전자공학회논문지 IE

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Implementation of Environmental Noise Remover for Speech Signals

배경 잡음을 제거하는 음성 신호 잡음 제거기의 구현

  • Received : 2012.04.27
  • Accepted : 2012.06.04
  • Published : 2012.06.25
Download PDF
⟨ Previous Next ⟩

Abstract

The sounds of exhaust emissions of automobiles are independent sound sources which are nothing to do with voices. We have no information for the sources of voices and exhaust sounds. Accordingly, Independent Component Analysis which is one of the Blind Source Separaton methods was used to segregate two source signals from each mixed signals. Maximum Likelyhood Estimation was applied to the signals came through the stereo microphone to segregate the two source signals toward the maximization of independence. Since there is no clue to find whether it is speech signal or not, the coefficients of the slope was calculated by the autocovariances of the signals in frequcency domain. Noise remover for speech signals was implemented by coupling the two algorithms.

자동차 배기음은 음성과 무관한 거의 독립적인 음원이라고 볼 수 있다. 따라서 자동차 배기음과 섞인 음성 신호의 경우에 두 음원에 대한 사전 정보가 없는 상황이므로 Blind Source Separation 의 한 방법인 Independent Component Analysis를 이용하여 분리해 내었다. 스테레오 마이크를 통해 섞여 들어 온 두 음원을 분리해 내기 위해 Maximum Likelyhood Estimation을 이용하여 각 신호들 사이의 독립성을 최대화 하는 방향으로 분리하였다. 분리된 신호는 어느 쪽이 음성 신호인지 알 수 없으므로 주파수 영역에서 자기 공분산을 구한 후 이 공분산 값들의 기울기를 이용하여 음성 신호와 자동차 배기음 신호을 구분하였으며 이 두 알고리즘을 결합하여 음성 신호 잡음 제거기를 구현하였다.

Keywords

References

  1. A. Hyvarinen and E. Oja, Independent component analysis: algorithms and applications, Neural Networks, vol. 13, no. 4/5, pp. 411-430, 2000. https://doi.org/10.1016/S0893-6080(00)00026-5
  2. A. Hyvarinen, Fast and Robust Fixed-Point Algorithms for Independent Component Analysis, IEEE Trans. On Neural Networks, vol. 10, no. 2, pp. 626-634, May, 1999. https://doi.org/10.1109/72.761722
  3. Pl. Conon, Independent component analysis, A new concept?, Signal Processing, vol. 36, pp. 287-314, 1994. https://doi.org/10.1016/0165-1684(94)90029-9
  4. J. F. Cardoso, Blind signal separation: statistical principles, Proc. IEEE, vol. 9, no. 10, pp. 2009-2-25, Oct., 1988.
  5. A. Papoulis, Probability, Random Variables, and Stochastic Processes, McGraw-Hill, 1991
  6. J. LeBlanc and P. Leon, Speech Sepation by Kurtosis Maximization, Proc. ICASSP, vol. 2, pp. 1029-1032, 1998.
  7. 김선일, ICA로 분리한 신호의 분류, 대한전자공학회 논문지, 제47권, IE-4호, 2010년 12월
  8. 김선일, 주파수 영역 자기 공분산 기울기를 이용한 음성과 자동차 소음 신호의 구분, 한국해양정보통신학회논문지 제15권 10호, 2011년 10월
  9. A. Hyvarinen, Survey on independent component analysis, Neural Computing Surveys 2, pp. 94-128, 1999
  10. A. J. Bell land Terrence J. Sejnowski, An information-maximization approach to blind separation and blind deconvolution, Neural Computation, vol. 7, no. 6, pp. 1129-1159, 1995. https://doi.org/10.1162/neco.1995.7.6.1129
  11. S. Amari, A. Cichocki, H. H. Yang, A New Learning Algorithm for Blind Signal Separation, In Advances in Neural Information Processing System 8. Cambridge, MA:MIT Press, pp. 757-763, 1996
  12. S. Amari, Natural Gradient Works Efficiently in Learning, Neural Computation, vol. 10, no. 2, pp 251-276, Feb., 1998 https://doi.org/10.1162/089976698300017746
  13. 김선일, 잡음 섞인 한국어 인식을 위한 ICA 비교 연구, 대한전자공학회 논문지, 제45권, IE-3호, 2008년 9월