[논문]잡음환경에 강인한 음성분류기반의 패킷손실 은닉 알고리즘

김형국; 류상현

doi:10.7776/ask.2014.33.1.075

잡음환경에 강인한 음성분류기반의 패킷손실 은닉 알고리즘
Packet Loss Concealment Algorithm Based on Robust Voice Classification in Noise Environment 원문보기

한국음향학회지= The journal of the acoustical society of Korea, v.33 no.1, 2014년, pp.75 - 80

초록
AI-Helper

실시간 VoIP 네트워크는 지연, 지터 그리고 패킷손실과 같은 네트워크 장애요소로 인해 품질저하가 발생한다. 본 논문은 VoIP 음질 향상을 위해 잡음환경에 강인한 음성분류기반의 패킷손실 은닉 알고리즘을 제안한다. 제안된 방식에서는 음성신호로부터 추출된 다양한 특징들을 분석하고 이를 기반으로 획득된 적응적인 문턱값을 사용하여 수신단에 도착한 패킷을 분류한다. 정확한 신호분류 결과는 패킷손실 은닉에 사용된다. 그리고 선형 예측 기반의 손실패킷 은닉은 연속적으로 패킷을 은닉하거나 손실된 패킷복원 시 발생하는 메탈릭 아티펙트를 제거함으로써 고품질의 음성을 제공한다.

Abstract ▼ AI-Helper

The quality of real-time Voice over Internet Protocol (VoIP) network is affected by network impariments such as delays, jitters, and packet loss. This paper proposes a packet loss concealment algorithm based on voice classification for enhancing VoIP speech quality. In the proposed method, arriving packets are classified by an adaptive thresholding approach based on the analysis of multiple features of short signal segments. The excellent classification results are used in the packet loss concealment. Additionally, linear prediction-based packet loss concealment delivers high voice quality by alleviating the metallic artifacts due to concealing consecutive packet loss or recovering lost packet.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 상기 위에서 언급한 문제들을 해결하고 수신단 기반의 VoIP 음성통화품질을 향상시키기 위해서 잡음환경에 강인한 음성분류기반의 패킷손실 은닉 알고리즘을 제안한다.
본 논문에서는 잡음환경에 강인한 음성분류기반의 패킷손실 은닉 알고리즘을 제안하고, 성능을 측정하였다. 잡음환경에 강인한 음성분류의 결과로 획득되어지는 피치 추정은 IP 네트워크로 전달되는 음성의 품질을 향상하기 위해 제안된 패킷손실 은닉에 효과적으로 사용되었다.

제안 방법

다음으로 제안된 패킷손실 은닉 알고리즘을 평가하기 위해 세 개의 모듈[SIP(Session Initiation Protocol) 신호, 음성 데이터 전달 그리고 네트워크 트래픽 에뮬레이터]로 구성된 테스트베드를 구축하였다.^[7] 구축된 테스트베드에서 SIP 신호는 SIP프록시 서버와 두 개의 클라이언트를 포함하고 있으며, C++를 이용하여 개발된 VoIP 어플리케이션을 클라이언트의 모바일 디바이스에 구현하였다.
예를 들어, 손실패킷의 재구성에 이용할 수 있는 i+1번째 음성프레임이 없다면(i+1번째 입력될 패킷 또는 i+1번째 음성프레임이 음성프레임 버퍼와 지터 버퍼에서 발견되지 않을 경우), 제안된 알고리즘은 히스토리 버퍼에 저장되어있는 이전 i-1번째 음성프레임을 이용하여 LPAS 방식을 통해 손실된 패킷을 은닉한다. 반면에 i+1번째 음성 프레임이 이용가능하다면, 제안된 알고리즘에서는 LPAS를 통해 이전 i-1번째 음성 프레임으로부터 음성프레임 T를 생성하고, i+1번째 음성프레임을 이용하여 음성프레임 R을 생성한다. 음성프레임 R과 음성프레임 T사이에 PAOLA(Peak Alignment OverLap-Add) 방식을 적용함으로써 부드럽고 자연스러운 음성 프레임 U를 생성하여 손실된 패킷 구간에 대체한다.
본 논문의 제안된 방식에서는 단구간 에너지(STE, Short Time Energy), 자기상관도(AC, Auto-Correaltion), 그리고 ZCR(Zero Crossing Rate)과 같은 특징값들을 기반으로 변동되는 잡음환경에서도 음성 및 비음성구간을 구분할 수 있는 임계값을 자동으로 갱신시킴으로써 유성음, 무성음, 무음 분류의 정확도를 높인다.
제안된 패킷손실 은닉 알고리즘의 성능을 측정하기 이전에 제안된 음성 분류기를 클린과 노이즈 환경에서 기존의 일반적인 음성분류방식들과 비교하였다. 실험군은 각각 다섯 명의 남성과 여성의 화자들이 말한 문장을 16 kHz로 샘플링 하였고, 10분 길이의 한국어 문장을 사용하였으며, 세 가지 다른 유형의 잡음(배블잡음, 자동차잡음, 백색잡음)을 clean과 SNR 20 dB에서 5 dB까지 5 dB단위로 감소하는 잡음강도로 각각의 실험군을 구성하였다. 그리고 제안된 방식의 성능을 측정하기위해 아래와 같은 세 가지 측정방식을 사용하였다.
반면에 i+1번째 음성 프레임이 이용가능하다면, 제안된 알고리즘에서는 LPAS를 통해 이전 i-1번째 음성 프레임으로부터 음성프레임 T를 생성하고, i+1번째 음성프레임을 이용하여 음성프레임 R을 생성한다. 음성프레임 R과 음성프레임 T사이에 PAOLA(Peak Alignment OverLap-Add) 방식을 적용함으로써 부드럽고 자연스러운 음성 프레임 U를 생성하여 손실된 패킷 구간에 대체한다.
음질저하 정도를 측정하기 위해 PESQ를 이용한 객관적인 음성 품질 실험, 총 버퍼 지연(TBE), 지터추정 에러(JER), 그리고 지연 패킷손실(LPL)을 측정하였다. PESQ는 ITU-T에서 지정한 객관적인 음질평가 지표이며, 1에서부터 5까지의 점수를 제공한다.
제안된 방식(PM)의 성능을 비교하기 위해서 논문을 기반으로 구현한 두 가지 방식과 비교하였다. M1는 지연 스파이크 검출^[1]과 손실패킷 은닉^[3]을 이용한 적응적인 최소 평균 제곱 재생 알고리즘 방식이고, M2는 K-Erlang 분표를 따르는 지터 추정방법^[9]을 사용한 음성출력제어와 손실은닉알고리즘을 사용한 방식이다.
제안된 패킷손실 은닉 알고리즘(PLC, Packet Loss Concealment)은 G.722의 패킷손실 은닉 알고리즘의성능을 향상시키기 위해서 회귀적인 LP(Linear Prediction) 분석과 합성(LPAS, LP Analysis and Synthesis)을 기반으로 하여 추정된 피치 주기를 사용한다. 제안된 회귀적인 LPAS 알고리즘은 단구간 및 장구간 PLC로 구분되어 수행된다.
722의 패킷손실 은닉 알고리즘의성능을 향상시키기 위해서 회귀적인 LP(Linear Prediction) 분석과 합성(LPAS, LP Analysis and Synthesis)을 기반으로 하여 추정된 피치 주기를 사용한다. 제안된 회귀적인 LPAS 알고리즘은 단구간 및 장구간 PLC로 구분되어 수행된다. 단구간 PLC에서는 AC로부터 추정된 피치 주기를 통해 손실 패킷들의 복원을 위한 스무딩한 여기신호를 생성하고, 짧은 구간 패킷 손실 구간 복원을 위해서 작은 음성 구간을 반복하였을 때 생성될 수 있는 부자연스러운 인공음을 효과적으로 줄인다.

대상 데이터

트래픽 클라이언트는 접속 지점1을 통해 RTP 패킷들을 수신하고, 접근 지점 2로 전송하는 구조를 갖는다. 사용된 음성 샘플들은 각각 5명의 남성과 여성 화자들에 의해 발성되어 5분 동안 통화하는 16 kHz로 샘플링된 음성신호로서, 15,000개의 패킷들로 구성되었다.
M1는 지연 스파이크 검출^[1]과 손실패킷 은닉^[3]을 이용한 적응적인 최소 평균 제곱 재생 알고리즘 방식이고, M2는 K-Erlang 분표를 따르는 지터 추정방법^[9]을 사용한 음성출력제어와 손실은닉알고리즘을 사용한 방식이다. 시뮬레이션은 광대역에서 G.722.2 음성 코덱을 사용하였다.

데이터처리

제안된 패킷손실 은닉 알고리즘의 성능을 측정하기 이전에 제안된 음성 분류기를 클린과 노이즈 환경에서 기존의 일반적인 음성분류방식들과 비교하였다. 실험군은 각각 다섯 명의 남성과 여성의 화자들이 말한 문장을 16 kHz로 샘플링 하였고, 10분 길이의 한국어 문장을 사용하였으며, 세 가지 다른 유형의 잡음(배블잡음, 자동차잡음, 백색잡음)을 clean과 SNR 20 dB에서 5 dB까지 5 dB단위로 감소하는 잡음강도로 각각의 실험군을 구성하였다.

이론/모형

음성분류 결과는 음성품질의 향상을 위해 제안된 패킷손실 은닉알고리즘에서 효과적으로 사용된다.

성능/효과

잡음환경에 강인한 음성분류의 결과로 획득되어지는 피치 추정은 IP 네트워크로 전달되는 음성의 품질을 향상하기 위해 제안된 패킷손실 은닉에 효과적으로 사용되었다. 그리고 기존의 방식들과 비교하였을 때, 제안된 방식은 더 적은 연산량으로 사용자에게 더 높은 음성품질을 제공하였다. 또한 실험 결과는 수신단 기반의 향상된 알고리즘이 실질적인 모바일 VoIP 어플리케이션들에서 사용될 수 있다는 것을 입증하였다.
그리고 기존의 방식들과 비교하였을 때, 제안된 방식은 더 적은 연산량으로 사용자에게 더 높은 음성품질을 제공하였다. 또한 실험 결과는 수신단 기반의 향상된 알고리즘이 실질적인 모바일 VoIP 어플리케이션들에서 사용될 수 있다는 것을 입증하였다.
본 논문에서는 잡음환경에 강인한 음성분류기반의 패킷손실 은닉 알고리즘을 제안하고, 성능을 측정하였다. 잡음환경에 강인한 음성분류의 결과로 획득되어지는 피치 추정은 IP 네트워크로 전달되는 음성의 품질을 향상하기 위해 제안된 패킷손실 은닉에 효과적으로 사용되었다. 그리고 기존의 방식들과 비교하였을 때, 제안된 방식은 더 적은 연산량으로 사용자에게 더 높은 음성품질을 제공하였다.
제안된 음성 분류기를 기존의 음성분류방식인 SRH(Summation of Residual Harmonics), 칼만 방식과 비교한 결과, AVDE, AGPE 그리고 AFPE가 모두 기본의 방식보다 좋은 성능을 보였다,

질의응답

핵심어	질문	논문에서 추출한 답변
	실시간 VoIP 네트워크의 품질저하가 발생하는 이유는?	실시간 VoIP 네트워크는 지연, 지터 그리고 패킷손실과 같은 네트워크 장애요소로 인해 품질저하가 발생한다. 본 논문은 VoIP 음질 향상을 위해 잡음환경에 강인한 음성분류기반의 패킷손실 은닉 알고리즘을 제안한다.
	모델기반의 패킷손실 은닉 알고리즘의 장점은?	모델기반의 패킷손실 은닉 알고리즘은 파형교환방식에 비해 네트워크를 통해 패킷단위로 전달되어 재구성된 음성의 질을 효과적으로 향상시킨다. 하지만 연속적으로 발생한 패킷손실에는 피치 추정 오류가 발생하여 사용자에게 자연스러운 음성을 제공하는데 한계가 있다.
	잡음환경에 강인한 음성분류기반의 패킷손실 은닉 알고리즘의 특징은?	본 논문은 VoIP 음질 향상을 위해 잡음환경에 강인한 음성분류기반의 패킷손실 은닉 알고리즘을 제안한다. 제안된 방식에서는 음성신호로부터 추출된 다양한 특징들을 분석하고 이를 기반으로 획득된 적응적인 문턱값을 사용하여 수신단에 도착한 패킷을 분류한다. 정확한 신호분류 결과는 패킷손실 은닉에 사용된다. 그리고 선형 예측 기반의 손실패킷 은닉은 연속적으로 패킷을 은닉하거나 손실된 패킷복원 시 발생하는 메탈릭 아티펙트를 제거함으로써 고품질의 음성을 제공한다.

참고문헌 (9)

A. Shallwani and P. Kabal, "An adaptive playout algorithm with delay spike detection for real-time VoIP," in Proc. of IEEE CCECE 2003, 2, 997-1000 (2003).
M. J. Kim, and C. H. Kwon, "Dynamic Redundant Audio transmission for Packet Loss Recorvery in VoIP Systems," (in korean) J. Acoust. Soc. Kr. 21, 349-360 (2002).
H. Sanneck, A. Stenger, K. B. Younes, and B. Girod, "A new technique for audio packet loss concealment," in Proc. of GLOBECOM'96, 48-52, (1996).
W. Chu and A. Alwan, "Reducing f0 frame error of f0 tracking algorithms under noisy conditions with an unvoiced/voiced classification frontend," in Proc. of IEEE ICASSP, 4769-I4772, (2009).
C. Shahnaz, W.-P. Zhu, and M. O. Ahmad, "Pitch estimation based on a harmonic sinusoidal autocorrelation model and a time-domain matching scheme," IEEE Trans. on ASLP. 20, 1, 322-335 (2012).
M. G. Christensen, "A method for low-delay pitch tracking and smoothing," in Proc. of ICASSP, 345-348 (2012).
S. L. Ng, S. Hoh, and D. Singh, "Effectiveness of adaptive codec switching VoIP application over heterogeneous networks," 2nd Int'l Conf. on Mobile Technology, Applications and Systems, 7-13 (2005).
ITU-T Rec. P.862, "Perceptual evaluation of speech quality (PESQ), an objective method for end-to-end speech quality assessment of narrowband telephone networks and speech codecs," ITU (2001).
H. Li, G. Zhang, and W. Kleijn, "Adaptive playout scheduling for VoIP using the K-Erlang distribution," in Proc. of EUSIPCO, 1494-1498 (2010).

저자의 다른 논문 :

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