| 1 |
1
입력되는 음성신호로부터 특징 벡터를 추출하는 특징 추출부;루트 노드, 중간 노드와 엔드 노드를 포함하는 회귀 트리를 포함하는 음향모델을 저장하는 음향모델 저장부;상기 특징 벡터와 상기 음향모델을 이용하여 각 후보 스테이트 별로 가우시안 사후확률을 산출하고, 상기 가우시안 사후확률을 이용한 통계치를 상기 회귀 트리의 대응하는 엔드 노드에 누적변수로 저장하며, 상기 회귀 트리의 각 중간 노드 별로 대응하는 서브 트리의 엔드 노드에 해당하는 가우시안 사후확률들을 누적 합산한 값과 문턱 값을 비교하여 변환 매개변수 클래스를 결정하는 변환 매개변수 클래스 결정부; 및 상기 변환 매개변수 클래스 및 상기 누적변수를 이용하여 변환 매개변수를 산출하고, 상기 변환 매개변수를 이용하여 상기 음향모델을 갱신하는 음향모델 갱신부를 포함하고,상기 회귀 트리의 루트 노드는 음향모델 전체 스테이트를 나타내고, 상기 회귀 트리의 엔드 노드는 물리적으로 분리할 수 없는 개별 스테이트를 나타내며, 상기 루트 노드에서 서브 노드로 갈수록 상기 음향모델의 세부 스테이트 클래스를 나타내는 화자 적응 시스템
|
| 2 |
2
삭제
|
| 3 |
3
제 1항에 있어서,상기 변환 매개변수 클래스 결정부는,상기 각 후보 스테이트 별로 해당하는 스테이트가 발생할 확률 및 전이될 확률에 해당하는 포워드-백워드 확률을 산출하고, 상기 포워드-백워드 확률을 이용하여 상기 각 후보 스테이트가 특정 시간에 발생할 확률에 해당하는 상기 가우시안 사후확률을 산출하는 것을 특징으로 하는 화자 적응 시스템
|
| 4 |
4
제 1항에 있어서,상기 음향모델 갱신부는,상기 변환 매개변수를 이용하여 음향모델 평균값을 산출하고, 상기 음향모델 평균값을 이용하여 상기 음향모델을 갱신하는 것을 특징으로 하는 화자 적응 시스템
|
| 5 |
5
제1항에 있어서,갱신된 음향모델을 이용한 음성인식을 수행하여 상기 특징 벡터로부터 단어를 출력하는 음성 인식부를 더 포함하는 화자 적응 시스템
|
| 6 |
6
화자 적응 시스템이 화자 적응을 수행하는 방법에 있어서,입력되는 음성신호로부터 특징 벡터를 추출하는 단계;루트 노드, 중간 노드와 엔드 노드를 포함하는 회귀 트리를 포함하는 음향모델 및 상기 특징 벡터를 이용하여 각 스테이트 별 가우시안 사후확률을 산출하는 단계;각 스테이트 별로 상기 가우시안 사후확률을 이용하는 통계치를 상기 회귀 트리의 대응하는 엔드 노드에 누적변수로 저장하는 단계;상기 회귀 트리의 각 중간 노드 별로 대응하는 서브 트리의 엔드 노드에 해당하는 가우시안 사후확률들을 누적 합산한 값과 문턱 값을 비교하여 변환 매개변수 클래스를 결정하는 단계;상기 변환 매개변수 클래스 및 상기 누적변수를 토대로 변환 매개변수를 산출하는 단계; 및상기 변환 매개변수를 이용하여 산출한 음향모델 평균값을 이용하여 상기 음향모델을 갱신하는 단계를 포함하고,상기 회귀 트리의 루트 노드는 음향모델 전체 스테이트를 나타내고, 상기 회귀 트리의 엔드 노드는 물리적으로 분리할 수 없는 개별 스테이트를 나타내며, 상기 루트 노드에서 서브 노드로 갈수록 상기 음향모델의 세부 스테이트 클래스를 나타내는 화자 적응 방법
|
| 7 |
7
제 6항에 있어서,상기 가우시안 사후확률을 산출하는 단계는,상기 음향모델 및 상기 특징 벡터를 이용하여 각 스테이트 별로 해당하는 스테이트가 발생할 확률 및 전이될 확률에 해당하는 포워드-백워드 확률을 산출하는 단계; 및상기 포워드-백워드 확률을 이용하여 각 스테이트가 특정 시간에 발생할 확률에 해당하는 상기 가우시안 사후확률을 산출하는 단계를 포함하는 화자 적응 방법
|
| 8 |
8
제 6항에 있어서,상기 결정하는 단계는,상기 회귀 트리에 포함된 중간 노드 중에서 상기 누적 합산한 값이 상기 문턱 값 이상인 중간 노드를 선택하는 단계; 및선택된 중간 노드에 따라 상기 변환 매개변수 클래스를 결정하는 단계를 포함하는 화자 적응 방법
|
| 9 |
9
제 6항에 있어서,갱신된 음향모델을 토대로 음성인식을 수행하여 상기 특징 벡터로부터 단어를 출력하는 단계를 더 포함하는 화자 적응 방법
|
