평균 예측 LMS 알고리즘을 이용한 반향 잡음에 강인한 HMM 학습 모델

Echo Noise Robust HMM Learning Model using Average Estimator LMS Algorithm

음성 인식 시스템은 다양하게 변화하는 환경 잡음에 빠르게 적응할 수 없어서 인식 성능을 저하시키는 요인이 된다. 본 논문에서는 평균 예측 LMS 알고리즘을 이용하여 반향 잡음에 강인하게 하는 방법으로 HMM 학습 모델을 구성하는 방법을 제안하였으며, 변화하는 반향 잡음에 적응하도록 HMM 학습 모델을 구성하여 인식 성능을 평가하였다. 실험 결과 변화하는 환경 잡음을 제거하여 얻은 음성의 SNR은 평균 3.1dB이 향상되었고 인식률은 3.9% 향상되었다.

The speech recognition system can not quickly adapt to varied environmental noise factors that degrade the performance of recognition. In this paper, the echo noise robust HMM learning model using average estimator LMS algorithm is proposed. To be able to adapt to the changing echo noise HMM learning model consists of the recognition performance is evaluated. As a results, SNR of speech obtained by removing Changing environment noise is improved as average 3.1dB, recognition rate improved as 3.9%.