맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

가중 자동회귀 이동평균 필터와 전역 켑스트럼 평균 및 분산 정규화를 이용한 특징 보상

  • 기술번호 : KST2014047640
  • 담당센터 : 부산기술혁신센터
  • 전화번호 : 051-606-6561
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 잡음과 반향이 존재하는 원거리 환경에서 음성인식 시스템의 성능 저하를 막을 수 있는 가중 자동회귀 이동평균 필터와 전역 켑스트럼 평균 및 분산 정규화를 이용한 특징 보상 장치 및 방법을 제공하기 위한 것으로서, 입력되는 훈련 음성 및 인식 음성을 각각 입력받아 복수의 프레임으로 분리하고, 각 프레임의 음성 신호에 대해 훈련 음성 켑스트럼과 인식 음성 켑스트럼을 추출하는 단계와, 상기 추출된 훈련 음성 켑스트럼 및 인식 음성 켑스트럼의 전역 평균과 분산으로 훈련 음성 켑스트럼 및 인식 음성 켑스트럼을 각각 정규화하는 단계와, 상기 정규화에서 인식 음성 켑스트럼을 정규화할 경우 1 번째 문장부터 마지막(n) 번째 문장까지 각각 이전 입력의 켑스트럼의 정규화 값을 기반으로 현재 입력되는 켑스트럼의 전역 평균과 분산을 지속적으로 갱신하는 단계와, 상기 정규화된 훈련 음성 및 인식 음성 켑스트럼의 프레임별 음성 존재 여부에 대한 가중치를 구하여 정규화된 켑스트럼 시계열을 가중 자동회귀 이동평균 필터링을 수행하는 단계와, 상기 가중 자동회귀 이동평균 필터링되어 출력되는 훈련 음성 켑스트럼에 해당하는 HMM의 유사도(likelihood)가 최대가 되도록 HMM 음향 모델을 갱신하고, 비터비 디코딩(Viterbi decoding)을 통해 상기 갱신된 HMM 음향 모델 중 가중 자동회귀 이동평균 필터링 된 인식 음성 켑스트럼에 대한 HMM 음향 모델의 유사도(likelihood)가 최대가 되는 인식 문장을 선택하는 단계를 포함하여 이루어지는데 있다.
Int. CL G10L 21/02 (2006.01) G10L 15/14 (2006.01)
CPC G10L 25/24(2013.01) G10L 25/24(2013.01) G10L 25/24(2013.01)
출원번호/일자 1020100139509 (2010.12.30)
출원인 부산대학교 산학협력단
등록번호/일자 10-1236539-0000 (2013.02.18)
공개번호/일자 10-2012-0077527 (2012.07.10) 문서열기
공고번호/일자 (20130225) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 소멸
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2010.12.30)
심사청구항수 7

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 부산대학교 산학협력단 대한민국 부산광역시 금정구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김형순 대한민국 부산광역시 금정구
2 반성민 대한민국 부산광역시 해운대구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 정기택 대한민국 서울특별시 서초구 강남대로**길 **, *층 (반포동, 새로나빌딩)(스카이특허법률사무소)
2 오위환 대한민국 서울특별시 서초구 강남대로**길 **, *층 (반포동, 새로나빌딩)(스카이특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 부산대학교 산학협력단 부산광역시 금정구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2010.12.30 수리 (Accepted) 1-1-2010-0878186-14
2 보정요구서
Request for Amendment		 2011.01.11 발송처리완료 (Completion of Transmission) 1-5-2011-0002859-04
3 [출원서등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2011.01.12 수리 (Accepted) 1-1-2011-0024217-24
4 [대리인해임]대리인(대표자)에 관한 신고서
[Dismissal of Sub-agent] Report on Agent (Representative)		 2011.06.14 수리 (Accepted) 1-1-2011-0449977-06
5 의견제출통지서
Notification of reason for refusal		 2012.07.27 발송처리완료 (Completion of Transmission) 9-5-2012-0437110-05
6 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2012.09.12 수리 (Accepted) 1-1-2012-0738598-30
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2012.09.12 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2012-0738599-86
8 등록결정서
Decision to grant		 2013.01.29 발송처리완료 (Completion of Transmission) 9-5-2013-0060862-13
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2014.01.02 수리 (Accepted) 4-1-2014-0000027-56
10 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2016.01.13 수리 (Accepted) 4-1-2016-5004891-78
11 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2017.01.09 수리 (Accepted) 4-1-2017-5004005-98
12 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2017.01.10 수리 (Accepted) 4-1-2017-5004797-18
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
훈련 음성 및 인식 음성을 각각 입력받아 복수의 프레임으로 분리하고, 각 프레임의 음성 신호에 대해 푸리에 변환을 수행하여 훈련 음성 켑스트럼과 인식 음성 켑스트럼을 추출하는 MFCC(Mel-Frequency Cepstral Coefficients) 특징 추출부와,상기 MFCC 특징 추출부에서 출력되는 훈련 음성 켑스트럼 및 인식 음성 켑스트럼의 전역 평균과 분산으로 훈련 음성 켑스트럼 및 인식 음성 켑스트럼을 각각 정규화하는 켑스트럼 평균 및 분산 정규화부와,상기 정규화에서 인식 음성 켑스트럼을 정규화할 경우 1 번째 문장부터 마지막(n) 번째 문장까지 각각 이전 입력의 켑스트럼의 정규화 값을 기반으로 현재 입력되는 켑스트럼의 전역 평균과 분산을 지속적으로 갱신하는 업데이트부와,상기 켑스트럼 평균 및 분산 정규화부에서 출력되는 정규화된 훈련 음성 켑스트럼 및 인식 음성 켑스트럼의 프레임별 음성 존재 여부에 대한 가중치를 구하여 정규화된 켑스트럼 시계열을 가중 자동회귀 이동평균 필터링하는 가중 자동회귀 이동평균 필터와,상기 가중 자동회귀 이동평균 필터에서 출력되는 훈련 음성 켑스트럼이 입력되면, 입력되는 훈련 음성 켑스트럼에 해당하는 HMM의 유사도(likelihood)가 최대가 되도록 HMM 음향 모델을 갱신하는 음향 모델 훈련부와, 비터비 디코딩(Viterbi decoding)을 통해 상기 가중 자동회귀 이동평균 필터에서 출력되는 인식 음성 켑스트럼에 대한 상기 음향모델 훈련부에서 출력되는 HMM 음향 모델의 유사도(likelihood)가 최대가 되게 하는 문장을 선택하는 음성 인식부를 포함하여 구성되는 것을 특징으로 하는 가중 자동회귀 이동평균 필터와 전역 켑스트럼 평균 및 분산 정규화를 이용한 특징 보상 장치
2 2
제 1 항에 있어서,상기 특징 보상 장치는 인식 단어에 대하여 단어별 구성 음소에 해당하는 음소 단위의 HMM(Hidden Markov Model)들로 이루어진 HMM 음향 모델 데이터베이스를 포함하는 것을 특징으로 하는 가중 자동회귀 이동평균 필터와 전역 켑스트럼 평균 및 분산 정규화를 이용한 특징 보상 장치
3 3
(A) 입력되는 훈련 음성 및 인식 음성을 각각 입력받아 복수의 프레임으로 분리하고, 각 프레임의 음성 신호에 대해 훈련 음성 켑스트럼과 인식 음성 켑스트럼을 추출하는 단계와,(B) 상기 추출된 훈련 음성 켑스트럼 및 인식 음성 켑스트럼의 전역 평균과 분산으로 훈련 음성 켑스트럼 및 인식 음성 켑스트럼을 각각 정규화하는 단계와,(C) 상기 정규화에서 인식 음성 켑스트럼을 정규화할 경우 1 번째 문장부터 마지막(n) 번째 문장까지 각각 이전 입력의 켑스트럼의 정규화 값을 기반으로 현재 입력되는 켑스트럼의 전역 평균과 분산을 지속적으로 갱신하는 단계와,(D) 상기 정규화된 훈련 음성 및 인식 음성 켑스트럼의 프레임별 음성 존재 여부에 대한 가중치를 구하여 정규화된 켑스트럼 시계열을 가중 자동회귀 이동평균 필터링을 수행하는 단계와,(E) 상기 가중 자동회귀 이동평균 필터링되어 출력되는 훈련 음성 켑스트럼이 입력되면 입력되는 훈련 음성 켑스트럼에 해당하는 HMM의 유사도(likelihood)가 최대가 되도록 HMM 음향 모델을 갱신하는 단계와,(F) 비터비 디코딩(Viterbi decoding)을 통해 상기 갱신된 HMM 음향 모델 중 가중 자동회귀 이동평균 필터링 된 인식 음성 켑스트럼에 대한 HMM 음향 모델의 유사도(likelihood)가 최대가 되는 인식 문장을 선택하는 단계를 포함하여 이루어지는 것을 특징으로 하는 가중 자동회귀 이동평균 필터와 전역 켑스트럼 평균 및 분산 정규화를 이용한 특징 보상 방법
4 4
제 3 항에 있어서, 상기 (B) 단계는(B1) 입력되는 훈련 음성 및 인식 음성 켑스트럼별로 k(1 이상의 상수)개의 샘플들을 취하여 각각 한 개의 프레임으로 구성하는 단계와,(B2) 상기 구성된 연속된 프레임별로 이산 푸리에 변환(Discrete Fourier Transform : DFT)을 한 후, 멜-스케일(mel-scale)의 삼각 필터뱅크에 통과시켜 N(1 이상의 상수)개의 필터뱅크 출력을 산출하고, 이를 이산 코사인 변환(Discrete Cosine Transform : DCT)하여 켑스트럼의 값을 산출하는 단계와,(B3) 상기 산출된 켑스트럼의 각 값을 켑스트럼 평균 및 분산 정규화를 사용하여 각각 정규화하는 단계를 포함하는 것을 특징으로 하는 가중 자동회귀 이동평균 필터와 전역 켑스트럼 평균 및 분산 정규화를 이용한 특징 보상 방법
5 5
제 4 항에 있어서, 상기 (B3) 단계는 상기 산출된 켑스트럼의 값( )을 수식 를 이용하여 정규화하고, 이때, 켑스트럼의 평균( )은 수식 를, 표준편차( )는 수식 를 이용하여 산출하며, 여기서 상기 N은 훈련 또는 인식 음성에서 사용한 전체 문장의 개수이며, 상기 은 n번째 문장의 프레임 수이며, 따라서 상기 은 훈련 또는 인식 음성에서 사용한 전체 프레임의 개수인 것을 특징으로 하는 가중 자동회귀 이동평균 필터와 전역 켑스트럼 평균 및 분산 정규화를 이용한 특징 보상 방법
6 6
제 3 항에 있어서, 상기 (C) 단계는(C1) 인식에 사용했던 1 번째 문장부터 마지막(n) 번째 문장을 사용한 전역 평균 을 수식 로 갱신하고, 이를 다시 수식 로 변환하여 켑스트럼의 전역 평균을 산출하고, 수식 로 변환하여 켑스트럼의 전역 표준편차를 산출하는 단계와,(C2) 상기 산출된 켑스트럼의 평균과 표준편차를 이용하여 n번째 인식 대상 문장의 t번째 프레임에서의 k번째 켑스트럼 를 수식 를 이용하여 정규화하는 단계로 이루어지고,이때, 상기 는 n번째 문장을 추가함에 따라 수식 으로 산출하고, 이때 n'과 는 미리 정의되는 상수인 것을 특징으로 하는 가중 자동회귀 이동평균 필터와 전역 켑스트럼 평균 및 분산 정규화를 이용한 특징 보상 방법
7 7
제 3 항에 있어서, 상기 (D) 단계에서 가중 자동회귀 이동평균 필터링은 수식 를 적용하여 필터링을 수행하고, 이때, 상기 k=1,
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 지식경제부 서강대학교 산학협력단 지식경제 프론티어 기술개발사업 음성/영상 통합 정보를 활용하는 지능형 말동무 로봇용 대화음성 인터페이스