[논문]음악 장르 분류를 이용한 자동차 오디오 시스템에서의 이퀄라이저 자동 조절 방식

김형국; 남상순

문제 정의

본 논문에서는 입력되는 연속적인 오디오 신호로부터 음악구간을 구별하기 위해 GMM 분류방식을 기반으로 음악/비음악 분류를 수행한다.
본 논문에서는 자동차 오디오 시스템의 라디오에서 실시간으로 재생되는 오디오 신호에서 음악 신호를 선별하여, 음악 장르 분류를 통한 자동 이퀄라이저 조절 방식을 제안하였다. 제안된 방식은 실시간 오디오 신호로부터 음악/비음악 분류 방식에 의해 구분된 음악신호에 대한 음악 장르 분류 결과의 분석을 통해 사용자에게 실시간으로 재생되는 음악에 대해 빠른 시간 안에 선택된 이퀄라이저 모드가 적용할 수 있게 되었다.
본 논문은 자동차 오디오 시스템에서 이러한 수동이 퀄라이저 조절 방식의 문제점을 해결하기 위해 라디오에서 실시간으로 재생되는 연속적인 오디오 신호에서 음악 신호를 자동으로 구분한 후 해당 음악의 장르 분류를 통해 자동으로 이퀄라이저를 조절하는 방식을 제안한다.

제안 방법

μ]은 음악 신호로부터 음색, 리듬, 그리고 피치 특징 벡터를 추출하고, Gaussian Classifier, GMM, K-Nearest Neighbor 분류 방식을 사용하여 장르 분류 결과를 비교하였다. (2)는 음악 템포 특징과 Mel- reqeucny Cepstral Coefficient를 결합한 특징 벡터를 활용하여 음악 장르 분류를 수행하였다. [3]은 전체 음악 데이터 집합에서 음색 특징 벡터를 추출한 뒤 음악 장르 간 유사도를 측정하여 장르를 분류하였다.
34%에 비해 미소하게 우수한 성능을 나타내었다. 그러나 GMM 방식이 연산량이 작기 때문에 제안된 방식에서는 GMM 방식을 이용하여 음악장르 분류를 수행하였다. 즉, 5가지 음악 장르에 대해 장르 별로 200개의 곡을 사용하여 각 장르별 모델을 생성하고, 표1에서 실험한 오디오 구간을 기반으로 분류된 음악 구간에 대해 장르별 분류를 수행하였다.
그렇기 때문에 제안된 방식에서는 분류 결과의 신뢰성을 높이기 위해 시작 구간에서 일정 구간이 지난 후의 구간부터 음악 장르 분류를 수행하며 음악 구간의 분류 결과가 가장 많은 빈도수를 나타내는 음악 장르를 해당 음악의 장르로 결정한다. 이때, 병렬적으로 수행되는 음악/비음악 분류 결과가 음악에서 비 음악으로 상태 변화가 발생할 때까지 음악 장르 분류는 따로 수행되지 않는다.
기존에 수행된 방식과 비교하여 본 논문에서는 실시간으로 라디오에서 출력되는 오디오 신호로부터 음악 신호를 구분하여 일정 구간에 대한 음악장르 분류 결과를 통해 실시간으로 이퀄라이저에 적용하는 방식을 사용한다. 그리고 음악 장르 분류의 정확도를 높이기 위해 음색 특징과 리듬 특징을 결합한 음악 특징 추출 방법을 적용한다.
제안된 방식에 적용하였다. 그리고 이퀄라이저 조절 방식의 성능에 영향을 주는 음악/비음악 분류와 음악 장르 분류를 다양하게 분할된 오디오 구간과 그 구간에 대한 연속적인 장르 분류 빈도수에 따라 음악분류 정확도를 비교하였다.
[3]은 전체 음악 데이터 집합에서 음색 특징 벡터를 추출한 뒤 음악 장르 간 유사도를 측정하여 장르를 분류하였다. 기존에 수행된 방식과 비교하여 본 논문에서는 실시간으로 라디오에서 출력되는 오디오 신호로부터 음악 신호를 구분하여 일정 구간에 대한 음악장르 분류 결과를 통해 실시간으로 이퀄라이저에 적용하는 방식을 사용한다. 그리고 음악 장르 분류의 정확도를 높이기 위해 음색 특징과 리듬 특징을 결합한 음악 특징 추출 방법을 적용한다.
하지만 4초 구간의 5번의 분류 수행은 전체 음악에서 많은 시간을 소요하게 되어 실시간으로 재생되는 음악에 이퀄라이저를 적용하기에는 이퀄라이저 지연이 많이 발생하게 된다. 따라서 본 논문에서는 실시간 음악에 적용하기 위한 최적의 이퀄라이저 모드 조건으로 2초 구간의 5번의 분류 인증 결과를 사용한다.
실시간 입력에 대한 오디오 특징 벡터 추출을 위해 입력 오디오 신호를 중첩이 되지 않은 초 단위의 구간으로 분할하여 음색 특징 벡터와 리듬 특징 벡터를 추출한다.
이 경우, 음악이 시작된 후 5초 구간인 음악 도입부 구간을 제외한 음악 구간에 대해 음악 장르 분류를 수행하였고, 음악 장르 결정을 위한 판단 횟수를 비교 파라미터로 하여 음악장르 분류 성능을와 같이 측정하였다.
제안된 시스템의 입력은 라디오에 재생되는 연속적인 오디오 신호로써, 입력 신호에 대한 실시간 신호처리를 위해 초 단위로 분할된 오디오 구간에 대해 오디오 특징 벡터를 추출하고, 이퀄라이저 조절이 필요 없는 비음악 신호를 구분하기 위해 음악/비음악 분류를 수행한다. 분류 결과가 음악 신호인 경우, 음악 장르 분류 과정을 통해 자동으로 이퀄라이저 모드가 설정되고, 설정된 이퀄라이저 모드는 현재 재생 중인 음악 신호에 적용된다.
그러나 GMM 방식이 연산량이 작기 때문에 제안된 방식에서는 GMM 방식을 이용하여 음악장르 분류를 수행하였다. 즉, 5가지 음악 장르에 대해 장르 별로 200개의 곡을 사용하여 각 장르별 모델을 생성하고, 표1에서 실험한 오디오 구간을 기반으로 분류된 음악 구간에 대해 장르별 분류를 수행하였다. 이 경우, 음악이 시작된 후 5초 구간인 음악 도입부 구간을 제외한 음악 구간에 대해 음악 장르 분류를 수행하였고, 음악 장르 결정을 위한 판단 횟수를 비교 파라미터로 하여 음악장르 분류 성능을<그림 2>와 같이 측정하였다.
클래식, 팝, 재즈, 댄스, 락 음악의 5개 음악 장르에 대해 각 장르별로 선택된 곡들로부터 음악 특징을 추출하고, 추출된 음악 특징을 GMM 학습방식에 적용하여 각 장르별 모델을 생성한다. 라디오에서 출력되는 오디오 신호로부터 음악 신호로 구분된 음악 구간 신호는 학습에 의해 생성된 각 장르별 모델들과의 유사도 비교를 통해 5가지 장르 중 하나로 판별된다.
판단하는 과정으로 구성된다. 학습 과정은 앞서 설명한 52차원의 음색 특징과 12차원의 리듬 특징을 사용하여 수행된다.

대상 데이터

실험을 위해서 사용된 오디오 DB는 국내 FM 라디오 방송으로부터 10시간 분량의 오디오 신호를 22050Hz, 16bits, mono WAV 형식의 파일로 녹음하여 제안된 방식에 적용하였다. 그리고 이퀄라이저 조절 방식의 성능에 영향을 주는 음악/비음악 분류와 음악 장르 분류를 다양하게 분할된 오디오 구간과 그 구간에 대한 연속적인 장르 분류 빈도수에 따라 음악분류 정확도를 비교하였다.

데이터처리

" data-before="있다’" data-ocr-fix="">있다. μ]은 음악 신호로부터 음색, 리듬, 그리고 피치 특징 벡터를 추출하고, Gaussian Classifier, GMM, K-Nearest Neighbor 분류 방식을 사용하여 장르 분류 결과를 비교하였다. (2)는 음악 템포 특징과 Mel- reqeucny Cepstral Coefficient를 결합한 특징 벡터를 활용하여 음악 장르 분류를 수행하였다.

성능/효과

실험 결과 도입부 이후 4초 구간의 5번에 대한 장르 분류 결과를 적용하였을 때 이퀄라이저 모드 선택을 위한 정확도가 가장 높은 것을 알 수 있다. 하지만 4초 구간의 5번의 분류 수행은 전체 음악에서 많은 시간을 소요하게 되어 실시간으로 재생되는 음악에 이퀄라이저를 적용하기에는 이퀄라이저 지연이 많이 발생하게 된다.
<표 1>에 나타난 바와 같이 오디오 세크멘트 길이가 1초에서 3초까지 1초 단위로 증가시킨 경우에는 음악/비음악 분류결과가 향상되었으나, 3초에서 4초로 오디오 구간 간격을 늘렸을 경우에는 음악/비음악 분류 결과 향상이 미소함을 알 수 있었다.
음악 장르 분류의 성능 측정을 위해 Support Vector Machines(SVM), Multi-Layer Percptron(MLP), GMM 등의 세 가지 방식을 200개의 곡들(각 장르별 40곡) 에 대해 음악 장르 분류 실험을 수행한 결과, MLP 방식을 사용한 음악 분류 결과가 88.56%로 GMM방식의 87.75%, SVM 방식의 87.34%에 비해 미소하게 우수한 성능을 나타내었다. 그러나 GMM 방식이 연산량이 작기 때문에 제안된 방식에서는 GMM 방식을 이용하여 음악장르 분류를 수행하였다.
조절 방식을 제안하였다. 제안된 방식은 실시간 오디오 신호로부터 음악/비음악 분류 방식에 의해 구분된 음악신호에 대한 음악 장르 분류 결과의 분석을 통해 사용자에게 실시간으로 재생되는 음악에 대해 빠른 시간 안에 선택된 이퀄라이저 모드가 적용할 수 있게 되었다. 이러한 자동 이퀄라이저 조절 방식은 현재 상용화되어 있는 카오디오 시스템에 적용되어 기존 시스템에 장착된 이퀄라이저 사용의 불편함을 해결할 수 있을 뿐만 아니라 운전자들에게 새로운 음악 감상의 방식을 제공할 수 있을 것이다.

후속연구

제안된 방식은 실시간 오디오 신호로부터 음악/비음악 분류 방식에 의해 구분된 음악신호에 대한 음악 장르 분류 결과의 분석을 통해 사용자에게 실시간으로 재생되는 음악에 대해 빠른 시간 안에 선택된 이퀄라이저 모드가 적용할 수 있게 되었다. 이러한 자동 이퀄라이저 조절 방식은 현재 상용화되어 있는 카오디오 시스템에 적용되어 기존 시스템에 장착된 이퀄라이저 사용의 불편함을 해결할 수 있을 뿐만 아니라 운전자들에게 새로운 음악 감상의 방식을 제공할 수 있을 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

음악 장르 분류를 이용한 자동차 오디오 시스템에서의 이퀄라이저 자동 조절 방식
Automatic Equalizer Control Method Using Music Genre Classification in Automobile Audio System 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

참고문헌 (4)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

음악 장르 분류를 이용한 자동차 오디오 시스템에서의 이퀄라이저 자동 조절 방식 Automatic Equalizer Control Method Using Music Genre Classification in Automobile Audio System 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

참고문헌 (4)

이 논문을 인용한 문헌

저자의 다른 논문 :

김형국 (53)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

음악 장르 분류를 이용한 자동차 오디오 시스템에서의 이퀄라이저 자동 조절 방식
Automatic Equalizer Control Method Using Music Genre Classification in Automobile Audio System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper