KR100269357B1 - Speech recognition method - Google Patents
Speech recognition method Download PDFInfo
- Publication number
- KR100269357B1 KR100269357B1 KR1019980015696A KR19980015696A KR100269357B1 KR 100269357 B1 KR100269357 B1 KR 100269357B1 KR 1019980015696 A KR1019980015696 A KR 1019980015696A KR 19980015696 A KR19980015696 A KR 19980015696A KR 100269357 B1 KR100269357 B1 KR 100269357B1
- Authority
- KR
- South Korea
- Prior art keywords
- speech
- lsp
- voice
- speech recognition
- recognition method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000013598 vector Substances 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims 2
- 238000001228 spectrum Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 210000001260 vocal cord Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/06—Determination or coding of the spectral characteristics, e.g. of the short-term prediction coefficients
- G10L19/07—Line spectrum pair [LSP] vocoders
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Telephonic Communication Services (AREA)
Abstract
선형 스펙트럼 쌍(LSP)을 특징 벡터로 사용하는 경우에 발생하는 오류를 개선하는 음성 인식 방법에 관한 것으로서, 특히 음성 신호가 입력되면 먼저 LSP를 추출한 후 이를 하기 식에 의해 다시 유사-캡스트럼으로 변환하여 음성 인식시의 특징 벡터로 이용함으로써,The present invention relates to a speech recognition method that improves an error occurring when a linear spectrum pair (LSP) is used as a feature vector. In particular, when a speech signal is input, an LSP is first extracted and then converted into a pseudo-capstrum by the following equation. By using it as a feature vector in speech recognition,
음성의 자음 성분에서도 좋은 특징 벡터로 이용될 수 있어 보다 좋은 성능을 갖는 음성 인식기를 구현할 수 있다. 특히, 음성 샘플로부터 특징 벡터를 추출하는 것이 불가능한 프로세서를 사용하는 경우에 유효하며, 보코더가 내장된 통신 기기의 음성 인식에 적용하면 별도의 LSP 추출 과정을 거치지 않아도 되므로 계산량 측면에서 많은 이득을 볼 수 있다.Since the consonant component of speech can be used as a good feature vector, a speech recognizer having better performance can be implemented. In particular, it is effective when using a processor that is unable to extract feature vectors from speech samples. When applied to speech recognition of vocoder-embedded communication devices, it is not necessary to go through separate LSP extraction process. have.
Description
본 발명은 음성 인식에 관한 것으로서, 특히 선형 스펙트럼 쌍(Line Spectral Pairs ; LSP)을 특징 벡터로 사용하는 경우에 발생하는 오류를 개선하는 음성 인식 방법에 관한 것이다.BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to speech recognition, and more particularly, to a speech recognition method for improving an error occurring when using linear spectral pairs (LSP) as a feature vector.
디지털 신호 처리 기술 발전은 인간의 의사 전달 수단인 음성 신호를 다양한 방면에 응용할 수 있는 가능성을 보여주었다. 이를 가능하게 하는 음성 인식 기술 중 가장 간단한 것은 화자 종속 고립 단어 인식이다. 이는 훈련시킨 사람의 목소리만을 인식할 수 있으며, 단어(또는 짧은 문장) 단위로 발성된 음성만 인식할 수 있다. 이를 위한 음성 인식 알고리즘은 이미 많이 알려져 있는데 크게 음성 구간 검출 과정과 특징(feature) 추출과정, 그리고 매칭 과정으로 나눌 수 있다.The development of digital signal processing technology has shown the possibility of applying voice signals, a means of human communication, in various fields. The simplest of the speech recognition technologies that make this possible is speaker dependent isolated word recognition. It can recognize only the voice of the trained person, and can only recognize the voice spoken in units of words (or short sentences). Many speech recognition algorithms for this purpose are already known and can be divided into speech section detection process, feature extraction process, and matching process.
즉, 도 1에 도시된 바와 같이 마이크(11)를 통해 음성 신호가 입력되면 A/D 컨버터(12)에서 이를 디지털 신호로 변환한 후 음성 구간 검출부(13)로 출력한다. 상기 음성 구간 검출부(13)는 디지털 음성 신호를 짧은 구간의 신호(즉, 프레임)로 분할한 후 각 프레임의 에너지와 영교차율(Zero Crossing Rate) 그리고, 시간길이 정보를 이용하여 입력된 신호중에서 실제 발성된 음성 구간만을 검출한 후 특징 추출부(14)로 출력한다. 상기 특징 추출부(14)에서는 음성 구간에 해당하는 프레임의 특징(feature)을 추출하여 입력된 음성의 테스트 패턴을 만든 후 매칭부(15)로 출력한다. 상기 매칭부(16)에서는 테스트 패턴과 기준 데이터용 메모리(16)에 저장된 각 기준 패턴들과 각각 비교하여 테스트 패턴과 가장 유사한 특징을 갖는 기준 패턴을 인식된 음성으로 출력한다. 이때, 상기 기준 데이터용 메모리(16)에 음성 신호의 기준 패턴을 저장하는 경우도 마찬가지로, 상기 특징 추출부(14)에서 음성 구간에 해당하는 프레임의 특징을 추출하여 기준 패턴을 만든 후 기준 데이터용 메모리(15)에 저장하는데, 이와 같은 동작을 인식하고자 하는 음성 신호에 대하여 반복 수행하여 기준 패턴을 기준 데이터용 메모리(15)에 데이터베이스화하게 된다.That is, as shown in FIG. 1, when a voice signal is input through the microphone 11, the A / D converter 12 converts the voice signal into a digital signal and outputs the digital signal to the voice section detector 13. The voice section detector 13 divides the digital voice signal into a short section of a signal (ie, a frame), and then actually uses the energy, zero crossing rate, and time length information of each frame. Only the spoken speech section is detected and output to the feature extractor 14. The feature extractor 14 extracts a feature of a frame corresponding to the speech section, creates a test pattern of the input speech, and outputs the test pattern to the matcher 15. The matching unit 16 compares the test pattern with each of the reference patterns stored in the reference data memory 16 and outputs a reference pattern having a feature most similar to the test pattern as a recognized voice. In this case, in the case of storing the reference pattern of the voice signal in the reference data memory 16, the feature extractor 14 extracts the feature of the frame corresponding to the voice section to create a reference pattern and then uses the reference data. In the memory 15, the voice signal to recognize such an operation is repeatedly performed to database the reference pattern in the memory 15 for reference data.
한편, 상기 특징 추출부(14)의 특징 추출 과정에서 이용되는 음성신호 처리방법 중 하나인 LPC(Linear Prediction Coding)는 과거의 신호들에 의한 현재 신호의 예측과 또 실제의 현재 신호와의 차이에 해당하는 오류를 최소화하는 방향으로 음성 신호를 처리하고 있다. 즉, LPC는 역 필터(Inverse Filter)의 개념을 도입한 것으로, 성대를 움직이는 자극을 역 필터의 입력으로 생각하여 유성음시 주기적 펄스열, 무성음시 불규칙 잡음이라 생각하여 이 입력이 성도를 통해 나온 신호를 우리가 들을 수 있는 음성 신호로 생각하고, 이 생각으로부터 음성 신호를 처리하여 역 필터에 관한 최적의 정보를 알아내는 것이다.Meanwhile, LPC (Linear Prediction Coding), which is one of the voice signal processing methods used in the feature extraction process of the feature extractor 14, is based on the prediction of the current signal by past signals and the difference between the actual current signal and the current signal. The voice signal is processed in the direction of minimizing the corresponding error. In other words, LPC introduces the concept of inverse filter, which considers the stimulus that moves the vocal cords as the input of the inverse filter, and considers the periodic pulse train at voiced sound and irregular noise at unvoiced sound. Think of it as a speech signal that we can hear, and then process that speech signal to find out the best information about the inverse filter.
이러한 LPC 이론에 의한 모델 베이스(model base)의 음성 분석·합성의 이론과 실험적 연구가 도입되어 PARCOR(Partial Auto Correlation)법, LSP등이 개발되었다.The theory and experimental studies of speech analysis and synthesis of the model base by the LPC theory were introduced, and the PARCOR (Partial Auto Correlation) method, LSP, and the like were developed.
상기 LSP는 음성에서 포만트 정보를 나타내는 것으로, 각 계수들의 크기가 순서대로 배열되는 특징(Ordering property)을 갖고 있을뿐만 아니라 변형에 강하기 때문에 음성 압축 분야에서 스펙트럼 포락(Spectrum envelope)을 양자화하는데 널리 사용되고 있으며, 특히 음성 데이터를 코딩할 때 많이 사용한다.The LSP represents formant information in speech, and is widely used for quantizing a spectral envelope in the speech compression field because it has an ordering property in which the magnitudes of the coefficients are arranged in order as well as being resistant to deformation. In particular, it is used a lot when coding voice data.
즉, p차 선형 계수에 의해서 결정되는 조음 필터의 주파수 응답 함수를
상기 수학식 1의 Ap(z), Bp(z)는 하기의 수학식 2와 같은 관계가 있다.A p (z) and B p (z) in Equation 1 have the same relationship as in Equation 2 below.
이때, 인간의 성도를 이상적인 공명관으로 가정했으므로, 반사시의 에너지 손실이 없다. 따라서,
이러한 LSP를 보코더를 통해 엔코딩된 음성 데이터로부터 음성 인식을 해야 할 때, 음성의 특징 벡터로 사용하면 계산량 측면에서 많이 유리해진다. 특히 실시간으로 엔코딩 패킷으로부터 데이터를 디코딩하고 음성 샘플로부터 특징 벡터를 추출하는 것이 불가능한 프로세서를 사용하는 경우에 LSP를 음성의 특징 벡터로 사용하면 계산을 간편하게 할 수 있다.When the LSP needs to be recognized from the speech data encoded by the vocoder, it is advantageous in terms of calculation amount when used as the feature vector of the speech. In particular, when using a processor capable of decoding data from an encoding packet in real time and extracting a feature vector from a voice sample, the use of LSP as a feature vector of speech can simplify the calculation.
그러나, 음성의 극점이 제대로 나타나지 않는 경우는 LSP가 제대로 추출되지 않으므로 음성의 자음 성분에서는 좋은 특징 벡터로 이용될 수 없는 문제점이 있다.However, when the poles of the voice do not appear properly, the LSP is not properly extracted, and thus there is a problem in that the consonant component of the voice cannot be used as a good feature vector.
본 발명은 상기와 같은 문제점을 해결하기 위한 것으로서, 본 발명의 목적은 LSP를 유사-캡스트럼(Pseudo-cepstrum)으로 변환하여 음성 인식의 특징 벡터로 이용하는 음성 인식 방법을 제공함에 있다.SUMMARY OF THE INVENTION The present invention has been made to solve the above problems, and an object of the present invention is to provide a speech recognition method that converts an LSP into pseudo-cepstrum and uses it as a feature vector of speech recognition.
도 1은 일반적인 음성 인식 시스템의 구성 블록도1 is a block diagram of a general speech recognition system
도 2는 본 발명에 따른 음성 인식 방법을 수행하기 위한 흐름도2 is a flowchart for performing a voice recognition method according to the present invention.
도면의 주요부분에 대한 부호의 설명Explanation of symbols for main parts of the drawings
11 : 마이크 12 : A/D 컨버터11: microphone 12: A / D converter
13 : 음성 구간 검출부 14 : 특징 추출부13 voice section detection unit 14 feature extraction unit
15 : 매칭부 16 : 기준 데이터용 메모리15 matching unit 16 memory for reference data
상기와 같은 목적을 달성하기 위한 본 발명에 따른 음성 인식 방법은, 음성이 입력되면 먼저 선형 스펙트럼 쌍(LSP)을 추출한 후 이를 다시 유사-캡스트럼으로 변환하여 음성 인식시의 특징 벡터로 이용함을 특징으로 한다.In the speech recognition method according to the present invention for achieving the above object, when a speech is input, first extracting a linear spectrum pair (LSP), and then converts it to a pseudo-capstrum and uses it as a feature vector in speech recognition. It is done.
이러한 음성 인식 방법에 의해 음성의 자음 성분에서도 좋은 특징 벡터로 이용될 수 있으며, 보코더가 내장된 통신 기기의 음성 인식에 적용하면 별도의 LSP 추출 과정을 거치지 않아도 되므로 계산량 측면에서 많은 이득을 볼 수 있다.This speech recognition method can be used as a good feature vector in the consonant components of speech. When applied to speech recognition of a vocoder-embedded communication device, the LSP extraction process does not require a separate LSP extraction process. .
본 발명의 다른 목적, 특징 및 잇점들은 첨부한 도면을 참조한 실시예들의 상세한 설명을 통해 명백해질 것이다.Other objects, features and advantages of the present invention will become apparent from the following detailed description of embodiments taken in conjunction with the accompanying drawings.
이하, 본 발명의 바람직한 실시예를 첨부도면을 참조하여 상세히 설명한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 2는 본 발명에 따른 음성 인식 방법을 수행하기 위한 흐름도로서, 보코더를 이용하여 LSP 계수를 추출하는 경우를 실시예로 하고 있다. 상기 보코더는 음원 코딩을 사용하는 부호기로서, 상기 보코더의 출력 데이터는 스펙트럼 정보를 나타내는 계수, 음성의 여기신호(Excitation signal)를 모델링하는 정보와 게인등으로 이루어져 있다. 예를 들어, QCELP의 경우는 LSP 계수, 코드북(codebook) 인덱스와 게인, 롱-텀 예측기(long-term predictor)의 지연값과 게인등이다.2 is a flowchart for performing a speech recognition method according to an embodiment of the present invention, in which an LSP coefficient is extracted using a vocoder. The vocoder is an encoder using sound source coding, and the output data of the vocoder is composed of coefficients representing spectral information, information for modeling an excitation signal of speech, and a gain. For example, in the case of QCELP, LSP coefficients, codebook indexes and gains, delay values and gains of long-term predictors, and the like.
즉, 마이크를 통해 음성이 입력되면(단계 201), PCM(Pulse Code Modulation) 또는 μ-law PCM등으로 변조한 후 보코더에서 엔코딩한다(단계 202). 상기 단계 202에서 엔코딩된 음성 신호를 짧은 구간의 신호(프레임)로 분할한 후 각 프레임의 에너지와 영교차율을 측정하여 실제 발성된 음성 구간만을 검출한다(단계 203). 일예로, 상기 엔코딩 결과로 출력되는 코드북 게인을 에너지 정보로 이용할 수 있다.That is, when a voice is input through the microphone (step 201), the voice signal is modulated by a pulse code modulation (PCM) or μ-law PCM and then encoded by the vocoder (step 202). After the speech signal encoded in step 202 is divided into a signal (frame) of short intervals, the energy and zero crossing rate of each frame are measured to detect only the actual speech segment (step 203). For example, the codebook gain output as the encoding result may be used as energy information.
상기 단계 203에서 음성 구간이 검출되면 음성 구간에 해당하는 프레임의 특징을 추출하는데, 본 발명은 보코더를 예로 든 경우이므로, 보코더에서 출력되는 LSP 계수를 이용한다. 즉, 상기 보코더에서는 엔코딩 결과로 음성의 스펙트럼 파라미터 예컨대, LSP 계수를 출력하므로 별도의 특징 추출 과정을 거치지 않아도 되는 장점이 있다. 그러나, 상기 LSP 계수는 전술된 바와같이 문제가 있으므로, LSP 계수를 하기의 수학식 3에 의해 유사-캡스트럼으로 변환한다(단계 204).When the voice section is detected in step 203, the feature of the frame corresponding to the voice section is extracted. Since the present invention is an example of a vocoder, the LSP coefficients output from the vocoder are used. That is, the vocoder outputs spectral parameters of the speech, for example, LSP coefficients, as an encoding result, and thus does not require a separate feature extraction process. However, since the LSP coefficients are problematic as described above, the LSP coefficients are converted into pseudo-capstrum by Equation 3 below (step 204).
즉, 어떤 신호의 캡스트럼은 하기의 수학식 4와 같이 그 신호의 스펙트럼에 로그(log)를 취하고 다시 역 푸리에 변환(Inverse Fourier Transform ; IFT)한 것을 말하며, 여기서 추출되는 것이 캡스트럼 계수이다. 상기 캡스트럼(cepstrum)이라는 용어는 스펙트럼(spectrum)이라는 단어의 앞부분을 역순으로 배열하여 만들어진 것이다. 또한, 캡스트럼은 주파수 영역의 함수를 역변환한 것이기 때문에 시간 영역의 함수라고 할 수 있으며, 캡스트럼이 갖는 특징 중 하나는 음성이 갖는 정보에서 스펙트럼 포락 정보와 세부 구조를 분리해낸다는 것이다.That is, the capstrum of a signal refers to a log in the spectrum of the signal and inverse Fourier transform (IFT), as shown in Equation 4 below, wherein the capstrum coefficient is extracted. The term cepstrum is made by arranging the front of the word spectrum in the reverse order. In addition, the capstrum is a function of the time domain because it is an inverse transform of the function of the frequency domain. One of the characteristics of the capstrum is that the spectral envelope information and the detailed structure are separated from the information of the voice.
여기서, S(w)는 파워 스펙트럼이고, Cn은 캡스트럴 계수이다.Here, S (w) is the power spectrum, and Cn is the captral coefficient.
하기의 수학식 5를 통해 캡스트럴 거리는 rms(Root mean square) 로그 스펙트럴 거리와 같음을 알 수 있다.Through Equation 5 below, it can be seen that the capstral distance is equal to the root mean square (rms) log spectral distance.
따라서, 캡스트럼을 이용하면 파워 스펙트럼의 차이를 간단하게 구할 수 있어 많이 이용되고 있다.Therefore, the use of the capstrum makes it easy to determine the difference in the power spectrum and is widely used.
그러나, LSP 파라미터로부터는 캡스트럼을 얻지 못하므로, 상기된 수학식 3과 같이 LSP 파라미터를 캡스트럼과 비슷한 유사-캡스트럼(pseudo cepstrum)으로 변환한다.However, since no capstrum is obtained from the LSP parameter, the LSP parameter is converted into pseudo-cepstrum similar to the capstrum as shown in Equation 3 above.
상기 변환된 유사-캡스트럼은 테스트 패턴 또는 기준 패턴의 특징 벡터로 이용된다. 즉, 상기 과정이 음성 신호의 기준 패턴을 저장하는 경우라면 상기 특징 벡터를 기준 패턴으로하여 기준 데이터용 메모리(16)에 저장하고, 상기 과정이 음성 매칭을 위한 경우라면 상기 특징 벡터를 입력되는 음성의 테스트 패턴으로하여 기준 데이터용 메모리(16)로부터 출력되는 기준 패턴들과 비교하는 매칭 과정을 수행한다(단계 205). 상기 단계 205에서는 테스트 패턴과 기준 패턴 사이의 유사도를 측정할 때 입력 음성과 저장되어 있는 음성의 발성 속도가 다를 수 있으므로 음성의 발성 속도에 따른 오차를 줄이기 위하여 이들을 타임 와핑(time-warping)하여 비교하는데 여기서, DTW(Dynamic Time Warping)방법이 이용된다. 즉, 등록된 각 기준 패턴의 수만큼 DTW를 수행하여 등록되어 있는 각 기준 패턴에 대한 유사도가 모두 계산되면 가장 유사한 기준 패턴을 추출한다. 상기 DTW 방법에는 여러 가지가 제안되어 있는데, 그중 하나가 테스트 패턴과 데이터베이스화된 기준 패턴들 사이의 스펙트럴(spectral) 거리를 측정하고 테스트 패턴과 가장 가까운 스펙트럴 거리를 갖는 기준 패턴을 인식 패턴으로서 선택하는 방법이 있다.The transformed pseudo-capstrum is used as a feature vector of a test pattern or a reference pattern. That is, when the process stores a reference pattern of a speech signal, the feature vector is stored as a reference pattern in the reference data memory 16. If the process is performed for speech matching, the feature vector is input. A matching process is performed to compare the reference patterns output from the reference data memory 16 with the test pattern of (step 205). In the step 205, when the similarity between the test pattern and the reference pattern is measured, the voice speeds of the input voice and the stored voice may be different, so that time-warping of the voices may reduce the error according to the voice speed. Here, the DTW (Dynamic Time Warping) method is used. That is, the DTW is performed by the number of registered reference patterns, and when the similarity of all registered reference patterns is calculated, the most similar reference pattern is extracted. Various DTW methods have been proposed, one of which measures a spectral distance between a test pattern and a database-based reference pattern and uses a reference pattern having a spectral distance closest to the test pattern as a recognition pattern. There is a way to choose.
그리고, 상기 단계 205에서 추출된 기준 패턴의 유사도가 일정 수준이상 예컨대, 일정 임계치 이하이면 인식된 결과가 올바른 것이라고 판단하고(단계 206), 상기 추출된 기준 패턴을 인식 결과로 출력한다(단계 207). 한편, 가장 유사한 기준 패턴과 테스트 패턴의 유사도가 일정 임계치 이상일 경우 등록되어 있지 않은 음성이 입력된 것으로 판별한다.If the similarity of the reference pattern extracted in the step 205 is above a predetermined level, for example, below a predetermined threshold, it is determined that the recognized result is correct (step 206), and the extracted reference pattern is output as the recognition result (step 207). . On the other hand, if the similarity between the most similar reference pattern and the test pattern is greater than or equal to a predetermined threshold, it is determined that an unregistered voice is input.
이와 같이, 본 발명은 CELP 계열 보코더를 사용하는 개인 휴대 통신기기의 음성 인식에 적용하면 더욱 효율적이다.As described above, the present invention is more effective when applied to speech recognition of a personal mobile communication device using a CELP-based vocoder.
이상에서와 같이 본 발명에 따른 음성 인식 방법에 의하면, 테스트 패턴 및 기준 패턴을 만들 때 특징 벡터로 이용되는 LSP를 유사-캡스트럼으로 변환함으로써, 음성의 자음 성분에서도 좋은 특징 벡터로 이용될 수 있어 보다 좋은 성능을 갖는 음성 인식기를 구현할 수 있다. 특히, 음성 샘플로부터 특징 벡터를 추출하는 것이 불가능한 프로세서를 사용하는 경우에 유효하며, 보코더가 내장된 통신 기기의 음성 인식에 적용하면 별도의 LSP 추출 과정을 거치지 않아도 되므로 계산량 측면에서 많은 이득을 볼 수 있다.According to the speech recognition method according to the present invention as described above, by converting the LSP used as a feature vector when generating a test pattern and a reference pattern to a pseudo-capstrum, it can be used as a good feature vector in the consonant components of the speech A speech recognizer with better performance can be implemented. In particular, it is effective when using a processor that is unable to extract feature vectors from speech samples. When applied to speech recognition of vocoder-embedded communication devices, it is not necessary to go through separate LSP extraction process. have.
Claims (4)
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019980015696A KR100269357B1 (en) | 1998-04-30 | 1998-04-30 | Speech recognition method |
| US09/295,523 US6321195B1 (en) | 1998-04-28 | 1999-04-21 | Speech recognition method |
| CN99105366A CN1125437C (en) | 1998-04-28 | 1999-04-28 | Speech recognition method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019980015696A KR100269357B1 (en) | 1998-04-30 | 1998-04-30 | Speech recognition method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR19990081663A KR19990081663A (en) | 1999-11-15 |
| KR100269357B1 true KR100269357B1 (en) | 2000-10-16 |
Family
ID=19536961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1019980015696A Expired - Fee Related KR100269357B1 (en) | 1998-04-28 | 1998-04-30 | Speech recognition method |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100269357B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100464310B1 (en) * | 1999-03-13 | 2004-12-31 | 삼성전자주식회사 | Method for pattern matching using LSP |
-
1998
- 1998-04-30 KR KR1019980015696A patent/KR100269357B1/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| KR19990081663A (en) | 1999-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shrawankar et al. | Techniques for feature extraction in speech recognition system: A comparative study | |
| KR100629669B1 (en) | Distributed Speech Recognition System | |
| EP0528324A2 (en) | Auditory model for parametrization of speech | |
| US20080059156A1 (en) | Method and apparatus for processing speech data | |
| Shanthi et al. | Review of feature extraction techniques in automatic speech recognition | |
| Athineos et al. | LP-TRAP: Linear predictive temporal patterns | |
| Cernak et al. | Composition of deep and spiking neural networks for very low bit rate speech coding | |
| Goh et al. | Robust speech recognition using harmonic features | |
| CN114550741A (en) | Semantic recognition method and system | |
| KR100269357B1 (en) | Speech recognition method | |
| Sorin et al. | The ETSI extended distributed speech recognition (DSR) standards: client side processing and tonal language recognition evaluation | |
| Chow et al. | Speaker identification based on log area ratio and Gaussian mixture models in narrow-band speech: speech understanding/interaction | |
| CN112233686B (en) | Voice data processing method of NVOCPLUS high-speed broadband vocoder | |
| Min et al. | Deep vocoder: Low bit rate compression of speech with deep autoencoder | |
| Arun Sankar et al. | Design of MELPe-based variable-bit-rate speech coding with mel scale approach using low-order linear prediction filter and representing excitation signal using glottal closure instants | |
| Prakash et al. | Fourier-Bessel based Cepstral Coefficient Features for Text-Independent Speaker Identification. | |
| Kim et al. | Use of spectral autocorrelation in spectral envelope linear prediction for speech recognition | |
| Burnett et al. | A mixed prototype waveform/CELP coder for sub 3 kbit/s | |
| Kim et al. | Performance improvement of a bitstream-based front-end for wireless speech recognition in adverse environments | |
| Spanias et al. | Speech coding and speech recognition technologies: a review | |
| CN115019775A (en) | Phoneme-based language identification method for language distinguishing characteristics | |
| Hernando Pericás et al. | A comparative study of parameters and distances for noisy speech recognition | |
| Genoud et al. | Deliberate imposture: a challenge for automatic speaker verification systems. | |
| SPANIAS et al. | Speech coding and recognition: A review | |
| Ali et al. | Low bit-rate speech codec based on a long-term harmonic plus noise model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 19980430 |
|
| PA0201 | Request for examination |
Patent event code: PA02012R01D Patent event date: 19980430 Comment text: Request for Examination of Application |
|
| PG1501 | Laying open of application | ||
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20000602 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20000720 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20000721 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration | ||
| PR1001 | Payment of annual fee |
Payment date: 20030701 Start annual number: 4 End annual number: 4 |
|
| PR1001 | Payment of annual fee |
Payment date: 20040702 Start annual number: 5 End annual number: 5 |
|
| PR1001 | Payment of annual fee |
Payment date: 20050607 Start annual number: 6 End annual number: 6 |
|
| PR1001 | Payment of annual fee |
Payment date: 20060616 Start annual number: 7 End annual number: 7 |
|
| PR1001 | Payment of annual fee |
Payment date: 20070629 Start annual number: 8 End annual number: 8 |
|
| PR1001 | Payment of annual fee |
Payment date: 20080618 Start annual number: 9 End annual number: 9 |
|
| FPAY | Annual fee payment |
Payment date: 20090619 Year of fee payment: 10 |
|
| PR1001 | Payment of annual fee |
Payment date: 20090619 Start annual number: 10 End annual number: 10 |
|
| LAPS | Lapse due to unpaid annual fee | ||
| PC1903 | Unpaid annual fee |