• 한국음향학회:학술대회논문집
• /
• 한국음향학회 2000년도 하계학술발표대회 논문집 제19권 1호
• /
• pp.47-50
• /
• 2000

비상관적인 가산잡음에 오염된 음성으로부터 향상된 음성을 얻기 위한 방법 중 Soft Decision에 근거한 음성 향상 기법이 뛰어난 성능을 가진다고 알려져 있다. Soft Decision은 주파수 영역에서 음성에 가산된 잡음을 처리하며, 잡음 환경에 대한 사전정보에 의존적이다. 본 연구에서는 Soft Decision을 근거로 음성에 가산된 잡음신호를 비선형 처리를 하여 효과적으로 음성에 포함된 잡음을 추정하도록 하였으며, 잡음환경에 대한 사전 정보 없이 효율적으로 잡음을 억제하는 방법을 제안한다. 본 연구에서 제안한 음성향상 기법은 주관적인 음질평가에서 기존의 방법들보다 나은 성능을 나타내었다

• 대한음성학회:학술대회논문집
• /
• 대한음성학회 2003년도 5월 학술대회지
• /
• pp.211-214
• /
• 2003

일반적으로 음성 인식에서의 성능은 잡음의 영향으로 인하여 저하된다. 전화망을 통한 한국어 연속 숫자음 인식은 음성인식 분야에 있어서 어려운 영역에 속하는데, 이는 조음 현상으로 인한 인식률 저하되는 점과 전화망 채널의 영향으로 인하여 스펙트럼 포락이 왜곡되며 음성신호의 대역폭이 제한되기 때문이다. 본 논문에서는 잡음의 영향을 줄이기 위하여, 2WF(2-stage Wiener Filter) 와 SWP (SNR-dependent Waveform Processing) 그리고 CMN(Cepstrum Mean Normalization)을 사용하였다. 2WF는 음성 신호의 포만트 구조를 적게 왜곡시키면서 전체적인 가산잡음 뿐만 아니라 동적 가산잡음도 줄여준다. SWP는 음성파형에서 SNR값이 상대적으로 큰 부분을 강조하여 전체적인 SNR을 향상시킬 수 있다. 또한, CMN은 특징벡터로부터 채널잡음의 영향을 정규화하여 음성 인식 성능을 향상시킨다. 이러한 방법들을 전화망 한국어 연속 숫자음 DB를 이용하여 실험한 결과, 음성신호의 왜곡을 최소화하면서 잡음의 영향을 줄여 전화망에서의 숫자음 인식 성능을 향상시킬 수 있었다.

• 정보와 통신
• /
• 제33권9호
• /
• pp.17-23
• /
• 2016

실세계 환경의 원거리에서 녹음된 음성은 가산 잡음이나 반향 성분으로 왜곡되기 때문에 음성인식 성능이 현저히 떨어진다. 따라서 음성 전처리 과정은 실세계 환경에서 강인한 음성인식을 위한 필수과정이다. 모델 기반 특징 향상 방법은 전처리 방법 중 하나로 특징 영역 데이터의 적절한 동적 범위(dynamic range)와 차원 수로 인하여 실시간 처리가 가능하고 깨끗한 음성의 선험적 정보를 모델링하기에 용이하다. 또, 인식을 위한 최종 특징 입력에 가까운 단계에서 데이터를 처리하므로 인식에 밀접한 영향을 준다는 장점이 있다. 그러나 대략적인 왜곡 요인 관련 파라미터 추정 때문에 음성인식 성능이 하락되는 단점이 있다. 최근에 기존 모델 기반 특징 향상의 단점을 개선하여 가산 잡음이나 반향 환경에 적합한 방법이 제안되었다. 이글에서는 특징 향상 방법을 소개하고 개선된 방법의 음성인식 강인성을 알아보고자 한다.

• 한국음향학회지
• /
• 제32권6호
• /
• pp.518-524
• /
• 2013

본 논문에서는 전밴드(full-band) 적응 필터의 수렴 특성을 개선하기 위해 제안된 정규 부밴드 적응 필터(NSAF)의 성능을 향상시키기 위한 가변 스텝 사이즈 기반의 알고리즘을 제안하였다. 널리 알려진 Kwong의 가변 스텝 사이즈 적응 필터는 간단한 하면서도, 고정된 스텝 사이즈의 적응 필터에 비하여 우수한 성능을 보인다. 그러나 가산잡음이 클 경우, 잡음의 크기에 비례하여 성능이 저하되는 단점이 있다. 본 논문에서는 적응 오차에서 추정된 가산 잡음을 차감한 정규 오차를 이용함으로써 가산 잡음에 의존하지 않는 가변 스텝 사이즈 알고리즘을 제안하였다. 시스템 확인 모델 하에서 컴퓨터 모의 실험을 통하여 제안된 알고리즘이 기존의 알고리즘들에 비하여 정상 및 비정상 환경에서 수렴 특성이 우수함을 보였다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1998년도 학술발표대회 논문집 제17권 2호
• /
• pp.391-394
• /
• 1998

본 논문에서는 극심한 가산 잡음에 의해 손상된 음성 신호를 스펙트럼 차감법으로 개선할 때, 잡음 스펙트럼 추정을 위한 무음 구간 추정 방법을 제안한다. 스펙트럼 차감법은 잡음을 효과적으로 제거한다고 알려져 있으나, SNR 0 dB 이하의 잡음 환경에서는 무음 구간의 검출이 힘들어 잡음 스펙트럼 추정치의 정확도가 저하된다. 일반화 스펙트럼 차감법의 과차감(oversubtraction)과 잡음 스펙트럼 추정을 반복하여 얻은 무음 구간은 SNR -10 dB~ 0 dB의 낮은 SNR에서도 비교적 정확하며, 프레임 에너지를 이용한 무음 검출 방법에 비해 향상된 성능을 보였다.

• 한국통신학회논문지
• /
• 제25권1B호
• /
• pp.141-147
• /
• 2000

선형적인 움직임에 의하여 흐려지고 가산잡음으로 훼손된 영상을 복원할 경우, 잡음을 평활화하면 동시에 윤곽도 같이 평활화 되며, 윤곽을 복원하면 잡음도 동시에 강조되는 이중성을 지닌다. 이러한 문제점을 해결하기 위하여 본 논문에서는 평면에선는{{{{ {I-H}^{ } }} }}연산잔가 효과적이고 윤곽에서는 Laplacian 연산자가 효과가 있는 점을 이용하여 훼손된 영상의 평면영역에서는{{{{ {I-H}^{ } }} }}정칙화 연산자를 윤곽영역에서는 Laplacian 정칙화 연산자를 적응적으로 적용하는 알고리듬을 제안한다. 본 논문에서 제시한 복원방법을 실험결과를 통해 기존의 방법과 비교해보면 평면에서의 잡음의 평활화가 개선되고 윤곽에서의 리플잡음이 줄었음을 알 수 있다. 또한 이것은 우리의 시각이 가지는 평면에서의 잡음의 가시도에 따른 시각적인 효과가 개선되었음을 알 수 있었으며, 기존의 방법에 비해 더욱 우수한 ISNR을 얻을 수 있었다.

• The Journal of the Acoustical Society of Korea
• /
• 제12권2E호
• /
• pp.19-26
• /
• 1993

이 논문에서는 가산성 잡음과 신호 의존성 잡음이 바라는 신호와 섞일 때, 약한 복합신호를 검파하는 국소 최적 검파기의 검정 통계량을 얻었다. 순가산성 잡음 분만 아니라 비가산성 잡음도 고려하기 위하여 일반화된 관측 모델을 사용하였다. 알려진 신호, 확률 신호, 그리고 신호 의존성 잡음 성분의 상대적인 크기의 모든 경우에 대하여 국소 최적 검정통계량을 얻었다. 또한, 국소 최적 검파기의 얼개를 그림으로 나타냈다.

• 한국전자파학회논문지
• /
• 제11권5호
• /
• pp.723-730
• /
• 2000

이 논문은 Rayleigh 페이딩 채널환경에서 가산 백색 가우시안 잡음 제거 필터를 적용한 직렬 탐색 동기 획득 방식에 대한 성능을 분석하고, 임계치를 페이딩 정도에 따라 변화시킬 수 있도록 참조 필터를 추가하여 페이딩 환경에서 강인하게 동기 획득이 이루어지도록 하였다. 성능 분석을 위해 사용된 채널 모델은 JAKE 모델이며 성능분석 결과, 제안된 동기 획득 방식이 기존의 직렬 탐색동기 획득 방식과 수신된 신호에 대한 칩별 연속 평균을 구해 페이딩에 의한 감쇄요소를 보상하는 가산 백색 가우시안 잡음 제거 필터만을 적용한 동기 획득 방식보다 낮은 신호대잡음비에서 평균 동기 획득 시간이 줄어듬을 알 수 있었다.

• 한국통신학회논문지
• /
• 제32권7A호
• /
• pp.724-729
• /
• 2007

가산성 주기정상성 잡음이 있을 때 zero forcing (ZF) 기반에서의 송수신단 동시 최적화를 고려한다. 주기정상성 잡음의 주기는 심볼 전송율의 역수라고 가정하고 자기 상관함수는 양의 정부호로 가정한다. 전송되는 데이터 수열은 광의의정상성(WSS: wide-sense stationary)을 가지는 유색 확률과정으로 모델링 하고 채널은 주파수 선택적 충격 응답을 가지는 선형 시불변 시스템으로 모델링 한다. ZF와 송신 전력 제약 아래 평균제곱오차 (MSE: mean square error)를 최소화하는 최적 송수신 파형을 유도하고 모의 실험 결과를 통해 수신파형만 최적화 한 경우와 가산성 주기정상성 잡음을 정상성 잡음으로 간주한 경우 보다 성능이 더 좋아짐을 보인다.

• 한국정보전자통신기술학회논문지
• /
• 제15권1호
• /
• pp.27-35
• /
• 2022

본 논문에서는 영상 데이터에 대한 적대적 공격으로부터 생성된 적대적 예제로 인하여 발생할 수 있는 딥러닝 시스템의 오분류를 방어하기 위한 방법으로 분류기의 입력 영상에 백색 잡음을 가산하는 방법을 제안하였다. 제안된 방법은 적대적이든 적대적이지 않던 구분하지 않고 분류기의 입력 영상에 백색 잡음을 더하여 적대적 예제가 분류기에서 올바른 출력을 발생할 수 있도록 유도하는 것이다. 제안한 방법은 FGSM 공격, BIM 공격 및 CW 공격으로 생성된 적대적 예제에 대하여 서로 다른 레이어 수를 갖는 Resnet 모델에 적용하고 결과를 고찰하였다. 백색 잡음의 가산된 데이터의 경우 모든 Resnet 모델에서 인식률이 향상되었음을 관찰할 수 있다. 제안된 방법은 단순히 백색 잡음을 경험적인 방법으로 가산하고 결과를 관찰하였으나 에 대한 엄밀한 분석이 추가되는 경우 기존의 적대적 훈련 방법과 같이 비용과 시간이 많이 소요되는 적대적 공격에 대한 방어 기술을 제공할 수 있을 것으로 사료된다.