• Proceedings of the Acoustical Society of Korea Conference
• /
• 1998.06c
• /
• pp.283-286
• /
• 1998

monaural 신호는 귀의 특성과 인간의 청취 특성을 정확하게 반영하지 못하는 문제점이 있다. 귀 자체의 특성이 binaural인 것을 생각하면 monaural 신호를 이용한 방법은 정확한 결과가 나오기 어렵다. 따라서 이 논문에서는 monaural 신호를 이용한 음질 평가 시스템의 단점을 보완하고 귀의 binaural 특성을 살린 binaural 음질 평가 시스템을 구현하였다. 소리에 대한 심리음향학 인자로는 monaural 평가에서 사용했던 loudness, sharpness, roughness, fluctuation strength, annoyance, pleasantness를 binaural에 맞도록 수정하였으며, monaural 평가에서는 사용하지 않았던 tonality를 추가하여 pleasantness의 annoyance의 계산식을 수정하였다.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2014.04a
• /
• pp.159-160
• /
• 2014

• KIPS Transactions on Software and Data Engineering
• /
• v.7 no.3
• /
• pp.91-98
• /
• 2018

Automatic detection of pig wasting diseases is an important issue in the management of group-housed pigs. In particular, porcine respiratory diseases are one of the main causes of mortality among pigs and loss of productivity in intensive pig farming. In this paper, we propose a noise-robust system for the early detection and recognition of pig wasting diseases using sound data. In this method, first we convert one-dimensional sound signals to two-dimensional gray-level images by normalization, and extract texture images by means of dominant neighborhood structure technique. Lastly, the texture features are then used as inputs of convolutional neural networks as an early anomaly detector and a respiratory disease classifier. Our experimental results show that this new method can be used to detect pig wasting diseases both economically (low-cost sound sensor) and accurately (over 96% accuracy) even under noise-environmental conditions, either as a standalone solution or to complement known methods to obtain a more accurate solution.

• Journal of the Korea Society of Computer and Information
• /
• v.24 no.11
• /
• pp.153-161
• /
• 2019

In this paper, we proposed a method to measure the feed intake of cattle using the cattle's gulp downing sounds. To measure the sound of cattle's gulp downing, the recording is performed through a wearable device attached to the cattle's neck. A lot of noises are recorded according to the ranching environment. This paper proposed a method for spectralizing raw gulping sound data containing white noise and removing white noise through the signal transformation using a filter. This allows the feed intake to be measured. Through the proposed white noise reduction method, it was possible to extract only the cattle's gulp downing sound, and through this, the number of cattle's gulp downing could be measured. The proposed method in this paper makes it possible to measure cattle's feed intake easily, so that estrus prediction, health care for cattle, and feed management can be done efficiently.

• The Journal of the Acoustical Society of Korea
• /
• v.37 no.1
• /
• pp.60-65
• /
• 2018

In this paper, a covariance matrix and modulogram are proposed for realizing amphibian sound classification using CNN (Convolutional Neural Network). First of all, a database is established by collecting amphibians sounds including endangered species in natural environment. In order to apply the database to CNN, it is necessary to standardize acoustic signals with different lengths. To standardize the acoustic signals, covariance matrix that gives distribution information and modulogram that contains the information about change over time are extracted and used as input to CNN. The experiment is conducted by varying the number of a convolutional layer and a fully-connected layer. For performance assessment, several conventional methods are considered representing various feature extraction and classification approaches. From the results, it is confirmed that convolutional layer has a greater impact on performance than the fully-connected layer. Also, the performance based on CNN shows attaining the highest recognition rate with 99.07 % among the considered methods.

• Journal of the Institute of Convergence Signal Processing
• /
• v.20 no.2
• /
• pp.78-83
• /
• 2019

Sounds based machine fault diagnosis recovers all the studies that aim to detect automatically abnormal sound on machines using the acoustic emission by these machines. Conventional methods that use mathematical models have been found inaccurate because of the complexity of the industry machinery systems and the obvious existence of nonlinear factors such as noises. Therefore, any fault diagnosis issue can be treated as a pattern recognition problem. We propose here an automatic fault diagnosis method of hand drills using discrete wavelet transform(DWT) and pattern recognition techniques such as artificial neural networks(ANN). We first conduct a filtering analysis based on DWT. The power spectral density(PSD) is performed on the wavelet subband except for the highest and lowest low frequency subband. The PSD of the wavelet coefficients are extracted as our features for classifier based on ANN the pattern recognition part. The results show that the proposed method can be effectively used not only to detect defects but also to various automatic diagnosis system based on sound.

• Journal of the Institute of Convergence Signal Processing
• /
• v.21 no.3
• /
• pp.121-126
• /
• 2020

Sound-based machine fault diagnosis is the automatic detection of abnormal sound in the acoustic emission signals of the machines. Conventional methods of using mathematical models were difficult to diagnose machine failure due to the complexity of the industry machinery system and the existence of nonlinear factors such as noises. Therefore, we want to solve the problem of machine fault diagnosis as a deep learning-based image classification problem. In the paper, we propose a CNN-based automatic machine fault diagnosis method using Spectrogram images. The proposed method uses STFT to effectively extract feature vectors from frequencies generated by machine defects, and the feature vectors detected by STFT were converted into spectrogram images and classified by CNN by machine status. The results show that the proposed method can be effectively used not only to detect defects but also to various automatic diagnosis system based on sound.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.46-51
• /
• 2006

청각 장애인은 집에서 발생하는 여러 가지 소리나 가전 제품의 신호를 감지하지 못하므로 생활의 불편을 상당히 느끼고 있다. 이러한 사람들을 위해 소리 정보를 시각 정보로 변경하여, 사용자들의 시야에 보여주는 것을 목적으로 연구를 시작하였다. 본 연구에서는 집이라는 환경에서 사용자의 위치와 오리엔테이션 정보를 습득하여, 사용자에게 필요한 정보를 시야에 들어오는 범위에 방해되거나 불편하지 않게 표시하는 시스템을 제안한다. 프로젝터에 부착된 카메라를 이용하여 사용자를 인식하고, 사용자를 따라다니며 화면을 디스플레이 하는 기존 방법의 단점들을 해결하기 위해 위치 센서로 사람의 위치와 방향을 파악하여 사용자에게 필요한 정보를 사용자가 현재 바라보는 곳에 디스플레이 하는 방법을 제안한다. 3D 모델로 제작된 집의 구조를 이용하여, 프로젝터의 방향과 초점 제어를 사전에 계산하여 보다 정확한 위치에 정보가 디스플레이 되도록 하였다. 본 논문에서 제안하는 방법이 기존의 PDA 나 PC 모니터를 이용해 정보를 제공하는 방법보다 사용자들이 정보를 인지하는 데 걸리는 시간이 좀더 빠르고 이 방법을 선호하기 때문에, 청각 장애인에게 정보를 제공하는 시스템으로 적합하다는 결론을 도출하였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• autumn
• /
• pp.309-312
• /
• 2004

본 연구에서는 매미가 소형이면서도 광대역의 소리를 낼 수 있는 원리가 무엇인지를 파악하고 이중 음향 발생 장치 제작에 적용할 수 있는 요소를 도출하였다. 매미의 발음기관에서 가장 중요한 부분은 복부 공명실과 진동판이다. 복부 공명실은 위상 반전형 인클로져 시스템으로 모델링 할 수 있으며, 진동판은 돔 형태의 박판으로 볼 수 있다. 근육에서 발생된 입력 신호는 진동판의 곡면에 의해 판에 좌굴을 일으켜 높은 음압의 소리를 발생시킨다. 발생된 소리는 복부를 통해 위상이 반전되어 특정 대역이 강조된다. 진동판의 가장 큰 특징은 곡면구조에 의한 비선형적인 출력이며 이를 통하여 가진 주파수와 상이한 주파수 성분들을 효과적으로 발생시키게 된다. 이러한 구조를 음향 발생장치로 활용하기 위하여 단순한 곡면판의 기하학적 파라미터 변화에 따른 출력 변화 경향을 관찰 하였으며, 이러한 원리를 활용한 음향 발생장치를 구성하였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1998.08a
• /
• pp.242-245
• /
• 1998

음성인식 시스템의 입력인 음성은 실제의 음성부분 외에도 주변잡음을 포함한 기침 소리, 문닫는 소리, 책장 넘기는 소리등과 같은 사용자에 의해서 발생될 수 있는 다양한 종류의 비음성을 포함할 수 있다. 특히 에너지가 큰 비음성을 포함하는 경우 기존의 끝점검출 알고리듬만으로는 음성부분만의 정확한 검출이 어렵게 되고 이는 음성인식 시스템의 성능을 저하시키는 주요 원인이 된다. 본 논문에서는 음성 발생시 일어날 수 있는 비음성들에 대해서 조사하고 이러한 비음성이 포함될 때 음성부분만의 정확한 검출을 가능하게 하는 알고리듬을 제시하였다. 사용된 파라미터로는 자기상관법에 의해 얻어지는 피치정보와 웨이브렛 영역에서의 에너지로써 비교적 낮은 신호대 잡음비에서도 음성부 검출을 가능하게 하였다.