1 |
1
복소 가우시안 분포를 기반으로 하는 복수의 통계적 모델 기반의 음성검출기들에서 각각의 우도비를 구하는 단계; 상기 각각의 우도비를 이용하여 각 음성존재확률을 도출하는 단계; 상기 각 음성존재확률을 각각 엔트로피가 고려된 기초 확률 할당(Basic Probability Assignment, BPA)으로 변형하는 단계; 및 변형된 복수의 상기 기초 확률 할당(BPA)들을 결합(combination)하여 최종적 음성존재확률을 도출하여 음성검출에 이용하는 단계를 포함하고, 상기 각 음성존재확률을 각각 엔트로피가 고려된 기초 확률 할당(BPA)으로 변형하는 단계는, 도출된 상기 각 음성존재확률을 통해서 음성존재 및 음성부재를 판단할 수 없는 모호한 상태에 대해 확률을 할당하여 상기 기초 확률 할당(BPA)으로 변형하는 것을 특징으로 하는 통계모델기반의 음성검출기의 성능개선 방법
|
2 |
2
제1항에 있어서, 상기 복수의 통계적 모델 기반의 음성검출기들은, Sohn's 음성검출기, 스무딩된 우도비 기반 음성검출기, 및 MO-LRT(Multiple Observation Likelihood Ratio Test) 기반 음성검출기 중 적어도 2개 이상인 것을 특징으로 하는 통계모델기반의 음성검출기의 성능개선 방법
|
3 |
3
삭제
|
4 |
4
제1항에 있어서, 상기 각 음성존재확률을 각각 엔트로피가 고려된 기초 확률 할당(BPA)으로 변형하는 단계는, 도출된 상기 각 음성존재확률을 음성존재확률 및 상기 모호한 상태에 대해 확률을 할당하여 상기 기초 확률 할당(BPA)으로 변형하는 것을 특징으로 하는 뎀프스터-셰이퍼 추론이론을 이용한 통계모델기반의 음성검출기의 성능개선 방법
|
5 |
5
제1항에 있어서, 상기 각 음성존재확률을 각각 엔트로피가 고려된 기초 확률 할당(BPA)으로 변형하는 단계는, 도출된 상기 각 음성존재확률을 음성존재확률, 상기 음성존재확률의 여집합(complementary set)인 음성부재확률, 및 상기 모호한 상태에 대해 확률을 할당하여 상기 기초 확률 할당(BPA)으로 변형하는 것을 특징으로 하는 통계모델기반의 음성검출기의 성능개선 방법
|
6 |
6
제1항에 있어서, 상기 변형된 복수의 상기 기초 확률 할당(BPA)들을 결합(combination)하여 최종적 음성존재확률을 도출하여 음성검출에 이용하는 단계는, 상기 변형된 복수의 상기 기초 확률 할당(BPA)들을 뎀프스터-셰이퍼 추론이론(Dempster-Shafer Theory, DST)을 이용하여 직교 합(orthogonal sum)을 통해 상기 모호한 상태에 대해 확률을 제거하고 상기 최종적 음성존재확률을 도출하여 음성검출에 이용하는 것을 특징으로 하는 통계모델기반의 음성검출기의 성능개선 방법
|
7 |
7
제1항에 있어서, 상기 변형된 복수의 상기 기초 확률 할당(BPA)들을 결합(combination)하여 최종적 음성존재확률을 도출하여 음성검출에 이용하는 단계는, 상기 변형된 복수의 상기 기초 확률 할당(BPA)들을 뎀프스터-셰이퍼 추론이론(Dempster-Shafer Theory, DST)을 이용하여 음성존재확률, 상기 음성존재확률의 여집합(complementary set)인 음성부재확률, 및 상기 모호한 상태를 고려하며 직교 합(orthogonal sum)을 통해 상기 모호한 상태에 대해 확률을 제거하고 상기 최종적 음성존재확률을 도출하여 음성검출에 이용하는 것을 특징으로 하는 통계모델기반의 음성검출기의 성능개선 방법
|
8 |
8
복소 가우시안 분포를 기반으로 하는 복수의 통계적 모델 기반의 음성검출기들에서 각각의 우도비를 구하는 우도비 산정부; 상기 각각의 우도비를 이용하여 각 음성존재확률을 도출하는 음성존재확률 산정부; 상기 각 음성존재확률을 각각 엔트로피가 고려된 기초 확률 할당(Basic Probability Assignment, BPA)으로 변형하는 BPA 변형부; 및 변형된 복수의 상기 기초 확률 할당(BPA)들을 결합(combination)하여 최종적 음성존재확률을 도출하여 음성검출에 이용하는 DST 결합부를 포함하고, 상기 BPA 변형부는, 도출된 상기 각 음성존재확률을 통해서 음성존재 및 음성부재를 판단할 수 없는 모호한 상태에 대해 확률을 할당하여 상기 기초 확률 할당(BPA)으로 변형하는 것을 특징으로 하는 통계모델기반의 음성검출기
|
9 |
9
제8항에 있어서, 상기 복수의 통계적 모델 기반의 음성검출기들은, Sohn's 음성검출기, 스무딩된 우도비 기반 음성검출기, 및 MO-LRT(Multiple Observation Likelihood Ratio Test) 기반 음성검출기 중 적어도 2개 이상인 것을 특징으로 하는 통계모델기반의 음성검출기
|
10 |
10
삭제
|
11 |
11
제8항에 있어서, 상기 BPA 변형부는, 도출된 상기 각 음성존재확률을 음성존재확률 및 상기 모호한 상태에 대해 확률을 할당하여 상기 기초 확률 할당(BPA)으로 변형하는 것을 특징으로 하는 뎀프스터-셰이퍼 추론이론을 이용한 통계모델기반의 음성검출기
|
12 |
12
제8항에 있어서, 상기 BPA 변형부는, 도출된 상기 각 음성존재확률을 음성존재확률, 상기 음성존재확률의 여집합(complementary set)인 음성부재확률, 및 상기 모호한 상태에 대해 확률을 할당하여 상기 기초 확률 할당(BPA)으로 변형하는 것을 특징으로 하는 통계모델기반의 음성검출기
|
13 |
13
제8항에 있어서, 상기 DST 결합부는, 상기 변형된 복수의 상기 기초 확률 할당(BPA)들을 뎀프스터-셰이퍼 추론이론(Dempster-Shafer Theory, DST)을 이용하여 직교 합(orthogonal sum)을 통해 상기 모호한 상태에 대해 확률을 제거하고 상기 최종적 음성존재확률을 도출하여 음성검출에 이용하는 것을 특징으로 하는 통계모델기반의 음성검출기
|
14 |
14
제8항에 있어서, 상기 DST 결합부는, 상기 변형된 복수의 상기 기초 확률 할당(BPA)들을 뎀프스터-셰이퍼 추론이론(Dempster-Shafer Theory, DST)을 이용하여 음성존재확률, 상기 음성존재확률의 여집합(complementary set)인 음성부재확률, 및 상기 모호한 상태를 고려하며 직교 합(orthogonal sum)을 통해 상기 모호한 상태에 대해 확률을 제거하고 상기 최종적 음성존재확률을 도출하여 음성검출에 이용하는 것을 특징으로 하는 통계모델기반의 음성검출기
|
15 |
15
제13항 또는 제14항에 있어서, 상기 뎀프스터-셰이퍼 추론이론(Dempster-Shafer Theory, DST)은, 복수의 증거(evidence)들로부터 구한 확률을 바탕으로 새로운 확률을 생성하며, 직교 합(orthogonal sum)을 통하여 상기 모호한 상태의 확률을 제거하는 것을 특징으로 하는 통계모델기반의 음성검출기
|