일반기술

관찰벡터의 디스토션확률밀도를 가진 은닉마코프모델을 이용한 음성인식방법

본 발명은 관찰벡터의 디스토션(Distortion)을 이용한 음성인식에 관한 것으로서, 관찰 벡터의 디스토션(Distortion) 확률밀도(density)를 가진 은닉 마코프 모델(HMM)의 학습과정시 디스토션(Distortion) 확률밀도(density)를 구하는 방법은 상태 세그먼테이션 시퀀스를 구하는 단계; 상기 상태 세그멘데이션된 학습관찰 시켄스를 참조하여 각 상태 i의 평균길이 mi를 구하는 단계; 상기 상태 i에서의 정화 시간 구간 j마다 평균 벡터 vij를 구하는 단계; 각각의 학습관찰 시쿼스 k에 대해 각 상태 i에서의 정규화 시간 구간 j마다 평균벡터에 대한 디스토션 eijk를 구하는 단계; 및 각 상태 i에서의 정규화 시간구간 j마다 총 k개의 학습 관찰 벡터들의 디스션 중 최소값(nij)과 최대값(xij)을 구하는 단계를 포함한다.디스토션 확률밀도를 가진 은닉마코프모델(HMM/Distortion)을 이용한 음성인식방법에 있어서, 학습데이타를 벡터양자화시켜 코드북을 만들고, 상기 벡터양자화된 학습데이타의 모델파라메터를 재추정한 후, 비터비 알고리즘에 의해 상태시퀀스를 세그먼트하여 모델파라메터를 생성하고, 상기 세그먼트된 상태시퀀스를 근거로 상기 학습데이타의 디스토션 확률밀도를 추정하는 학습과정과, 상기 학습과정에서 생성된 코드북과 모델파라미터 및 디스토션 확률 밀도를 이용하여, 인식하고자 하는 데이타가 입력되면, 상기 코드북을 이용하여 상기 입력데이타를 관찰시퀀스로 변환시켜, 비터비 알고리즘에 의해 구해진 확률(ρ(ο＼λ))과, 상기 비터비 절차에 의해 생성된 세그먼트된 상태시퀀스와 입력 관찰 벡터(LPC-켑스트럼)의 디스토션으로부터 구해진 디스토션 확률을 연산하여 음성을 인식하는 과정을 포함하는 것을 특징으로 하는 음성인식방법.