본 논문에서는 3차 Cumulant를 이용하여 음성의 특징벡타를 추출하고, 이것을 신경회로망의 입력으로 사용하는 음성 인식 방법을 제시한다. 3차 이상의 고차 cumulant를 이용하면 Gaussian 잡음과 음성 신호의 분리가 가능하며, 충분히 많은 데이타를 사용할 경우 음성 데이타를 AR 모델링한 계수값을 bias 없이 추출할 수 있다. 또한 기존의 2차 statistics를 이용한 특징 벡타 추출 방법과 비교할 때 잡음이 큰 경우에도 분산은 크지만 bias가 작아 보다 잡음에 강한 특징벡타를 추출할 수 있다. 한국어 단모음에 대한 모의실험을 통하여 유색 잡음 환경에서 SNR이 커질수록 3차 cumulant를 이용한 방법이 기존의 2차 statistics를 이용한 방법보다 높은 인식율을 나타냄을 보인다.
This paper presents a speech recognition method utilizing third-order cumulants as a feature vector and a neural network for recognition. The use of higher-order cumulants provides desirable uncoupling between the gaussian noise and speech, which enables us to estimate the coefficients of AR model without bias. Unlike the conventional method using second-order statistics, the proposed one exhibits low bias even in SNR as low as 0 dB at the expense of higher variance. It is confirmed through computer simulation that recognition rate of korean single-vowels with the cumulant-based method is much higher than the results with the conventional method even in low SNR.
