최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기말소리와 음성과학 = Phonetics and speech sciences, v.4 no.4, 2012년, pp.87 - 92
Speech enhancement aims to improve speech quality by removing background noise from noisy speech. Independent vector analysis is a type of frequency-domain independent component analysis method that is known to be free from the frequency bin permutation problem in the process of blind source separat...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
음성개선이란 무엇인가? | 다양한 형태의 배경잡음이 포함된 잡음음성에서 잡음성분을 제거하여 음질(speech quality)을 개선하는 기술을 음성개선(speech enhancement)이라고 하는데, 음성통신에서 음성의 명료도를 높이고 잡음으로 인한 청취자의 피로를 덜어주거나, 음성인식시스템의 인식성능을 향상시키기 위해 전처리 과정 등에서 사용되고 있는 기술로서 꾸준히 연구되고 있는 분야이다. 음성개선 방법으로는 크게 스펙트럽 차감법, MMSE-STSA 등과 같이 단일 채널 음성신호를 이용하는 방법[1]과 GSC(Generalized Sidelobe Canceller), DSB(Delay-Sum Beamforming) 등과 같이 마이크로폰 배열 기반의 다채널 음성 신호를 이용하는 방법[2]으로 나눌 수 있다. | |
음성개선 방법에는 무엇이 있는가? | 다양한 형태의 배경잡음이 포함된 잡음음성에서 잡음성분을 제거하여 음질(speech quality)을 개선하는 기술을 음성개선(speech enhancement)이라고 하는데, 음성통신에서 음성의 명료도를 높이고 잡음으로 인한 청취자의 피로를 덜어주거나, 음성인식시스템의 인식성능을 향상시키기 위해 전처리 과정 등에서 사용되고 있는 기술로서 꾸준히 연구되고 있는 분야이다. 음성개선 방법으로는 크게 스펙트럽 차감법, MMSE-STSA 등과 같이 단일 채널 음성신호를 이용하는 방법[1]과 GSC(Generalized Sidelobe Canceller), DSB(Delay-Sum Beamforming) 등과 같이 마이크로폰 배열 기반의 다채널 음성 신호를 이용하는 방법[2]으로 나눌 수 있다. | |
IVA를 실시간으로 동작하는 마이크로폰 배열에 적용하기 위해서는 어떤 과정이 수행되는가? | IVA를 실시간으로 동작하는 마이크로폰 배열에 적용하기 위해서 다음의 2가지 과정이 수행된다. 첫째는, 다채널 입력 잡음음성으로부터 음원이 분리된 출력신호를 얻기 위한 IVA 과정에서 분리행렬(unmixing matrix)을 구해야 하는데, 이 과정은 음성의 시작부분에서 1~2초 구간의 음성을 이용하여 수행하게 되며 그림 2에서 훈련/분리 과정으로 표시되어 있다. 이 구간에서는 DSB의 출력신호가 시스템의 출력신호가 된다. 둘째는, 구해진 분리행렬을 이용하여 IVA를 수행하면 다채널의 출력신호를 얻게 되는데, 잡음이 제거된 음성신호 이외에는 모두 잡음성분에 해당되므로 주요 신호 2개를 추출하여 DSB 출력신호와 IVA 출력신호와의 상관계수를 구하여 상관도가 높은 신호를 시스템의 출력신호로 한다. IVA에서 분리행렬을 구하는 과정과 이를 이용하여 출력신호를 얻는 독립성분분석 알고리즘의 자세한 과정은 [6]에 주어져 있다. |
Ephraim, Y. & Malah, D. (1984). Speech enhancement using a minimum-mean square error short-time spectral amplitude estimator, Acoustics, Speech and Signal Processing, IEEE Transactions on. vol. 32, 1109-1121.
Benesty, J. et al. (2008). Microphone array signal processing. Berlin: Springer Verlag.
Hyvarinen, A., Karhunen, J. & Oja, E. (2001). Independent component analysis. New Youk: Wiley.
Haykin, S. (2009). Neural networks and learning machines. New Jersey: Pearson Prentice Hall.
Asano, F., Ikeda, S., Ogawa, M., Asoh, H. & Kitawaki, N. (2001). A combined approach of array processing and independent component analysis for blind separation of acoustic signals, in Proc.IEEE Int. Conf. Acoust., Speech Signal Process., 2729-2732.
Kim, T., Attias, H., Lee, S. & Lee, T. (2007). Blind source separation exploiting higher-order frequency dependencies, Audio, Speech, and Language Processing, IEEE Transactions on, vol. 15, 70-79.
PESQ, http://www.itu.int/rec/T-REC-P.862/en
Donohue, K. D. Systems Array Processing Toolbox. http://www.engr.uky.edu/-donohue/.
NoiseX-92, http://www.speech.cs.cmu.edu/comp.speech/ Section1/ Data/noisex.html
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.