• 한국정보통신학회논문지
• /
• 제15권8호
• /
• pp.1665-1674
• /
• 2011

본 논문에서는 유색잡음에 의해 오염된 음성신호의 음성향상 알고리즘을 제안한다. 유색잡음과 음성신호가 서로 상관이 없을 경우 유색잡음은 백색화 변환을 통해 무색잡음으로 변환된다. 이 변환된 신호를 음성신호 향상을 위한 일반화된 부공간 접근법에 적용한다. 전처리 과정에서의 백색화 변환으로 발생되는 음성 스펙트럼 왜곡은 제안한 알고리즘의 후처리를 통해 역 백색화하여 복구한다. 제안한 알고리즘의 성능을 컴퓨터 시뮬레이션으로 확인하였다. 사용한 유색잡음은 자동차 잡음과 멀티 토커 배블 잡음이다. AURORA 및 TIMIT 데이터 베이스에서 취득한 데이터로 실험했을 때 제안하는 방법이 신호대잡음비 및 스펙트럼 왜곡 측면에서 기존 접근법보다 개선됨을 확인하였다.

• 한국정보통신학회논문지
• /
• 제17권8호
• /
• pp.1769-1776
• /
• 2013

본 논문에서는 유색잡음에 의해 오염된 음성신호의 음성향상 알고리즘인 YL 접근법에 VAD(voice activity detector)를 구현하는 수정된 알고리즘을 제안한다. 제안한 알고리즘을 YL 접근법 및 LS 접근법과 컴퓨터 시뮬레이션으로 성능을 비교하였다. 사용한 유색잡음은 자동차 잡음과 다중화자 배블 잡음으로 AURORA 데이터베이스로 부터 각각 발췌하였고, 음성신호는 TIMIT 데이터 베이스로부터 발췌하였다. 제안한 알고리즘을 실험했을 때 제안하는 방법이 신호대잡음비 및 스펙트럼 왜곡 측면에서 기존의 두 알고리즘 보다 개선됨을 확인하였다.

• 전자공학회논문지CI
• /
• 제47권3호
• /
• pp.76-82
• /
• 2010

본 논문은 수치적인 입출력데이터로부터 언어적인 규칙을 생성시키기 위한 체계적인 접근방법으로써 정보입자(information granules)에 근거한 언어적인 모델(LM: Linguistic Model)을 발전시킨다. Pedrycz에 의해 소개된 언어적인 모델은 컨텍스트 기반 퍼지 클러스터링(CFC: Context-based Fuzzy Clustering)으로부터 얻어지는 퍼지 정보입자에 의해 수행되어지며, 이는 입력과 출력공간과 연관된 클러스터 된 데이터들의 동질성을 보존하도록 클러스터를 추정한다. 언어적인 모델의 효능성은 이전 연구에서 이미 증명되었음에도 불구하고 성능 측면에서 개선시킬 필요성이 있다. 따라서, 본 논문에서는 기존 언어적인 모델의 근사화와 일반화 성능을 모두 향상시키기 위해 언어적인 컨텍스트의 자동적인 생성, 바이어스항의 추가, 결론부 파라미터의 변형된 구조를 통해 이루어진다. 실험결과는 자동차 연료소비량 예측문제와 보스턴 housing 데이터를 통해 제안된 방법이 언어적인 모델뿐만 아니라 기존 방법들보다 우수함을 증명한다.

• 대한토목학회논문집
• /
• 제28권3D호
• /
• pp.445-450
• /
• 2008

최근 도시하천의 환경생태학적 접근이 활발히 진행중에 있으며, 특히 하천의 유지수량 확보가 매우 중요한 문제로 대두되고 있다. 본 연구에서는 도시하천을 효율적으로 관리하기 위한 방안으로서 하천의 지형태 현장조사 자료와 영상정보를 연계한 수체적 평가기법을 제안하였으며, 갑천을 대상지역으로 선정하여 분석한 결과 다음의 결론을 얻었다. 첫째, 도시하천의 지형태 특성을 조사하기 위해 사주와 초지에 대한 지형측량을 실시하였으며, 수체적 계산에 영향을 주는 수면부에서의 경사특성을 분석한 결과 사주는 0.024, 초지는 0.220로서 초지가 사주에 비해 약 10배 높은 경사특성을 나타내었다. 또한 IKONOS 영상으로부터 사주와 수체에 대한 분광특성과 최소거리법을 이용하여 영상을 분류하였으며, 수체적 계산을 위해 Median 필터를 통한 일반화를 통해 수체적 계산을 위한 사주영역을 효과적으로 추출하는 기법을 제시하였다. 마지막으로 하천내 지형태 조사자료와 영상에서 추출한 사주영역을 GIS 공간분석 기법을 적용하여 도면화하였으며, 영상 촬영시점의 수위를 1m로 가정했을때의 수체적은 $225,258m^3$로서, 사주의 경사특성을 고려하지 않은 수체적($251,599m^3$)에 비해 약 10.5%의 수체적 개선 효과를 얻을 수 있었다.