A Frequency Weighted HMM with Spectral Compensation for Noisy Speech Recognition

잡음하의 음성인식을 위한 스펙트럴 보상과 주파수 가중 HMM

This paper is simulation research to improve speech recognition rates under the noisy environment. We examines recognition ratio based on frequency-weighted HMM together with spectral subtraction. As results, frequency-weighted HMM with scaling coefficients is trained as a minimum error classification criterion, and is presents a higher recognition rates in noisy condition than a conventional method. Furthermore, spectral subtraction method gives 11 to 28% improvements for this frequency-weighted HMM in low SNR, and gives recognition rates of 81.7% at 6dB SNR of noisy speech.

잡음환경에서의 음성인식은 실제의 환경에서의 음성인식에서 매우 중요한 애로기술로써 이를 해결하기 위한 연구는 꾸준히 연구되고 있다. 따라서 본 연구는 음성인식분야에서 가장 많이 사용하고 있는 HMM처리 시잡음처리의 문제점을 주파수 가중치 부가 HMM으로 해결하는 방법을 제안하고 그 성능을 인식실험을 통하여 검토하였다. 그 결과 SS처리를 함께 사용하는 $MCE-\mu$, MCE-$\rho$가 가장 잡음에 강한 방식임을 알 수 있었다.