$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

음성/음악 분류 향상을 위한 2차 조건 사후 최대 확률기법 기반 SVM
Improving SVM with Second-Order Conditional MAP for Speech/Music Classification 원문보기

電子工學會論文誌. Journal of the Institute of Electronics Engineers of Korea. SP, 신호처리, v.48 no.5 = no.341, 2011년, pp.102 - 108  

임정수 (목포대학교) ,  장준혁 (한양대학교 융합전자공학부)

초록
AI-Helper 아이콘AI-Helper

Support vector machine (SVM)은 패턴인식 분야에 많이 사용되어지고 있고 그 한 예로서 3GPP2 selectable mode vocoder(SMV)와 같은 규격화된 코덱에 쓰여 코덱의 음성/음악 분류 성능을 향상시킬 수 있다. 본 논문에서는 SVM을 개선시켜 음성/음악의 분류성능을 더욱 향상시키는 새로운 방법을 제안한다. 음성/음악신호의 각 프레임들은 서로 강한 상관관계를 가지고 있는데, 이를 바탕으로 2차 조건 사후 최대 확률기법을 SVM에 적용하여 음성/음악 분류성능을 향상시킨다. 또한 SVM을 학습시킬 때 적용되는 기존의 기법들과는 달리 제안되는 기법은 SVM이 패턴분류를 행할 때 사용된다. 그렇기 때문에 기존의 기법들과 독립적으로 개발되고 사용될 수 있고, 따라서 패턴분류의 성능을 한층 더 향상시킬 수 있다. 실험을 통해 제안된 기법의 독립성과 성능향상을 기존의 기법들과 비교하여 증명하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Support vector machines are well known for their outstanding performance in pattern recognition fields. One example of their applications is music/speech classification for a standardized codec such as 3GPP2 selectable mode vocoder. In this paper, we propose a novel scheme that improves the speech/m...

주제어

#Second-order Conditional Maximum a posteriori (Second-order CMAP)   #Support Vector Machine (SVM)   #Selectable Mode Vocoder (SMV)   #Speech/Music Classification Algorithm  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 SVM의 음악/음성 분류성능을 향상시키기 위해 패턴 판별 시에 인접 프레임간의 강한 상호 연관성을 바탕으로 2차조건 MAP을 이용하는 방법을 제안하였고 ETSI의 3GPP2 표준코덱인 SMV의 실시간음성/음악 분류에 적용하여 보았다. 이 기법은 SVM의 성능을 향상시킬 뿐 아니라 다른 기법들과도 병용할 수 있다는 장점도 가지고 있다.
  • 이 기법의 장점은 유지하며 단점을 극복하기 위하여본 논문에서는 2차 조건 MAP (maximum a posteriori)을 SVM에 적용하는 기법을 제안한다. 보통 SVM의 판별식에서는 하나의 고정된 문턱 값을 사용하게 되는데 제안하는 방법에서는 과거 프레임의 SVM 분류결과를 기초로 하여 4가지의 문턱 값 중 하나를 선택하게 된다.
  • SVM을 이용한 음성/음악의 분류기법 중 이렇게 2차조건 MAP을 사용한 것은 없었으며, 2차조건 MAP을 이용해 음성향상을 제안한 논문은 근래에 발표되었다[11]. 이 논문과 본 논문의 차이점은 음성향상의 경우 음성의 존재/비존재를 구별하는 것이고 본 논문에서는 음성/음악을 구별한다는 것이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
SVM은 어느 분야에서 사용되고 있는가? SMV의 음성/음악 분류를 개선하기 위하여 support vector machine (SVM)을 이용한 방법들이 최근에 제안되었다[3～5]. SVM은 패턴인식에 우수함을 인정받아 많이 이용 되고 있는 machine learning 기법의 하나로써 데이터 마이닝 분야는 물론, 얼굴인식, 생체인식, 문자인식, 그리고 음성인식 등 다양한 분야에 응용되고 있다[6～7]. SVM은 SMV의 음성/음악의 분류 성능을 많이 향상시킬 수 있는데, SVM을 이용한 방법 중 가장 최근에 발표된 연구에서는 음성/음악 프레임간의 상호 연관성을 바탕으로, 과거 프레임의 SVM 판정결과를 고려하여 현재 프레임의 클래스를 추정하고 이에 따라 커널 파라미터를 조정하여 음성/음악 분류의 정확도를 높이는 방법을 소개하였다[5].
SMV의 특징은? SMV는 ETSI의 3GPP2 표준 코덱으로서 extended code excited linear prediction (ex-CELP) 기반의 압축 방식을 사용하는데, 사람의 청각 특성에 최적화된 모델을 사용하여 음성을 저 전송률로 압축하는데 효율적이다[8～9]. 또한, 한정된 주파수 대역을 효율적으로 활용하기 위해 프레임 단위로 4가지의 가변 전송률을 제공하며 이동국과 기지국 사이의 통신망 채널에 따라 동적으로 변환되는 4가지 모드를 지원한다. 이러한 다양한 평균 전송률을 제공하기 때문에 시스템의 효율성과 음질간의 균형을 선택적으로 조절 할 수 있다.
2차조건 MAP을 이용하는 방법의 장점은? 본 논문에서는 SVM의 음악/음성 분류성능을 향상시키기 위해 패턴 판별 시에 인접 프레임간의 강한 상호 연관성을 바탕으로 2차조건 MAP을 이용하는 방법을 제안하였고 ETSI의 3GPP2 표준코덱인 SMV의 실시간음성/음악 분류에 적용하여 보았다. 이 기법은 SVM의 성능을 향상시킬 뿐 아니라 다른 기법들과도 병용할 수 있다는 장점도 가지고 있다. 실험을 통하여 기존의 기법들과 비교한 결과, 기존의 기법보다 나은 SMV의 음성/음악 분류 성능을 보였다.
질의응답 정보가 도움이 되었나요?

참고문헌 (14)

  1. 3GPP2 Spec., "Source-controlled variable-rate multimedia wideband speech codec (VMR-WB), service option 62 and 63 for spread spectrum systems," 3GPP2-C.S0052-A, vol. 1.0, April. 2005. 

  2. Y. Gao, E. Shlomot, A. Benyassine, J. Hyssen, Huan-yu Su, and C. Murgia, "The SMV algorithm selected by TIA and 3GPP2 for CDMA appications," in Proc. IEEE International Conference on Acoustics, Speech, and Signal Processing, vol. 2, pp. 709-712, May 2001. 

  3. S. -K. Kim and J. -H. Chang, "Speech/music classification enhancement for 3GPP2 SMV codec based on support vector machine," IEICE Trans. Fundamentals of Electronics, Communications and Computer Sciences, Vol. E92-A, no. 2, pp. 630-632, February 2009. 

    상세보기 crossref

  4. S. -K. Kim and J. -H. Chang, "Discriminative weight training for support vector machine-based speech/music classification in 3GPP2 SMV codec," IEICE Trans. Fundamentals of Electronics, Communications and Computer Sciences, vol. E93-A, no. 1, pp. 316-319, January 2010. 

    상세보기 crossref

  5. 임정수, 송지현, 장준혁, "SVM의 미세조정을 통한 음성/음악 분류 성능향상," 전자공학회 논문지 SP편 48권 2호, 141-148쪽, 2011년 3월 

  6. X. Wang, J. Chen, P Wang, Z. Huang, "Infrared human face auto locating based on SVM and a smart thermal biometrics system," in Proc. Sixth International Conference on Intelligent Systems Design and Applications (ISDA'06) , vol. 2, pp. 1066-1072, October 2006. 

  7. A. Ganapathiraju, J. E. Hamaker, J. Picone, "Applications of support vector machines to speech recognition," IEEE Trans. Signal Processing, vol. 52, pp. 2348-2355, August 2004. 

    상세보기 crossref

  8. S. C. Greer, and A. Dejaco, "Standardization of the selectable mode vocoder," in Proc. IEEE International Conference on Acoustics, Speech and Signal Processing, vol. 2, pp. 953-956, May 2001. 

  9. C. V. Goudar, P. Rabha, M. Deshpande, and A. Rao, "SMVLite: reduced complexity selectable mode vocoder," in Proc. IEEE International Conference on Acoustics, Speech and Signal Processing, vol. 1, pp. 701-704, May 2006. 

  10. V. N. Vapnik, "An overview of statistical learning theory," IEEE Trans. Neural Networks, vol. 10, no. 5, pp. 988-999, 1999. 

    상세보기 crossref

  11. J. -M. Kum and J. -H. Chang, "Speech enhancement based on minima controlled recursive averaging incorporating second-order conditional MAP criterion," IEEE Signal Processing Letters, Vol. 16, no. 7, pp. 624-627, July 2009. 

    상세보기 crossref

  12. John C. Platt, "Probabilistic outputs for support vector machines and comparisons to regularized likelihood methods," in Advances in Large Margin Classifiers, MIT Press, pp. 61-74, 1999. 

  13. J. W. Shin, H. J. Kwon, S. H. Jin, and N. S. Kim, "Voice activity detection based on conditional map criterion," IEEE Signal Processing Letters, vol. 15, no. 2, pp. 257-260, February. 2008. 

    상세보기 crossref

  14. W. M. Fisher, G. R. Doddington and K. M. Goudie-Marshall, "The DARPA speech recognition research database: Specifications and status," in Proc. DARPA Workshop Speech Recognition, pp. 93-99, February 1986. 

LOADING...

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로