The speech enhancement is a challenging research field with numerous applications. In this thesis, we analyze the performance of Kalman and $H_∞$ filtering algorithms in speech enhancements. The theories of Kalman and $H_∞$ filtering methods are investigated. We also compare the performance of both filtering methods in various cases of signal-to-noise ratios (SNRs).
Simulation results show that the Kalman filtering gives better performance than the $H_∞$ filtering in the case of the speech corrupted by White Gaussian noise, especially in low SNR while the $H_∞$ filtering gives better performance than the Kalman filtering in the case of the speech corrupted by colored noise in general. However, in the $H_∞$ filtering, the parameter adaptation is critical to get the good performance.
현재 음성인식분야에서는 잡음이 섞인 음성자료의 인식율을 높이기 위한 연구가 계속 진행되고 있다. 인식율을 높이는 방법에는 여러가지가 있으나 여기서는 잡음제거의 방식인 필터링 방법을 다루었다. 이 논문은 음성인식 향상에서의 칼만 필터와 $H_∞$ 필터의 성능을 분석하였다.
칼만 필터의 성능은 비교적 좋으나 제한적인 조건하에서만 적용할 수 있다. 잡음 프로세스들을 제로평균값으로 해야 하고 이들의 표준편차를 알아야 한다. 칼만 필터는 추정오류에 대해 가능한 한 가장 작은 표준편차를 구하는 것이다. 하지만 잡음 프로세스들의 통계적 성격을 이해하는 경우가 드물다. $H_∞$ 필터는 잡음에 대해 아무런 가정도 하지 않으며 최악의 경우의 추정오류를 최소화해준다. 추정기의 성능을 알려주는 척도인 J는 가중치 변수들에 민감하다. 만족스러운 필터 성능을 제공하기 위해서는 이를 잘 선택해야 한다.
대체적으로 SNR이 낮은 경우에는 칼만필터의 성능이 좋으며 SNR이 높은 경우, 적절한 가중치 변수를 선택했을때에는 $H_∞$ 필터의 성능이 더 좋게 나타난다. $H_∞$ 필터는 미지의 잡음원에 대해 강인함을 보여주었다. $H_∞$ 필터에서 가중치 변수를 알 수 있는 방법이 있다면 좀 더 만족할 만한 성능을 얻을 수 있을 것이다.
