일반기술

시간차 신경망을 이용한 고립단어 인식을 위한 하드웨어 구조

본 발명은 시간차 신경망을 위한 게이트레벨에서의 아키텍쳐를 구성할 수 있도록 된 시간차 신경망을 이용한 고립단어 인식을 위한 하드웨어 구조에 관한 것이다. 한편, 본 발명은 시간차 신경망(TDNN)의 곱하는 연산을 각각의 레이어마다 시스톨릭하게 처리하도록 구성하고, 전체적으로 정수연산을 사용할 수 있도록 하고, ASIC과 같은 소용량의 빠른 칩을 이용할 수 있도록 하는 시간차 신경망을 이용한 고립단어 인식을 위한 하드웨어 구조에 관한 것이다. ; 이를 위한 본 발명은 마이크를 통해 입력되는 음성신호를 샘플링하고 양자화하기 위한 샘플링/양자화 수단과; 상기 샘플링/양자화 수단을 경유한 신호를 주파수에 따라 나누는 필터뱅크 수단과; 상기 필터뱅크 수단을 경유한 신호를 제로 크로싱 값으로 변환하는 제로 크로싱 수단; 및 상기 제로 크로싱 값을 다운 샘플링을 통해 데시메이션(decimation)하여 나온 특징 벡터를 시간차 신경망(TDNN; temporal difference neural network)의 입력으로 하는 시간차 신경망 입력수단을 포함하고, 상기 필터뱅크는 밴드패스 필터로 이루어지도록 된 것을 특징으로 한다. 마이크를 통해 입력되는 음성신호를 샘플링하고 양자화하기 위한 샘플링/양자화 수단; 상기 샘플링/양자화 수단을 경유한 신호를 주파수에 따라 나누는 필터뱅크 수단; 상기 필터뱅크 수단을 경유한 신호를 제로 크로싱 값으로 변환하는 제로 크로싱 수단; 및 상기 제로 크로싱 값을 다운 샘플링을 통해 데시메이션(decimation)하여 나온 특징 벡터를 시간차 신경망(TDNN; temporal difference neural network)의 입력으로 하는 시간차 신경망 입력수단을 포함하고, 상기 필터뱅크는 밴드패스 필터로 이루어지도록 된 것을 특징으로 하는 시간차 신경망을 이용한 고립단어 인식을 위한 하드웨어 구조.