[논문]후두질환 음성의 자동 식별 성능 비교

강현민; 김수미; 김유신; 김형순; 조철우; 양병곤; 왕수건

문제 정의

이들이 주파수 영역에서 음성 스펙트럼의 포락선을 표현해 주는 파라미터이므로, 음성의 주기적인 특성을 층분히 반영해 주지는 못한다. 따라서, 본 논문에서는 시간 영역에서 음성의 주기성 정도와 그 주기성의 동요 정도를 나타내주는 특징 파라미터들을 함께 사용하도록 하였다. 인식기로는 다층 퍼셉트론 신경회로망과 Gaussian Mixture Model (GMM) 기반의 인식기를 함께 검토하며, 상기 특징 파라미터들과 인식기들에 의한 정상인과 후두암 환자의 음성을 자동 식별하는 실험을 수행하여 그 성능을 비교하였다.
따라서 주기성의 정도를 적절히 표현하면 후두암 환자의 음성을 식별할 수 있는 유용한 파라미터가 될 것이다. 본 논문에서는 음성신호의 자기상관함수를 이용하여 시간 영역에서 주기성의 정도를 측정하였다. 주기적인 신호일 경우 자기상관함수도 주기적인 경향을 나타내므로, <그림 3>에서 보는 바와 같이 정상인 음성의 자기상관함수가 후두암 환자의 경우보다 주기적인 경향이 강하게 된다.
본 논문에서는 음성인식 기술을 기반으로 한 후두질환 음성의 자동 식별 방식들을 검토하고 그 성능을 비교하였다. 후두질환 음성의 식별을 위해서는 먼저 후두의 상태를 잘 반영할 수 있는 음성 파라미터들을 찾아내는 일이 중요하다.
LPCC는 음성발생 기관의 선형예측 모델에 기반을 둔 것이고, MFCC는 청각 기관의 주파수 특성을 고려한 파라미터이다. 본 논문에서는 정상인과 후두암 환자의 음성의 스펙트럼 포락선 특성을 구별하기 위한 특징 파라미터로 LPCC와 MFCC를 적용하고, 이들의 성능을 비교한다.

제안 방법

GMM을 훈련하기 위해 정상인과 후두암 환자의 훈련 데이터로 먼저 단일 mixture를 가지는 모델을 만들고, 원하는 mixture 개수가 만들어질 때까지 모델의 mixture 개수를 하나씩 증가시켜 가며 훈련 과정을 반복하였다. 본 논문에서는 훈련용 데이터의 크기를 고려하여 mixture의 수는 1에서 10까지의 값을 사용하였다.
먼저, 신경회로망 인식기와 GMM 인식기에서 MFCC와 LPCC 계수의 성능을 비교하였으며 그 결과가 에 나타나 있다.
주기적인 신호일 경우 자기상관함수도 주기적인 경향을 나타내므로, <그림 3>에서 보는 바와 같이 정상인 음성의 자기상관함수가 후두암 환자의 경우보다 주기적인 경향이 강하게 된다. 본 논문에서는 자기상관함수를 이용한 다음두 가지 특징 파라미터를 이용하였다.
진다. 본 논문에서는 현재 프레임과 중복되지 않고 가장 가까이 인접한 좌우 각각의 두 프레임과 현재 프레임을 포함하여 다섯 프레임에 대해 V(n)의 분산을 주기성의 동요 정도에 대한 파라미터 VAR_V(n)로 정의하였다. 만약 분석되는 프레임들 사이의 중복 구간이 없다면 VAR_V(n)은 다음 식과 같이 구할 수 있다.
신경회로망 및 GMM 인식기의 훈련은 프레임 단위로 수행하고, 인식 과정 역시 1차적으로 프레임 단위로 수행하고 최종적으로 발화 단위로 식별 결과를 내도록 하였다.
신경회로망의 은닉층 노드 수는 10개, 출력층 노드수는 1개로 하였으며, 입력층의 노드는 특징 파라미터의 차원수와 동일하도록 했다. 입력층의 각 노드의 입력값들은 평균이 0, 분산이 1이 되도록 정규화하였다.
따라서, 본 논문에서는 시간 영역에서 음성의 주기성 정도와 그 주기성의 동요 정도를 나타내주는 특징 파라미터들을 함께 사용하도록 하였다. 인식기로는 다층 퍼셉트론 신경회로망과 Gaussian Mixture Model (GMM) 기반의 인식기를 함께 검토하며, 상기 특징 파라미터들과 인식기들에 의한 정상인과 후두암 환자의 음성을 자동 식별하는 실험을 수행하여 그 성능을 비교하였다.
검토하고 그 성능을 비교하였다. 특징 분석 방법으로는 MFCC와 LPCC의 두 가지 켑스트럼 계수를 사용하였고, 음성 스펙트럼의 포락선 정보로 표현할 수 없는 주기성 정보를 추출하기 위해 자기상관 함수 기반의 주기성 파라미터들을 도입하였다. 인식기로는 다층 퍼셉트론 신경회로망과 GMM 인식기를 사용하였다.

대상 데이터

그 외에도 기존 장애 음성 분석 방법으로 널리 사용되는 MDVP(Multi-Dimensional Voice Program) 분석이 안 되는 후두암 환자 음성 28개도 실험에 포함시켰다. 음성 데이터로 단모음 /아/ 중에서 모음의 중앙 부분 20 프레임을 사용하였고 정상인과 후두암 환자의 모두 2/3의 화자들은 학습에, 나머지 1/3은 식별 시험에 사용하였다.
그 외에도 기존 장애 음성 분석 방법으로 널리 사용되는 MDVP(Multi-Dimensional Voice Program) 분석이 안 되는 후두암 환자 음성 28개도 실험에 포함시켰다. 음성 데이터로 단모음 /아/ 중에서 모음의 중앙 부분 20 프레임을 사용하였고 정상인과 후두암 환자의 모두 2/3의 화자들은 학습에, 나머지 1/3은 식별 시험에 사용하였다. 이 때, MDVP로 분석이 안되는 후두암 환자의 음성이 한쪽 데이터에 몰리지 않도록 이 데이터 역시 2/3가 학습 데이터에 1/3이 식별 시험 데이터에 들어가도록 하였다.
실험 결과의 일관성을 높이기 위해 학습 및 식별에 사용한 음성 데이터는 다수의 세트를 랜덤하게 선정하여 실험을 5번 수행한 이후 이들의 평균 식별 결과를 계산하였다. 음성 데이터의 샘플링 주파수는 16kHz이며, 양자화 비트 수는 16비트를 사용하였다. LPCC나 MFCC를 얻기 위해서 프레임에 Hamming 윈도우를 사용하였으며, pre-emphasis 계수는 0.
특징 분석 방법으로는 MFCC와 LPCC의 두 가지 켑스트럼 계수를 사용하였고, 음성 스펙트럼의 포락선 정보로 표현할 수 없는 주기성 정보를 추출하기 위해 자기상관 함수 기반의 주기성 파라미터들을 도입하였다. 인식기로는 다층 퍼셉트론 신경회로망과 GMM 인식기를 사용하였다. 실험 결과 신경화로망 인식기와 GMM 인식기의 성능은 비슷했으며, MFCC보다 LPCC가 전반적으로 우수한 성능을 보였다.
후두암 식별 실험을 위해 한국 장애음성 데이터베이스[11] 및 추가적으로 구축된 음성 데이터를 사용하였으며, 정상인 음성 50개, 후두암 환자 음성 105개를 사용하였다. 그 외에도 기존 장애 음성 분석 방법으로 널리 사용되는 MDVP(Multi-Dimensional Voice Program) 분석이 안 되는 후두암 환자 음성 28개도 실험에 포함시켰다.

데이터처리

이 때, MDVP로 분석이 안되는 후두암 환자의 음성이 한쪽 데이터에 몰리지 않도록 이 데이터 역시 2/3가 학습 데이터에 1/3이 식별 시험 데이터에 들어가도록 하였다. 실험 결과의 일관성을 높이기 위해 학습 및 식별에 사용한 음성 데이터는 다수의 세트를 랜덤하게 선정하여 실험을 5번 수행한 이후 이들의 평균 식별 결과를 계산하였다. 음성 데이터의 샘플링 주파수는 16kHz이며, 양자화 비트 수는 16비트를 사용하였다.

이론/모형

본 논문에서는 신경망 인식기와 더불어 Gaussian Mixture Model(GMM) 기반의 인식기를 사용하였다. GMM은 다음 식과 같이 복수개의 Gaussian 확률분포들의 가중합으로 구성된다.
본 논문에서는 후두암 음성 식별을 위한 기본적인 특징 파라미터로 음성인식에 널리 사용되는 켑스트럼 계수인 MFCC (Mel-Frequency Cepstral Coefficients)와 LPCC (Linear Predictive Cepstral Coefficients)를 사용하있다. 이들이 주파수 영역에서 음성 스펙트럼의 포락선을 표현해 주는 파라미터이므로, 음성의 주기적인 특성을 층분히 반영해 주지는 못한다.
본 논문에서는 후두질환 식별을 위한 인식기로 신경회로망과 Gaussian Mixture Model(GMM) 인식기를 사용하였다.
신경회로망 인식기를 위해 은닉층을 하나 가지고 있는 다층 퍼셉트론 신경회로망을 사용하였고, 신경회로망의 학습 규칙은 일반적인 오차 역전파 알고리즘을 이용하였다[10]. 신경회로망의 은닉층 노드 수는 10개, 출력층 노드수는 1개로 하였으며, 입력층의 노드는 특징 파라미터의 차원수와 동일하도록 했다.

성능/효과

식별 성능을 얻을 수 있었다. 그리고, 모든 경우에서 기존의 MDVP로 분석이 안 되는 데이터에 대한 인식률이 90%이상의 인식률을 보여 본 논문에서 사용한 방법의 유용성을 확인할 수 있었다.
실험 결과 신경화로망 인식기와 GMM 인식기의 성능은 비슷했으며, MFCC보다 LPCC가 전반적으로 우수한 성능을 보였다. 그리고, 음성 스펙트럼의 세부적인 정보를 얻기 위해서는 높은 차수의 LPCC를 사용하는 것이 적절함을 확인하였다. 또한, LPCC와 보완적인 정보를 가지는 주기성 파라미터를 추가함으로써 켑스트럼계수만을 단독으로 사용하는 것보다 더 나은 결과를 얻을 수 있었다.
낮은 차수에 비해서 LPCC의 차수가 더 높은 경우에 식빌 성능이 상대적으로 우수하였다. 이는 동일한 모음 발음에 대해 스펙트럼 포락선 정보를 더 정교하게 표현함으로써 정상인의 음성과 후두암 환자의 음성을 더 잘 구별해 주기 때문으로 판단된다.
그리고, 음성 스펙트럼의 세부적인 정보를 얻기 위해서는 높은 차수의 LPCC를 사용하는 것이 적절함을 확인하였다. 또한, LPCC와 보완적인 정보를 가지는 주기성 파라미터를 추가함으로써 켑스트럼계수만을 단독으로 사용하는 것보다 더 나은 결과를 얻을 수 있었다.
인식기로는 다층 퍼셉트론 신경회로망과 GMM 인식기를 사용하였다. 실험 결과 신경화로망 인식기와 GMM 인식기의 성능은 비슷했으며, MFCC보다 LPCC가 전반적으로 우수한 성능을 보였다. 그리고, 음성 스펙트럼의 세부적인 정보를 얻기 위해서는 높은 차수의 LPCC를 사용하는 것이 적절함을 확인하였다.
실험 결과이다. 실험 결과 켑스트럼 계수와 주기성 파라미터를 함께 사용함으로써 인식 성능이 향상되며, 이들 두 종류의 파라미터는 상호 보완적인 정보가 될 수 있음을 보여주고 있다.
이 실험에서 MFCC와 LPCC 계수는 모두 동일하게 16차로 고정시켰으며, GMM 인식기의 경우 mixture의 수를 1에서 10까지 변화시켜 가면서 실험을 수행하였고, 표의 결과는 mixture의 수가 4개일 때의 결과이다.<표 1>을 볼 때, 전반적으로 LPCC가 MFCC보다 높은 인식률을 나타내었고, 신경회로망 인식기와 GMM 인식기의 성능 차이는 별로 없었다. 이후의 실험 에서는 신경 회로망 인식기 만을 사용하였다.
그 결과가 <표 1>에 나타나 있다. 이 실험에서 MFCC와 LPCC 계수는 모두 동일하게 16차로 고정시켰으며, GMM 인식기의 경우 mixture의 수를 1에서 10까지 변화시켜 가면서 실험을 수행하였고, 표의 결과는 mixture의 수가 4개일 때의 결과이다.<표 1>을 볼 때, 전반적으로 LPCC가 MFCC보다 높은 인식률을 나타내었고, 신경회로망 인식기와 GMM 인식기의 성능 차이는 별로 없었다.
정리하면 높은 차수의 LPCC 계수를 주기성 파라미터와 함께 사용할 때 가장 우수한 식별 성능을 얻을 수 있었다. 그리고, 모든 경우에서 기존의 MDVP로 분석이 안 되는 데이터에 대한 인식률이 90%이상의 인식률을 보여 본 논문에서 사용한 방법의 유용성을 확인할 수 있었다.

후속연구

그림을 보면 정상인의 음성이 후두암 환자의 음성에 비해 주기적인 특성이 훨씬 더 분명함을 알 수가 있다. 따라서 주기성의 정도를 적절히 표현하면 후두암 환자의 음성을 식별할 수 있는 유용한 파라미터가 될 것이다. 본 논문에서는 음성신호의 자기상관함수를 이용하여 시간 영역에서 주기성의 정도를 측정하였다.
이는 동일한 모음 발음에 대해 스펙트럼 포락선 정보를 더 정교하게 표현함으로써 정상인의 음성과 후두암 환자의 음성을 더 잘 구별해 주기 때문으로 판단된다. 본 논문에서는 16차보다 더 높은 차수에 대해서는 고려하지 않았으나, 이에 대한 검토도 필요할 것으로 판단된다.
본 논문에서는 제한된 음성 데이터에 의한 신뢰도 문제의 보완을 위해 다양한 훈련 및 인식용 데이터의 조합에 의해 식별 결과를 얻었지만, 향후 보다 신뢰도 높은 평가를 위해 장애 음성 데이터베이스의 확층이 필수적으로 요청된다. 이와 더불어 성능 향상을 위해 다양한 특징 파라미터에 대한 추가적인 검토도 병행되어야 할 것이다.
이와 더불어 성능 향상을 위해 다양한 특징 파라미터에 대한 추가적인 검토도 병행되어야 할 것이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 후두질환 음성의 자동 식별 성능 비교
Performance Comparison of Automatic Detection of Laryngeal Diseases by Voice 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 후두질환 음성의 자동 식별 성능 비교 Performance Comparison of Automatic Detection of Laryngeal Diseases by Voice 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

강현민 (1) 김수미 (3) 김유신 (39) 김형순 (73) 조철우 (39) 왕수건 (47)

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 후두질환 음성의 자동 식별 성능 비교
Performance Comparison of Automatic Detection of Laryngeal Diseases by Voice 원문보기

AI 본문요약
AI-Helper