• 한국정보통신학회논문지
• /
• 제15권10호
• /
• pp.2093-2099
• /
• 2011

음성 신호와 자동차 엔진 배기음 등의 소음이 섞인 신호에서 통계적 방법을 이용하여 음성 신호와 자동차 소음 신호를 분리하였다. 분리된 신호에서 음성신호를 구분해 내기 위해 128개의 원소를 갖는 신호 조각의 연속으로 신호를 재구성하고 각 신호 조각에 대해 FFT를 구하였다. 각 신호 조각의 FFT 계수 중에서 저주파 영역의 일부 계수 중 계수 각각에 대해 각 신호 조각 사이의 자기 공분산을 구하고 이들을 평균하였다. 그리고 linear regression을 이용 하여 평균 자기 공분산 값들을 연결하는 직선의 방정식을 구한 후 이 직선의 기울기를 비교하여 음성 신호와 자동차 소음 신호를 구분하는 방법을 제안하고 유용성을 확인하였다.

• 한국정보통신학회논문지
• /
• 제17권5호
• /
• pp.1076-1082
• /
• 2013

자기 공분산 기울기를 이용하여 음성 신호와 배경 잡음 신호를 구분할 때 구분 가능성을 높이기 위해 주파수 영역에서 음성 신호의 자기 공분산 기울기를 최대화하는 주파수 대역을 찾아내었다. 디지털 샘플링 된 음성 신호를 일정한 개수의 신호로 이루어진 블록으로 나눈 후 각 블록에 고속푸리에변환(Fast Fourier Transform, FFT)을 하여 주파수 영역으로 변환한 다음 임의의 주파수 대역에서 각 블록에서의 공분산을 구하고 이 공분산 값들을 연결하는 직선 근사를 한 후에 이 직선의 기울기를 자기 공분산 기울기로 사용하는데 이 값은 음성 신호의 특성 상 주파수 대역별로 차이가 있다. 따라서 어느 주파수 대역에서 자기 공분산 기울기가 크게 나타나는지 200개의 남성 음성 파일을 이용하여 주파수 대역별로 비교 분석하였다.

• 전자공학회논문지 IE
• /
• 제49권2호
• /
• pp.24-29
• /
• 2012

자동차 배기음은 음성과 무관한 거의 독립적인 음원이라고 볼 수 있다. 따라서 자동차 배기음과 섞인 음성 신호의 경우에 두 음원에 대한 사전 정보가 없는 상황이므로 Blind Source Separation 의 한 방법인 Independent Component Analysis를 이용하여 분리해 내었다. 스테레오 마이크를 통해 섞여 들어 온 두 음원을 분리해 내기 위해 Maximum Likelyhood Estimation을 이용하여 각 신호들 사이의 독립성을 최대화 하는 방향으로 분리하였다. 분리된 신호는 어느 쪽이 음성 신호인지 알 수 없으므로 주파수 영역에서 자기 공분산을 구한 후 이 공분산 값들의 기울기를 이용하여 음성 신호와 자동차 배기음 신호을 구분하였으며 이 두 알고리즘을 결합하여 음성 신호 잡음 제거기를 구현하였다.

• 응용통계연구
• /
• 제20권2호
• /
• pp.323-332
• /
• 2007

이 논문에서는 이산코사인변환에 의해 유도된 주파수 공간상에서의 포트맨토검정법을 소개한다. 정상시계열의 경우 이산코사인변환 계수는 점근적으로 독립이고 분산은 자기공분산의 선형결합으로 표시된다. 백색잡음에 대한 이산코사인변환 계수의 공분산 행렬은 모든 대각원소가 시계열의 분산인 대각행렬이다. 시계열의 독립성을 검정하기 위해 계수들을 주파수 영역에 따라 2 또는 3개의 그룹으로 분할하고 그룹간의 분산을 비교하여 자료가 백색잡음인지 아닌지를 검정한다. 또한 계수의 제곱값이 반응변수이고 주파수 대역이 설명변수인 회귀모형에서 기울기를 검정하여 백색잡음 여부를 알아본다. 모의실험 결과를 보면 제안한 검정방법이 대부분의 경우 Ljung-Box 검정보다 높은 검정력을 가지는 것으로 나타났다.