초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

ACELP는 우수한 음질을 제공하지만 최적의 코드 벡터를 찾기 위한 계산량이 상당히 많은 단점이 있고, 이로 인하여 모든 시스템과 단말기에서는 고성능 DSP칩을 사용하여 동작시킨다. 본 논문에서는 고속 ACELP 코드북 검색 방법인 펄스 교환 검색 방법을 G.729 음성 압축기에 적용시켜 G.729 음성 압축기의 계산량을 감소시키는 방법을 연구하였다. 적용된 방법은 두 단계 과정을 가지며, 첫 단계에서는 완전 순차적 검색 방법을 통하여 매우 빠르게 대략적인 코드 벡터를 찾는다. 두 번째 단계에서는 앞에서 선택된 코드 벡터의 각 펄스의 중요도를 계산하여 역할이 적은 펄스를 제거하고 새로운 펄스로 교환하는 펄스 교환 과정을 통하여 코드 벡터의 성능을 향상시킨다. 적용된 방법은 표준에서 사용하는 코드북 검색 방법보다 적은 계산량을 가진다. 적용된 방법의 성능은 표준보다 0.3-0.5dB 정도의 SNRseg 감소를 보이지만 Fast Algorithm인 G.729A보다는 우수한 음질의 코드 벡터를 찾으며, 다양한 음성신호를 이용한 모의 실험을 통하여 이 결과를 확인하였다.

ACELP는 우수한 음질을 제공하지만 최적의 코드 벡터를 찾기 위한 계산량이 상당히 많은 단점이 있고, 이로 인하여 모든 시스템과 단말기에서는 고성능 DSP칩을 사용하여 동작시킨다. 본 논문에서는 고속 ACELP 코드북 검색 방법인 펄스 교환 검색 방법을 G.729 음성 압축기에 적용시켜 G.729 음성 압축기의 계산량을 감소시키는 방법을 연구하였다. 적용된 방법은 두 단계 과정을 가지며, 첫 단계에서는 완전 순차적 검색 방법을 통하여 매우 빠르게 대략적인 코드 벡터를 찾는다. 두 번째 단계에서는 앞에서 선택된 코드 벡터의 각 펄스의 중요도를 계산하여 역할이 적은 펄스를 제거하고 새로운 펄스로 교환하는 펄스 교환 과정을 통하여 코드 벡터의 성능을 향상시킨다. 적용된 방법은 표준에서 사용하는 코드북 검색 방법보다 적은 계산량을 가진다. 적용된 방법의 성능은 표준보다 0.3-0.5dB 정도의 SNRseg 감소를 보이지만 Fast Algorithm인 G.729A보다는 우수한 음질의 코드 벡터를 찾으며, 다양한 음성신호를 이용한 모의 실험을 통하여 이 결과를 확인하였다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 방법
• 연구 결과

제안 방법

• 마지막 트랙즉, , 표 1에서 T3 는 16개의 가능한 펄스위치들로 구성되어 있기 때문에 앞의 세트랙(TO, T1, T2)에 대하여 마지막 트랙(T3)에서 1개의 펄스를 선택하는 방법은 N =영 = 512이다. 마지막 트랙에서의 펄스 검색을 위한 계산량을 줄이기 위하여 앞의 세 트 랙의 최대 상관도 값( Gnax ) 과 평균 상관도 값( Gv ) 을 이용하여 이것에 대한 문턱 값( Cth )을 미리 계산 하여 앞의 세 트랙(TO, Tl, T2)의 C값이 문턱값을 넘을 경우에만 마지막 트랙을 검색하도록 한다. 앞의 세트랙에 대한 최대 상관도 값은 식 (8)에 의하여 구하여진다.
• 본 논문에서 적용된 펄스 교환 검색 방법의 계산량과 검색 성능은 표준안이 제안하는 검색 방법, 즉 앞의 세 개의 트랙TO, Tl, T2 의 C 값이 문턱값을 넘을 경우 마지막 트랙을 검색하는 방법을 기준으로 하여 비교한다. 성능은 객관적 성능 비교에 많이 사용되는 Segmental SNR(SNRseg)를 이용하며 단위는 dB이다.
• 성능을 비교하기 위하여 총 5가지의 방법을 실시하였으며, 표 3에 검색 방법과 계산량이 정리되어 있으며, 각 검색 방법의 설명은 다음과 같다.
• 적용된 검색 방법의 성능을 측정하기 위하여 여러 음성 데이터를 이용하여 여러 검색 방법에 의한 성능과 비교하였다. 한글과 영어 음성을 모두 사용하였고 여성과 남성을 분리하여 성능을 측정하였으며, Fast Algorithm인 G.
• 먼저 4개의 펄스에 대하여 각 펄스의 중요도를 계산한다. 즉각 펄스를 제외하고 3개의 펄스만을 가질 때의 성능을 구하고, 이 중에서 가장 성능이 우수한 경우에 해당하는 3개의 펄스로 구성된 코드벡터를 만든 후, 한 개의 펄스를 새로 찾아 다시 4개의 펄스로 구성되는 코드벡터를 최종적으로 구한다. 이 과정은 중요도가 적은 펄스를 제거하고 새로운 펄스로 교환하는 의미를 가지며, 새롭게 정의된 코드벡터는 교환전의 코드벡터보다 우수하거나 같은 성능을 가진다.
• 적용된 검색 방법의 성능을 측정하기 위하여 여러 음성 데이터를 이용하여 여러 검색 방법에 의한 성능과 비교하였다. 한글과 영어 음성을 모두 사용하였고 여성과 남성을 분리하여 성능을 측정하였으며, Fast Algorithm인 G.729A⑸와 성능을 비교하였다.

대상 데이터

• 729에서 사용하는 ACELP구조는 다음과 같다. 검색의 단위는 부프레임(Subframe)이고 각 부 프레임의 길이는 40샘플이다. 각 부프레임에 총 4개의 펄스를 할당하며, 따라서 각 부프레임별로 정하여 진 코드벡터 는 항상 4개의 펄스로 구성된 신호가 된다.

이론/모형

• 본 논문에서는 G.729에서 코드북을 검색하는 과정에 성능의 저하 없이 계산량을 줄이기 위하여 펄스 교환 검색 방법[4]을 적용했다. 펄스 교환 검색 방법을 적용하여 계산량을 줄이기 위한 목적은 첫째 하나의 DSP Chip으로 여러 통화를 동시에 처리할 수 있게 하여 시스템 용량을 증가시키고, 둘째 동작할 때의 소비전력을 줄여 단말기의 사용시간을 늘리고, 마지막으로 PC에서 별도의 하드웨어 없이 구현을 가능하게 하여 많은 PC응용 분야에 이용되도록 한다.
• 본 논문에서는 G.729의 코드북 검색 과정의 계산량을 감소시키기 위하여 펄스 교환 검색 방법을 적용하였다. 두 단계 검색 방법을 사용하여 첫 단계에서는 각 트랙별로 하나의 펄스를 완전 순차적 방법으로 검색하여 4개의 펄스를 대략적으로 찾고, 두 번째 단계에서는 펄스 교환 과정을 통하여 보다 최적에 가까운 코드벡터를 찾는다.

성능/효과

• 적용된 검색 방법의 계산량은 표준에서 제안하고 있는 방법에 비하여 매우 적지만 표준방법보다 는 SNRseg 약간 떨어지는 것을 볼 수 있다. 그러나 Fast Algorithm인 G.729A 보다는 우수한 것을 볼 수 있었고 주관적 청취 음질에 있어서는 거의 차이가 없음을 확인하였다.
• 물론, 펄스 수에 따라 公를 계산하기 위한 계산량에는 약간의 차이가 있으나 이에 따른 차이는 무시한다. 따라서 제안된 검색을 위한 계산량은 최대 40 + (4 + 16) X (펄스 교환 횟수)이며 한 번의 펄스 교환을 할 경우 60이 된다. 이는 표준이 제안하는 방식의 1440보다 매우 적은 계산량을 가 진다.
• 두 단계 검색 방법을 사용하여 첫 단계에서는 각 트랙별로 하나의 펄스를 완전 순차적 방법으로 검색하여 4개의 펄스를 대략적으로 찾고, 두 번째 단계에서는 펄스 교환 과정을 통하여 보다 최적에 가까운 코드벡터를 찾는다. 적용된 검색 방법의 계산량은 표준에서 제안하고 있는 방법에 비하여 매우 적지만 표준방법보다 는 SNRseg 약간 떨어지는 것을 볼 수 있다. 그러나 Fast Algorithm인 G.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기