[논문]독립 성분 분석과 지각 필터를 이용한 음질 개선

구교식; 차형태

doi:10.7776/ask.2010.29.4.270

문제 정의

이런 가변적인 상황에서 인간의 지각적인 청각 특성을 이용 하여 적응적으로 잡음을 제거하는 연구는 계산량이 적으면서 성능이 우수하여 지속적인 관심의 대상이 되어 왔다. 본 논문에서는 ICA 알고리즘을 이용하여 미지의 잡음 환경 하에서 효율적으로 잡음을 추정한 후 적응지각필터를 이용하여 제거하는 방법을 제안한다. 논문의 내용은 2장에서는 ICA알고리즘과 지각필터에 대해 설명하고, 3장 및 4장에서 제안된 알고리즘에 대한 설명 및 시뮬레이션에 관한 결과를 제시한다.
이런 가변적인 상황에서 인간의 지각적인 청각 특성을 이용 하여 적응적으로 잡음을 제거하는 연구는 계산량이 적으면서 성능이 우수하여 지속적인 관심의 대상이 되어 왔다. 본 논문에서는 ICA 알고리즘을 이용하여 미지의 잡음 환경 하에서 효율적으로 잡음을 추정한 후 적응지각필터를 이용하여 제거하는 방법을 제안한다. 논문의 내용은 2장에서는 ICA알고리즘과 지각필터에 대해 설명하고, 3장 및 4장에서 제안된 알고리즘에 대한 설명 및 시뮬레이션에 관한 결과를 제시한다.
본 논문에서는 잡음에 의해 열화된 오띠오 신호의 청각자극 에너지를 이용하여 지각 필터에 적용함으로서 신호의 음질을 개선하는 과정에서 통계적 특성을 갖지 않는 non-stationary 잡음을 보다 정확하게 추정함으로서 지각 필터의 성능을 향상시키는 알고리즘을 제안하였다.
본 논문에서는 잡음에 의해 열화된 오띠오 신호의 청각자극 에너지를 이용하여 지각 필터에 적용함으로서 신호의 음질을 개선하는 과정에서 통계적 특성을 갖지 않는 non-stationary 잡음을 보다 정확하게 추정함으로서 지각 필터의 성능을 향상시키는 알고리즘을 제안하였다.
본 논문은 독립성분분석과 지각필터를 이용하여 보다 잡음에 열화된 신호에서 효율적으로 잡음을 제거하기 위한 알고리즘을 제안한다. 제안된 알고리즘의 성능을 확인하기 위하여 주관적 및 객관적인 테스트를 수행하였다.
본 논문은 독립성분분석과 지각필터를 이용하여 보다 잡음에 열화된 신호에서 효율적으로 잡음을 제거하기 위한 알고리즘을 제안한다. 제안된 알고리즘의 성능을 확인하기 위하여 주관적 및 객관적인 테스트를 수행하였다.
이에 본 논문에서는 이러한 고정적인 추정 잡음을 사용 하지 않고 독립성분분석 알고리즘을 적용하여 효율적으로 잡음을 추정하여 지각필터의 성능을 개선시키는 알고리즘을 제안한다. 독립성분분석은 두 개 이상의 다수의 센서로부터 얻어진 혼합 신호 (mixture)를 독립적인 (independent) 성분들로 분리해 내는 통계적인 방법이다.
이에 본 논문에서는 이러한 고정적인 추정 잡음을 사용 하지 않고 독립성분분석 알고리즘을 적용하여 효율적으로 잡음을 추정하여 지각필터의 성능을 개선시키는 알고리즘을 제안한다. 독립성분분석은 두 개 이상의 다수의 센서로부터 얻어진 혼합 신호 (mixture)를 독립적인 (independent) 성분들로 분리해 내는 통계적인 방법이다.

가설 설정

독립성분분석에서 신호원 벡터 (source signal vector) 는 dimension0] M인 서로 독립적인 신호, s로 가정하자. 이 때 우리가 측정하는 신호는 식 (2)와 같이 dimension 이 N인 mixed signal, x로 주어진다고 할 수 있다.

제안 방법

그리고 받아들인 신호를 독립 성분 분석 알고리즘을 이용하여 잡음 dm [n] 을 추정한 후 지각 필터에 적용하게 된다.
더불어 각 방법으로 얻은 개선 결과에 대한 비교로 객관적 측정 (Objective Measurement) 결과로 사용되는 프레임 단위 신호 대 잡음 비 (Segmental Signal-to-Noise Ratio, SSNR)와 잡음 대 마스킹 비 (Noise-to-Mask Ratio, NMR)를 측정하였다.
더불어 각 방법으로 얻은 개선 결과에 대한 비교로 객관적 측정 (Objective Measurement) 결과로 사용되는 프레임 단위 신호 대 잡음 비 (Segmental Signal-to-Noise Ratio, SSNR)와 잡음 대 마스킹 비 (Noise-to-Mask Ratio, NMR)를 측정하였다.
성능을 평가하기 위한 두 번째 테스트로는 제안된 알고리즘을 통해 개선된 사운드 신호의 음질 변화 정도를 판단하기 위해 청감 테스트를 실시하였다. 평가 기준으로는 CCIR Recommendation에서 음질 평가를 위해 채택한 방법인 Degradation Category Rating (DCR) Method를 사용하였다.
임의의 혼합행렬, A를 임의로 식 (17)과 같이 정의할 때, 첫 번째 시뮬레이션으로 원 신호와 잡음에 대하여 A를 이용하여 약 선형적으로 혼합함으로서 사운드 신호를 약 8 dB의 SNR 정도로 열화시킨 후 잡음제거 성능을 확인 하였다.
임의의 혼합행렬, A를 임의로 식 (17)과 같이 정의할 때, 첫 번째 시뮬레이션으로 원 신호와 잡음에 대하여 A를 이용하여 약 선형적으로 혼합함으로서 사운드 신호를 약 8 dB의 SNR 정도로 열화시킨 후 잡음제거 성능을 확인 하였다.
그리고 해닝 윈도우 (Hanning window) 함수와 중첩 가산 (Overlap add) 방식을 주파수축 변환에 사용하였으며 실험은 Matlab을 이용하였다. 입력되는 열화 된 신호의 음질 개선 결과를 비교하기 위하여 기존의 ICA만을 사용하여 잡음을 분리하는 경우 및 주파수 차감 방식을 추가한 경우와의 결과를 비교하였다.
제안된 알고리즘에서는 독립성분분석 알고리즘을 이용하여 마이크로폰에 수신된 두 신호에서 잡음만을 추정하도록 시도하게 된다. 이를 위해서 독립성분모델을 이용하여 분리행렬 W를 추정하는 작업이 필요하다.
본 논문은 독립성분분석과 지각필터를 이용하여 보다 잡음에 열화된 신호에서 효율적으로 잡음을 제거하기 위한 알고리즘을 제안한다. 제안된 알고리즘의 성능을 확인하기 위하여 주관적 및 객관적인 테스트를 수행하였다. 테스트에 사용된 사운드 및 잡음 신호로는 표 1과 같이 오디오 CD 및 영화 DVD에서 추출된 Vocal 신호 및 비 정적인 특성을 갖는 Rock, Water, Siren 등의 3가지 음원을 사용하였다.
DCR Method는 표 3과 같은 Degradation Category Scale를 통하여 수정된 사운드 신호의 음질이 원 사운드 신호의 음질과 관련하여 얼마나 충실한지를 비교한다 [10], 테스트는 20세 이상 오디오 전문 분야에 종사하지 않는 남녀 10명을 대상으로 하였으며. 테스트 장비로는 청취자의 귀에 밀착되는 헤드폰 (audio-technica ATH-ES7), Pentium computer (Intel core2duo E8500)를 시용하였다 그리고 재생시스템과 피 실험자 간의 거리를 두고 랜덤한 순서로 사운드 신호를 들려주어 청취자가 음원의 종류를 사전에 알 수없도록 하였다.
DCR Method는 표 3과 같은 Degradation Category Scale를 통하여 수정된 사운드 신호의 음질이 원 사운드 신호의 음질과 관련하여 얼마나 충실한지를 비교한다 [10], 테스트는 20세 이상 오디오 전문 분야에 종사하지 않는 남녀 10명을 대상으로 하였으며. 테스트 장비로는 청취자의 귀에 밀착되는 헤드폰 (audio-technica ATH-ES7), Pentium computer (Intel core2duo E8500)를 시용하였다 그리고 재생시스템과 피 실험자 간의 거리를 두고 랜덤한 순서로 사운드 신호를 들려주어 청취자가 음원의 종류를 사전에 알 수없도록 하였다.

대상 데이터

평가 기준으로는 CCIR Recommendation에서 음질 평가를 위해 채택한 방법인 Degradation Category Rating (DCR) Method를 사용하였다. DCR Method는 표 3과 같은 Degradation Category Scale를 통하여 수정된 사운드 신호의 음질이 원 사운드 신호의 음질과 관련하여 얼마나 충실한지를 비교한다 [10], 테스트는 20세 이상 오디오 전문 분야에 종사하지 않는 남녀 10명을 대상으로 하였으며. 테스트 장비로는 청취자의 귀에 밀착되는 헤드폰 (audio-technica ATH-ES7), Pentium computer (Intel core2duo E8500)를 시용하였다 그리고 재생시스템과 피 실험자 간의 거리를 두고 랜덤한 순서로 사운드 신호를 들려주어 청취자가 음원의 종류를 사전에 알 수없도록 하였다.
평가 기준으로는 CCIR Recommendation에서 음질 평가를 위해 채택한 방법인 Degradation Category Rating (DCR) Method를 사용하였다. DCR Method는 표 3과 같은 Degradation Category Scale를 통하여 수정된 사운드 신호의 음질이 원 사운드 신호의 음질과 관련하여 얼마나 충실한지를 비교한다 [10], 테스트는 20세 이상 오디오 전문 분야에 종사하지 않는 남녀 10명을 대상으로 하였으며. 테스트 장비로는 청취자의 귀에 밀착되는 헤드폰 (audio-technica ATH-ES7), Pentium computer (Intel core2duo E8500)를 시용하였다 그리고 재생시스템과 피 실험자 간의 거리를 두고 랜덤한 순서로 사운드 신호를 들려주어 청취자가 음원의 종류를 사전에 알 수없도록 하였다.
제안된 알고리즘의 성능을 확인하기 위하여 주관적 및 객관적인 테스트를 수행하였다. 테스트에 사용된 사운드 및 잡음 신호로는 표 1과 같이 오디오 CD 및 영화 DVD에서 추출된 Vocal 신호 및 비 정적인 특성을 갖는 Rock, Water, Siren 등의 3가지 음원을 사용하였다. 그리고 해닝 윈도우 (Hanning window) 함수와 중첩 가산 (Overlap add) 방식을 주파수축 변환에 사용하였으며 실험은 Matlab을 이용하였다.
제안된 알고리즘의 성능을 확인하기 위하여 주관적 및 객관적인 테스트를 수행하였다. 테스트에 사용된 사운드 및 잡음 신호로는 표 1과 같이 오디오 CD 및 영화 DVD에서 추출된 Vocal 신호 및 비 정적인 특성을 갖는 Rock, Water, Siren 등의 3가지 음원을 사용하였다. 그리고 해닝 윈도우 (Hanning window) 함수와 중첩 가산 (Overlap add) 방식을 주파수축 변환에 사용하였으며 실험은 Matlab을 이용하였다.

이론/모형

두 개의 마이크로폰은 각각 선형으로 섞여서 유입되는 사운드 신호와 잡음을 받아들이게 되며 이를 x₁[n], x₂[n]이라 정의한다. 그리고 받아들인 신호를 독립 성분 분석 알고리즘을 이용하여 잡음 d_ICA [n]을 추정한 후 지각필터에 적용하게 된다. 추정된 잡음은 원 잡음 신호에 거의 근접하므로 여러 다양한 잡음 하에서도 쉽게 지각필터의 성능을 향상시킬 수 있다.
그리고 해닝 윈도우 (Hanning window) 함수와 중첩 가산 (Overlap add) 방식을 주파수축 변환에 사용하였으며 실험은 MMlab을 이용하였다.
테스트에 사용된 사운드 및 잡음 신호로는 표 1과 같이 오디오 CD 및 영화 DVD에서 추출된 Vocal 신호 및 비 정적인 특성을 갖는 Rock, Water, Siren 등의 3가지 음원을 사용하였다. 그리고 해닝 윈도우 (Hanning window) 함수와 중첩 가산 (Overlap add) 방식을 주파수축 변환에 사용하였으며 실험은 Matlab을 이용하였다. 입력되는 열화 된 신호의 음질 개선 결과를 비교하기 위하여 기존의 ICA만을 사용하여 잡음을 분리하는 경우 및 주파수 차감 방식을 추가한 경우와의 결과를 비교하였다.
분리 행렬 W를 결정하는 독립성분분석 알고리즘으로는 여러 가지 알고리즘들이 있으나 본 연구에서는 u[n]의 비가우시안성 (nongaussianity)최대로 되도록 하는 고속독립성분분석 (Fast ICA) 알고리즘을 사용하였다.
분리 행렬 W를 결정하는 독립성분분석 알고리즘으로는 여러 가지 알고리즘들이 있으나 본 연구에서는 u[n]의 비가우시안성 (nongaussianity)최대로 되도록 하는 고속독립성분분석 (Fast ICA) 알고리즘을 사용하였다.
성능을 평가하기 위한 두 번째 테스트로는 제안된 알고리즘을 통해 개선된 사운드 신호의 음질 변화 정도를 판단하기 위해 청감 테스트를 실시하였다. 평가 기준으로는 CCIR Recommendation에서 음질 평가를 위해 채택한 방법인 Degradation Category Rating (DCR) Method를 사용하였다. DCR Method는 표 3과 같은 Degradation Category Scale를 통하여 수정된 사운드 신호의 음질이 원 사운드 신호의 음질과 관련하여 얼마나 충실한지를 비교한다 [10], 테스트는 20세 이상 오디오 전문 분야에 종사하지 않는 남녀 10명을 대상으로 하였으며.

성능/효과

그림 7은 실험에 사용된 원 신호 (상) 및 마이크를 통해 수신된 신호 (하)를 표현하며, 그림 8은 각각의 방법을 통하여 개선된 신호를 나타낸 것이다. ICA만을 적용하거나 ICA에 주파수 차감법을 추가한 경우를 보면 신호 구간에서는 SNR이 크게 향상되었다. 그러나 비신호 구간에서는 아직도 잡음의 잔재가 남아있다.
표 2와 3은 음성 신호를 여러 잡음으로 열화시킨 후각 방법을 적용하여 얻은 개선량을 나타내고 있다. 결과에서 볼 수 있듯이 SSNR의 결과는 제안된 방식으로 개선된 신호는 기존의 방법의 경우보다 평균 2 dB 정도 향상되었다 그러나 SSNR 개선량 중 사이렌 신호의 경우에는 개선량의 차가 매우 큰 결과를 얻었다. 이는 사이렌 신호가 다른 장르에 비해 거의 모든 주파수 대역에서 에너지가 존재하므로 원 신호와 잡음의 특징이 유사한 부분이 많이 존재하게 된다.
표 2와 3은 음성 신호를 여러 잡음으로 열화시킨 후각 방법을 적용하여 얻은 개선량을 나타내고 있다. 결과에서 볼 수 있듯이 SSNR의 결과는 제안된 방식으로 개선된 신호는 기존의 방법의 경우보다 평균 2 dB 정도 향상되었다 그러나 SSNR 개선량 중 사이렌 신호의 경우에는 개선량의 차가 매우 큰 결과를 얻었다. 이는 사이렌 신호가 다른 장르에 비해 거의 모든 주파수 대역에서 에너지가 존재하므로 원 신호와 잡음의 특징이 유사한 부분이 많이 존재하게 된다.
이에 E에서는 각 프레임의 상황에 따라 개별적으로 추정된 잡음을 보정할 수 있는 알고리즘을 제안하였다. 그러나 제안된 알고리즘도 잡음이 시간에 따라서 거의 변함이 없는 stationary적인 특성을 가지고 있을 때 제대로 된 효과를 발휘할 수 있다. 따라서 배경 잡음의 변화 정도가 클 경우 지각 필터의 성능에 영향을 끼쳐 효율적 인 지각 필터를 구현할 수 가 없다.
이에 E에서는 각 프레임의 상황에 따라 개별적으로 추정된 잡음을 보정할 수 있는 알고리즘을 제안하였다. 그러나 제안된 알고리즘도 잡음이 시간에 따라서 거의 변함이 없는 stationary적인 특성을 가지고 있을 때 제대로 된 효과를 발휘할 수 있다. 따라서 배경 잡음의 변화 정도가 클 경우 지각 필터의 성능에 영향을 끼쳐 효율적 인 지각 필터를 구현할 수 가 없다.
그러나 제안된 알고리즘으로는 고주파 대역에 에너지가 크거나 원 신호와 특성이 비슷한 잡음인 경우, 잡음 추정에 있어서 오차가 발생하였다. 이러한 잡음 추정의 오차로 인하여 필터 적용 후에도 잔여 잡음이 존재하게 되는 문제가 발생하기도 하였다.
그러나 비신호 구간에서는 아직도 잡음의 잔재가 남아있다. 그러나 제안된 알고리즘을 이용한 경우에는 그림의 파형으로부터 예측할 수 있듯이 상당한 양의 인식률이 개선되었다, 더불어 원음성 신호와 거의 유사하게 잡음이 제거되었음을 알 수있었다.
그러나 비신호 구간에서는 아직도 잡음의 잔재가 남아있다. 그러나 제안된 알고리즘을 이용한 경우에는 그림의 파형으로부터 예측할 수 있듯이 상당한 양의 인식률이 개선되었다, 더불어 원음성 신호와 거의 유사하게 잡음이 제거되었음을 알 수있었다.
그러나 제안된 알고리즘을 적용한 경우에는 지각 필터를 이용하여 가능한 가청 잡음을 제거하였으므로 우수한 성능을 보이고 잇음을 알 수 있다.
이에 따라 잔여 잡음으로 인하여 DCR test 점수가 낮다. 그러나 제안된 알고리즘을 적용한 경우에는 지각필터를 이용하여 가능한 가청 잡음을 제거하였으므로 우수한 성능을 보이고 있음을 알 수 있다.
하지만 제안된 알고리즘을 통해 이를 상당량 해소할 수 있었다. 더불어 NMR 개선량 측면에서는 모든 장르별로 개선된 신호에 존재하는 가청 가능한 잡음의 많은 양이 감소한 결과를 확인할 수 있다.
또한 기존 방식과 제안된 방식의 성능 평가를 위하여 수행된 SNR과 NMR의 비교 및 피실험자들의 주관적인 평가를 알아볼 수 있는 청감 테스트 결과에서도 원 잡음을 적용시킨 경우와 비슷한 성능의 신호 개선을 확인할 수 있었다.
또한 기존 방식과 제안된 방식의 성능 평가를 위하여 수행된 SN風과 NQR의 비교 및 피실험자들의 주관적인 평가를 알아볼 수 있는 청감 테스트 결과에서도 원 잡음을 적용시킨 경우와 비슷한 성능의 신호 개선을 확인할 수 있었다.
제안된 방식에서는 지각 필터에 적용되는 추정잡음을 원 신호와 최대한 유사하게 추정하기 위하여 독립성분분석 방법을 사용하며 그 결과로 원 신호와 가까운 효과적인 개선 결과를 얻을 수 있었다.
제안된 방식에서는 지각 필터에 적용되는 추정잡음을 원 신호와 최대한 유사하게 추정하기 위하여 독립성분분석 방법을 사용하며 그 결과로 원 신호와 가까운 효과적인 개선 결과를 얻을 수 있었다.

후속연구

이에 향후 진행될 연구로는 독립성분분석을 이용하여 잡음을 추정하는 과정에서 오차를 보다 줄임으로서 지각 필터의 성능을 더욱더 향상시킬 수 있는 방법에 대한 연구가 진행될 예정이다.
이에 향후 진행될 연구로는 독립성분분석을 이용하여 잡음을 추정흐)는 과정에서 오차를 보다 줄임으로서 지각 필터의 성능을 더욱더 향상시킬 수 있는 방법에 대한 연구가 진행될 예정이다.

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

독립 성분 분석과 지각 필터를 이용한 음질 개선
Performance Improvement of Speech Enhancement Using Independent Component Analysis and Perceptual Filtering 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

독립 성분 분석과 지각 필터를 이용한 음질 개선 Performance Improvement of Speech Enhancement Using Independent Component Analysis and Perceptual Filtering 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

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

구교식 (7) 차형태 (33)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

독립 성분 분석과 지각 필터를 이용한 음질 개선
Performance Improvement of Speech Enhancement Using Independent Component Analysis and Perceptual Filtering 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper