• 대한전자공학회논문지SP
• /
• 제49권1호
• /
• pp.97-103
• /
• 2012

본 논문에서는 잡음환경에서 효과적인 음성을 검출하기 위한 새로운 음성 검출 (VAD, voice activity detection) 알고리즘을 제안한다. 통계적 모델에 기반의 Likelihood ratio (LR)를 통하여 도출되는 전역 음성부재확률 (GSAP, global speech absence probability)은 음성검출을 위한 피쳐 (feature) 파라미터로 널리 적용되고 있다. 하지만 신호 대 잡음 비 (SNR, signal-to-noise ratio)가 낮은 잡음환경에서는 정확한 GSAP 추정이 어려운 문제점을 가지고 있다. 따라서 제안된 방법에서는 잡음환경에서 강인한 VAD 알고리즘을 위하여 Teager energy (TE) 기반의 GSAP를 피쳐 파라미터로 적용한다. 제안된 알고리즘은 기존의 방법과 객관적인 실험을 통해 비교 평가한 결과 다양한 배경잡음 환경에서 향상된 성능을 보였다.

• 한국멀티미디어학회논문지
• /
• 제4권3호
• /
• pp.230-237
• /
• 2001

음향 반향 제거기, 적응 등화기 그리고 적웅 잡음 제거기 등에 적응 필터가 널리 활용되고 있다. 적응 필터의 계수는 주로 NLMS 알고리즘을 이용하고 있지만 NLMS 알고리즘은 주변 잡음에 의해서 적응 필터의 계수가 오조정된다. 본 논문에서 최적 필터의 직교원리를 이용하여 LMS 알고리즘의 순시 기울기 벡터를 저역 통과 시켜 적응 알고리즘의 적응 상수로 결정하는 방법을 제안한다. 순시 기울기 벡터는 입력 신호와 추정 오차 신호의 상호 상관도로써 수렴 초기에는 추정 오차 신호 속에 입력 신호가 대부분 포함되어 있기 때문에 상관도가 크고 적응 필터가 수렴한 후에는 0 에 가까운 값을 갖게 된다. 그리고 입력 신호와 주변 잡음 신호는 상관이 없기 때문에 주변 잡음에 의해서 상호 상관도는 큰 변화가 없다. 따라서 상호 상관도를 적응 상수로 결정하면 수렴 속도가 느려지지 않으면서 주변 잡음에 강건한 특성을 가진다. 본 논문에서는 컴퓨터 시뮬레이션을 통해서 제안하는 적응 알고리즘의 성능이 기존 알고리즘에 비해서 우수함을 보인다.

• 대한전자공학회논문지SP
• /
• 제42권5호
• /
• pp.145-156
• /
• 2005

적응 음향반향 제거나 적응 등화와 같은 응용에서 입력신호의 상관도는 매우 높고 긴 길이의 적응 필터가 필요하다. 이러한 응용에서 인접투사 알고리즘은 좋은 수렴성능을 보이지만 적응 필터의 계수갱신을 위한 많은 계산량 문제로 하드웨어 구현이 복잡한 단점이 있다. 본 논문에서는 개선된 수렴속도와 계산량을 줄일 수 있는 새로운 부밴드 인접투사 알고리즘과 간단한 구현을 위한 방법을 제안한다. 이 방법에서는 인접투사 알고리즘에 다위상 분해, 노블아이덴티티 그리고 임계 데시메이션을 적용, 상관도 제거를 위해 사용되는 입력 신호 벡터의 수(적응필터의 투사차원)를 줄일 수 있다. 제안한 방법의 적응필터 계수 갱신식은 투사차원의 감소에 의해 NLMS 알고리즘과 비교될 만큼 간단한 형태로 유도된다. 제안한 방법의 효율을 상관도가 높은 입력신호를 사용하여 실험을 통해 평가하였다.

• 한국음향학회지
• /
• 제43권2호
• /
• pp.225-233
• /
• 2024

능동소나는 은밀하게 기동하는 수중 물체를 탐지하기 위해 음파를 송신하여 표적에서 반사되어 돌아오는 신호를 탐지한다. 그러나 능동소나의 수신 신호에는 표적의 반향음 외에도 해저면/해수면의 잔향, 생물 소음 및 기타 잡음 등이 섞여 있어 표적 인식을 어렵게 한다. 기존의 문턱값 이상의 신호를 탐지하는 기법은 설정한 문턱값에 따라 오탐지가 발생하거나 표적을 놓치는 경우가 발생할 뿐 아니라 다양한 수중환경마다 적절한 문턱값을 설정해야하는 문제가 있다. 이를 극복하기 위해 Constant False Alarm Rate(CFAR) 등의 기법을 이용한 문턱값의 자동산출과 진보된 형태의 추적 필터 및 연계 기법을 적용한 연구가 수행되었지만, 상당수의 탐지가 발생하는 환경에서는 그 한계가 있다. 최근 심층학습 기술이 발달함에 따라 수중 표적 탐지분야에도 이를 적용하기 위한 노력이 있었으나, 분류기 학습을 위한 능동소나 데이터의 획득이 매우 어려워 데이터가 희소할 뿐 아니라, 극소수의 표적과 상대적 다수의 비표적으로 인한 데이터의 불균형성으로 어려움이 있다. 본 논문에서는 탐지 신호의 에너지 분포 영상을 이용하되, 데이터의 불균형성을 고려한 방식으로 분류기를 학습하여 표적과 비표적을 구분하는 기법을 기존 소나처리 기법에 추가하여 표적의 오분류를 최소화하면서 비표적을 제거하여 능동소나 운용자의 표적 인식을 용이하게 하였다. 그리고 동해에서 수행한 해상실험에서 획득한 능동소나 데이터를 통해 제안 기법의 유효성을 검증하였다.