KR100480506B1 - 음성 인식 방법 - Google Patents

Abstract

본 발명은 음성 인식률을 향상시킬 수 있는 음성 인식 방법에 관한 것이다.

이 음성 인식 방법은 음성입력신호로부터 특징벡터를 추출하여 상기 특징벡터를 양자화하는 제1 단계와; 상기 벡터 양자화된 데이터를 발신시 이용되는 단어모델인 제1 기준단어모델과 비교하여 그들 사이의 유사도를 비교하고 그 비교 결과에 따라 유사도가 가장 큰 제1 유사단어와 두 번째로 유사도가 큰 제2 유사단어를 인식하는 제2 단계와; 상기 제1 및 제2 유사단어들 사이의 유사값 차이가 미리 설정된 임계값보다 큰 경우에 상기 제1 유사단어를 인식결과로 출력하는 제3 단계와; 상기 제1 및 제2 유사단어들 사이의 유사값 차이가 상기 임계값보다 작으면 상기 유사단어들을 사용자에게 선택 가능한 후보 단어들로 인덱스하고 그 후보 단어들에 대응하는 번호들을 스피커를 통해 사용자에게 출력하는 제4 단계와; 사용자가 선택한 번호를 말하면 숫자단어모델인 제2 기준단어모델을 이용하여 재인식하여 최종 인식결과를 출력하는 제5 단계를 포함한다.

Description

음성 인식 방법

본 발명은 음성 인식 방법에 관한 것으로, 특히 음성 인식률을 향상시킬 수 있는 음성 인식 방법에 관한 것이다.

일반적으로, 음성 인식이란 패턴 분류(Pattern Classification) 작업을 의미한다. 다시 말하여, 음성 인식은 음성 파형인 입력 패턴이 주어졌을 때 이를 기준(Reference) 패턴과 비교하여 가장 유사한 것으로 분류하는 것이다.

이를 상세히 하면, 음성인식은 크게 도1에 도시된 기준 단어모델을 생성하는 학습 단계와, 학습단계에서 생성된 기준 단어모델을 이용하여 음성을 인식하는 인식 단계로 요약될 수 있다.

먼저, 도1의 학습 단계에서 입력 음성파형은 중첩되는 시간구간으로 나누어져 특징벡터로 추출된다. 여기서, 음성인식에 쓰이는 특징벡터는 비교할 두 패턴의 중요한 특성의 차에 민감하고 주변 환경변화와 같은 부적당한 변화에는 민감하지 않아야 한다. 이러한 이유로 특징벡터 중 계산이 간단하고 인식성능도 우수한 켑스트럼이 많이 사용되어 오고 있다.

특징벡터가 추출된 후에는 추출된 특징벡터를 양자화하여 기준단어 모델을 생성한다. 여기서, 벡터 양자화는 N개의 다차원 특징 벡터들로 이루어지는 코드북(Code Book)을 집단화(Clustering) 방법으로 구성한 후, 음성 파형으로부터 얻어지는 특징 벡터들을 N개의 코드 벡터와 비교하여 가장 근접한 코드 벡터값으로 양자화함으로써 달성된다. 이러한 벡터 양자화 방법은 어느 정도의 왜곡을 초래하지만 특성분석에 적용하기가 간단한 장점이 있다.

도2의 인식단계는 벡터 양자화를 통한 특성분석(Feature Analysis) 단계와, 패턴분류 단계로 나누어 진다. 특성 분석 단계에서는 상술한 바와 같이 입력 음성 파형으로부터 추출된 특징 벡터들이 코드북을 이용하여 벡터 양자화된다. 이 때, 특성분석은 음성 파형으로부터 음성 인식에 필요한 정보만을 추출해낸다. 이는 배경 잡음이나 선로의 왜곡(Channel Distortion), 화자의 발음 특성(Speaking Style) 등과 같은 정보들은 배제됨을 의미한다.

다음에, 패턴분류 단계에서는 입력음성과 기준단어 모델간의 유사도를 측정하게 된다. 패턴분류를 위한 방법으로서 네 가지 분야의 방법이 사용되어 오고있다. 첫째는, 동적 프로그래밍(Dynamic programming)을 이용한 패턴정합(Pattern Matching) 방법이고, 둘째는 히든 마르코프 모델(Hidden Markov Model, HMM)과 같은 통계적인 모델링 방법이고, 셋째는 신경 회로망(Neutral Network)을 이용한 방법이고, 넷째는 지식기반 시스템(Knowledge Based System)을 이용한 방법이다.

상세히 하면, 상기 동적 프로그래밍을 이용한 패턴정합 방법은 입력패턴들에 대한 전형적인 기준패턴을 각각 선택하여 다이나믹 타이밍 워핑(Dynamic Timing Warping, DTW)과 같은 최적의 비선형 시간정렬방법을 이용하여 입력패턴과 가장 가까운 기준패턴을 선택하는 방법이다. 그리고, 상기 히든 마르코프 모델은 음성이 통계적으로 모델링될 수 있다는 가정에 기인한 것으로서 학습 데이터의 앙상블(Ensemble)을 확률적 모델로 구성하여 패턴분류에 응용하는 방법이다. 또한, 상기 신경 회로망은 퍼셉트론(Perceptron)이란 신경구조를 모델링한 단위를 이용하여 다층 구조망(Multi Layer Network)을 구성하는 것으로서, 이는 인간두뇌의 패턴정합 능력을 응용하고자 하는 방법이다. 끝으로, 상기 전문가 시스템과 같은 지식을 바탕으로 한 지식기반 시스템은 사람들이 음성에 대해서 배운 규칙을 기계에도 이용해보자는 생각으로부터 출발한 방법이다. 이와 같은 여러 가지 방법 중에서 현재 가장 많이 사용되는 패턴분류 방법은 확률적 모델을 이용한 히든 마르코브 모델이다.

이상 설명한 바와 같이, 종래의 음성 인식 시스템은 학습단에서 인식대상이 되는 단어집단에 대한 특징벡터를 이용해 인식할 기준단어 모델을 미리 구한 후, 인식단에서 입력음성의 특징벡터와 상기 기준단어 모델의 유사도를 비교해 가장 유사한 단어를 인식한다.

그런데, 상기 음성 인식 방법은 음성학적으로 비슷한 단어들을 인식할 때 오인식의 가능성이 높은 단점이 있다. 이에 따라, 음성인식기를 장착한 휴대폰 등에서 음성에 의한 다이얼링을 하는 경우 음성을 오인식하여 잘못된 발신을 하게 됨으로써, 사용자에게 발신을 하지 않은 경우 보다 훨씬 많은 불편을 주게 되는 문제점이 있다.

따라서, 본 발명은 상기의 단점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은 제2 기준단어 모델을 이용하여 재인식함으로서 음성 인식률을 향상 시킬 수 있는 음성 인식 방법을 제공하는 데 있다.

본 발명의 다른 목적은 휴대폰의 음성 오인식에 의한 발신 위험을 줄일 수 있는 음성 인식 방법을 제공하는 데 있다.

상기 목적을 달성하기 위하여, 본 발명에 따른 음성 인식 방법은 음성입력신호로부터 특징벡터를 추출하여 상기 특징벡터를 양자화하는 제1 단계와; 상기 벡터 양자화된 데이터를 발신시 이용되는 단어모델인 제1 기준단어모델과 비교하여 그들 사이의 유사도를 비교하고 그 비교 결과에 따라 유사도가 가장 큰 제1 유사단어와 두 번째로 유사도가 큰 제2 유사단어를 인식하는 제2 단계와; 상기 제1 및 제2 유사단어들 사이의 유사값 차이가 미리 설정된 임계값보다 큰 경우에 상기 제1 유사단어를 인식결과로 출력하는 제3 단계와; 상기 제1 및 제2 유사단어들 사이의 유사값 차이가 상기 임계값보다 작으면 상기 유사단어들을 사용자에게 선택 가능한 후보 단어들로 인덱스하고 그 후보 단어들에 대응하는 번호들을 스피커를 통해 사용자에게 출력하는 제4 단계와; 사용자가 선택한 번호를 말하면 숫자단어모델인 제2 기준단어모델을 이용하여 재인식하여 최종 인식결과를 출력하는 제5 단계를 포함한다.

상기 목적 외에 본 발명의 다른 목적 및 특징들은 첨부도면을 참조한 실시예에 대한 설명을 통하여 명백하게 드러나게 될 것이다.

이하, 도3을 참조하여 본 발명의 바람직한 실시 예를 자세히 설명하기로 한다.

도3은 본 발명에 따른 음성 인식 방법을 설명하는 흐름도이다.

우선, 단계 1에서 음성 인식기에 음성신호가 입력되면, 단계 2에서 음성에 대한 특징벡터로서 켑스트럼 계수를 구한다. 이때, 특징벡터는 20ms의 시간구간으로 나누어진 각 음성구간으로부터 구해진다. 그리고, 상기 켑스트럼 계수는 음성신호를 퓨리에 변환(Fourier Transform)을 이용해 주파수상으로 변환한 후에 로그를 취한 후 다시 역퓨리에 변환하여 창함수(Window Function)를 이용해 구할 수가 있다. 이 켑스트럼 계수는 음성인식시에 계산이 간단하고 인식성능이 우수해 많은 인식 시스템의 특징벡터로서 사용되고 있다.

그 다음, 단계 3에서 N개의 다차원 특징 벡터들로 이루어지는 코드북을 이용하여 벡터 양자화한다. 이어서, 단계 4에서 상기 단계에서 벡터 양자화된 데이터를 제1 기준단어 모델과 유사도를 비교하여 최고의 유사값을 가지는 단어와 두번째로 유사값을 가지는 단어들을 인식하게 된다. 이때, 이용되는 상기 제1 기준단어 모델은 휴대폰인 경우 발신 시 이용되는 단어 모델이다. 단계 5에서 최고의 유사값을 가지는 단어와 두 번째로 큰 유사값을 가지는 단어의 차이가 실험치에 의해서 설정된 값인 임계값보다 큰 값인지 여부를 판단하여, 두 개의 유사 단어의 차이가 임계값보다 큰 경우에는 단계 6에서 최고의 유사값을 가지는 단어를 인식결과로 보낸다.

한편, 상기 단계에서 두 개의 유사 단어의 차이가 임계값보다 적으면, 단계 7에서 상기 2개의 후보 유사 단어들을 인덱스하고, 사용자에게 상기 후보 단어들과 함께 각 후보 단어에 할당된 번호를 스피커를 통해 출력한다. 그리고, 단계 8에서 사용자는 스피커를 통해 들은 것 중 원하는 번호를 말하면, 이를 제2 기준단어 모델을 이용해 재인식하여 인식결과로 보낸다. 이때, 이용되는 제2 기준단어 모델은 숫자 단어에 대한 모델이다.

상술한 바와 같이, 본 발명에 따른 음성 인식 방법에 의하면 오인식의 가능성이 있는 단어들을 다시 한 번 인덱스하여 이 인덱스된 단어를 숫자단어 모델을 이용하여 재인식함으로서 음성의 오인식률을 줄일 수 있다. 나아가, 음성인식기의 음성인식 성능을 향상시킬 수 있다. 또한, 휴대폰에서 음성 오인식에 의한 발신 위험을 줄일 수 있다.

이상 설명한 내용을 통해 당업자라면 본 발명의 기술사상을 일탈하지 아니하는 범위에서 다양한 변경 및 수정이 가능함을 알 수 있을 것이다. 따라서, 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된 내용으로 한정되는 것이 아니라 특허 청구의 범위에 의해 정하여 져야만 할 것이다.

도 1은 종래의 기준 단어모델을 생성하는 학습과정을 나타내는 흐름도.

도 2는 종래의 음성 인식 방법을 설명하는 흐름도.

도 3은 본 발명의 실시예에 따른 음성 오인식에 의한 오작동 방지 방법을 설명하는 흐름도.

Claims (4)

1. 음성입력신호로부터 특징벡터를 추출하여 상기 특징벡터를 양자화하는 제1 단계와;

   상기 벡터 양자화된 데이터를 발신시 이용되는 단어모델인 제1 기준단어모델과 비교하여 그들 사이의 유사도를 비교하고 그 비교 결과에 따라 유사도가 가장 큰 제l 유사단어와 두 번째로 유사도가 큰 제2 유사단어를 인식하는 제2 단계와;

   상기 제1 및 제2 유사단어들 사이의 유사값 차이가 미리 설정된 임계값보다 큰 경우에 상기 제1 유사단어를 인식결과로 출력하는 제3 단계와;

   상기 제1 및 제2 유사단어들 사이의 유사값 차이가 상기 임계값보다 작으면 상기 유사단어들을 사용자에게 선택 가능한 후보 단어들로 인덱스하고 그 후보 단어들에 대응하는 번호들을 스피커를 통해 사용자에게 출력하는 제4 단계와;

   사용자가 선택한 번호를 말하면 숫자단어모델인 제2 기준단어모델을 이용하여 재인식하여 최종 인식결과를 출력하는 제5 단계를 포함하는 것을 특징으로 하는 음성 인식 방법.
2. 제 1 항에 있어서,

   상기 제1 단계에서 상기 특징벡터로 켑스트럼 계수를 구하는 것을 특징으로 하는 음성 인식 방법.
3. 제 2 항에 있어서,

   상기 켑스트럼 계수는 20ms의 시간단위로 나누어진 각 음성구간으로부터 구하는 것을 특징으로 하는 음성 인식 방법.
4. 제 1 항에 있어서,

   상기 제1 단계에서 상기 벡터 양자화는 코드북을 이용하여 수행하는 것을 특징으로 하는 음성 인식 방법.

Images