터베이스를 이용한 잡음음성인식 실험결과 잡음파라미터는 어느 정도 제한된 변동폭 아래에서는 성능에 큰 영향을 미치지 않음을 알 수 있었다. MMSR 방식은 음향모델의 복잡도가 낮은 경우에는 MTR방식에 비해서 약간 더 나은 성능을 보였으나 음향모델의 복잡도가 큰 경우에는 MTR 방식이 월등히 나은 성능을 보임을 알 수 있었다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 잡음음성 HMM의 훈련방법
III. 잡음음성에 대한 특징보상 방법
IV. 실험결과
IV. 결론
References

참고문헌 (10)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2015-560-001306245