일반기술

문맥독립형 화자식별 방법

본 발명은 GMM(Gaussian Mixture Model)에 기반한 세 가지 문맥독립 화자식별방법을 제안한다.; 본 발명에서는 화자식별시 화자의 정보가 적게 포함되어 있는 프레임이 포함되지 않도록 하는 프레임선택(Frame Selection;FS)방법을 제안하여,; 이 방법은 각 프레임에서 가장 큰 유사도와 두 번째로 큰 유사도의 차이를 평가하여 중요 프레임을 선택한 후, 선택된 프레임만을 이용하여 유사도를 계산하는 방법이다.; 두 번째로 제안하는 복합(Hyrid)방법은 FS와 가중모델순위(Weighting Model Rank;WMR)방법을 결합시킨 것이다.; 이 방법은 FS방법을 이용하여 중요 프레임을 선택한 후, 지수함수 가중치를 이용하여 식별화자를 결정하는 것이다.; 마지막으로 제안하는 방법은, 수정된 가중모델순위(Modified WMR;MWMR)방법으로서 식별화자를 결정할 때 유사도의 상대적 위치만을 고려하였던 기존의 WMR방법과는 달리 유사도와 유사도의 상대적 위치를 함께 고려하는 방법이다.; 각기 다른 환경에서 채집한 음성DB를 이용하여 화자식별실험을 실시한 결과 제안한 세 가지 방법들이 기존의 ML방법보다 향상된 식별률을 보였다.; 특히 복합방법 및 MWMR방법의 경우에는 WMR방법보다 각각 약 2%와 3%의 향상된 식별률을 나타내어 제안한 방법들의 화자식별에 있어서의 유효성을 확인할 수 있었다.문맥독립 화자식별 방법으로서는 장시간 통계에 기반한 방법,벡터양자화기법에 기반한 방법,은닉 마르코브모델(HMM),가우시안혼합모델(GMM)에 기반한 방법 등이 있으며,이러한 방법들 중 화자특성 변화의 표현과 화자식별 성능 면에서 좋은 결과를 나타내고 있는 GMM에 기반한 방법이 가장 유리한 것으로 알려져 있다. 한편,화자식별 및 검증과 같은 화자식별은 고정도의 인식률을 요구하기 때문에 실제 인식 시스템을 구현하는데는 많은 어려움이 있으므로 명확한 화자식별성능을 위하여 최대 유사도(ML)를 이용한 식별방법을 많이 이용하고 있다.최근 K.Markov 등에 의해 제안된 가중모델순위방법(WMR)의 경우, ML 방법보다 평균 3%의 향상된 식별성능을 나타내고 있다. WMR방법의 경우, ML방법보다 화자들 사이의 변별력을 높일 수 있지만, 유사도 본래의 변별력을 고려하지 않고 유사도의 상대적 위치에 따라 결정된 가중치만을 화자식별에 이용하므로 화자의 특성을 잘 표현하지 못하는 프레임에서도 상대적인 유사도 값만 크다면 큰 가중치가 부여될 수 있는 문제점이 있다. 이를 해결하는 방법으로는 특정화자에 의해서 발성된 음성 중 특정 프레임이 그 화자의 특징정보를 많이 보유하고 있는 경우 그 프레임은 다른 화자모델들과의 유사도 차이가 클 것이므로 이와 같은 유사도 차이가 큰 프레임만을 이용하여 식별화자를 결정하는 방법을 생각할 수 있다. 또한 이들 프레임에 가중치를 부여하여 식별에 이용함으로써 화자들 사이의 변별력을 더욱 높이는 방법도 고려할 수 있으며,식별화자를 결정하기 위한 전체 점수를 계산할 때,프레임 단위로 계산된 유사도와 유사도의 상대적 크기에 따라 결정할 수 있는 지수함수 가중치를 함께 이용하는 방법도 고려할 수 있다.본 발명에서는 종래로부터의 화자식별 시스템 가운데에서도 성능이 우수한 GMM방식을 기반으로 하여 위에서 언급된 변별력이 높은 프레임 선택방법,여기에 가중치를 부여하여 식별에 이용하는 방법등을 이용하여 화자식별 성능을 제고하는 방법,프레임단위로 계산된 유사도와 유사도의 상대적 위치도 함께 고려하는 방법을 제안하고 실험을 통하여 제안한 방법의 유효성을 확인할 수있는 문맥독립형 화자식별방법을 제공함에 그 목적이 있다.