[논문 리뷰] Automatic Speech Recognition Using Template Model for Man-Machine Interface

Neema Mishra, Urmila Shrawankar외 1명|arXiv (Cornell University)|2013. 05. 09.

Speech Recognition and Synthesis참고 문헌 6인용 수 5

한 줄 요약

이 논문은 특징 추출에 멜 주파수 해상도 인자 계수(MFCC)를, 패턴 매칭에 동적 시간 왜곡(DTW)을 사용하여 템플릿 기반의 자동 음성 인식(ASR) 시스템을 제안한다. 이 방법은 템플릿 매칭을 통해 고립된 단어의 강건한 인식을 달성하며, 단순성과 낮은 계산 비용을 중시하는 제어된 인간-기계 상호작용 환경에서 효과를 입증한다.

ABSTRACT

Speech is a natural form of communication for human beings, and computers with the ability to understand speech and speak with a human voice are expected to contribute to the development of more natural man-machine interfaces. Computers with this kind of ability are gradually becoming a reality, through the evolution of speech recognition technologies. Speech is being an important mode of interaction with computers. In this paper Feature extraction is implemented using well-known Mel-Frequency Cepstral Coefficients (MFCC).Pattern matching is done using Dynamic time warping (DTW) algorithm.

연구 동기 및 목표

• 실용적인 인간-기계 인터페이스 응용을 위한 저복잡도, 템플릿 기반의 자동 음성 인식 시스템을 개발하기.
• 실시간 환경에서 고립된 단어 인식에 대해 MFCC 특징과 DTW의 조합이 얼마나 효과적인지 평가하기.
• 소규모 어휘 목록을 위한 음성 인식 작업에서 복잡한 통계 모델의 계산 비용 효율적인 대안을 제공하기.
• 임베디드 또는 자원 제약이 있는 시스템에서 신뢰할 수 있는 음성 입력을 위한 템플릿 매칭과 DTW의 가능성을 입증하기.

제안 방법

• 특징 추출은 음성의 스펙트럼 에너지 특성을 캡처하는 표준 기법인 멜 주파수 해상도 인자 계수(MFCC)를 사용하여 수행된다.
• 각 음성 단어는 그 스펙트럼 프로파일을 나타내는 고정 길이의 MFCC 특징 벡터로 변환된다.
• 사용자가 발화한 알려진 단어의 MFCC 벡터를 저장하여 기준 템플릿 데이터베이스를 구성한다.
• 입력 음성과 저장된 템플릿을 정렬하고 비교하기 위해 동적 시간 왜곡(DTW) 알고리즘을 사용하여 패턴 매칭을 수행한다.
• 입력 신호와 DTW 거리가 가장 작은 단어가 인식된 출력으로 선택된다.
• 시스템은 입력 음성 프레임을 처리하고 일정하게 매칭 점수를 계산함으로써 실시간으로 작동한다.

실험 결과

연구 질문

• RQ1 MFCC와 DTW를 사용한 템플릿 기반 ASR 시스템이 인간-기계 인터페이스에서 고립된 단어를 신뢰성 있게 인식할 수 있는가?
• RQ2 정확도와 강건성 측면에서 DTW 기반 매칭 기법은 다른 패턴 매칭 기법보다 어떻게 비교되는가?
• RQ3 시스템은 말하기 속도와 발화자 특성의 변동에 얼마나 잘 견디는가?
• RQ4 실시간 임베디드 환경에서 제안된 방법의 계산 효율성은 어떠한가?

주요 결과

• 제어된 조건 하에서 MFCC와 DTW를 사용하여 고립된 단어의 높은 인식 정확도를 달성한다.
• DTW의 사용이 말하기 속도의 차이와 같은 시간적 변동을 효과적으로 처리한다.
• 각 단어에 대해 다수의 샘플을 훈련 데이터로 사용할 경우, 템플릿 기반 접근법이 발화자 다양성에 대해 강건함을 보였다.
• 이 방법은 계산 비용이 효율적이며 자원 제약이 있는 환경에서의 구현에 적합하다.