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 한국어 단모음 포먼트 분포에 대한 정량적인 자료를 충분히 많은 수의 데이터를 분석하여 제시하고자 하였다. F1, F2, F3, F4의 평균과 표준편차 테이블을 연령대와 성별에 따라 제시하였고, F1-F2 공간에서의 산점도와 각 연령대별 포먼트 변화 곡선을 정리하였다.
- 본 연구에서는 기존의 연구에서 부족했던 대상자 수를 대폭 늘려 연령 및 성별에 따른 한국인 단모음 포먼트 분포를 보이고자 한다. 음성 데이터는 동시조음이 없는 환경에서 고립된 모음에 대해서만 수집하였는데, 이는 성도의 모양[15], 후두의 위치[4] 및 건강상태 분석 등을 위한 기초자료로 활용 될 수 있을 것이다.
제안 방법
- 본 논문에서는 한국어 단모음 포먼트 분포에 대한 정량적인 자료를 충분히 많은 수의 데이터를 분석하여 제시하고자 하였다. F1, F2, F3, F4의 평균과 표준편차 테이블을 연령대와 성별에 따라 제시하였고, F1-F2 공간에서의 산점도와 각 연령대별 포먼트 변화 곡선을 정리하였다.
- 마이크의 원통 축이 지면과 평행하도록 위치시키고 피험자의 입과는 수직이 되도록 고정하였다. 녹음 시작 전에 녹음 내용을 설명한 후 본 녹음 전에 목을 풀어주기 위해서 1회 연습을 시켰다. 본 녹음이 끝난 후에는 정상적으로 녹음이 되었는지 육안검사와 청취검사를 실시하였다.
- 단모음은 ‘아’, ‘에’, ‘이’, ‘오’, ‘우’ 5개이며, 기존 연구와 유사하게 각 모음 당 약 2초간 발성을 하도록 하였다[4], [15].
- 녹음 시작 전에 녹음 내용을 설명한 후 본 녹음 전에 목을 풀어주기 위해서 1회 연습을 시켰다. 본 녹음이 끝난 후에는 정상적으로 녹음이 되었는지 육안검사와 청취검사를 실시하였다. 정상적으로 녹음이 이루어지면 파일을 구별할 수 있도록 피험자 고유번호를 부여하여 저장을 하였다.
- 성별뿐만 아니라 연령대별로 4가지 포먼트 주파수 비교를 수행하였다. F1과 F2에서는 연령대별로 큰 변화가 없었으나, 여자‘오’발음의 경우 나이가 증가함에 따라서 F1값도 증가하는 경향을 보이면서 20, 30대보다 40대 이후부터 남자의 F1과 차이가 큰 경향을 보였다.
- 연령대에 따른 포먼트 변화를 관찰하기 위해서 ~ 와 같이 연령대별로 5개 모음의 F1, F2, F3, F4의 변화를 정리하였다.
- 음성 데이터가 여러 병원에서 수집되었기 때문에 녹음 환경을 최대한 일치시킬 수 있도록 자세한 SOP(standard operating procedure)를 마련하였고, 이를 음성 녹음을 진행하는 오퍼레이터가 충분히 숙지하도록 정기적으로 SOP 교육을 시행하였다. 피험자의 자연스러운 발성을 유도하기 위하여 피험자를 편하게 자리에 앉힌 후, 피험자는 가만히 있는 상태에서 스탠드를 이용하여 마이크와 피험자의 입까지 거리가 5cm 의 적정 거리를 유지하도록 하였다.
- 포먼트 추출은 LPC(linear predictive coding) 분석 기법을 이용하였다. 음성 프레임의 길이는 46ms로 하였고, 이웃 프레임과 50%씩 겹치도록 프레임을 추출하였다. 전처리 과정으로 11025Hz로 다운샘플링을 하였고, pre-emphasis를 사용하여 고주파대역을 강조하였다.
- 녹음 공간은 주변 환경 소음이 -70dB이하인 곳을 정하였다. 이것은 여러 장소에서 녹음을 하는 과정에서 환경 소음이 들어갈 수 있기 때문에, 매 녹음 전에 적합한 환경 소음인지를 먼저 검사하도록 하였다. 주변 환경 소음 측정과 녹음을 위해서 골드웨이브를 사용하였다.
- LPC coefficient를 구하는 방법에는 covariance method, autocorrelation method, lattice fitter 등이 있는데, 이 논문에서는 Levinson-Durbin algorithm을 적용하여 LPC coefficient를 구하는 autocorrelation method를 사용하였다[16]. 이렇게 만들어진 LPC coefficient를 고유 값 분석방법을 통하여 포먼트 값으로 나타내었다.
- 음성 프레임의 길이는 46ms로 하였고, 이웃 프레임과 50%씩 겹치도록 프레임을 추출하였다. 전처리 과정으로 11025Hz로 다운샘플링을 하였고, pre-emphasis를 사용하여 고주파대역을 강조하였다.
- 본 녹음이 끝난 후에는 정상적으로 녹음이 되었는지 육안검사와 청취검사를 실시하였다. 정상적으로 녹음이 이루어지면 파일을 구별할 수 있도록 피험자 고유번호를 부여하여 저장을 하였다.
- 이것은 여러 장소에서 녹음을 하는 과정에서 환경 소음이 들어갈 수 있기 때문에, 매 녹음 전에 적합한 환경 소음인지를 먼저 검사하도록 하였다. 주변 환경 소음 측정과 녹음을 위해서 골드웨이브를 사용하였다.
- 음성 데이터가 여러 병원에서 수집되었기 때문에 녹음 환경을 최대한 일치시킬 수 있도록 자세한 SOP(standard operating procedure)를 마련하였고, 이를 음성 녹음을 진행하는 오퍼레이터가 충분히 숙지하도록 정기적으로 SOP 교육을 시행하였다. 피험자의 자연스러운 발성을 유도하기 위하여 피험자를 편하게 자리에 앉힌 후, 피험자는 가만히 있는 상태에서 스탠드를 이용하여 마이크와 피험자의 입까지 거리가 5cm 의 적정 거리를 유지하도록 하였다. 마이크의 원통 축이 지면과 평행하도록 위치시키고 피험자의 입과는 수직이 되도록 고정하였다.
대상 데이터
- 녹음 공간은 주변 환경 소음이 -70dB이하인 곳을 정하였다. 이것은 여러 장소에서 녹음을 하는 과정에서 환경 소음이 들어갈 수 있기 때문에, 매 녹음 전에 적합한 환경 소음인지를 먼저 검사하도록 하였다.
- 음성 데이터는 2007년부터 2010년까지 10개 한방병원과 3개 한의원을 통해 수집하였다. 피험자들은 심각한 질환을 앓고 있지 않아서 정상적인 발성에는 문제가 되지 않다고 판단되며, 성대관련 질환을 앓고 있지는 않았다.
- 컴퓨터 내부의 잡음을 고려하여 외장 사운드 카드를 채택하였고, 마이크는 Sennheiser e-835s를 사용하였다. 음성 파일은 44100Hz 16bit mono로 녹음하였다.
- 피험자의 나이는 20대부터 70대까지 분포되어 있으며 (48.44±14.29yr), 성별로는 남자 922명, 여자 1692명으로 총 2614명이다.
데이터처리
- 발음이 시작되면 대부분 1, 2 프레임 후 발음이 안정화되어 포먼트의 변화가 크지 않았다. 따라서 발음 안정화 구간에 속하는 모든 음성 프레임에 대해서 포먼트를 추출하여 평균과 표준편차를 구하였다. <표 2>, <표 3>에 연령 구분 없이 남녀 모음별 포먼트 결과를 정리하였다.
- 포먼트 추출 프로그램은 Visual Studio 2008을 이용하여 개발되었고, Praat 등의 음성 특징 추출툴과의 결과 비교를 통해서 추출 성능을 검증하였다.
이론/모형
- LPC coefficient를 구하는 방법에는 covariance method, autocorrelation method, lattice fitter 등이 있는데, 이 논문에서는 Levinson-Durbin algorithm을 적용하여 LPC coefficient를 구하는 autocorrelation method를 사용하였다[16]. 이렇게 만들어진 LPC coefficient를 고유 값 분석방법을 통하여 포먼트 값으로 나타내었다.
- 포먼트 추출은 LPC(linear predictive coding) 분석 기법을 이용하였다. 음성 프레임의 길이는 46ms로 하였고, 이웃 프레임과 50%씩 겹치도록 프레임을 추출하였다.
성능/효과
- F1과 F2에서는 연령대별로 큰 변화가 없었으나, 여자‘오’발음의 경우 나이가 증가함에 따라서 F1값도 증가하는 경향을 보이면서 20, 30대보다 40대 이후부터 남자의 F1과 차이가 큰 경향을 보였다.
- F3과 F4에서는 F1과 F2에 비해서 연령별 변화가 심하였는데, 특히 70대에서 남녀의 ‘아’, ‘오’, ‘우’ 발음이 유사한 F3, F4값을 가지는 쪽으로 변화함을 확인 할 수 있었다.
- 즉 남녀의 F3 차이가 나이가 많아질수록 줄어드는 경향이 있다. 또한 성별뿐만 아니라 서로 다른 모음 간에도 F3의 차이가 줄어드는 경향을 보였다. <그림 6>에서 F4의 경우에는 70대에서 수렴현상이 좀 더 심해진다.
- 그림에서 각 연령대 표기는 지면관계상 생략하였으나 부록의 <표 4>와 <표 5>에서 해당 수치를 확인할 수 있다. 전체적으로 남녀의 차이는 확연하게 드러나는 것을 볼 수 있었다. ‘아’, ‘에’, ‘이’ 의 경우는 여자가 남자보다 모든 포먼트에서 높은 주파수를 보였고, 그림에서 보듯이 F1-F2 공간에서 쉽게 남녀의 차이를 구분할 수 있었다.
후속연구
- 70대에서 남녀의 ‘아’, ‘오’, ‘우’ 발음이 유사한 고주파 특성을 보이고 있는데 나이와 발성구조에 대한 추가적인 연구가 필요할 것 이다.
- 본 논문에서는 포먼트 값 분포의 현상을 설명하는 것에만 집중하였지만 추후에는 연령 및 성별에 따른 성도의 기하학적 모양과의 관계에 대한 심도 있는 연구가 수행되어야 할 것이다. 또한 10대 이하와 80대 이상의 연령대도 데이터 수집이 이루어져 한국인 포먼트에 대한 폭넓은 기반 자료가 만들어져야 할 것이다.
- 음성 데이터는 동시조음이 없는 환경에서 고립된 모음에 대해서만 수집하였는데, 이는 성도의 모양[15], 후두의 위치[4] 및 건강상태 분석 등을 위한 기초자료로 활용 될 수 있을 것이다. 또한 다양한 분절음 환경에서 포먼트 변화 연구에 비교자료로 활용될 수 있을 것이다.
- 본 논문에서는 포먼트 값 분포의 현상을 설명하는 것에만 집중하였지만 추후에는 연령 및 성별에 따른 성도의 기하학적 모양과의 관계에 대한 심도 있는 연구가 수행되어야 할 것이다. 또한 10대 이하와 80대 이상의 연령대도 데이터 수집이 이루어져 한국인 포먼트에 대한 폭넓은 기반 자료가 만들어져야 할 것이다.
- 본 연구에서는 기존의 연구에서 부족했던 대상자 수를 대폭 늘려 연령 및 성별에 따른 한국인 단모음 포먼트 분포를 보이고자 한다. 음성 데이터는 동시조음이 없는 환경에서 고립된 모음에 대해서만 수집하였는데, 이는 성도의 모양[15], 후두의 위치[4] 및 건강상태 분석 등을 위한 기초자료로 활용 될 수 있을 것이다. 또한 다양한 분절음 환경에서 포먼트 변화 연구에 비교자료로 활용될 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.