• 대한음성학회지:말소리
• /
• 제52호
• /
• pp.145-160
• /
• 2004

In this paper, a new noise compensation method based on the eigenvoice framework in feature space is proposed to reduce the mismatch between training and testing environments. The difference between clean and noisy environments is represented by the linear combination of K eigenvectors that represent the variation among environments. In the proposed method, the performance improvement of speech recognition systems is largely affected by how to construct the noisy models and the bias vector set. In this paper, two methods, the one based on MAP adaptation method and the other using stereo DB, are proposed to construct the noisy models. In experiments using Aurora 2 DB, we obtained 44.86% relative improvement with eigen-environment method in comparison with baseline system. Especially, in clean condition training mode, our proposed method yielded 66.74% relative improvement, which is better performance than several methods previously proposed in Aurora project.

• 한국음향학회지
• /
• 제31권2호
• /
• pp.87-92
• /
• 2012

In this paper, a robust feature compensation method to deal with the environmental mismatch is proposed. The proposed method applies energy based weights according to the degree of speech presence to the Mean subtraction, Variance normalization, and ARMA filtering (MVA) processing. The weights are further smoothed by the moving average and maximum filters. The proposed feature compensation algorithm is evaluated on AURORA 2 task and distant talking experiment using the robot platform, and we obtain error rate reduction of 14.4 % and 44.9 % by using the proposed algorithm comparing with MVA processing on AURORA 2 task and distant talking experiment, respectively.

• International Journal of Advanced Culture Technology
• /
• 제7권4호
• /
• pp.194-207
• /
• 2019

This paper is the author's personal experience and interpretation as a student whilst participating in Professor Kyung-Sook Shin's English Literature graduate course, "Literature and Technology II: Feminisms and Digital Humanities," during the 2019 spring semester at Yonsei University, South Korea. Exploring the intersections of literary feminist theory and digital humanities, this paper examines not only the content, but also the methodology and political effects of collaboratively digitally annotating Elizabeth Barrett Browning's epic novel/poem, Aurora Leigh (1856) through the medium, Google Docs. In particular, this paper observes the students' interaction with the digital tools and literature-related pedagogy in two main parts. First, the democratic political nature of classroom culture when creating a new language/code during annotation. Second, the coexistence of cyberspace and the physical classroom space and its effect on time, specifically in the archival of the past, influencing of the future, and the splitting into the present multiverse. From a student's perspective in digital literary annotation, this paper shows that technology could become a way to decolonize and reprogram education to be more inclusive and collaborative.

• 한국전자통신학회논문지
• /
• 제8권4호
• /
• pp.555-560
• /
• 2013

본 논문에서는 거리측정, 로그전력, 실효치 방법에 의하여 유성음, 무성음, 묵음 구간을 검출하여, 서브밴드 필터에 의한 잡음제거 알고리즘을 제안한다. 제안한 알고리즘은 각 프레임에서 서브밴드 필터를 사용하여 잡음으로 오염된 음성신호로부터 백색잡음 및 도로잡음의 스펙트럼을 차감하는 방법이다. 본 실험에서는 Aurora-2 데이터베이스에 포함된 음성신호와 잡음신호를 사용하여 스펙트럼 차감 알고리즘의 결과를 나타낸다. 잡음에 의하여 오염된 음성신호에 대하여 신호대잡음비를 사용하여 본 알고리즘이 유효하다는 것을 확인한다. 실험으로부터 백색잡음에 대하여 평균 2.1 dB, 도로잡음에 대하여 평균 1.91 dB의 출력 신호대잡음비가 개선된 것을 확인할 수 있었다.

• 대한전자공학회논문지SP
• /
• 제46권2호
• /
• pp.120-126
• /
• 2009

잡음환경 하의 회화에서 잡음량을 줄이고 신호처리 시스뎀의 성능을 향상시키기 위해서는 잡음량에 따라서 적응적으로 처리되는 신호처리 시스템이 필요하다. 따라서 본 논문에서는 선형예측계수를 사용하여 잡음량을 인식하는 방법을 제안하며, 본 잡음량 인식은 다양한 배경잡음에 의하여 열화된 3종류의 음성이 신경회로망에 의하여 학습되어진다. 제안한 잡음량 인식의 성능은 다양한 잡음에 대하여 인식율을 사용하여 측정되었다. 본 실험에서는 Aurora2 데이터베이스를 사용하여 여러 잡음에 대하여 평균적으로 약 98.4% 이상의 양호한 인식결과를 확인할 수 있었다.

• 한국정보통신학회논문지
• /
• 제17권8호
• /
• pp.1769-1776
• /
• 2013

본 논문에서는 유색잡음에 의해 오염된 음성신호의 음성향상 알고리즘인 YL 접근법에 VAD(voice activity detector)를 구현하는 수정된 알고리즘을 제안한다. 제안한 알고리즘을 YL 접근법 및 LS 접근법과 컴퓨터 시뮬레이션으로 성능을 비교하였다. 사용한 유색잡음은 자동차 잡음과 다중화자 배블 잡음으로 AURORA 데이터베이스로 부터 각각 발췌하였고, 음성신호는 TIMIT 데이터 베이스로부터 발췌하였다. 제안한 알고리즘을 실험했을 때 제안하는 방법이 신호대잡음비 및 스펙트럼 왜곡 측면에서 기존의 두 알고리즘 보다 개선됨을 확인하였다.

• 한국음향학회지
• /
• 제39권1호
• /
• pp.64-68
• /
• 2020

가우스 혼합 모델-은닉 마코프 모델(Gaussian Mixture Model-Hidden Markov Model, GMM-HMM)을 이용하는 전통적인 음성인식 시스템에서는, 극점 필터링 기반의 켑스트럼 특징 정규화 방식이 잡음 환경에서 짧은 발화의 인식 성능을 향상시키는데 효과적이었다. 본 논문에서는 심층신경망(Deep Neural Network, DNN)을 이용하는 최신의 음성인식 시스템에서도 이 방식의 유용성이 있는지 검토한다. AURORA 2 DB에 대한 실험 결과, 특히 훈련 및 테스트 환경 사이의 불일치가 클 때에, 극점 필터링 기반의 켑스트럼 평균 분산 정규화 방식이 극점 필터링을 사용하지 않는 방식에 비해 매우 짧은 발화의 인식 성능을 개선시킴을 보여 준다.

• 한국우주과학회:학술대회논문집(한국우주과학회보)
• /
• 한국우주과학회 2008년도 한국우주과학회보 제17권2호
• /
• pp.31.1-31.1
• /
• 2008

While some observations in the geomagnetic tail region supported electrons could be accelerated by reconnection processes, we still need more observation data to confirm electron acceleration in this region. Because most acceleration processes accompany strong pitch angle diffusion, if the electrons were accelerated in this region, strong energetic electron precipitation should be observed near earth on aurora oval. Even though there are several low altitude satellites observing electron precipitation, intense and small scale precipitation events have not been identified successfully. In this presentation, we will show an observation of strong energetic electron precipitation that might be analyzed by relativistic electron acceleration in the confined region. This event was observed by low altitude Korean STSAT-1, where intense several hundred keV electron precipitation was seen simultaneously with 10 keV electrons during storm time. In addition, we observed large magnetic field fluctuations and an ionospheric plasma depletion with FUV aurora emissions. Our observation implies relativistic electrons can be generated in the small area where Fermi acceleration might work.

• 한국통신학회논문지
• /
• 제37권6C호
• /
• pp.492-496
• /
• 2012

본 논문은 잡음이 많이 존재할 경우 특징 보상 기법들의 불완전한 추정 방법으로 인하여 발생할 수 있는 불확실성 정보를 음성 인식의 디코딩에 반영해 줌으로써 좀 더 인식 성능을 향상시킬 수 있는 방법에 대한 연구이다. 기존의 특징 보상 기법들은 현재 시간에서의 깨끗한 특징 파라미터를 추정하는 단일점 추정 기법들이 대부분이다. 하지만 낮은 SNR 환경에서의 잘못된 추정 파라미터들이 음성 인식 엔진의 입력으로 사용될 경우 성능이 저하되기 때문에 추정된 파라미터의 불확실성 정보를 이용하여 디코딩을 해주면 추정 오류를 보완해줄 수 있다. 본 논문에서는 대표적인 Aurora-2 DB를 활용하여 적용된 기법의 성능 향상을 확인한다.

• ETRI Journal
• /
• 제30권5호
• /
• pp.753-755
• /
• 2008

In this letter, we propose a new histogram equalization technique for feature compensation in speech recognition under noisy environments. The proposed approach combines a signal-to-noise-ratio-dependent feature reconstruction method and the class histogram equalization technique to effectively reduce the acoustic mismatch present in noisy speech features. Experimental results from the Aurora 2 task confirm the superiority of the proposed approach for acoustic feature compensation.