• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 1997년도 학술대회
• /
• pp.87-90
• /
• 1997

본 논문에서는 영상의 잡음(noise) 제거를 위한 새로운 diffusion모델을 제안한다. MOD모델 (mean curvature diffusion model)은 영상의 잡음 제거 때 유발되는 경계선의 blurring을 지양할 수 있는 장점이 있는 반면에 수렴상태(convergence state)를 갖지 못한 단점을 안고 있다. 본 논문에서는 MCD 모델에 min/max switch를 결합시킴으로써 MCD모델이 갖고 있던 문제점을 개선하였다. 제안하는 diffusion 모델은 scheme의 반복적인 적용에 대해서 실질적으로 그 결과가 더 이상 변동하지 않는 수렴상태(convergence state)를 가진 매우 안정적인 시스템이다.

• 한국음향학회지
• /
• 제40권5호
• /
• pp.479-487
• /
• 2021

본 논문에서는 잡음 학생 모델 기반의 자가 학습을 활용한 음향 사건 검지 기법을 제안한다. 제안된 음향 사건 검지 모델은 두 단계로 구성된다. 첫 번째 단계에서는 잔차 합성곱 순환 신경망(Residual Convolutional Recurrent Neural Network, RCRNN)을 훈련하여 레이블이 지정되지 않은 비표기 데이터셋의 레이블 예측에 활용한다. 두 번째 단계에서는 세 가지 잡음 종류를 적용한 잡음 학생 모델을 자가학습 기법으로 반복하여 학습한다. 여기서 잡음 학생 모델은 SpecAugment, Mixup, 시간-주파수 이동을 활용한 특징 잡음, 드롭아웃을 활용한 모델 잡음, 그리고 semi-supervised loss function을 적용한 레이블 잡음을 활용하여 학습된다. 제안된 음향 사건 검지 모델의 성능은 Detection and Classification of Acoustic Scenes and Events(DCASE) 2020 Challenge Task 4의 validation set으로 평가하였다. DCASE 2020 챌린지 데이터셋의 baseline 및 최상위 랭크된 모델과 이벤트 단위 F1 점수 성능을 비교한 결과, 제안된 음향 사건 검지 모델이 단일 모델과 앙상블 모델에서 최상위 모델 대비 F1 점수를 각각 4.6 %와 3.4 % 향상시켰다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 D
• /
• pp.2696-2698
• /
• 2003

전력선 통신 채널(powerline communication channel)은 원래 전력을 전송하기 위한 선로로서 무선 채널 및 그 밖의 다른 통신 채널들과 같이 부가적 가우시안 잡음 환경 등의 표준 모델로 잘 표현되지 않는 특성이 있다. 그리고 1MHz-30MHz 대역에서의 전력선 채널의 잡음은 배경잡음, 연속 신호(continuous wave) 협대역 및 광대역 잡음, 그리고 임펄스 잡음으로 분류될 수 있으며, 특히 고속 데이터 전송 시스템에서는 임펄스 잡음에 의한 영향이 큰 것으로 알려져 있다. 본 논문에서는 아파트형 주거지에서 실측한 주파수 영역 및 시간영역의 잡음 데이터를 제시하고, 이러한 데이터를 바탕으로 연속 신호 잡음을 포함한 배경잡음과 임펄스 잡음의 모델 및 통계적 특성을 제시한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2001년도 정기총회 및 학술대회
• /
• pp.129-133
• /
• 2001

영상에 포함된 잡음은 화질 및 영상의 압축효율을 저하시킨다. 최근 들어, 영상의 에지 성분을 효율적으로 고려하면서 잡음을 제거하기 위하여 다양한 비정적(nonstationary) 영상 모델에 근거한 잡음제거 알고리즘이 제안되어 왔다. 하지만, 기존의 비정적 영상모델에서는 연산량의 부담을 덜기 위하여 각 화소들 사이에 상관관계(correlation)가 없다는 가정을 하고 있어 영상의 미세한 정보들이 필터링에 의하여 훼손된다. 본 논문에서는 영상의 비정적 상관관계를 고려한 적응적 잡음제거 알고리즘을 제시한다. 영상신호는 비정적 평균을 가진다고 가정되며, 또한 각기 다른 정적(stationary) 상관관계를 가지는 부분 영상으로 분리된다고 가정된다. 제안된 영상 모델에서의 공분산(co-variance) 행렬의 특수한 구조를 이용하여 계산적으로 효율적인 FFT에 기반한 선형 minimum mean square error 필터를 유도한다. 제안된 영상 모델의 정당성 및 알고리즘의 효율성을 제시한다.

• 대한전자공학회논문지SP
• /
• 제47권6호
• /
• pp.28-38
• /
• 2010

녹화된 아날로그 영상에 내재하는 잡음을 효과적으로 제거하기 위해서는 잡음의 실제 특성과 정도를 정확히 파악하는 것이 매우 중요하다. 본 논문에서는 실제 방송되는 아날로그 영상을 녹화하여 잡음의 특성을 분석한 후, 녹화된 아날로그 영상을 위한 효과적인 학습기반 잡음개선 방법을 제안한다. 먼저 녹화된 아날로그 영상의 잡음을 분석하여 무시할 수 없는 잡음의 연관성이 존재하는 것을 보임으로써, 전통적인 부가 백색 가우시안 잡음 (AWGN) 모델에 기반을 둔 잡음의 추정과 잡음 제거 방법이 가지는 한계를 설명한다. 또한 잡음의 연관성을 고려한 자기회귀 모델을 이용해서 녹화된 아날로그 영상에 내재하는 잡음을 추정하고 합성할 수 있음을 보이며, 추정된 자기회귀 모델을 이용해 학습기반 잡음제거 기법에 적용함으로써 비디오 잡음을 제거한다. 실험결과는 제안된 방법이 무시할 수 없을 정도로 잡음 연관성을 가진 실제 녹화된 아날로그 영상의 잡음 제거에 효과적으로 활용될 수 있음을 보여준다.

• 전기전자학회논문지
• /
• 제3권2호
• /
• pp.226-235
• /
• 1999

SPICE잡음모델식 및 그 모델변수들의 특성을 조사하기 위하여, BiCMOS공정으로 제조된 NMOS소자에서 1/f 잡음을 측정하여 기존에 발표된 1/f 잡음의 실험결과 및 모델들과 비교해 보았다. 일반적으로 알려진 드레인 잡음전류의 전력밀도 스펙트럼 $S_{Id}$의 게이트 바이어스 의존도 및 드레인 전압에 따른 그 특성이 본 연구의 n-MOSFET소자에서도 측정되었다. 등가게이트 전압잡음전력밀도 $S_{Vg}$의 바이어스 의존도도 채널의 길이가 비교적 길 때에는 이론 및 실험적으로 알려진 결과와 대체적으로 일치하나, 짧은 채널에서는 $S_{Id}$ 및 $S_{Vg}$에 관한 기존 모델들의 적용이 타당하지 않았다 그러므로 본 논문에서는 서로 상이한 잡음모델들을 비교해서 본 연구의 시료소자인 BiCMOS공정에 적용 가능한 1/f 잡음모델을 모색하였다.

• 방송공학회논문지
• /
• 제23권4호
• /
• pp.511-518
• /
• 2018

본 논문에서는 잡음 환경의 음성 신호를 시간-주파수 영역으로 분해한 후 0 또는 1로 표현되는 이진 마스크를 적용하여 음성의 명료도를 높이는 방법에 대해 다룬다. 시간-주파수 영역으로 분해된 신호에 대해 상대적으로 잡음이 많이 섞인 경우는 마스크 "0"을 할당하여 제거하고, 그렇지 않은 경우는 마스크 "1"을 할당하여 보존하는 방식을 채택한다. 이러한 이진 마스크의 추정은 가우시안 혼합 모델로 학습된 베이지안 분류기를 사용한다. 가우시안 혼합 모델 학습에 포함된 잡음 환경에 대해서는 학습된 모델을 이용하여 추정된 이진 마스크의 적용을 통해 잡음 환경에서 음성 명료도를 높일 수 있으나 학습에 포함되지 않은 잡음 환경에 대해서는 음성 명료도를 향상시키지 못하는 문제가 있다. 본 논문에서는 이러한 문제를 해결하기 위해 학습 모델을 잡음 환경에 적응시키고자 한다. 새로운 잡음 환경에 대처하고자 음성 인식에서 사용되는 대표적인 화자 적응 방법을 적용하였으며 실험을 통해 새로운 잡음 환경에 적응함을 확인하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2019년도 추계학술대회
• /
• pp.213-216
• /
• 2019

영상 잡음 제거 알고리즘은 잡음으로 오염된 영상으로부터 잡음이 제거된 깨끗한 영상을 추정하여 복원하는 연구이다. 기존의 모델 기반 방법의 영상 잡음 제거 알고리즘은 영상을 복원하는 과정에서 최적화 문제를 풀어야 한다는 단점과 매개변수를 직접 선택을 해주어야 한다는 단점을 가진다. 본 논문에서는 딥러닝을 이용한 학습기반 방법의 영상 잡음 제거 연구를 소개한다. 먼저, 신경망의 구축을 위하여 신경망의 구성 요소는 Instance Normalization 과 컨볼루션 신경망을 이용한 모델을 제안하였고, 여러 연구 분야에서 좋은 성능을 보이는 U-Net 구조를 전체적인 구조로 차용하였다. 신경망의 학습을 위하여 DnCNN 에서 제안한 잡음을 학습하는 잔여 학습 기법을 채택하였고, 기존의 영상 잡음 제거 알고리즘의 단점인 결과 영상이 흐릿해지는 현상을 보완하기 위하여 생성적 적대 신경망 학습 방법을 적용하였다. 본 논문에서 제안한 신경망을 이용한 잡음 제거 영상의 결과가 기존의 연구 방법들 보다 인지적인 측면에서 좋은 결과를 보임을 확인하였다.

• 방송공학회논문지
• /
• 제20권1호
• /
• pp.164-170
• /
• 2015

본 논문에서는 잡음 환경에서 취득된 음성 신호에서 잡음을 제거하기 위한 방법으로 사용되는 이진 마스크 분류 모델의 적응과정에 대해 다루고자 한다. 기존 연구결과에 의하면, 잡음 환경 데이터에 이진 마스크 기법을 적용하면 음성 명료도를 향상시킬 수 있다고 알려져 있다. 하지만 이진 마스크 분류 모델 학습 시 테스트 환경 데이터가 포함되어야 한다는 단점을 안고 있다. 본 논문에서는 새로운 잡음 환경에서 이진 마스크 분류 모델을 적응하기 위해, 음성 인식에서 널리 사용되는 화자 적응 기법인 eigenvoice 방법을 적용하고자 한다. 실험결과에서는 모델 적응에 사용되는 데이터량에 따른 성능을 정검출율과 오검출율 관점에서 평가하였고, 그 결과 새로운 잡음 환경에서 데이터량을 증가시켜 모델을 적응함으로써 향상된 성능을 나타냄을 확인할 수 있었다.

• 한국음향학회지
• /
• 제23권6호
• /
• pp.473-480
• /
• 2004

본 논문에서는 잡음 환경에서 강인한 음성 인식을 위하여 음성 모델을 기반으로 하는 효과적인 특징 보상 기법을 제안한다. 제안하는 특징 보상 기법은 병렬 결합된 혼합 모델 (PCMM)을 기반으로 한다. 기존의 PCMM 기반의 기법은 시간에 따라 변하는 잡음 환경을 반영하기 위하여 매 음성 입력마다 복잡한 과정의 혼합 모델 결합이 필요하다. 제안하는 기법에서는 다중의 혼합 모델을 보간하는 방법을 채용함으로써 시간에 따라 변하는 배경 잡음에 대응할 수 있다. 보다 신뢰성 있는 혼합 모델 생성을 위하여 데이터 유도 기반의 방법을 도입하고, 실시간 처리를 위하여 프레임에 동기화된 환경 사후 확률 예측 과정을 제안한다. 다중 모델로 인한 연산량 증가를 막기 위하여 혼합 모델을 공유하는 기법을 제안한다. 가우시안 혼합 모델 사이에 통계학적으로 유사한 요소들을 선택하여 공유에 필요한 공통 모델을 생성한다. Aurora 2.0 데이터베이스와 실제 자동차 주행 환경에서 수집된 음성 데이터베이스에 대한 성능 평가를 실시한다. 실험 결과로부터 제안한 기법이 모의 환경과 실제 잡음 환경에서 강인한 음성 인식 성능을 가져오고 연산량 감소에 효과적임을 확인한다.