초록
본 논문에서는 기존의 PMC 알고리듬을 분별적으로 적응하는 방법을 제시하여 인식율의 향상을 이루었다. PMC의 분별적인 적응을 위하여 PMC의 변형인 modified PMC 방식을 채택하였고, 여기에서 각 HMM의 상태 및 mixture 에 따른 고유한 결합지수를 분별적으로 학습하는 방법을 취하였다. 인식 실험결과 제안된 방식은 기존의 PMC보다 우수한 성능을 보였을 뿐만 아니라 또 따른 모델 변환기법인 STAR 방식에 비해서도 낮은 SNR인 경우와 적응데이터가 충분하지 않은 경우에는 더 나은 결과를 나타냄을 알 수 있었다.
In this paper, we proposed a discriminative adaptation method for PMC algorithm and achieved improved speech recognition rate. For the adaptation, we adopted modified PMC(MPMC) which is a variant of PMC and discriminatively adapted the association factor for each mixture of the HMM in the MPMC. From the recognition experiments, the proposed method showed better recognition rate than the conventional PMC. Also, compared with STAR algorithm which is another model parameter compensation method, the proposed method showed superior performance when the SNR is very low and the adaptation data is not sufficient.