MCE 기반의 다중 특징 파라미터 스코어의 결합을 통한 화자인식 성능 향상 :Performance Improvement of Speaker Recognition by MCE-Based Score Combination of Multiple Feature Parameters

강지훈

추천

검색

자료유형: 학위논문

저자정보: 강지훈 (경상대학교, 경상대학교 대학원)

지도교수: 정상배

발행연도: 2015

저작권: 경상대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (3)

2020

MCE기반의 다중 특징 파라미터 스코어의 결합을 통한 화자인식 성능 향상

강지훈 , 김보람 , 김규영 외 1명 한국산학기술학회 논문지 2020.06 학술저널

2015

Glottal flow 신호에서의 향상된 특징추출 및 다중 특징파라미터 결합을 통한 화자인식 성능 향상

강지훈 , 김영일 , 정상배 한국정보통신학회논문지 2015.12 학술저널

MCE 기반의 다중 특징 파라미터 스코어의 결합을 통한 화자인식 성능 향상

강지훈 전자공학과 2015.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

In this thesis, an enhanced method for the feature extraction of vocal source signals and MCE-Based score combination of multiple feature parameters are proposed for the performance improvement of speaker recognition systems. The proposed feature vector is composed of mel-frequency cepstral coefficients, skewness, and kurtosis extracted with lowpass filtered glottal flow signals. The proposed feature is utilized to improve the conventional speaker recognition system utilizing mel-frequency cepstral coefficients extracted with speech signals and Gaussian mixture models. That is, the scores evaluated by conventional vocal tract and the proposed feature are fused by MCE-Based score combination method to find the optimal speaker. Experimental results show that the proposed recognition system outperforms the conventional one especially in low Gaussian mixture cases.

#Speaker Recognition #Minimum Classification Error #Glottal flow

Ⅰ. 서 론 1
Ⅱ. 본 론 3
1. 화자인식 3
2. 종래의 화자인식 시스템 4
1) 음성검출 4
2) 특징 추출 6
(1) 멜-주파수 캡스트럼 계수 (MFCC) 6
(2) 음원 멜-주파수 캡스트럼 계수 (SMFCC) 10
(3) 인지적 선형 예측 캡스트럼 계수 (PLPCC) 13
3) 가우시안 혼합 모델 (GMM) 16
4) 유사도 측정 17
5) 인식결과 검증 18
3. 제안된 방식의 화자인식 시스템 20
1) 기본 개념 20
2) 제안된 알고리즘의 상세 설명 21
(1) 가우시안 혼합 모델 기반의 유/무성음 분류 21
(2) Glottal follow의 왜도 & 첨도 24
(3) Glottal follow의 저역통과 필터링 및 스펙트럼 확장 26
(4) 최소 분류 오차 (MCE) 기반의 스코어 가중치 추정 27
Ⅲ. 실험 및 결과 29
1. 실험 데이터베이스 및 실험 조건 29
2. 실험결과 30
1) 기존 특징벡터에 대한 화자인식률 측정 30
2) 제안된 특징벡터에 대한 화자인식률 측정 31
3) 제안된 특징벡터 결합 방식에 의한 화자인식률 측정 32
4) 성능 평가 37
Ⅳ. 결 론 39
참고문헌 40

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)