[논문 리뷰] Parameters Optimization for Improving ASR Performance in Adverse Real World Noisy Environmental Conditions

Urmila Shrawankar, V. M. Thakare|arXiv (Cornell University)|2013. 03. 22.

Speech and Audio Processing참고 문헌 12인용 수 5

한 줄 요약

이 논문은 실제의 소음 환경에서 성능을 향상시키기 위해 자동 음성 인식(ASR) 시스템에서 창 크기, 프레임 크기, 프레임 겹침 정도 등의 변수 매개변수를 최적화하는 것을 제안한다. 퍼지 추론 시스템(FIS)을 사용하여 저자들은 단어 오류률(WER)을 크게 감소시키고 단어 정확도율(WAR)을 증가시켜 보다 견고한 인간-컴퓨터 상호작용 응용 프로그램을 위한 최적의 매개변수 설정을 규명한다.

ABSTRACT

From the existing research it has been observed that many techniques and methodologies are available for performing every step of Automatic Speech Recognition (ASR) system, but the performance (Minimization of Word Error Recognition-WER and Maximization of Word Accuracy Rate- WAR) of the methodology is not dependent on the only technique applied in that method. The research work indicates that, performance mainly depends on the category of the noise, the level of the noise and the variable size of the window, frame, frame overlap etc is considered in the existing methods. The main aim of the work presented in this paper is to use variable size of parameters like window size, frame size and frame overlap percentage to observe the performance of algorithms for various categories of noise with different levels and also train the system for all size of parameters and category of real world noisy environment to improve the performance of the speech recognition system. This paper presents the results of Signal-to-Noise Ratio (SNR) and Accuracy test by applying variable size of parameters. It is observed that, it is really very hard to evaluate test results and decide parameter size for ASR performance improvement for its resultant optimization. Hence, this study further suggests the feasible and optimum parameter size using Fuzzy Inference System (FIS) for enhancing resultant accuracy in adverse real world noisy environmental conditions. This work will be helpful to give discriminative training of ubiquitous ASR system for better Human Computer Interaction (HCI).

연구 동기 및 목표

• 다양한 실제 소음 조건에서 창 크기, 프레임 크기, 프레임 겹침 정도 등의 변수 매개변수 설정이 ASR 성능에 미치는 영향을 조사하기 위해.
• 다양한 소음 유형과 수준에서 단어 오류률(WER)을 최소화하고 단어 정확도율(WAR)을 최대화하는 최적의 매개변수 설정을 규명하기 위해.
• 실제 소음 환경에서의 자동화되고 적응 가능한 매개변수 최적화를 위한 퍼지 추론 시스템(FIS) 기반의 접근법을 개발하기 위해.
• 실제의 열악한 음향 조건에서의 견고한 성능을 확보하기 위해 ASR 시스템의 분류 기반 학습을 가능하게 하기 위해.
• 실제 소음 환경에서의 음성 인식 신뢰도 향상으로 인간-컴퓨터 상호작용(HCI)을 향상시키기 위해.

제안 방법

• 다양한 소음 유형과 신호 대 잡음비(SNR) 수준에서 창 크기, 프레임 크기, 프레임 겹침 비율을 변화시켜 ASR 성능을 평가한다.
• 신호 대 잡음비(SNR)와 정확도 테스트를 수행하여 매개변수 변화가 WER와 WAR에 미치는 영향을 측정한다.
• 소음 특성과 매개변수 설정을 최적의 설정으로 매핑하기 위해 퍼지 추론 시스템(FIS)을 설계한다. 이는 WER를 최소화하고 WAR를 최대화하는 데 목적이 있다.
• 경험적 테스트 결과에서 유도된 언어적 규칙을 사용하여 FIS는 주어진 소음 프로파일에 가장 적합한 매개변수 조합을 추론한다.
• 다양한 실제 소음 데이터로 학습하여 환경 조건 간 일반화 능력을 확보한다.
• 표준 ASR 평가 지표인 단어 오류률(WER)과 단어 정확도율(WAR)을 사용하여 성능를 검증한다.

실험 결과

연구 질문

• RQ1 다양한 창 크기, 프레임 크기, 프레임 겹침 정도가 소음 환경에서 ASR 성능에 어떻게 영향을 미치는가?
• RQ2 다양한 소음 유형과 SNR 수준에서 WER를 최소화하고 WAR를 최대화하기 위한 최적의 매개변수 조합은 무엇인가?
• RQ3 퍼지 추론 시스템(FIS)은 실제 소음 환경 조건에서 최적의 ASR 매개변수를 효과적으로 결정할 수 있는가?
• RQ4 제안된 FIS 기반 최적화는 고정된 매개변수 설정 대비 ASR의 견고성에 어떻게 향상되는가?
• RQ5 매개변수 최적화는 실제 비이상적인 음향 환경에서 ASR 성능 향상에 얼마나 기여하는가?

주요 결과

• 연구는 창 크기, 프레임 크기, 프레임 겹침 정도가 ASR 성능에 미치는 변동성에 대해 고소음 조건에서 특히 크게 영향을 미친다는 것을 입증한다.
• 최적의 매개변수 설정은 소음 유형과 SNR에 따라 달라지며, 모든 환경에서 동일한 설정이 가능한 것은 아님을 시사한다.
• 퍼지 추론 시스템(FIS)은 열악한 조건에서도 높은 정확도의 매개변수 조합을 성공적으로 식별하여 WER를 감소시키고 WAR를 증가시킨다.
• FIS 기반 최적화는 고정된 매개변수 설정보다 뛰어난 성능을 보이며, 다양한 실제 소음 유형에서의 견고성을 향상시킨다.
• 결과는 매개변수 조정이 ASR 성능에 결정적인 영향을 미치며, FIS는 실시간 최적화를 위한 실현 가능하고 적응 가능한 솔루션을 제공한다는 것을 확인한다.
• 제안된 방법은 ASR 시스템의 분류 기반 학습을 가능하게 하여 실용적인 인간-컴퓨터 상호작용(HCI) 응용 프로그램에서의 신뢰도를 향상시킨다.