Improved Gender Recognition System for Male and Female Speakers Using MFCC
Jae-Seung Choi · The Journal of Korean Institute of Information Technology · 2017
음성인식분야에서 화자의 성별인식은 음성인식 시스템에 중요한 정보를 제공하고 있다. 특히 화자의 음성에 기초한 성별인식은 남성화자 및 여성화자에 의해서 발성되는 음성신호를 구별하는 방법이다. 본 논문에서는 화자의 성별인식을 위하여 다층으로 구성된 퍼셉트론의 신경회로망 네트워크를 사용하여 배경잡음 환경 하에서 음성 인식률을 향상시키는 개선된 성별인식시스템을 제안한다. 본 논문에서 제안하는 다층 퍼셉트론 네트워크는 MFCC의 특징 파라미터를 사용하여 음성의 각 구간에서 남성화자와 여성화자를 인식할 수 있는 알고리즘이다. 본 논문의 실험결과로부터 백색잡음이 중첩된 음성신호의 MFCC의 특징벡터를 사용함으로써 남성화자에 대해서는 평균 94.92%, 여성화자에 대해서는 평균 99.39%의 성별인식 결과가 구해졌다. 따라서 본 논문에서 제안한 알고리즘이 백색잡음에 대하여 비교적 유효하다는 것을 실험으로 확인할 수 있었다.