• 한국소음진동공학회논문집
• /
• 제24권9호
• /
• pp.682-686
• /
• 2014

Nowadays, the needs to revise the classification criteria for noise emission facilities have been suggested by the related industries. Because there existed many reasonable factors in the criteria regarding the noise emission facilities. And the noise emission facility classification criterion of the print machine changed from 50 HP to 100 HP in 2013. But the increasement of the noise emission facility classification criterion of the print machine can cause adverse effects like the bigger noise. So, in this paper, we measured the print machine's sound power level according to the changes of the print machine's power to assess the adverse effects. The measurement method applied with KS I ISO 9614-2(1996). The corelation between the sound power level and the power of print machines was analyzed by regression analysis. In this paper, we found that the sound power level of the print machines can increase about 1.3 dB in the condition of that the power of print machine increases from 50 HP to 100 HP. And we found that the sound power level of the print machines can increase about 1.0 dB for a increasement of 1,000 SPH(sheet per hour) of printing speed. The noise emission characteristics of print machine stuied in this paper will be useful to design the noise reduction plan in the future.

• The Journal of the Acoustical Society of Korea
• /
• 제25권3E호
• /
• pp.89-94
• /
• 2006

For audio indexing and targeted search of specific audio or corresponding visual contents, the MPEG-7 standard has adopted a sound classification framework, in which dimension-reduced Audio Spectrum Projection (ASP) features are used to train continuous hidden Markov models (HMMs) for classification of various sounds. The MPEG-7 employs Principal Component Analysis (PCA) or Independent Component Analysis (ICA) for the dimensional reduction. Other well-established techniques include Non-negative Matrix Factorization (NMF), Linear Discriminant Analysis (LDA) and Discrete Cosine Transformation (DCT). In this paper we compare the performance of different dimensional reduction methods with Gaussian mixture models (GMMs) and HMMs in the classifying video sound clips.

• KIEAE Journal
• /
• 제4권3호
• /
• pp.37-44
• /
• 2004

In this study, foreign and domestic noise criteria on walls, floors, and water supply facilities were reviewed and the results are as follows : regulation can be divided two things, one is on thickness the other is sound insulation performance. Green Building regulation based on the law and this have sound classification systems. Since these regulations are not established in Korea. The noise regulation on water supply-drain facilities and domestic guideline on interior noise level is needed. Foreign regulations are stricter than those of ours. And those has sound classification system for the better acoustic condition of inhabitants'.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권10호
• /
• pp.5078-5094
• /
• 2019

In recent years, the development of drone technologies has promoted the widespread commercial application of drones. However, the ability of drone to carry explosives and other destructive materials may bring serious threats to public safety. In order to reduce these threats from illegal drones, acoustic feature extraction and classification technologies are introduced for drone sound identification. In this paper, we introduce the acoustic feature vector extraction method of harmonic line association (HLA), and subband power feature extraction based on wavelet packet transform (WPT). We propose a feature vector extraction method based on combined HLA and WPT to extract more sophisticated characteristics of sound. Moreover, to identify drone sounds, support vector machine (SVM) classification with the optimized parameter by genetic algorithm (GA) is employed based on the extracted feature vector. Four drones' sounds and other kinds of sounds existing in outdoor environment are used to evaluate the performance of the proposed method. The experimental results show that with the proposed method, identification probability can achieve up to 100 % in trials, and robustness against noise is also significantly improved.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권10호
• /
• pp.399-406
• /
• 2021

콘텐츠 산업의 꾸준한 성장에 따라 수많은 콘텐츠 중에서 개인의 취향에 적합한 콘텐츠를 자동으로 추천하는 연구의 필요성이 증가하고 있다. 콘텐츠 자동 추천의 정확도를 향상시키기 위해서는 콘텐츠에 대한 사용자의 선호 이력을 바탕으로 하는 기존 추천 기법과 더불어 콘텐츠의 메타데이터 및 콘텐츠 자체에서 추출할 수 있는 특징을 융합한 추천 기법이 필요하다. 본 연구에서는 음악의 소리 데이터로부터 태그 정보를 분류하는 LSTM 기반의 모델을 학습하고 분류된 태그 정보를 음악의 메타 데이터로 추가하여, 그래프 임베딩 시 콘텐츠의 특징까지 고려할 수 있는 KPRN 기반의 새로운 콘텐츠 추천 방법을 제안한다. 카카오 아레나 데이터 기반 실험 결과, 본 연구의 제안 방법은 기존의 임베딩 기반 추천 방법보다 우수한 추천 정확도를 보였다.

• 한국음향학회지
• /
• 제36권6호
• /
• pp.401-406
• /
• 2017

본 논문에서는 양서류 울음소리를 통한 종 인식 시스템 개발을 위해, 음향 신호 분석에서 활용되는 주요 알고리즘의 인식 성능을 평가했다. 먼저, 멸종위기 종을 포함하여 총 9 종의 양서류를 선정하여, 각 종별 울음소리를 야생에서 녹음하여 실험 데이터를 구축했다. 성능평가를 위해, MFCC(Mel Frequency Cepstral Coefficient), RCGCC(Robust Compressive Gammachirp filterbank Cepstral Coefficient), SPCC(Subspace Projection Cepstral Coefficient)의 세 특징벡터와 GMM(Gaussian Mixture Model), SVM(Support Vector Machine), DBN-DNN(Deep Belief Network - Deep Neural Network)의 세 인식기가 고려됐다. 추가적으로, 화자 인식에 널리 사용되는 i-vector를 이용한 인식 실험도 수행했다. 인식 실험 결과, SPCC-SVM의 경우 98.81 %로 가장 높은 인식률을 확인 할 수 있었으며, 다른 알고리즘에서도 90 %에 가까운 인식률을 확인했다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2007년도 춘계학술대회논문집
• /
• pp.1142-1146
• /
• 2007

In this studies, subjective evaluation of heavy-weight floor impact sound through classification was conducted. Heavyweight impact sounds generated by an impact ball were recorded through dummy heads in apartment buildings. The recordings were classified according to the frequency characteristics of the floor impact sounds which are influenced by the floor structure with different boundary conditions and composite materials. The characteristics of the floor impact noise were investigated by paired comparison tests and semantic differential tests. Sound sources for auditory experiment were selected based on the actual noise levels with perceptual level differences. The results showed that roughness and fluctuation strength as well as loudness of the heavy-weight impact noise had a major effect on annoyance.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2007년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.101-102
• /
• 2007

Heart diseases are critical and should be detected as soon as possible. A stethoscope is a simple device to find cardiac disorder but requires keen experiences in heart sounds. We evaluate a cardiac disorder classifier by using heart sounds recorded by a digital wireless stethoscope developed in this work. The classifier uses hidden Markov models with circular state transition to model the heart sounds. We train the classifier using two kinds of data: One recorded by using our stethoscope and the other sampled from a clean heart sound database. In classification experiments using 165 sound clips, the classifier shows the classification accuracy of 82% in classifying 6 cardiac disorder categories.

• 한국기록관리학회지
• /
• 제23권2호
• /
• pp.49-67
• /
• 2023

최근 국내 영화산업은 세계적으로 유명한 영화제의 주요상을 수상하면서 전성기를 맞이하고 있다. 더불어 K-콘텐츠의 국제적 관심과 코로나19 이후 OTT 산업의 성장은 국내 영화산업의 발전을 기대할 수 있는 긍정적인 여건으로 작용하고 있다. 영화제작에 있어 효과음원은 영화 필름을 구성하는 요소 중의 하나로 영상의 분위기와 감성을 표현하는데 중요한 역할을 담당한다. 이에 전주정보문화산업진흥원은 2013년부터 한국적 정서를 갖춘 한국형 효과음원 개발 사업을 추진하였다. 그리고 2021년부터 'K-Sound Library'라는 효과음원 아카이브를 일반 대중에게 서비스하고 있는데 데이터베이스 구축 및 시스템의 문제 등으로 그 활용이 미흡한 실정이다. 이에 본 연구에서는 우리나라 최초의 효과음원 아카이브인 'K-Sound Library'의 온라인 서비스에 대해 음향 전문가들과 인터뷰를 실시하여 현 서비스의 문제점을 도출하였다. 그리고 인터뷰 및 해외사례 분석 결과를 바탕으로 효과음원의 분류체계 및 검색서비스의 사용성을 향상시키기 위한 개선방안을 제안하였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권11호
• /
• pp.21-31
• /
• 2021

최근 코로나(Covid-19)의 영향으로 스마트 헬스케어 관련 산업과 비대면 방식의 원격 진단을 통한 질환 분류 예측 연구의 필요성이 증가하고 있다. 일반적으로 호흡기 질환의 진단은 비용이 많이 들고 숙련된 의료 전문가를 필요로 하여 현실적으로 조기 진단 및 모니터링에 한계가 있다. 따라서, 간단하고 편리한 청진기로부터 수집된 호흡음을 딥러닝 기반 모델을 활용하여 높은 정확도로 분류하고 조기 진단이 필요하다. 본 연구에서는 청진을 통해 수집된 폐음 데이터를 이용하여 이상 호흡음 분류모델을 제안한다. 데이터 전처리로는 대역통과필터(BandPassFilter)방법론을 적용하고 로그 멜 스펙트로그램(Log-Mel Spectrogram)과 Mel Frequency Cepstral Coefficient(MFCC)을 이용하여 폐음의 특징적인 정보를 추출하였다. 추출된 폐음의 특징에 대해서 효과적으로 분류할 수 있는 병렬 합성곱 신경망 네트워크(Parallel CNN network)모델을 제안하고 다양한 머신러닝 분류기(Classifiers)와 결합한 스태킹 앙상블(Stacking Ensemble) 방법론을 이용하여 이상 호흡음을 높은 정확도로 분류하였다. 본 논문에서 제안한 방법은 96.9%의 정확도로 이상 호흡음을 분류하였으며, 기본모델의 결과 대비 정확도가 약 6.1% 향상되었다.