본 논문에서는 잡음에 열화된 대역에서 지능적으로 잡음의 패턴을 추정하여 지각 필터의 성능을 개선시켜 오디오 신호의 음질을 개선하는 알고리즘을 제안한다. 제안된 알고리즘은 묵음 구간에서 추정한 고정된 추정 잡음을 사용하는 기존의 방식을 사용하지 않고, 신호 구간마다 달라지는 신호의 세기와 잡음의 영향 정도를 고려하여 신호가 열세하고 잡음이 대부분을 차지하는 대역, 즉 잡음에 열화된 대역에서 잡음 패턴을 추정하여 신호를 열화시키는 잡음을 효과적으로 제어하는 방식으로 지각적으로 개선된 음질의 신호를 얻을 수 있다. 기존 방식과의 비교를 위해 다양한 신호 대 잡음 비(signal-to-noise ration, SNR)에서 열화된 오디오 신호를 입력으로 사용하였다. 입력 SNR이 $5\cal{dB},\;10\cal{dB},\;15\cal{dB}$와 $20\cal{dB}$의 각각의 경우에 대하여 객관적인 평가인 세그멘탈 신호 대 잡음비(Segmental SNR, SSNR)와 잡음 대 마스킹 비(Noise-to-mask ratio, NMR), 또한 주관적인 평가인 청감 테스트(Mean opinion score, MOS test)를 비교하였다. 그 결과, SSNR 측면에서는 각각의 경우에 대해 $7.4\cal{dB},\;6.8\cal{dB},\;5.7\cal{dB},\;5.1\cal{dB}$ 그리고, NMR 측면에서는 $15.7\cal{dB},\;15.5\cal{dB},\;15.2\cal{dB},\;14.8\cal{dB}$ 의 개선을 확인할 수 있었다. 또한 주관적인 측정 결과인 테스트의 개선 확인 및 음질 개선에 의한 성능을 확인할 수 있었다.
본 논문에서는 잡음에 열화된 대역에서 지능적으로 잡음의 패턴을 추정하여 지각 필터의 성능을 개선시켜 오디오 신호의 음질을 개선하는 알고리즘을 제안한다. 제안된 알고리즘은 묵음 구간에서 추정한 고정된 추정 잡음을 사용하는 기존의 방식을 사용하지 않고, 신호 구간마다 달라지는 신호의 세기와 잡음의 영향 정도를 고려하여 신호가 열세하고 잡음이 대부분을 차지하는 대역, 즉 잡음에 열화된 대역에서 잡음 패턴을 추정하여 신호를 열화시키는 잡음을 효과적으로 제어하는 방식으로 지각적으로 개선된 음질의 신호를 얻을 수 있다. 기존 방식과의 비교를 위해 다양한 신호 대 잡음 비(signal-to-noise ration, SNR)에서 열화된 오디오 신호를 입력으로 사용하였다. 입력 SNR이 $5\cal{dB},\;10\cal{dB},\;15\cal{dB}$와 $20\cal{dB}$의 각각의 경우에 대하여 객관적인 평가인 세그멘탈 신호 대 잡음비(Segmental SNR, SSNR)와 잡음 대 마스킹 비(Noise-to-mask ratio, NMR), 또한 주관적인 평가인 청감 테스트(Mean opinion score, MOS test)를 비교하였다. 그 결과, SSNR 측면에서는 각각의 경우에 대해 $7.4\cal{dB},\;6.8\cal{dB},\;5.7\cal{dB},\;5.1\cal{dB}$ 그리고, NMR 측면에서는 $15.7\cal{dB},\;15.5\cal{dB},\;15.2\cal{dB},\;14.8\cal{dB}$ 의 개선을 확인할 수 있었다. 또한 주관적인 측정 결과인 테스트의 개선 확인 및 음질 개선에 의한 성능을 확인할 수 있었다.
In this paper, we propose an algorithm that improves a tone quality of a noisy audio signal in order to enhance a performance of perceptual filter using intelligent estimation of noise pattern from a band degraded by additive noise. The proposed method doesn't use the estimated noise which is obtain...
In this paper, we propose an algorithm that improves a tone quality of a noisy audio signal in order to enhance a performance of perceptual filter using intelligent estimation of noise pattern from a band degraded by additive noise. The proposed method doesn't use the estimated noise which is obtained from silent range. Instead new estimated noise according to the power of signal and effect of noise variation is considered for each frame. So the noisy audio signal is enhanced by the method which controls a estimation of noise Pattern effectively in a noise corruption band. To show the performance of the proposed algorithm, various input signals which had a different signal-to-noise ratio(SNR) such as $5\cal{dB},\;10\cal{dB},\;15\cal{dB}\;and\;20\cal{dB}$ were used to test the proposed algorithm. we carry out SSNR and NMR of objective measurement and MOS test of subjective measurement. An approximate improvement of $7.4\cal{dB},\;6.8\cal{dB},\;5.7\cal{dB},\;5.1\cal{dB}$ in SSNR and $15.7\cal{dB},\;15.5\cal{dB},\;15.2\cal{dB},\;14.8\cal{dB}$ in NMR is achieved with the input signals, respectively. And we confirm the enhancement of tone quality in terms of mean opinion score(MOS) test which is result of subjective measurement.
In this paper, we propose an algorithm that improves a tone quality of a noisy audio signal in order to enhance a performance of perceptual filter using intelligent estimation of noise pattern from a band degraded by additive noise. The proposed method doesn't use the estimated noise which is obtained from silent range. Instead new estimated noise according to the power of signal and effect of noise variation is considered for each frame. So the noisy audio signal is enhanced by the method which controls a estimation of noise Pattern effectively in a noise corruption band. To show the performance of the proposed algorithm, various input signals which had a different signal-to-noise ratio(SNR) such as $5\cal{dB},\;10\cal{dB},\;15\cal{dB}\;and\;20\cal{dB}$ were used to test the proposed algorithm. we carry out SSNR and NMR of objective measurement and MOS test of subjective measurement. An approximate improvement of $7.4\cal{dB},\;6.8\cal{dB},\;5.7\cal{dB},\;5.1\cal{dB}$ in SSNR and $15.7\cal{dB},\;15.5\cal{dB},\;15.2\cal{dB},\;14.8\cal{dB}$ in NMR is achieved with the input signals, respectively. And we confirm the enhancement of tone quality in terms of mean opinion score(MOS) test which is result of subjective measurement.
S. F. Boll, 'Suppression of acoustic noise speech using spectral subtraction', IEEE Trans. Acoustic, Speech, and Signal Processing, Vol ASSP-27, 1997
R. J. MacAuly, 'Speech enhancement using a soft-decision noise suppression filter', IEEE Trans. Acoustic, Speech, and Signal Processing, Vol 28. 1980
Y. Ephrainm and D. Malah, 'Speech enhancement using a MMS error short-time spectral amplitude estimator', IEEE Trans. Acoustic, Speech, and Signal Processing, Vol 32. 1984
Y. Ephrainm, 'A Bayesian estimation approach for Speech enhancement using HMM', IEEE Trans. Signal Processing, Vol 40. 1992
D. Tsoukalas, J. Mourjopoulos, and M. Paraskevas, 'Speech enhancement using Psychoacoustic Criteria', Journal of Audio Eng. Soc, vol. 45, no. 1/2, pp. 22-35, IEEE ICASSP, 1994
D. Tsoukalas, J. Mourjopoulos, and G. Kokkinakis, 'Perceptual filters for audio signal enhancement,' Journal of Audio Eng. Soc, vol. 45, no. 1/2, pp.22-35, Jan/Feb. 1997
N. Virag, 'Single Channel Speech Enhancement Based on Masking Properties of the Human Auditory System,' IEEE Trans. Speech and Audio Processing, vol. 7, no. 2, pp. 126-137, Mar. 1999
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.