• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 하계종합학술대회 논문집 Ⅳ
• /
• pp.2164-2167
• /
• 2003

In this paper we propose effective speech recognizer through recognition experiments for three feature parameters(PCA, ICA and MFCC) using SVM(Support Vector Machine) classifier In general, SVM is classification method which classify two class set by finding voluntary nonlinear boundary in vector space and possesses high classification performance under few training data number. In this paper we compare recognition result for each feature parameter and propose ICA feature as the most effective parameter

• 한국음향학회지
• /
• 제41권3호
• /
• pp.326-334
• /
• 2022

이 논문에서는 배경 잡음이 포함되는 환경에서 강인한 음성 인식을 하기 위한 전처리 단계로서 쓰이는 목표 음성 향상 방법을 제안한다. 보조 함수 기반의 독립 벡터 분석(Auxiliary-function-based Independent Vector Analysis, AuxIVA) 기법을 기반으로 가중 공분산 행렬에서 시간에 따라 변하는 분산에 의해서 가중치가 결정된다. 목표 음성에 대한 시간-주파수별 기여도를 나타내는 마스크를 통해 분산의 크기를 조절한다. 이러한 마스크는 음성 향상을 위해서 학습된 신경망 혹은 목표 화자로부터의 직선 성분의 기여도를 찾기 위한 확산성으로부터 추정할 수 있다. 이에 더하여 둘러싼 잡음에 대한 출력들은 서로 다차원 독립 성분 분석을 도입하여 의존성을 주어 안정적으로 노이즈 성분을 추출할 수 있다. 이 AuxIVA 기반의 목표 음성 추출 알고리즘은 또한 노이즈에 대해서 비음수 행렬 분해(Non-negative Matrix Factorization, NMF)를 비음수 텐서 분해(Non-negative Tensor Factorization, NTF)로 확장하여 독립 단순 행렬 분석(Independent Low-Rank Matrix Analysis, ILRMA)의 틀에서도 수행될 수 있다. 이러한 확장을 통해서 여전히 잡음 출력 채널에서의 채널간 의존성을 유지할 수 있다. CHiME-4데이터셋에 대한 실험 결과는 소개된 알고리즘에 대한 효과를 보여준다.

• 말소리와 음성과학
• /
• 제5권4호
• /
• pp.211-216
• /
• 2013

The IVA(Independent Vector Analysis) is a well-known FD-ICA method used to solve the frequency permutation problem. It generally works quite well for blind source separation problems, but still needs some improvements in the frequency bin permutation problem. This paper proposes a post-processing method which can improve the source separation performance with the IVA by fixing the remaining frequency permutation problem. The proposed method makes use of the correlation coefficient of power ratio between frequency bins for separated signals with the IVA-based 2-channel source separation. Experimental results verified that the proposed method could fix the remaining frequency permutation problem in the IVA and improve the speech quality of the separated signals.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2006년도 추계학술대회논문집
• /
• pp.401-406
• /
• 2006

This paper presents the fault diagnosis of induction motor based on support vector machine(SVMs). SVMs are well known as intelligent classifier with strong generalization ability. Application SVMs using kernel function is widely used for multi-class classification procedure. In this paper, the algorithm of SVMs will be combined with feature extraction and reduction using component analysis such as independent component analysis, principal component analysis and their kernel(KICA and KPCA). According to the result, component analysis is very useful to extract the useful features and to reduce the dimensionality of features so that the classification procedure in SVM can perform well. Moreover, this method is used to induction motor for faults detection based on vibration and current signals. The results show that this method can well classify and separate each condition of faults in induction motor based on experimental work.

• 한국해양공학회:학술대회논문집
• /
• 한국해양공학회 2006년 창립20주년기념 정기학술대회 및 국제워크샵
• /
• pp.46-53
• /
• 2006

This paper presents the fault diagnosis of induction motor based on support vector machine (SVMs). SVMs are well known as intelligent classifier with strong generalization ability. Application SVMs using kernel function is widely used for multi-class classification procedure. In this paper, the algorithm of SVMs will be combined with feature extraction and reduction using component analysis such as independent component analysis, principal component analysis and their kernel (KICA and KPCA). According to the result, component analysis is very useful to extract the useful features and to reduce the dimensionality of features so that the classification procedure in SVM can perform well. Moreover, this method is used to induction motor for faults detection based on vibration and current signals. The results show that this method can well classify and separate each condition of faults in induction motor based on experimental work.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제54권3호
• /
• pp.198-205
• /
• 2005

In this paper, we proposed a new algorithm for the separation of fetal ECG from single channel abdominal ECG. The algorithm consists of a stage of demixing vector calculation for initial signal and a stage of fetal beat detection for the rest of signal. The demixing vector was obtained by applying independent component analysis technique to projected signals into time-frequency domain. For the test of this algorithm, simulation signals, De Lathauwer's data and some measured data, which was acquired from 8 healthy volunteers whose pregnant periods ranged from 22 weeks to 35 weeks and whose ages from 27 to 37, were used. For each data, the accuracy of fetal beat detection was $100\%$ and with the location of fetal beats, fetal heart rate variability and morphology could be offered. In conclusion, this proposed algorithm showed the possibility of fetal beat separation with a single channel abdominal ECG and it might be adopted to a fetal health monitoring system, by which a single channel abdominal ECG is acquired.

• 한국음향학회지
• /
• 제39권2호
• /
• pp.137-142
• /
• 2020

문장 종속 짧은 발화에서 문장 독립 긴 발화까지 다양한 환경에서 I-vector 특징에 기반을 둔 많은 연구가 수행되었다. 본 논문에서는 원거리 잡음 환경에서 녹음한 데이터에서 Probabilistic Linear Discriminant Analysis(PLDA)를 적용한 I-vector와 주의 집중 기법을 접목한 Long Short Term Memory(LSTM) 기반의 화자 임베딩을 추출하여 결합한 화자 검증 알고리즘을 소개한다. LSTM 모델의 Equal Error Rate(EER)이 15.52 %, Attention-LSTM 모델이 8.46 %로 7.06 % 성능이 향상되었다. 이로써 본 논문에서 제안한 기법이 임베딩을 휴리스틱 하게 정의하여 사용하는 기존 추출방법의 문제점을 해결할 수 있는 것을 확인하였다. PLDA를 적용한 I-vector의 EER이 6.18 %로 결합 전 가장 좋은 성능을 보였다. Attention-LSTM 기반 임베딩과 결합하였을 때 EER이 2.57 %로 기존보다 3.61 % 감소하여 상대적으로 58.41 % 성능이 향상되었다.

• The Journal of Asian Finance, Economics and Business
• /
• 제7권7호
• /
• pp.241-249
• /
• 2020

The role of money in the modern economy highly determines the intensity and the development of the macroeconomy. The money supply is assumed to be as much as money demand, which reflects the economic character of a country and indicates the growth and development of macroeconomy. In Indonesia, the money supply (M1) is related to the economic dynamics in either the monetary market or the goods market. This research aims at analyzing factors that influence the money supply and to what extent the economic factors affect the money supply in Indonesia. The analysis method used in this research was Vector Autoregressive (VAR) with some variables, such as money supply (M1), interest rate, and Gross Domestic Product (GDP) from the 1st quarter of 2001 until the 1st quarter of 2013. The data collection method was in the form of data compilation from credible sources, such as Bank of Indonesia (BI), Central Bureau of Statistics (CBS), and International Financial Statistics (IFS). To obtain adequate analysis results, several tests were taken, such as unit-root test, Granger causality test, and optimal lag. VAR analysis formulates the correlation among independent variables, so it also sees the study of impulse response and matrix decomposition.

• 한국음향학회지
• /
• 제35권2호
• /
• pp.110-117
• /
• 2016

수동소나 시스템에서는 함정의 소음원에서 발생하는 방사 소음을 분석하여 표적을 탐지 및 식별한다. 소나의 탐지 범위 안에 다수의 소음원이 존재하면 신호를 분석할 때 각 소음원에서 나오는 성분들이 혼합되어 각각의 소음원을 규명하기가 어렵다. 이를 해결하기 위해 일반적으로는 배열 센서를 이용한 빔을 형성하여 소음원의 신호를 공간적으로 분리하는 기법이 사용되지만 환경에 따라 여전히 어려운 점이 있다. 본 연구에서는 수동소나 표적신호를 분리하기 위한 새로운 방법으로 주파수영역 독립성분분석(FDICA: Frequency Domain Independent Component Analysis)을 적용하고, 혼합된 표적신호를 분리하는 모의실험을 수행하여 그 타당성을 검증하였다. 표적신호 합성을 위한 특징 정보로는 기계류 토널 성분 및 프로펠러 성분을 사용하였고, 분리 전 후의 결과를 LOFAR(Low Frequency Analysis and Recording), DEMON(Detection Envelope Modulation On Noise) 분석을 통해 비교하였다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2003년도 하계학술대회 논문집
• /
• pp.78-81
• /
• 2003

본 논문은 SVM(support vector machine)을 이용한 음성인식기에 대해 효과적인 특징 파라메터를 제안한다. SVM은 특징 공간에서 비선형 경계를 찾아 분류하는 방법으로 적은 학습 데이터에서도 좋은 분류 성능을 나타낸다고 알려져 있으며 최적의 특징 파라메터를 선택하기 위해 본 논문에서는 SVM을 이용한 음성인식기를 사용하여 PCA(principal component analysis), ICA(independent component analysis) 알고리즘을 적용하여 MFCC(met frequency cepstrum coefficient)의 특징 공간을 변화시키면서 각각의 인식 성능을 비교 검토하였다. 실험 결과 ICA에 의한 특징 파라메터가 가장 우수한 성능을 나타내었으며 특징 공간에서 각 클래스의 분포도 또한 ICA가 가장 높은 선형 분별성을 나타내었다.