선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 지능형 TV의 스피커에서 재생되는 비정상성 잡음의 제거를 주요 목표로 한다. TV의 스피커에서 재생되는 잡음은 전기적 결선을 통해서 그 신호를 미리 취득할 수 있다는 특징을 가지고 있다.
- 본 논문에서는 지능형 TV의 음성인식을 위한 참조잡음 신호 기반 음성개선 알고리즘을 제안하였다. 이를 위하여 먼저, TV 스피커와 마이크로폰 간의 경로 함수를 추정하였으며 그것을 활용하여 최적 잡음 제거를 위한 위너필터를 추정하였다.
- 이러한 조건에서는 기존의 LMS (least-mean square) 알고리즘을 활용할 수 있는데, 충분한 잡음이 제거되기 위해서 필터의 수렴 시간이 필요하다는 것과 목표 음성 구간에서의 음성 왜곡 등의 문제점이 있다. 이러한 문제점을 해결하기 위해서 본 연구에서는 TV 스피커에서 취득한 참조 잡음 신호로부터 마이크로폰으로 수신되는 잡음 신호의 전력 스펙트럼을 추정한 후에 위너필터 기반의 잡음 제거를 수행한다. 또한, 잡음 제거 후에 잔존하는 잡음은 ETSI (European Telecommunications Standards Institute) AFX (advanced feature extraction) 에서 채택하고 있는 후처리를 통해서 추가적으로 제거한다[3].
- 제안된 알고리즘의 목표는 지능형 TV 스피커를 통해 재생되는 잡음을 효과적으로 제거하는 것이다. 제 1장 서론에서 언급한바와 같이 LMS 알고리즘의 단점을 개선하기 위해서 본 연구에서는 위너필터 기반의 잡음 제거를 구현하며 이를 위해서 주파수 영역에서의 SNR 추정에 연구의 초점을 맞춘다. 그림 3은 제안된 알고리즘의 전체적인 구조를 나타내고 있다.
- 제안된 알고리즘의 목표는 지능형 TV 스피커를 통해 재생되는 잡음을 효과적으로 제거하는 것이다. 제 1장 서론에서 언급한바와 같이 LMS 알고리즘의 단점을 개선하기 위해서 본 연구에서는 위너필터 기반의 잡음 제거를 구현하며 이를 위해서 주파수 영역에서의 SNR 추정에 연구의 초점을 맞춘다.
가설 설정
- 그림 1에서, x(n)은 입력신호, s(n)은 목표 음성신호, v(n)은 잡음 신호이다. vR(n)은 참조 잡음 신호이고, s(n)과의 상호 상관도는 0으로 가정한다. w(n)은 필터 계수를 나타낸다.
- 본 연구에서 채택한 후처리 기법은 ETSI AFX에서 채택하고 있는 2 단계 위너필터 기법이다[3]. 이 방식에서는 배경 잡음의 시간축에서의 주파수 변화도가 크지 않다는 가정 하에 음성 검출과정을 통하여 잡음의 전력 스펙트럼을 지속적으로 추정한다. 그런 후에 검출된 음성 구간에서 3.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.