가산적이고 비정상적인 잡음을 줄이는 새로운 방법이 제안되었다. 본 방법은 잡음에 대한 정보나 묵음구간에서의 잡음추정을 필요로 하지 않는다. 잡음처리는 각 시간 프레임에서 주파수대역을 기본으로 하여 수행된다. 어떤 프레임에서 특정한 주파수대역이 음성이 우세한지 혹은 잡음이 우세한지에 대한 결정과 인간청각기의 매스킹 성질을 기반으로 하여, 적절한 양의 잡음을 주파수 차감법을 이용하여 제거한다. 제안된 방법은 다양한 환경에서 (자동차 잡음, Fl6 잡음, 백색 잡음, 핑크 잡음, 탱크 잡음, 혼선잡음) 성능평가가 이루어졌다. 그리고 일반적인 주파수차감법과 비교하여 세그멘탈 신호대 잡음비 (SNR)를 구하고, 시각적 측정 척도인 스펙트로그램과 듣기평가를 통해, 음성왜곡은 줄이면서 효과적으로 잡음을 줄일 수 있음을 알 수 있다.
가산적이고 비정상적인 잡음을 줄이는 새로운 방법이 제안되었다. 본 방법은 잡음에 대한 정보나 묵음구간에서의 잡음추정을 필요로 하지 않는다. 잡음처리는 각 시간 프레임에서 주파수대역을 기본으로 하여 수행된다. 어떤 프레임에서 특정한 주파수대역이 음성이 우세한지 혹은 잡음이 우세한지에 대한 결정과 인간청각기의 매스킹 성질을 기반으로 하여, 적절한 양의 잡음을 주파수 차감법을 이용하여 제거한다. 제안된 방법은 다양한 환경에서 (자동차 잡음, Fl6 잡음, 백색 잡음, 핑크 잡음, 탱크 잡음, 혼선잡음) 성능평가가 이루어졌다. 그리고 일반적인 주파수차감법과 비교하여 세그멘탈 신호대 잡음비 (SNR)를 구하고, 시각적 측정 척도인 스펙트로그램과 듣기평가를 통해, 음성왜곡은 줄이면서 효과적으로 잡음을 줄일 수 있음을 알 수 있다.
A novel method to reduce additive non-stationary noise is proposed. The method requires neither the information about noise nor the estimate of the noise statistics from any pause regions. The enhancement is performed on a band-by-band basis for each time frame. Based on both the decision on whether...
A novel method to reduce additive non-stationary noise is proposed. The method requires neither the information about noise nor the estimate of the noise statistics from any pause regions. The enhancement is performed on a band-by-band basis for each time frame. Based on both the decision on whether a particular band in a frame is speech or noise dominant and the masking property of the human auditory system, an appropriate amount of noise is reduced using spectral subtraction. The proposed method was tested on various noisy conditions (car noise, Fl6 noise, white Gaussian noise, pink noise, tank noise and babble noise) and on the basis of comparing segmental SNR with spectral subtraction method and visually inspecting the enhanced spectrograms and listening to the enhanced speech, the method was able to effectively reduce various noise while minimizing distortion to speech.
A novel method to reduce additive non-stationary noise is proposed. The method requires neither the information about noise nor the estimate of the noise statistics from any pause regions. The enhancement is performed on a band-by-band basis for each time frame. Based on both the decision on whether a particular band in a frame is speech or noise dominant and the masking property of the human auditory system, an appropriate amount of noise is reduced using spectral subtraction. The proposed method was tested on various noisy conditions (car noise, Fl6 noise, white Gaussian noise, pink noise, tank noise and babble noise) and on the basis of comparing segmental SNR with spectral subtraction method and visually inspecting the enhanced spectrograms and listening to the enhanced speech, the method was able to effectively reduce various noise while minimizing distortion to speech.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
세그멘탈 SN压이 좋다고 듣기평가에서 항상 좋은 결과를 낸다고 볼수 없다[22]. 따라서 본 논문에서는 듣기평가도 하였다. 듣기 평가는 10명의 사람 (listeners)이 참여하였다.
본 논문에서 우리는 잡음에 대한 사전정보나 묵음구간에서의 잡음추정을 필요로 하지 않는 새로운 잡음처리기법을 소개하였다. 잡음처리는 각 시간 프레임에서 주파수대역을 기본으로 하여 수행된다.
본 논문에서는 하나의 시간 프레 임에서 각각의 주파수대역별로 잡음처리를 수행한다. 어떤 프레임의 특정한 대역에 속하는 주파수 성분 크기의 합과 그 대 역에 해당하는 과거 의 주파수 성분 크기의 합들과 비교하여, 그 프레 임의 특정한 대역에서 음성성분이 대부분을 차지하는지 (음성 우세) 잡음성분이 대부분을 차지하는지 (잡음우세)에 대한 결정을 하고 인간 청각기의 매스킹 성질에 기반하여, 음성왜곡은 최소로 하고 잡음을 최대로 제거한다.
본 논문에서는 하나의 시간 프레 임에서 각각의 주파수대역별로 잡음처리를 수행한다. 어떤 프레임의 특정한 대역에 속하는 주파수 성분 크기의 합과 그 대 역에 해당하는 과거 의 주파수 성분 크기의 합들과 비교하여, 그 프레 임의 특정한 대역에서 음성성분이 대부분을 차지하는지 (음성 우세) 잡음성분이 대부분을 차지하는지 (잡음우세)에 대한 결정을 하고 인간 청각기의 매스킹 성질에 기반하여, 음성왜곡은 최소로 하고 잡음을 최대로 제거한다.
이 때, 임계 밴드 (critical band)는 달팽이관의 동일한 부분을 활성화시키는 그 주어진 주파수 성분 주위의 주파수 성분들을 포함하는 최소의 밴드를 뜻한다. 일정한 음압 수준 (sound pressure level) 을 유지하는 협대역 잡음원이 있다고 하자. 이 잡음원의 대역폭을 넓히더라도 임계 대역폭 (critical bandwidth) 내에 있는 동안은 그 소리를 느끼는 강도 (perceived loudness)가 일정하게 유지된다.
제안 방법
듣기 평가는 10명의 사람 (listeners)이 참여하였다. F16잡음과 탱크잡음에 의해 오염된 음성을 시험해 보았다. 각 사람은 1점에서부터 5점까지의 점수로 음질을 평가하게 된다.
듣기 평가는 10명의 사람 (listeners)이 참여하였다. F16잡음과 탱크잡음에 의해 오염된 음성을 시험해 보았다. 각 사람은 1점에서부터 5점까지의 점수로 음질을 평가하게 된다.
The plots of segmental SNR improvement versus initial SNR for various noise - car noise, white noise, F16 noise, tank noise, pink noise and babble noise, solid line: proposed method, dashed fine: spectral subtraction with noise estimation using pause detection.
8. The plots of segmental SNR improvement vers니s initial SNR for various noise - car noise, white noise, F16 noise, tank noise, pink noise and babble noise, solid line : proposed method, dashed fine : spectral subtraction with noise estimation using pause detection.
테스트는 DAT-tape에 녹음된 음성을 헤드폰으로 들으면서 이루어진다. 각 사람에게 먼저 깨끗한 음성과 잡음이 섞인 음성을 2번 반복하여 먼저 들려준 다음, 묵음구간에서의 잡음 추정을 이용한 주파수차감법에 의해 잡음처리된 음성과 제안된 방법에 의해 잡음처리된 음성을 3번 반복하여 들려준다. 이 때 사람들에 의해 점수가 매겨지고 듣기가 끝난 후에는 평균을 내어 최종점수를 낸다.
테스트는 DAT-tape에 녹음된 음성을 헤드폰으로 들으면서 이루어진다. 각 사람에게 먼저 깨끗한 음성과 잡음이 섞인 음성을 2번 반복하여 먼저 들려준 다음, 묵음구간에서의 잡음 추정을 이용한 주파수차감법에 의해 잡음처리된 음성과 제안된 방법에 의해 잡음처리된 음성을 3번 반복하여 들려준다. 이 때 사람들에 의해 점수가 매겨지고 듣기가 끝난 후에는 평균을 내어 최종점수를 낸다.
좀더 구체적으로 말하자면, 과거 프레임들의 특정 대역에 해당 하는 합들을 오름차순으로 정 렬하여, 그 모양에 따라 대 역을 두 가지 종류로 분류한다. 그리고 종류에 따라 다른 기준을 적용하여 오름차순으로 정렬된 합들과 비교함으로써, 현재 처리하려는 프레임의 각각의 대역에서 음성성분이 대부분을 차지하는지 (음성우세) 잡음성분이 대부분을 차지하는지 (잡음우세) 결정을 한다. 이러한 결정과 인간 청각기의 매스킹 성질에 기반하여, 각각의 음성/잡음우세대역에서 알맞은 양의 잡음을 주파수 차감법을 이용하여 제거한다.
좀더 구체적으로 말하자면, 과거 프레임들의 특정 대역에 해당 하는 합들을 오름차순으로 정 렬하여, 그 모양에 따라 대 역을 두 가지 종류로 분류한다. 그리고 종류에 따라 다른 기준을 적용하여 오름차순으로 정렬된 합들과 비교함으로써, 현재 처리하려는 프레임의 각각의 대역에서 음성성분이 대부분을 차지하는지 (음성우세) 잡음성분이 대부분을 차지하는지 (잡음우세) 결정을 한다. 이러한 결정과 인간 청각기의 매스킹 성질에 기반하여, 각각의 음성/잡음우세대역에서 알맞은 양의 잡음을 주파수 차감법을 이용하여 제거한다.
각 임계 밴드 안에 있는 계수의 크기들을 합한다 그리고 과거 L개의 프레임 동안 각 임계 밴드에서의 합들을 오름차순으로 정렬한다. 둘째, 근사함수를 이용하여 정렬된 수열을 모양에 따라 두 종류로 분류한다 종류에 따라 다른 기준을 적용하여 오름차순으로 정렬된 합들과 비교함으로써, 현재 처리하려는 프레임의 각각의 대역에서 음성성분이 대부분을 차지하는지 (음성우세) 잡음성분이 대부분을 차지하는지 (잡음우세) 결정을 한다. 이러한 결정과 인간청각기의 매스킹 성질에 기반하여, 각각의 음성/잡음우세대역에서 알맞은 양의 잡음을 주파수 차감법을 이용하여 제거한다.
각 임계 밴드 안에 있는 계수의 크기들을 합한다 그리고 과거 L개의 프레임 동안 각 임계 밴드에서의 합들을 오름차순으로 정렬한다. 둘째, 근사함수를 이용하여 정렬된 수열을 모양에 따라 두 종류로 분류한다 종류에 따라 다른 기준을 적용하여 오름차순으로 정렬된 합들과 비교함으로써, 현재 처리하려는 프레임의 각각의 대역에서 음성성분이 대부분을 차지하는지 (음성우세) 잡음성분이 대부분을 차지하는지 (잡음우세) 결정을 한다. 이러한 결정과 인간청각기의 매스킹 성질에 기반하여, 각각의 음성/잡음우세대역에서 알맞은 양의 잡음을 주파수 차감법을 이용하여 제거한다.
따라서 최근에는 매스킹되어 들리지 않을 부분은 잡음추정치보다 적게 빼주는 방식으로 최대한 음성성분을 보존하려는 노력을 하고 있다[11-14]. 본 논문에서도 음성성분이 대부분이라 생각되는 부분(음성 우세지역)은 작은 양의 잡음추정치를 빼줌으로써 음성성분을 최대한 살리는 방법을 채택하고 있다.
따라서 최근에는 매스킹되어 들리지 않을 부분은 잡음추정치보다 적게 빼주는 방식으로 최대한 음성성분을 보존하려는 노력을 하고 있다[11-14]. 본 논문에서도 음성성분이 대부분이라 생각되는 부분(음성 우세지역)은 작은 양의 잡음추정치를 빼줌으로써 음성성분을 최대한 살리는 방법을 채택하고 있다.
표 1은 임계 밴드의 번호와 중심주파수 그리고 대역폭을 나타내었다[20]. 본 논문은 각 프레임의 임계 밴드를 중심으로 하여 음성을 처리한다.
잡음처리는 각 시간 프레임에서 주파수대역을 기본으로 하여 수행된다. 어떤 프레임에서 특정한 주파수대역이 음성이 우세한지 혹은 잡음이 우세한지에 대한 결정과 인간청각기의 매스킹 성질을 기반으로 하여, 각각의 음성/잡음우세대역에서 알맞은 양의 잡음을 주파수 차감법을 이용하여 제거한다.
제안된 방법은 다양한 환경에서 성능평가가 이루어졌다.(자동차 잡음, F16 잡음, 백색 잡음, 핑크 잡음, 탱크 잡음, 혼선잡음) 그리고 일반적인 주파수차감법과 비교하여 세그멘탈 신호대 잡음비를 구하고, 시각적 측정 척도인 스펙트로그램과 듣기 평가를 통해, 음성왜곡은 줄이면서 효과적으로 잡음을 줄일 수 있음을 알 수 있다.
좀더 구체적으로 말하자면, 과거 프레임들의 특정 대역에 해당 하는 합들을 오름차순으로 정 렬하여, 그 모양에 따라 대 역을 두 가지 종류로 분류한다. 그리고 종류에 따라 다른 기준을 적용하여 오름차순으로 정렬된 합들과 비교함으로써, 현재 처리하려는 프레임의 각각의 대역에서 음성성분이 대부분을 차지하는지 (음성우세) 잡음성분이 대부분을 차지하는지 (잡음우세) 결정을 한다. 이러한 결정과 인간 청각기의 매스킹 성질에 기반하여, 각각의 음성/잡음우세대역에서 알맞은 양의 잡음을 주파수 차감법을 이용하여 제거한다.
대상 데이터
Noisex-92 데이터베이스에서 6개의 다른 잡음을 뽑아내어 평가하는데 사용하였다. 6개의 잡음은 자동차잡음, F16잡음, 백색잡음, 핑크잡음, 탱크잡음, 혼선잡음이다.
Noisex-92 데이터베이스에서 6개의 다른 잡음을 뽑아내어 평가하는데 사용하였다. 6개의 잡음은 자동차잡음, F16잡음, 백색잡음, 핑크잡음, 탱크잡음, 혼선잡음이다.
Noisex-92 데이터베이스에서 6개의 다른 잡음을 뽑아내어 평가하는데 사용하였다. 6개의 잡음은 자동차잡음, F16잡음, 백색잡음, 핑크잡음, 탱크잡음, 혼선잡음이다.
따라서 본 논문에서는 듣기평가도 하였다. 듣기 평가는 10명의 사람 (listeners)이 참여하였다. F16잡음과 탱크잡음에 의해 오염된 음성을 시험해 보았다.
제안된 방법의 성능을 보여주기 위해 우리는 다양한 잡음상황에서 평가를 해보았다 음성문장은 TIMIT 데이터베이스에서 선택되었으며 문장은 다음 두 문장이다. - "She had your dark suit in greasy wash water all year"와 "Scholastic aptitude is judged by standardized tests" - 각각 남성과 여성에 의해 읽혀진 문장이다.
제안된 방법의 성능을 보여주기 위해 우리는 다양한 잡음상황에서 평가를 해보았다 음성문장은 TIMIT 데이터베이스에서 선택되었으며 문장은 다음 두 문장이다. - "She had your dark suit in greasy wash water all year"와 "Scholastic aptitude is judged by standardized tests" - 각각 남성과 여성에 의해 읽혀진 문장이다.
이론/모형
매스킹은 하나의 소리가 다른 소리의 존재로 인해 들리지 않게 되는 과정이다以以 본 논문에서는 주파수 (simultaneous) 매스킹을 사용하였다. 주파수 매스킹은 두 개 혹은 그 이상의 주파수 성분이 동시에 나타났을 때, 어떤 특정 주파수 성분이 있음에도 불구하고 이웃한 주파수 성분의 영향을 받아 귀에는 그 주파수 성분이 들리지 않게 되는 과정이다[21].
매스킹은 하나의 소리가 다른 소리의 존재로 인해 들리지 않게 되는 과정이다以以 본 논문에서는 주파수 (simultaneous) 매스킹을 사용하였다. 주파수 매스킹은 두 개 혹은 그 이상의 주파수 성분이 동시에 나타났을 때, 어떤 특정 주파수 성분이 있음에도 불구하고 이웃한 주파수 성분의 영향을 받아 귀에는 그 주파수 성분이 들리지 않게 되는 과정이다[21].
그리고 종류에 따라 다른 기준을 적용하여 오름차순으로 정렬된 합들과 비교함으로써, 현재 처리하려는 프레임의 각각의 대역에서 음성성분이 대부분을 차지하는지 (음성우세) 잡음성분이 대부분을 차지하는지 (잡음우세) 결정을 한다. 이러한 결정과 인간 청각기의 매스킹 성질에 기반하여, 각각의 음성/잡음우세대역에서 알맞은 양의 잡음을 주파수 차감법을 이용하여 제거한다.
그리고 종류에 따라 다른 기준을 적용하여 오름차순으로 정렬된 합들과 비교함으로써, 현재 처리하려는 프레임의 각각의 대역에서 음성성분이 대부분을 차지하는지 (음성우세) 잡음성분이 대부분을 차지하는지 (잡음우세) 결정을 한다. 이러한 결정과 인간 청각기의 매스킹 성질에 기반하여, 각각의 음성/잡음우세대역에서 알맞은 양의 잡음을 주파수 차감법을 이용하여 제거한다.
그리고 종류에 따라 다른 기준을 적용하여 오름차순으로 정렬된 합들과 비교함으로써, 현재 처리하려는 프레임의 각각의 대역에서 음성성분이 대부분을 차지하는지 (음성우세) 잡음성분이 대부분을 차지하는지 (잡음우세) 결정을 한다. 이러한 결정과 인간 청각기의 매스킹 성질에 기반하여, 각각의 음성/잡음우세대역에서 알맞은 양의 잡음을 주파수 차감법을 이용하여 제거한다.
그리고 종류에 따라 다른 기준을 적용하여 오름차순으로 정렬된 합들과 비교함으로써, 현재 처리하려는 프레임의 각각의 대역에서 음성성분이 대부분을 차지하는지 (음성우세) 잡음성분이 대부분을 차지하는지 (잡음우세) 결정을 한다. 이러한 결정과 인간 청각기의 매스킹 성질에 기반하여, 각각의 음성/잡음우세대역에서 알맞은 양의 잡음을 주파수 차감법을 이용하여 제거한다.
성능/효과
제안된 방법은 다양한 환경에서 성능평가가 이루어졌다.(자동차 잡음, F16 잡음, 백색 잡음, 핑크 잡음, 탱크 잡음, 혼선잡음) 그리고 일반적인 주파수차감법과 비교하여 세그멘탈 신호대 잡음비를 구하고, 시각적 측정 척도인 스펙트로그램과 듣기 평가를 통해, 음성왜곡은 줄이면서 효과적으로 잡음을 줄일 수 있음을 알 수 있다.
제안된 방법은 다양한 환경에서 성능평가가 이루어졌다.(자동차 잡음, F16 잡음, 백색 잡음, 핑크 잡음, 탱크 잡음, 혼선잡음) 그리고 일반적인 주파수차감법과 비교하여 세그멘탈 신호대 잡음비를 구하고, 시각적 측정 척도인 스펙트로그램과 듣기 평가를 통해, 음성왜곡은 줄이면서 효과적으로 잡음을 줄일 수 있음을 알 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.