• 한국음향학회지
• /
• 제38권1호
• /
• pp.47-50
• /
• 2019

본 논문에서는 잡음 환경에서 효과적인 음성 인식을 위하여 DNN(Deep Neural Network) 기반의 잡음 오염 함수 예측을 이용한 음향 모델 적응 기법을 제안한다. 깨끗한 음성과 잡음 정보를 입력으로 하고 오염된 음성에 대한 특징 벡터를 출력으로 하는 DNN을 학습하여 비선형 관계를 갖는 잡음 오염 함수를 예측한다. 예측된 잡음 오염 함수를 음향모델의 평균 벡터에 적용하여 잡음 환경에 적응된 음향 모델을 생성한다. Aurora 2.0 데이터를 이용한 음성 인식 성능 평가에서 본 논문에서 제안한 모델 적응 기법이 기존의 전처리, 모델 적응 기법에 비해 일치, 불일치 잡음 환경에서 모두 평균적으로 우수한 성능을 나타낸다. 특히 불일치 잡음 환경에서 평균 오류율이 15.87 %의 상대 향상률을 나타낸다.

• International Journal of Automotive Technology
• /
• 제6권1호
• /
• pp.53-63
• /
• 2005

We propose a fuzzy neural network (FNN) theory capable of deciding the quality of a road image prior to extracting lane-related information. The accuracy of lane-related information obtained by image processing depends on the quality of the raw images, which can be classified as good or bad according to how visible the lane marks on the images are. Enhancing the accuracy of the information by an image-processing algorithm is limited due to noise corruption which makes image processing difficult. The FNN, on the other hand, decides whether road images are good or bad with respect to the degree of noise corruption. A cumulative distribution function (CDF), a function of edge histogram, is utilized to extract input parameters from the FNN according to the fact that the shape of the CDF is deeply correlated to the road image quality. A suitability analysis shows that this deep correlation exists between the parameters and the image quality. The input pattern vector of the FNN consists of nine parameters in which eight parameters are from the CDF and one is from the intensity distribution of raw images. Experimental results showed that the proposed FNN system was quite successful. We carried out simulations with real images taken in various lighting and weather conditions, and obtained successful decision-making about $99\%$ of the time.

• 대한음성학회지:말소리
• /
• 제59호
• /
• pp.13-25
• /
• 2006

In previous study, the linlog(linear log) RASTA(J-RASTA) approach based on PLP was proposed to deal with both the channel effect and the additive noise. The extraction of PLP required generally more steps and computation than the extraction of widely used MFCC. Thus, in this paper, we apply the linlog function to the MFCC for investigating the possibility of simple compensation method that removes both distortion. With the experimental results, the proposed method shows the similar tendency to the linlog RASTA-PLP_ When the J value is set to le-6, the best ERR(Error Reduction Rate) of 33% is obtained. For applying the linlog function to the feature extraction process, the J value plays a very important role in compensating the corruption. Thus, the study for the adaptive J or noise dependent J estimation is further required.

• Structural Engineering and Mechanics
• /
• 제55권6호
• /
• pp.1223-1239
• /
• 2015

A method for structural damage identification based on Chaotic Artificial Bee Colony (CABC) algorithm is presented. ABC is a heuristic algorithm with simple structure, ease of implementation, good robustness but with slow convergence rate. To overcome the shortcoming, the tournament selection mechanism is chosen instead of the roulette mechanism and chaotic search mechanism is also introduced. Residuals of natural frequencies and modal assurance criteria (MAC) are used to establish the objective function, ABC and CABC are utilized to solve the optimization problem. Two numerical examples are studied to investigate the efficiency and correctness of the proposed method. The simulation results show that the CABC algorithm can identify the local damage better compared with ABC and other evolutionary algorithms, even with noise corruption.

• 방송공학회논문지
• /
• 제5권2호
• /
• pp.281-289
• /
• 2000

영상을 획득하는 과정에 있어서 영상 획득 장치 또는 피사체의 흔들림은 영상에 손상을 가져온다. 이러한 손상을 움직임 열화(motion blur)라고 부르며, 영상의 선명도를 떨어뜨리는 주된 원인이 된다. 최근 연구에서 밝힌 극점자취 방법을 통해 주어진 열화영상에서 열화의 PSF(Point Spread Function) 특성을 구하는데 사용되는 중요한 파라메터를 추출 할 수 있다. 이러한 극점 자취방법으로, 노이즈에 의한 열화에 관계없이 적은 연산량으로 움직임 열화의 방향을 추출할 수 있다. 본 논문에서는 통계적 극점 자취 접근법을 새롭게 제안한다. 저주파 영역에서 움직임 열화방향의 추정오차를 줄이기 위해 ML(Maximum Likelihood)분류를 통해 오차를 유발하는 극점을 선택하여 가중치를 적용, 그 영향을 최소화한다. 선형 예측법을 사용하여, 불규칙적 자료가 극점으로 선택되는 것을 방지한다 제안된 MALM(Moving average least mean)방법은 두번째로 큰 극점의 검출을 위해 움직임의 정도를 판별하는데 사용된다. MALM방법은 자체적으로 노이즈 제거 과정을 내포하고 있으므로 노이즈가 많은 환경에서도 파라메터를 추출할 수가 있다. 실험에서 우리는 제안된 방법을 통해 얻어진 정보를 사용하여, 열화 된 이미지를 효율적으로 복구해 낼 수 있었다.

• 한국통신학회논문지
• /
• 제24권10B호
• /
• pp.1953-1962
• /
• 1999

영상을 획득하는 과정에 있어서 영상획득 장치 또는 피사체의 흔들림은 영상에 손상을 가져온다. 이러한 손상은 움직임 열화(motion blur)라 불리며, 영상의 선명도를 크게 떨어뜨리는 주된 원인이 된다. 본 논문에서는 움직임 열화의 각도와 길이를 알아내기 위한 새로운 함수가 정의되며, 이 함수의 영역(domian)인 극점자취(Peak-Trace) 영역으로 가는 과정에서는 노이즈의 분산을 산출해 내기 위한 노이즈 지배영역과, 움직임 열화의 각도와 길이를 추정해내기 위한 신호 지배영역이 설정된다. 신호지배 영역에서의 극점의 자취는 움직임 열화의 방향을, 노이즈에 강하면서도 빠르게 파악할 수 있도록 해주며, 가변가중치(weight)를 적용한 최소자승법(Least Mean Square)은 더욱 정밀한 극점의 자취추정을 가능하게 한다. 움직임 열화의 방향이 얻어지면, 1차원 셉스트럼(Cepstrum)방법을 사용하여 고속으로 움직임 열화의 길이를 구할 수 있게 된다. 이러한 방법으로 얻어진 정보들을 이용하여, 실제 실험에 적용된 손상되어진 영상을 효과적으로 복원할 수 있었다.