본문 바로가기

심층신경망을 이용한 짧은 발화 음성인식에서 극점 필터링 기반의 특징 정규화 적용

Applying feature normalization based on pole filtering to short-utterance speech recognition using deep neural network

문서 유형
연구출판물 · 학술지 논문
등재
KCIScopus
저널 순위
Scopus Q4
저널
한국음향학회지39(1) · pp.64 · 2020
피인용
Scopus 1KCI 0
FWCI (Scopus)
0
ISSN
1225-4428

저자

  1. 한재민제1저자Department of Electronics Engineering, Pusan National University, 2, Busandaehak-ro 63beon-gil, Geumjeong-gu, Busan 46241, Republic of Korea
  2. 김민식Department of Electronics Engineering, Pusan National University, 2, Busandaehak-ro 63beon-gil, Geumjeong-gu, Busan 46241, Republic of Korea
  3. 김형순교신저자Department of Electronics Engineering, Pusan National University, 2, Busandaehak-ro 63beon-gil, Geumjeong-gu, Busan 46241, Republic of Korea

초록

가우스 혼합 모델-은닉 마코프 모델(Gaussian Mixture Model-Hidden Markov Model, GMM-HMM)을 이용하는 전통적인 음성인식 시스템에서는, 극점 필터링 기반의 켑스트럼 특징 정규화 방식이 잡음 환경에서 짧은 발 화의 인식 성능을 향상시키는데 효과적이었다. 본 논문에서는 심층신경망(Deep Neural Network, DNN)을 이용하는 최신의 음성인식 시스템에서도 이 방식의 유용성이 있는지 검토한다. AURORA 2 DB에 대한 실험 결과, 특히 훈련 및 테스트 환경 사이의 불일치가 클 때에, 극점 필터링 기반의 켑스트럼 평균 분산 정규화 방식이 극점 필터링을 사용하 지 않는 방식에 비해 매우 짧은 발화의 인식 성능을 개선시킴을 보여 준다.

키워드

Speech recognitionDeep neural networkFeature normalizationPole filtering음성인식심층신경망특징 정규화극점 필터링

식별자

Scopus EID
2-s2.0-85088241606
KCI
ART002555602