최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.14 no.4, 2019년, pp.729 - 736
이상협 (경성대학교 대학원 전자공학과) , 김현태 (동의대학교 응용소프트웨어공학전공)
In this paper, we propose a method to improve the background sound separation performance by adding a Wiener filter to the end of the non - negative matrix factorization method. In the case of a mixed voice signal with background sound, a part that has not yet been completely separated may remain in...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
음성 신호의 특징을 추출하는 대표적 알고리즘은 어떠한 것이 있는가? | 음성 신호의 특징을 추출하는 대표적인 알고리즘은 먼저, 계산 량이 적고 비교적 간단한 캡스트럼 방법이 있으며, 음성 특징 추출 분야에서 가장 널리 쓰이는 Mel Frequency Cepstral Coefficient(: MFCC) 방법이 있다. 그 외에도 컨볼루셔널 신경망을 이용하여 특징을 추출하는 방법도 소개되고 있다. | |
비음수 행렬 분해 기법은 무엇인가? | 제안하는 방법은 최근 영상 인식 등의 분야에서 효과가 있다고 알려지고 있는 비음수 행렬 분해 기법 (Nonnegative Matrix Factorization)을 활용하여 음성 신호에 혼재된 배경음을 줄이는 방법을 제시한다 [1-4]. 비음수 행렬 분해 기법은 음성 신호의 특징추 출과 분류 및 분리를 따로 하는 것이 아닌 스펙트로 그램 값을 입력으로 비음수 행렬 분해 기법을 통해 특징을 추출하고 추출된 특징을 이용하여 필터를 설계하여 분류 및 분리하는 방법이다. 그러나 충분히 훈련되지 못한 경우나 특징이 복잡한 경우 분리 효과가 떨어진다. | |
비음수 행렬 분해 기법은 어떠한 경우에 효과가 떨어지는가? | 비음수 행렬 분해 기법은 음성 신호의 특징추 출과 분류 및 분리를 따로 하는 것이 아닌 스펙트로 그램 값을 입력으로 비음수 행렬 분해 기법을 통해 특징을 추출하고 추출된 특징을 이용하여 필터를 설계하여 분류 및 분리하는 방법이다. 그러나 충분히 훈련되지 못한 경우나 특징이 복잡한 경우 분리 효과가 떨어진다. 본 논문에서는 이러한 부분을 개선하기 위해 비음수 행렬 분해 필터 뒷단에 위너필터를 추가하여 배경음 분리 성능을 향상시킨다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.