TDNN과 HMM을 결합한 새로운 단어 인식 방식에 관한 연구

Abstract

본 논문에서는 신경회로망을 이용하여 격리단어 및 연결단어를 인식하기 위한 새로운 인식 알고리즘을 제안하였고 제안된 인식 알고리즘의 성능을 분석하기 위하여 다른 인식 알고리즘들(VQ/HMM, TDNN)의 성능과 비교하였다. 먼저 입력 음성신호를 10kHz로 샘플링하여 14차의 LPC autocorrelation 방법으로 LPC 계수를 얻었다. 이렇게 추출된 LPC 계수는 다시 cepstral 계수로 변환되었다. 마지막으로 인식 시스템에서 사용되는 특징벡터를 얻기위해 bilinear transform을 하여 cepstral 계수를 mel-scaled cepstral 계수로 변환하였다. 본 논문에서 제안한 인식 알고리즘은 TDNN과 HMM에 기초를 두고 있다. TDNN 인식 알고리즘은 각 단어에 대한 second hidden layer에서의 각 unit들의 합으로써 단어를 인식하는 알고리즘이다. 이렇게 unit의 합으로 인식을 하게되면 학습이 잘되지 않은 단어에 대해서 오류가 발생하기 쉽다. 그러므로 본 논문에서는 TDNN에서 각 단어에 대한 output activation 값을 fuzzy set 이론의 membership function으로 취급하여 이로부터 그 단어의 FHMM 모델을 얻도록하는 TDNN/ HMM 인식 알고리즘을 제안한다. 또한 TDNN/ HMM 인식 알고리즘은 TDNN 인식 알고리즘으로는 인식하기 힘든 연결단어 인식에도 적용할 수 있는 장점이 있다. 컴퓨터 모이 실험 결과 본 논문에서 제안한 TDNN/ HMM 인식 알고리즘이 다른 인식 알고리즘보다 더 좋은 인식률을 보임을 밝힐 수 있었다.