보정된 로그우도비의 분포와 캘리브레이션

본 논문은 스피커 인식 시스템에서 사용되는 로그우도비(LLR)의 보정 특성을 이론적으로 분석하고, 이를 기반으로 새로운 선형 캘리브레이션 방법을 제안한다. 1. **보정의 정의와 아이덴티티** - 스피커 인식 시스템은 두 음성 신호 X와 Y를 입력으로 받아 스코어 s=f(X,Y)를 계산하고, 이를 기반으로 LR r=P(s|H₁)/P(s|H₂) 를 구한다. 여기서 H₁은 동일 화자, H₂는 다른 화자를 의미한다. - 보정된 LR은 “LR의 LR은 다시 LR이다”라는 관계를 만족해야 한다. 로그 형태로 바꾸면 LLR x=log r는 두 가설 하에서의 확률밀도함수 p(x|H₁)와 p(x|H₂) 사이에 p(x|H₁)=eˣ p(x|H₂) 라는 제약을 만든다. 2. **가우시안 가정 하에서의 분포 관계** - 비목표 LLR 분포를 N(μ_d,σ²) 로 가정하면 위 제약식에 대입해 목표 분포를 유도한다. 결과적으로 목표 분포도 N(μ_e,σ²) 형태이며, 평균은 μ_e=−μ_d, 분산은 동일하게 유지된다. - 정규화 조건을 적용하면 σ²=2μ_d, 즉 μ_d=σ²/2 로 관계가 정해진다. 따라서 두 분포는 평균이 부호만 반대이고, 분산은 동일한 대칭 가우시안이다. 3. **EER과의 연결** - 대칭 구조 때문에 EER(동일 오류율) 임계값은 x=0 이다. EER은 Φ(−μ/σ) 로 표현되며, 여기서 Φ는 표준 정규 누적분포이다. - 이를 역으로 풀면 μ=2