-
公开(公告)号：KR1020150026634A
公开(公告)日：2015-03-11
申请号：KR1020130105728
申请日：2013-09-03
Applicant: 서강대학교산학협력단
IPC: G10L21/0272 , G10L21/028
Abstract: 본 발명에 따르는 클러스터 기반 손실 특징 복원 알고리즘을 위한 마스크 추정 방법은, 관찰신호를 입력받아 관심음원을 검출하는 단계; 상기 관찰신호와 상기 관심음원을 제공받아 주파수별 SIR을 산출하는 단계; 상기 주파수별 SIR를 토대로 주파수마다 상이한 문턱값을 가지는 이진 마스크를 추정하는 단계;를 구비함을 특징으로 한다.
Abstract translation: 根据本发明，用于基于簇的丢失特征恢复算法的掩模估计方法包括：接收观测信号的输入并检测感兴趣的声源的步骤; 接收观测信号和感兴趣的声源并按频率计算SIR的步骤; 以及基于所述SIR频率来估计针对每个频率具有不同阈值的二进制掩码的步骤。
-
2.发明公开
公开(公告)号：KR1020130125014A
公开(公告)日：2013-11-18
申请号：KR1020120048380
申请日：2012-05-08
Applicant: 서강대학교산학협력단
CPC classification number: G10L15/20 , G10L15/02 , G10L19/0017 , G10L19/26 , G10L21/02
Abstract: A robust speech recognition system according to the present invention improves a sound source by using an MPDR beamformer in a pre-processing process, applies an HIVA learning algorithm to the composed signals of the improved sound source signals and noise signals, and extracts a feature vector of the sound source signals. The speech recognition system applies a non-holonomic constraint and a minimal distortion principle when performing the HIVA learning algorithm to minimize signal distortion and improve convergence of a non-mixing matrix. In addition, the speech recognition system checks for missing features in the learning process by using an improved sound source and a noise sound source and compensates for the same. By the aforementioned features, the robust speech recognition system provides a system resistant to noise on the basis of an independent vector analysis algorithm using harmonic frequency dependency. [Reference numerals] (200) Signal input unit;(210) Signal converting unit;(220) Pre-processing unit;(230) Sound source extracting unit;(246) Mask generating unit;(248) Loss property compensation output unit;(250) DCT converting unit;(260) Voice recognition unit;(AA,BB) Log unit
Abstract translation: 根据本发明的鲁棒语音识别系统通过在预处理过程中使用MPDR波束形成器改进声源，对改进的声源信号和噪声信号的合成信号应用HIVA学习算法，并提取特征向量 的声源信号。 当执行HIVA学习算法时，语音识别系统应用非完整约束和最小失真原理，以最小化信号失真并改善非混合矩阵的收敛。 此外，语音识别系统通过使用改进的声源和噪声声源来检查学习过程中的缺失特征并对其进行补偿。 通过上述特征，鲁棒的语音识别系统在使用谐波频率依赖性的独立矢量分析算法的基础上提供了抗噪声系统。 （200）信号输入单元（210）信号转换单元;（220）预处理单元;（230）声源提取单元;（246）掩码生成单元;（248）损失特性补偿输出单元; （250）DCT转换单元;（260）语音识别单元;（AA，BB）对数单元
-
公开(公告)号：KR101568282B1
公开(公告)日：2015-11-12
申请号：KR1020130105728
申请日：2013-09-03
Applicant: 서강대학교산학협력단
IPC: G10L21/0272 , G10L21/028
Abstract: 본발명에따르는클러스터기반손실특징복원알고리즘을위한마스크추정방법은, 관찰신호를입력받아관심음원을검출하는단계; 상기관찰신호와상기관심음원을제공받아주파수별 SIR을산출하는단계; 상기주파수별 SIR를토대로주파수마다상이한문턱값을가지는이진마스크를추정하는단계;를구비함을특징으로한다.
-
4.发明授权
公开(公告)号：KR101361034B1
公开(公告)日：2014-02-11
申请号：KR1020120048380
申请日：2012-05-08
Applicant: 서강대학교산학협력단
Abstract: 본 발명에 따른 강한 음성 인식 시스템은 전처리(pre-processing) 과정인 MPDR 빔포머를 사용하여 음원을 향상시킨 후, 향상된 음원 신호들과 노이즈 신호들의 합성신호에 대하여 HIVA 학습 알고리즘을 적용하여 음원 신호에 대한 특징 벡터를 추출하는 것을 특징으로 한다. 상기 음성 인식 시스템은 신호 왜곡을 최소화시키고 언믹싱 매트릭스에 대한 컨버전스를 향상시키기 위하여, HIVA 학습 알고리즘을 수행함에 있어서, non-holonomic constraint와 최소 왜곡 원칙(Minimal Distortion Priciple; 이하 'MDP'라 한다)을 적용하는 것을 특징으로 한다. 또한, 상기 음성 인식 시스템은 향상된 음원과 노이즈 음원을 이용하여 학습 과정에서 손실된 특징들(Missing Features)을 파악하고 이를 보상하는 것을 특징으로 한다. 전술한 특징들에 의하여, 본 발명에 따른 강한 음성 인식 시스템은 하모닉 주파수 의존성을 이용한 독립 벡터 분석 알고리즘을 기반으로 하여 노이즈 등에 강한 시스템을 제공하게 된다.
-
-
-
Search Results
4
records
(took 0.031 seconds)
