1 |
1
R개의 잡음환경에 대해 R개의 잡음음성 DB를 구성하고 각 잡음음성 DB에 대해 특징벡터를 추출하여 각기 M개의 가우시안 믹스쳐로 구성되는 R개의 잡음음성 모델을 구하고, 원음성 DB로부터 특징벡터 추출을 통해 M개의 가우시안 믹스쳐로 구성되는 하나의 원음성 모델을 구하는 단계;상기 R개의 잡음음성모델 각각에 대해, 상기 잡음음성 모델의 M개의 가우시안 믹스쳐와 원음성 모델의 M개의 가우시안 믹스쳐를 비교하여 그 차이를 나타내는 M개의 보상벡터로 구성되는 보상벡터 세트를 구하는 단계로서, 각기 M개의 가우시안 믹스쳐를 가진 R개의 잡음음성모델마다 M개의 보상벡터를 가진 보상벡터 세트가 나타나도록 구성함으로써, R개의 잡음음성모델에 대응하는 R개의 보상벡터 세트를 구하는 단계;상기 R개의 보상벡터 세트마다 M개의 보상벡터를 연결하여 R개의 수퍼벡터를 만드는 단계;상기 R개의 수퍼벡터의 차원을 주성분분석법을 통해 축소하여 K(단, K<R)개의 아이겐 벡터를 구하는 단계;상기 주성분분석법을 통해 발생하는 잡음환경과 훈련환경 간의 바이어스 보상을 위한 베이시스 벡터를 구하는 단계;잡음환경으로부터 특징벡터를 추출하는 단계;상기 잡음환경의 특징벡터에 맞추어 보상 벡터를 상기 아이겐 벡터와 상기 베이시스 벡터의 가중합으로 추정하는 단계; 및상기 추정된 보상 벡터로부터 원음성을 추정하는 단계를 포함하는 잡음 보상 방법
|
2 |
2
제 1 항에 있어서,상기 보상 벡터 추정 단계는, 하기 식,(단, em(0)는 m번째 가우시안 믹스쳐에 대응하는 의 부벡터,em(k)는 m번째 가우시안 믹스쳐에 대응하는 의 부벡터,는 R개의 수퍼벡터의 평균벡터,는 k번째 아이겐벡터,w(k)는 k번째 아이겐벡터의 가중치,i(d) = [(d-1),
|
3 |
3
제 2 항에 있어서,상기 원음성 추정 단계는, 하기 식(단, , , 는 각각 추정된 보상벡터와 추정한 k번째 아이겐 환경의 가중치 및 d번째 베이시스 벡터의 가중치)을 통해 원음성을 추정하는 단계인 것을 특징으로 하는 잡음 보상 방법
|