[논문]CNN(Convolutional Neural Network) 알고리즘을 활용한 음성신호 중 비음성 구간 탐지 모델 연구

이후영

doi:10.22156/cs4smb.2021.11.06.033

CNN(Convolutional Neural Network) 알고리즘을 활용한 음성신호 중 비음성 구간 탐지 모델 연구
A Study on a Non-Voice Section Detection Model among Speech Signals using CNN Algorithm 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.11 no.6, 2021년, pp.33 - 39

이후영 (이르테크 기업부설연구소)

초록
AI-Helper

음성인식 기술은 딥러닝과 결합되며 빠른 속도로 발전하고 있다. 특히 음성인식 서비스가 인공지능 스피커, 차량용 음성인식, 스마트폰 등의 각종 기기와 연결되며 음성인식 기술이 산업의 특정 분야가 아닌 다양한 곳에 활용되고 있다. 이러한 상황에서 해당 기술에 대한 높은 기대 수준을 맞추기 위한 연구 역시 활발히 진행되고 있다. 그중에서 자연어처리(NLP, Natural Language Processing)분야에서 음성인식 인식률에 많은 영향을 주는 주변의 소음이나 불필요한 음성신호를 제거하는 분야에 연구가 필요한 상황이다. 이미 많은 국내외 기업에서 이러한 연구를 위해 최신의 인공지능 기술을 활용하고 있다. 그중에서 합성곱신경망 알고리즘(CNN)을 활용한 연구가 활발하게 진행되고 있다. 본 연구의 목적은 합성곱 신경망을 통해서 사용자의 발화구간에서 비음성 구간을 판별하는 것으로 5명의 발화자의 음성파일(wav)을 수집하여 학습용 데이터를 생성하고 이를 합성곱신경망을 활용하여 음성 구간과 비음성 구간을 판별하는 분류 모델을 생성하였다. 이후 생성된 모델을 통해 비음성 구간을 탐지하는 실험을 진행한 결과 94%의 정확도를 얻었다.

Abstract ▼ AI-Helper

Speech recognition technology is being combined with deep learning and is developing at a rapid pace. In particular, voice recognition services are connected to various devices such as artificial intelligence speakers, vehicle voice recognition, and smartphones, and voice recognition technology is being used in various places, not in specific areas of the industry. In this situation, research to meet high expectations for the technology is also being actively conducted. Among them, in the field of natural language processing (NLP), there is a need for research in the field of removing ambient noise or unnecessary voice signals that have a great influence on the speech recognition recognition rate. Many domestic and foreign companies are already using the latest AI technology for such research. Among them, research using a convolutional neural network algorithm (CNN) is being actively conducted. The purpose of this study is to determine the non-voice section from the user's speech section through the convolutional neural network. It collects the voice files (wav) of 5 speakers to generate learning data, and utilizes the convolutional neural network to determine the speech section and the non-voice section. A classification model for discriminating speech sections was created. Afterwards, an experiment was conducted to detect the non-speech section through the generated model, and as a result, an accuracy of 94% was obtained.

주제어

표/그림 (11)

그림 Fig. 1. Structure of a typical Convolutional Neural Network
그림 Fig. 2. System Configuration
그림 Fig. 3. WAV Signal – Speech Signal
그림 Fig. 4. WAV Signal – Non-Speech Signal
표 Table 1. Train Dataset
그림 Fig. 5. CNN Moudle
그림 FIg. 6. CNN Train Data Shape
표 Table 2. Train/Test Dataset
그림 Fig. 8. sample wav file
그림 Fig. 9. generated wav file
그림 FIg. 7. Loss/Accuracy

참고문헌 (19)

D. S. Park. (2018). A Study on the Gender and Age Classification of Speech Data Using CNN. Journal of KIIT, 16(11), 11-21. DOI : 10.14801/jkiit.2018.16.11.11

상세보기
Filipp Akopyan et all. (2015). TrueNorth: Design and Tool Flow of a 65 mW 1 Million Neuron Programmable Neurosynaptic Chip, IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 34(10), 1537-1557. DOI : 10.1109/TCAD.2015.2474396

상세보기
A. Oord et all. (2016). WaveNet: A Generative Model for Raw Audio. arXiv:1609.03499, 1-15.
S. S. Jo & Y. G. Kim. (2017). AI (Artificial Intelligence) Voice Assistant Evolving to Platform. IITP, p1-25, Feb.
B. S. Kim & H. J. Woo. (2019). A Study on the Intention to Use AI Speakers: focusing on extended technology acceptance model. The Korea Contents Association, 19(9), 1-10. DOI : 10.5392/JKCA.2019.19.09.001

원문보기 상세보기
L. H. Meng & J. S. Han. (2017). The Impact of Relational Benefits on Positive Affect, Perceived Value, and Behavior Intention in Social Commerce : Focused on Chinese Tourist having the Hotel Service of Social Commerce environment. Journal of tourism and leisure research, 29(10), 69-88.
J. H. Seo & Y. T. Kim. (2013). Effects of Service Convenience on Customer Satisfaction and Reuse Intention by Korail Talk App Users among Korail Passengers. Journal of the Korean Society for Railway, 16(5), 410- 417.

원문보기 상세보기
H. Zhou et al. (2017). Using deep convolutional neural network to classify urban sounds. In TENCON 2017-2017 IEEE Region 10 Conference (pp. 3089-3092). IEEE. DOI : 10.1109/TENCON.2017.8228392
J. G. van Velden & G. F. Smoorenburg. (1991). Vowel recognition in noise for male, female and child voices. In Acoustics, Speech, and Signal Processing, IEEE International Conference on (pp. 989-992). IEEE Computer Society. DOI : 10.1109/ICASSP.1991.150507
X. Zha, H. Peng, X. Qin, G. Li & S. Yang. (2019). A deep learning framework for signal detection and modulation classification. Sensors, 19(18), 4042. DOI : 10.3390/s19184042

상세보기
Y. E. Yuan. (2019). DeepMorse: A deep convolutional learning method for blind morse signal detection in wideband wireless spectrum. IEEE Access, 7, 80577-80587. DOI : 10.1109/ACCESS.2019.2923084

상세보기
Y. LeCun, Y. Bengio & G. Hinton. (2015). Deep learning. nature, 521(7553), 436-444. DOI : 10.1038/nature14539

상세보기
B. Theodore et all. (2013, August). Feature extraction with convolutional neural networks for handwritten word recognition. In 2013 12th International Conference on Document Analysis and Recognition (pp. 285-289). IEEE. DOI : 10.1109/ICDAR.2013.64
L. Xiaojun et al. (2017). Feature extraction and fusion using deep convolutional neural networks for face detection. Mathematical Problems in Engineering. 1-9. DOI : 10.1155/2017/1376726

상세보기
Y. Lecun et all. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11), 2278-2324. DOI: 10.1109/5.726791

상세보기
Library of Congress. (2008). WAVE Audio File Format.
Microsoft Corporation. (1998). WAVE and AVI codec Registries-RFC 2361, IETF.
IBM & Microsoft. (1991). Multimedia Programming interface and Data Specifications 1.0
R. Branson. (2015). What Makes WAV Better than MP3, Online Video Converter.

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