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
- 또한 환경을 고려하지 않은 공통된 노이즈 캔슬링 동작은 각 소음에 최적화된 성능을 보장할 수 없다. 따라서 본 논문에서는 선택적 노이즈 캔슬링 기술을 위한 딥 러닝 기반의 소음과 비 소음을 분류하는 환경 인지 방법을 제안한다.
- 본 논문에서는 소음을 각 특성에 따라 attack, rotation, sawing 3가지의 특성으로 나누었으며, 비 소음을 speech와 tonal로 나누었다. 본 논문에서는 멜-스펙트로그램과 스펙트로그램 기반의 시간적 특성을 사용하여 이를 convolutional neural network (CNN)으로 학습하는 방식의 환경 인지 방법을 제안한다. 대표적 오디오 특성인 멜-스펙트로그램만을 사용했을 때 평균 87.
- 본 논문은 선택적 노이즈 캔슬링을 위한 멜-스펙트로그램과 스펙트로그램 기반의 시간적 특성 벡터를 이용한 딥 러닝 기반의 환경 인지 기술을 제안하였다. 스펙트로그램의 에너지 변화를 특성 벡터에 반영하기 위해 현재와 다음 프레임 간의 에너지 차이, 가장 큰 에너지를 갖는 프레임과의 차이를 추가했다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.