Nowadays, speech recognition system has a large number of applications such as embedded system controller and multi connection service providing system in computer telephony integration environment. It needs strong computability power for speech recognition system but such applications have slow processing capacity. So speech recognition system has the low speed in these environment. It is necessary for a commercial speech recognition system to solve the speed problem.
In this paper we propose a HMM hierarchical classification method to reduce recognition time while maintaining high recognition accuracy. The factor which has an effect on recognition speed is related to the number of HMM states and feature parameters. On this background, the proposed HMM hierarchical classification is able to solve this speed problem. The concept of HMM hierarchical classification is to put up a candidate word using n-state HMM. So HMM processing step divide into 2 stages. In first stage, n-state HMM is low state number and has no more than 5 feature parameters. In second stage, full-state HMM is about 7, 15 and 21 state number per one word and has 5 feature parameters. We group optimal candidate detection methods into 14 cases using heuristic method.
The experiments are about the number of optimal candidate HMM state, the effect to speed of feature parameter and candidate number, and performance of 14 cases. The experiment results showed that the number of optimal HMM state number in first stage is 3 and the performance of this model is highly improved. When the proposed system is applied, the spending time for recognition decreased from 7.10 seconds to 0.79 seconds.
본 논문은 단어인식단위 인식기에 대한 속도개선에 대한 연구이다. 단어인식에 있어서 단어인식단위의 높은 인식율을 갖는 장점을 유지하면서, 속도개선 방식을 정립하는 것이 본 연구의 목적이다. 또한 실제의 다중접속환경에서 중규모 단어인식시스템을 구현하고, 그 속도를 최적화된 상태로 줄이는 실험을 수행하였다.
속도의 개선을 위해 HMM모델에 대한 계층적인 대분류기법을 적용하였다. 보통 인식처리시간은 인식모델에 대한 탐색시간이 대부분이다. 본 논문에서의 대분류기법이란, 상태수가 다른 HMM모델을 다단계로 적용하여, 탐색 공간을 줄이는 방법이다. 탐색공간을 줄이기 위해 적은 상태수의 HMM모델을 이용해 후보를 선발하는데, 이는 몇 개의 적은 상태수 모델에 대해 후보포함 빈도수를 조절하여 최적의 경우를 찾는 실험을 수행하였다. 이러한 적은 상태수 HMM에 대해서, 후보의 개수와 관련 특징파라미터 개수의 설정을 유동적으로 변화시켜 가장 이상적인 경우를 찾는다.
