[논문]조건 사후 최대 확률과 음성 스펙트럼 변이 조건을 이용한 통계적 모델 기반의 음성 검출기

김상균; 장준혁

doi:10.7776/ask.2011.30.6.324

조건 사후 최대 확률과 음성 스펙트럼 변이 조건을 이용한 통계적 모델 기반의 음성 검출기
A Statistical Model-Based Voice Activity Detection Employing the Conditional MAP Criterion with Spectral Deviation 원문보기

한국음향학회지= The journal of the acoustical society of Korea, v.30 no.6, 2011년, pp.324 - 329

김상균 (한양대학교 융합전자공학부) , 장준혁 (한양대학교 융합전자공학부)

초록
AI-Helper

본 논문에서는 조건 사후 최대 확률 (conditional maximum a posteriori, CMAP)과 음성 스펙트럼 변이 조건을 기반으로 한 새로운 음성 검출기 (voice activity detection, VAD)를 제안한다. 제안된 음성 검출기는 통계적 모델을 기반으로 한 우도비 테스트 (likelihood ratio test, LRT)의 문턱값을 결정하는데 조건 사후 최대 확률과 스펙트럼 변이의 상태 값을 조건부 확률로 부과한다. 제안된 알고리즘을 다양한 잡음 환경에서 기존의 CMAP 기반의 음성 검출기와 비교한 결과 전체적으로 향상된 성능을 보였으며 특히 SNR이 낮은 조건에서 향상 폭이 컸다.

Abstract ▼ AI-Helper

In this paper, we propose a novel approach to improve the performance of a statistical model-based voice activity detection (VAD) which is based on the conditional maximum a posteriori (CMAP) with deviation. In our approach, the VAD decision rule is expressed as the geometric mean of likelihood ratios (LRs) based on adapted threshold according to the speech presence probability conditioned on both the speech activity decisions and spectral deviation in the pervious frame. Experimental results show that the proposed approach yields better results compared to the CMAP-based VAD using the LR test.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 음성의 CMAP 기반의 음성 검출기 성능 향상을 위해 음성 스펙트럼 변이 상태를 조건부확률로 우도비 테스트에 적용하는 방법을 제안하였다. 즉, 음성의 활동은 인접 프레임 간에 강력한 상호 연관성이 있다는 성질을 기존의 MAP 기준과 음성 스펙트럼 변이는 이전 프레임 동안 예측된 평균 long-term 파워 스펙트럼과 현재 파워 스펙트럼의 차이를 우도비 테스트에 음성검출 결정법을 제안하였다.
본 연구에서는 음성 스펙트럼 변이 (spectral deviation, SD)를 음성검출을 위한 추가정보로서 유용하게 통계모델기반의 알고리즘에 사용가능하다는 것을 고찰한다. 음성 스펙트럼 변이는 이전 프레임 동안 예측된 평균 longterm 파워 스펙트럼과 현재 파워 스펙트럼의 차이다 [11].

가설 설정

그중 Ephraim과 Malah의 연구에서 시작된 minimum mean square error (MMSE) 기반의 음성 향상 기법에 사용된 음성의 존재와 부재에 대한 통계적 모델을 우도비 테스트 (likelihood ratio test, LRT)에 적용한 음성 검출기의 성능이 매우 우수한 것으로 알려져 있다 [2-9]. 다시 말해 위의 방법은 음성에 대한 통계모델을 가우시안 분포로 가정하였으며 decision-directed (DD) 기법을 적용 하여 음성의 존재와 부재에 대한 우도비 (likelihood ratio, LR)를 기하평균한 판별식으로부터 음성존재여부를 판단한다 [4].
입력 음성의 특성상 처음 0.04초를 노이즈로 가정하기 때문에 초기 값의 조건은 이전 프레임노이즈이고 음성 스펙트럼 변이는 D0라고 가정하여 logΨ0,0를 초기 문턱값으로 정하였다.

제안 방법

4 %로 구성되었다. 또한 기존의 음성검출 평가에 사용된 car, street, office 잡음과 새로 추간된 babble, white 잡음을 5, 10 dB 그리고 15 dB SNR로 부과했다. 계산된 log_Ψi,j의 범위는 log_Ψi,j∈[2,32]이다.
실험에 사용된 데이터는 기존의 음성 검출 알고리즘에서 성능 평가 비교를 위해 사용된 음성 데이터의 길이를 고려하여 각각 4 명의 남성, 여성화자가 말한 총 456초의 음성을 8 kHz로 셈플링하였다. 또한 평가를 위해 깨끗한 음성 데이터에 음성과 비음성 부분을 10 ms 마다 수동으로 표시하였다. 분류된 음성 데이터의 음성 구간은 총 58.
음성 스펙트럼 변이는 이전 프레임 동안 예측된 평균 longterm 파워 스펙트럼과 현재 파워 스펙트럼의 차이다 [11]. 본 논문에서는 기존의 CMAP 기반의 음성 검출 판별식에서 문턱값을 결정할 때 음성 스펙트럼 변이 상태를 조건부 확률로 부과한다. 즉, 프레임간 스펙트럼의 변이에 따라 증가하는 상태인 경우, 유지되는 경우, 감소하는 경우의 세가지 경우에 대해 서로 다른 조건을 CMAP에 부가하여 결과적으로 문턱값이 적응적으로 변화하게 되는 새로운 알고리즘을 도입한다.
본 논문에서는 음성의 CMAP 기반의 음성 검출기 성능 향상을 위해 음성 스펙트럼 변이 상태를 조건부확률로 우도비 테스트에 적용하는 방법을 제안하였다. 즉, 음성의 활동은 인접 프레임 간에 강력한 상호 연관성이 있다는 성질을 기존의 MAP 기준과 음성 스펙트럼 변이는 이전 프레임 동안 예측된 평균 long-term 파워 스펙트럼과 현재 파워 스펙트럼의 차이를 우도비 테스트에 음성검출 결정법을 제안하였다. 제안된 알고리즘의 성능 평가를 위해 P_e, P_m 그리고 P_fa 값을 표 1에서 비교하였고 그림 1에서는 입력 음성 파형에 따른 문턱값 변화를 기존의 방법과 비교하였다.
본 논문에서는 기존의 CMAP 기반의 음성 검출 판별식에서 문턱값을 결정할 때 음성 스펙트럼 변이 상태를 조건부 확률로 부과한다. 즉, 프레임간 스펙트럼의 변이에 따라 증가하는 상태인 경우, 유지되는 경우, 감소하는 경우의 세가지 경우에 대해 서로 다른 조건을 CMAP에 부가하여 결과적으로 문턱값이 적응적으로 변화하게 되는 새로운 알고리즘을 도입한다. 제안된 음성 검출 기법을 다양한 잡음 환경에서 기존의 CMAP 기반의 음성 검출기와 비교한 결과 전체적으로 향상된 성능을 보였으며 특히 SNR이 낮은 조건에서 향상 폭이 컸다.
현재 파워 스펙트럼의 증가와 감소에 대한 추가 정보를 얻기 위해 본 논문에서는 아래와 같이 변형한 후 문턱값 γ와 비교한다.

대상 데이터

본 논문에서 제안된 음성 검출기의 성능을 평가하기 위해 CMAP 기반의 음성 검출기와 음성 검출 성능을 비교하였다 [10]. 실험에 사용된 데이터는 기존의 음성 검출 알고리즘에서 성능 평가 비교를 위해 사용된 음성 데이터의 길이를 고려하여 각각 4 명의 남성, 여성화자가 말한 총 456초의 음성을 8 kHz로 셈플링하였다. 또한 평가를 위해 깨끗한 음성 데이터에 음성과 비음성 부분을 10 ms 마다 수동으로 표시하였다.

데이터처리

본 논문에서 제안된 음성 검출기의 성능을 평가하기 위해 CMAP 기반의 음성 검출기와 음성 검출 성능을 비교하였다 [10]. 실험에 사용된 데이터는 기존의 음성 검출 알고리즘에서 성능 평가 비교를 위해 사용된 음성 데이터의 길이를 고려하여 각각 4 명의 남성, 여성화자가 말한 총 456초의 음성을 8 kHz로 셈플링하였다.
즉, 음성의 활동은 인접 프레임 간에 강력한 상호 연관성이 있다는 성질을 기존의 MAP 기준과 음성 스펙트럼 변이는 이전 프레임 동안 예측된 평균 long-term 파워 스펙트럼과 현재 파워 스펙트럼의 차이를 우도비 테스트에 음성검출 결정법을 제안하였다. 제안된 알고리즘의 성능 평가를 위해 P_e, P_m 그리고 P_fa 값을 표 1에서 비교하였고 그림 1에서는 입력 음성 파형에 따른 문턱값 변화를 기존의 방법과 비교하였다. 표 1에서는 제안된 음성 검출 방법이 우수하다는 것을 수치로 알 수 있으며 특히 비정상 잡음에서 성능이 향상이 크다는 것을 확인할 수 있었고 SNR이 낮을수록 성능 향상이 높아진다는 것을 보았다.

이론/모형

음성 부재 구간에서 갱신되는 잡음 신호로부터 구한 잡음 분산 λd(k,n)을 이용하여 a posteriori SNR γ(k,n)을 추정하며, 또한 a priori SNR ξ(k,n)은 decision-directed (DD) 기법을 이용하여 아래와 같이 추정한다 [2].

성능/효과

그림 1에서는 제안한 음성 검출 방법의 문턱값이 음성의 시작과 끝부분에서 보다 효율적으로 변한다는 것을 보았다. 모든 결과에서 알 수 있듯이 제안된 음성 검출 방법이 우수하다는 것을 알 수 있다.
그림 1에 b는 테스트 파일의 매뉴얼이며 0은 노이즈, 1은 무성음 그리고 2는 유성음을 뜻한다. 보시는 바와 같이 기존의 CMAP보다 제안한 알고리즘의 문턱값이 음성의 시작과 끝부분에서 약간 낮게 떨어짐으로써 음성의 시작과 끝부분을 보다 효율적으로 검출이 가능해 지는 것을 볼 수 있다. 실험결과에서 보여주는 것처럼 기존의 방법보다 제안된 음성 검출 방법이 우수하다.
또한 평가를 위해 깨끗한 음성 데이터에 음성과 비음성 부분을 10 ms 마다 수동으로 표시하였다. 분류된 음성 데이터의 음성 구간은 총 58.2 %로 유성음 44.5 %, 무성음 13.4 %로 구성되었다. 또한 기존의 음성검출 평가에 사용된 car, street, office 잡음과 새로 추간된 babble, white 잡음을 5, 10 dB 그리고 15 dB SNR로 부과했다.
보시는 바와 같이 기존의 CMAP보다 제안한 알고리즘의 문턱값이 음성의 시작과 끝부분에서 약간 낮게 떨어짐으로써 음성의 시작과 끝부분을 보다 효율적으로 검출이 가능해 지는 것을 볼 수 있다. 실험결과에서 보여주는 것처럼 기존의 방법보다 제안된 음성 검출 방법이 우수하다.
즉, 프레임간 스펙트럼의 변이에 따라 증가하는 상태인 경우, 유지되는 경우, 감소하는 경우의 세가지 경우에 대해 서로 다른 조건을 CMAP에 부가하여 결과적으로 문턱값이 적응적으로 변화하게 되는 새로운 알고리즘을 도입한다. 제안된 음성 검출 기법을 다양한 잡음 환경에서 기존의 CMAP 기반의 음성 검출기와 비교한 결과 전체적으로 향상된 성능을 보였으며 특히 SNR이 낮은 조건에서 향상 폭이 컸다.
표 1을 보면 모든 상황에서 제안된 알고리즘이 기존의 음성 검출기보다 성능이 우수한 것을 볼 수 있다. 특히 비정상 잡음인 street와 office 잡음에서의 P_e 성능 향상 폭은 SNR 5 dB [0.41, 0.43]로 나머지 잡음에서의 향상 폭인 [0.24, 0.27]보다 높았으며 SNR 10 dB 그리고 15 dB에서도 street와 office 잡음에서 성능 향상이 높았다. 또한 모든 잡음에서 SNR이 낮을수록 성능 향상 폭이 높게 나오는 경향을 볼 수 있다.
제안된 알고리즘의 성능 평가를 위해 P_e, P_m 그리고 P_fa 값을 표 1에서 비교하였고 그림 1에서는 입력 음성 파형에 따른 문턱값 변화를 기존의 방법과 비교하였다. 표 1에서는 제안된 음성 검출 방법이 우수하다는 것을 수치로 알 수 있으며 특히 비정상 잡음에서 성능이 향상이 크다는 것을 확인할 수 있었고 SNR이 낮을수록 성능 향상이 높아진다는 것을 보았다. 그림 1에서는 제안한 음성 검출 방법의 문턱값이 음성의 시작과 끝부분에서 보다 효율적으로 변한다는 것을 보았다.
(false alarm probability)를 나타낸 것이다. 표 1을 보면 모든 상황에서 제안된 알고리즘이 기존의 음성 검출기보다 성능이 우수한 것을 볼 수 있다. 특히 비정상 잡음인 street와 office 잡음에서의 P_e 성능 향상 폭은 SNR 5 dB [0.

질의응답

핵심어	질문	논문에서 추출한 답변
	음성 스펙트럼 변이란?	본 연구에서는 음성 스펙트럼 변이 (spectral deviation, SD)를 음성검출을 위한 추가정보로서 유용하게 통계모델기반의 알고리즘에 사용가능하다는 것을 고찰한다. 음성 스펙트럼 변이는 이전 프레임 동안 예측된 평균 longterm 파워 스펙트럼과 현재 파워 스펙트럼의 차이다 [11]. 본 논문에서는 기존의 CMAP 기반의 음성 검출 판별식에서 문턱값을 결정할 때 음성 스펙트럼 변이 상태를 조건부 확률로 부과한다.
	음성 검출기란?	음성인식, 음성 부호화 그리고 음성 향상 등 음성신호 처리 기술에서 음성이 존재하는 부분과 아닌 부분을 결정 하는 음성 검출기 (voice activity detector, VAD)는 매우 중요한 기술이다. 특히 신호 대 잡음비 (signal-to-noise ratio, SNR)가 낮은 환경에서 음성 구간을 검출하는 정확도는 음성 처리 시스템의 성능에 큰 영향을 준다.
	조건 사후 최대 확률 기반의 음성검출 알고리즘을 생긴 배경은?	잡음이 음성신호를 간섭하면 음성의 꼬리와 같은 약한 음성 신호를 검출하기 힘들다. 이러한 취약점을 개선한 방법 중의 하나가 조건 사후 최대 확률 (conditional maximum a posteriori, CMAP) 기반의 음성검출 알고리즘이다.

참고문헌 (11)

K. Srinivasant and Allen Gersho, "Voice activity detection for cellular networks," Proc. IEEE Speech Coding Workshop, pp. 85-86, Oct. 1993.
Y. Ephraim and D. Malah, "Speech enhancement using a minimum mean-square error short-time spectral amplitude estimator," IEEE Trans. Acoustics, Speech, Sig. Process., vol. ASSP-32, no. 6, pp. 1190-1121, Dec. 1984.
J. Sohn and W. Sung, "A voice activity detector employing soft decision based noise spectrum adaptation," Proc. Int. Conf. Acoustics, Speech, and Sig. Process., vol. 1, pp. 365-368, May 1998.
J. Sohn, N. S. Kim, and W. Sung, "A statistical modelbased voice activity detection," IEEE Sig. Process. Lett., vol. 6, no. 1, pp. 1-3, Jan. 1999.
Y. D. Cho and A. Kondoz, "Analysis and improvement of a statistical model-based voice activity detector," IEEE Sig. Process. Lett., vol. 8, no.10, pp. 276-278, Oct. 2001.

상세보기
J.-H. Chang, J. W. Shin, and N. S. Kim, "Voice activity detector employing generalised gaussian distribution," Electron. Lett., vol. 40, no. 24, pp. 1561-1563, Nov. 2004.

상세보기
J.-H. Chang, N. S. Kim, and S. K. Mitra, "Voice activity detection based on multiple statistical models," IEEE Trans. Sig. Process., vol. 54, no. 6, pp. 1965-1976, June 2006.

상세보기
Y. C. Lee and S. S. Ahn, "Statistical model-based VAD algorithm with Wavelet Transform," IEICE Trans. Fundamentals., vol. E89-A, no. 6, pp. 1594-1600, June 2006.
J. Ramirez, J. M. Gorriz, J. C. Segura, C. G. Puntonet, and A. J. Rubio, "Speech/non-speech discrimination based on contextual information integrated bispectrum LRT," IEEE Sig. Process. Lett., vol. 13, no. 8, pp. 497-500, Aug. 2006.

상세보기
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, pp. 257-260, Feb. 2008.

상세보기
3GPP2 Spec., "Enhanced Variable Rate Codec (EVRC)," 3Gpp2- C.S0014-0, vol. 1.0 Apr. 2004.

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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