| 1 |
1
음성 신호에 대한 음소열 내의 음소들 간의 모노폰 거리값들을 구하는 음소 거리값 계산부와;
상기 음소열에 대한 트라이폰 데이터 중에 학습부진 데이터가 존재할 때 상기 구한 모노폰 거리값들 중에서 좌우 문맥의 모노폰 거리값들을 합하여 트라이폰들 간의 거리를 구하고, 상기 구해진 트라이폰들 간의 거리 값들 중에서 가장 작은 쌍을 병합하는 클러스터링부를 포함하는 것을 특징으로 하는 음성 인식 장치
|
| 2 |
2
제1항에 있어서, 상기 클러스터링부는,
상기 구해진 트라이폰들 간의 거리 값들 중에서 상기 학습부진 데이터가 포함된 가장 작은 쌍을 병합하는 것을 특징으로 하는 음성 인식 장치
|
| 3 |
3
제1항에 있어서, 음성 인식 장치에 입력되는 음성 신호에 대한 배경 잡음을 억제하고, 상기 잡음 억제된 음성 신호로부터 사용자의 음성 구간을 검출하고, 상기 검출된 음성 구간에서 음성 인식에 사용될 특징 벡터를 추출하는 특징 추출부를 더포함하는 것을 특징으로 하는 음성 인식 장치
|
| 4 |
4
제3항에 있어서,
상기 추출된 특징 벡터 열을 N개의 후보 음소열로 변환하는 음소 디코딩부를 더 포함하며, 여기서, 상기 N개는 자연수인 것을 특징으로 하는 음성 인식 장치
|
| 5 |
5
제1항에 있어서, 상기 클러스터링부는,
상기 음소열에 대한 트라이폰 데이터 중에서 학습부진 데이터가 존재할 때 상기 구한 모노폰 거리값들 중에서 좌우 문맥의 모노폰 거리값들을 합하여 모든 쌍의 트라이폰들 간의 거리를 구하고, 상기 존재하는 모든 학습부진 데이터가 병합될 때까지 상기 구해진 트라이폰들 간의 거리 값들 중에서 상기 학습부진 데이터가 포함된 가장 작은 쌍을 병합하는 과정을 반복하는 것을 특징으로 하는 음성 인식 장치
|
| 6 |
6
제1항에 있어서, 상기 클러스터링부는,
상기 구해진 트라이폰들 간의 거리 값들 중에서 가장 작은 쌍을 병합하는 과정을 반복함으로써 상기 학습부진 데이터가 존재하지 않을 때 상향식 알고리즘을 수행하는 것을 특징으로 하는 음성 인식 장치
|
| 7 |
7
제1항에 있어서, 상기 음소 거리값 계산부는,
상기 음소들 간의 모노폰 거리값들을 식을 통해 구하며, 여기서,는 평균값이며, 분산 값을 나타내는 것을 특징으로 하는 음성 인식 장치
|
| 8 |
8
음성 인식 장치에 입력되는 음성 신호에 대한 배경 잡음을 억제하고, 상기 잡음 억제된 음성 신호로부터 사용자의 음성 구간만을 검출하고, 상기 검출된 음성 구간에서 음성 인식에 사용될 특징 벡터를 추출하는 특징 추출부와;
상기 추출된 특징 벡터 열을 음소열로 변환하는 음소 디코딩부와;
상기 음소열 내의 음소들 간의 모노폰 거리값들을 구하는 음소 거리값 계산부와;
상기 음소열에 대한 트라이폰 데이터 중에서 학습부진 데이터가 존재할 때 상기 구한 모노폰 거리값들 중에서 좌우 문맥의 모노폰 거리값들을 합하여 모든 쌍의 트라이폰들 간의 거리를 구하고, 상기 존재하는 모든 학습부진 데이터가 병합될 때까지 상기 구해진 트라이폰들 간의 거리 값들 중에서 상기 학습부진 데이터가 포함된 가장 작은 쌍을 병합하는 과정을 반복하는 클러스터링부를 포함하는 것을 특징으로 하는 이동 단말기의 음성 인식 장치
|
| 9 |
9
음성 신호에 대한 음소열 내의 음소들 간의 모노폰 거리값들을 구하는 단계와;
상기 음소열에 대한 트라이폰 데이터 중에서 학습부진 데이터가 존재할 때 상기 구한 모노폰 거리값들 중에서 좌우 문맥의 모노폰 거리값들을 합하여 트라이폰들 간의 거리를 구하는 단계와;
상기 구해진 트라이폰들 간의 거리 값들 중에서 가장 작은 쌍을 병합하는 단계를 포함하는 것을 특징으로 하는 음성 인식 방법
|
| 10 |
10
제9항에 있어서, 상기 가장 작은 쌍을 병합하는 단계는,
상기 구해진 트라이폰들 간의 거리 값들 중에서 상기 학습부진 데이터가 포함된 가장 작은 쌍을 병합하는 단계인 것을 특징으로 하는 음성 인식 방법
|
| 11 |
11
제9항에 있어서,
상기 음성 신호에 대한 배경 잡음을 억제하고, 상기 잡음 억제된 음성 신호로부터 사용자의 음성 구간을 검출하고, 상기 검출된 음성 구간에서 음성 인식에 사용될 특징 벡터를 추출하는 단계를 더 포함하는 것을 특징으로 하는 음성 인식 방법
|
| 12 |
12
제11항에 있어서,
상기 추출된 특징 벡터 열을 N개의 후보 음소열로 변환하는 단계를 더 포함하며, 여기서, 상기 N개는 자연수인 것을 특징으로 하는 음성 인식 방법
|
| 13 |
13
제9항에 있어서, 상기 학습부진 데이터가 포함된 가장 작은 쌍을 병합하는 단계는,
상기 음소열에 대한 트라이폰 데이터 중에서 학습부진 데이터가 존재할 때 상기 구한 모노폰 거리값들 중에서 좌우 문맥의 모노폰 거리값들을 합하여 모든 쌍의 트라이폰들 간의 거리를 구하고, 상기 존재하는 모든 학습부진 데이터가 병합될 때까지 상기 구해진 트라이폰들 간의 거리 값들 중에서 상기 학습부진 데이터가 포함된 가장 작은 쌍을 병합하는 과정을 반복하는 단계인 것을 특징으로 하는 음성 인식 방법
|
| 14 |
14
제13항에 있어서,
상기 구해진 트라이폰들 간의 거리 값들 중에서 가장 작은 쌍을 병합하는 과정을 반복함으로써 상기 학습부진 데이터가 존재하지 않을 때 상향식 알고리즘을 수행하는 단계를 더 포함하는 것을 특징으로 하는 음성 인식 방법
|
| 15 |
15
제9항에 있어서,
상기 음소들 간의 모노폰 거리값들을 식을 통해 구하며, 여기서,는 평균값이며, 분산 값을 나타내는 것을 특징으로 하는 음성 인식 방법
|
| 16 |
16
음성 인식 장치에 입력되는 음성 신호에 대한 배경 잡음을 억제하고, 상기 잡음 억제된 음성 신호로부터 사용자의 음성 구간만을 검출하고, 상기 검출된 음성 구간에서 음성 인식에 사용될 특징 벡터를 추출하는 단계와;
상기 추출된 특징 벡터 열을 음소열로 변환하는 단계와;
상기 음소열 내의 음소들 간의 모노폰 거리값들을 구하는 단계와;
상기 음소열에 대한 트라이폰 데이터 중에서 학습부진 데이터가 존재할 때 상기 구한 모노폰 거리값들 중에서 좌우 문맥의 모노폰 거리값들을 합하여 모든 쌍의 트라이폰들 간의 거리를 구하고, 상기 존재하는 모든 학습부진 데이터가 병합될 때까지 상기 구해진 트라이폰들 간의 거리 값들 중에서 상기 학습부진 데이터가 포함된 가장 작은 쌍을 병합하는 과정을 반복하는 단계를 포함하는 것을 특징으로 하는 이동 단말기의 음성 인식 방법
|
