$\require{mediawiki-texvc}$

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 및 잡음 인식 알고리즘을 이용한 환경 배경잡음의 제거

Reduction of Environmental Background Noise using Speech and Noise Recognition

한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences, v.15 no.4, 2011년, pp.817 - 822  

최재승 (신라대학교 전자공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 먼저 신경회로망의 학습에 오차역전파 학습 알고리즘을 사용하여 각 프레임에서의 음성 및 잡음 구간의 검출에 의한 음성인식 알고리즘을 제안한다. 그리고 신경회로망에 의하여 음성 및 잡음 구간의 검출에 따라서 각 프레임에서 잡음을 제거하는 스펙트럼 차감법을 제안한다. 본 실험에서는 제안한 음성인식알고리즘의 성능을 원음성에 백색잡음 및 자동차 잡음을 부가하여 인식율을 평가한다. 또한 인식시스템에 의하여 검출된 음성 및 잡음 구간을 이용하여 각 프레임에서의 스펙트럼 차감법에 의한 잡음제거의 실험결과를 나타낸다. 잡음에 의하여 오염된 음성에 대하여 신호대잡음비를 사용하여 본 알고리즘이 유효하다는 것을 확인한다.

Abstract AI-Helper 아이콘AI-Helper

This paper first proposes the speech recognition algorithm by detection of the speech and noise sections at each frame using a neural network training by back-propagation algorithm, then proposes the spectral subtraction method which removes the noises at each frame according to detection of the spe...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 신경회로망의 오차역전파 학습알고리즘에 의한 음성 및 잡음 구간의 인식 및 신경회로망에 의하여 음성 및 잡음 구간의 검출에 따라서 각 프레임에서 잡음을 제거하는 스펙트럼 차감법을 제안하였다. SNRinput이 Clean, 10 dB, 5 dB, 0 dB로 입력된 음성 및 잡음이 중첩된 음성에 대해서 본 알고리즘이 유효하다는 것을 실험에서 확인하였다.
  • 본 논문에서는 입력층, 중간층 및 출력층으로 구성되는 그림 1의 퍼셉트론[6, 7]형의 계층적인 신경회로망(Neural Network, NN)을 제안한다. 퍼셉트론형의 네트워크에서는 다층모델의 효율적인 학습법으로써 오차역전파 학습 알고리즘[8]을 사용하여 네트워크를 학습시키며, 이 오차역전파 학습 알고리즘은 교사신호가 있는 학습에 대하여 출력층으로부터 입력층에 오차를 역전파 시킴으로써 각 유닛에 대하여 최급강하법을 적용하며, 각 유닛에 비선형함수를 도입하여 입력으로부터 출력에의 사상을 가능하게 하는 알고리즘이다.
  • 켑스트럼방법은 스펙트럼대수의 척도에 의하여 구해지는 스펙트럼 포락에 의한 추정방법이다. 본 논문에서는 푸리에 변환에 의해서 구해지는 FFT에 의한 켑스트럼[10]에 대해서 기술한다. 켑스트럼 방법은 켑스트럼에 창을 씌움으로써 음원의 주기성에 대응하는 미세구조 성분을 제거하여, 스펙트럼 포락성분의 단시간 영역성분 만을 추출함으로써 평균화된 스펙트럼 성분을 구하는 방법이다.
  • 본 절에서는 3층 구조의 신경회로망에 고속푸리에 변환(fast Fourier transform : FFT)에 의한 전력스펙트럼 및 FFT에 의한 켑스트럼을 입력으로 하여 각 프레임에서 음성 및 잡음 구간을 검출하는 것을 목적으로 한다[9]. 켑스트럼방법은 스펙트럼대수의 척도에 의하여 구해지는 스펙트럼 포락에 의한 추정방법이다.
  • 본 절에서는 다른 잡음환경 하에서 Aurora2 DB를 사용하여 5.1절에서 제안한 인식시스템에 의한 잡음제거에 대한 실험을 평가한다. 표 3은 다양한 잡음레벨들 (SNRinput=10 dB, 5 dB, 0 dB)에 대하여 학습에 사용한 음성신호 및 백색잡음을 입력으로 한 경우에 대하여, 10개의 잡음이 중첩된 음성데이터에 대하여 평가한 경우의 SNRoutput에 의한 잡음제거에 대한 실험이다.

가설 설정

  • 본 논문에서 사용한 스펙트럼 차감법에 대해서는 음성신호의 초기 묵음구간에 부가적인 잡음이 존재한다는 가정 하에서, 비음성 구간에 존재하는 부가적인 잡음의 평균치를 전체 음성 스펙트럼값에 대해서 모두 차감하는 방법을 사용한다. 일반적으로, 단시간에너지에 대한 문턱값은 각 잡음구간의 시작점에서부터 계산된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
잡음 환경 하에서 음성인식의 전처리과정을 통하여 잡음을 제거하는 음질개선방식에는 어떤 것들이 있는가? 잡음 환경 하에서 음성인식의 전처리과정을 통하여 잡음을 제거하는 음질개선방식으로는 스펙트럼 차감법(Spectral Subtraction, SS)[3], MMSE(Minimum Mean Square Error Estimation)[4] 방법들이 연구되고 있으며, 이 중에서도 대표적인 잡음대책법의 하나인 스펙트럼 차감법이 잘 알려져 있다. 스펙트럼 차감법은 잡음이 중첩된 음성의 스펙트럼으로부터 사전에 처음 몇 프레임에 해당하는 비음성구간에서 추정한 잡음 스펙트럼을 차감함으로써 잡음의 영향을 제거하는 방법이다[3].
스펙트럼 차감법은 어떤 방법인가? 잡음 환경 하에서 음성인식의 전처리과정을 통하여 잡음을 제거하는 음질개선방식으로는 스펙트럼 차감법(Spectral Subtraction, SS)[3], MMSE(Minimum Mean Square Error Estimation)[4] 방법들이 연구되고 있으며, 이 중에서도 대표적인 잡음대책법의 하나인 스펙트럼 차감법이 잘 알려져 있다. 스펙트럼 차감법은 잡음이 중첩된 음성의 스펙트럼으로부터 사전에 처음 몇 프레임에 해당하는 비음성구간에서 추정한 잡음 스펙트럼을 차감함으로써 잡음의 영향을 제거하는 방법이다[3]. 그러나 본 논문에서는 참고문헌[3]에서 제안한 방법과 다르게 신경회로망을 사용하여 각 프레임에서 음성 및 잡음 구간을 검출한다.
신경회로망의 오차역전파 학습알고리즘에 의한 음성 및 잡음 구간의 인식 및 신경회로망에의하여 음성 및 잡음 구간의 검출에 따라서 각 프레임에서 잡음을 제거하는 스펙트럼 차감법을 제안하고 적용한 본 연구의 결과는? 본 논문에서는 신경회로망의 오차역전파 학습알고리즘에 의한 음성 및 잡음 구간의 인식 및 신경회로망에의하여 음성 및 잡음 구간의 검출에 따라서 각 프레임에서 잡음을 제거하는 스펙트럼 차감법을 제안하였다. SNRinput이 Clean, 10 dB, 5 dB, 0 dB로 입력된 음성 및 잡음이 중첩된 음성에 대해서 본 알고리즘이 유효하다는 것을 실험에서 확인하였다.
질의응답 정보가 도움이 되었나요?

참고문헌 (10)

  1. Simpson, et. al., "Spectral Enhancement to Improve the Intelligibility of Speech in Noise for Hearing Impaired Listeners," Acta Otolaryngol, Suppl. 469, pp. 101-107, 1990. 

  2. J.P. Haton, "Automatic recognition of noisy speech," In A.J.R. Ayuso and J.M.L. Soler, Eds., Speech Recognition and Coding-New Advances and Trends, Springer Verlag, Berlin, Germany, pp.3-13, 1995. 

  3. S.F. Boll, "Suppression of acoustic noise in speech using spectral subtraction," IEEE Trans. Acoust., Speech, Signal Processing. Vol.27, No.2, pp. 113-120, 1979. 

  4. R. Martin, "Speech Enhancement Based on Minimum Mean-Square Error Estimation and Supergaussian Priors," IEEE Transactions on Speech and Audio Processing, Vol.13, No.5, pp. 845-856, 2005. 

  5. H. Hirsch and D. Pearce, "The AURORA experimental framework for the performance evaluations of speech recognition systems under noisy conditions," in Proc. ISCA ITRW ASR2000 on Automatic Speech Recognition: Challenges for the Next Millennium, Paris, France, 2000. 

  6. 최재승, "신경회로망에 의한 음성 및 잡음 인식시스템," 한국전자통신학회논문지, 제5권 4호, pp.357-362, 2010. 

  7. T.T. Le, J.S. Mason and T. Kitamura, "Characteristics of multi-layer perceptron models in enhancing degraded speech," Proc. ICSLP-94, pp.1611-1614, 1994. 

  8. D.E. Rumelhart, G. E. Hinton, and R. J. Williams, "Learning representations by back-propagation errors," Nature, 323, pp. 533-536, 1986. 

  9. 최재승, "FFT 켑스트럼을 사용한 배경잡음의 제거," 한국해양정보통신학회 추계학술대회 논문집, 14권 2호, pp.264-267, 2010. 

  10. J. He, L. Liu, and G. Palm, "On the use of residual cepstrum in speech recognition," IEEE International Conference on Acoustics, Speech, and Signal Processing, Vol.1, pp.5-8, 1996. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

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