맞춤기술찾기

이전대상기술

가우시안 혼합 모델을 이용한 3세대 파트너십 프로젝트2의 선택 모드 보코더를 위한 실시간 유무성음 분류 방법

  • 기술번호 : KST2014014275
  • 담당센터 : 인천기술혁신센터
  • 전화번호 : 032-420-3580
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 가우시안 혼합 모델(Gaussian Mixture Model; GMM)을 이용한 3GPP2의 선택 모드 보코더(Selectable Mode Vocoder; SMV)를 위한 실시간 유무성음 분류 방법에 관한 것으로서, 보다 구체적으로는 (1) SMV의 특징 벡터 중 유무성음 분류에 우수한 성능을 나타내는 특징 벡터를 추출하는 특징 벡터 추출 단계; 및 (2) 상기 특징 벡터 추출 단계에서 추출된 특징 벡터를 GMM의 특징 벡터로 적용하여 유무성음을 분류하는 유무성음 분류 단계를 포함하는 것을 그 구성상의 특징으로 한다. 본 발명에서 제안하고 있는 GPP를 이용한 3GPP2의 SMV를 위한 유무성음 분류 방법에 따르면, SMV의 기존의 특징 벡터 중 유무성음 분류에 우수한 성능을 나타내는 특징 벡터를 추출하여 GMM의 특징 벡터로 적용하여 유무성음을 분류함으로써, 추가되는 계산량을 최소화하면서 유무성음 분류 성능을 크게 향상시킬 수 있다. 유성음, 무성음, 유무성음 분류, 3GPP2(3rd Generation Partnership Project2), 선택 모드 보코더(Selectable Mode Vocoder; SMV), 가우시안 혼합 모델(Gaussian Mixture Model; GMM), 특징 벡터, 계산량
Int. CL G10L 19/04 (2013.01) G10L 25/93 (2013.01)
CPC G10L 25/93(2013.01) G10L 25/93(2013.01) G10L 25/93(2013.01)
출원번호/일자 1020080081618 (2008.08.20)
출원인 인하대학교 산학협력단
등록번호/일자 10-0984094-0000 (2010.09.17)
공개번호/일자 10-2010-0022894 (2010.03.03) 문서열기
공고번호/일자 (20100928) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 소멸
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2008.08.20)
심사청구항수 5

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 인하대학교 산학협력단 대한민국 인천광역시 미추홀구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 장준혁 대한민국 서울 서초구
2 송지현 대한민국 인천 서구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인태동 대한민국 서울특별시 구로구 가마산로 ***, ***호(구로동, 대림오피스밸리)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 인하대학교 산학협력단 대한민국 인천광역시 남구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2008.08.20 수리 (Accepted) 1-1-2008-0594123-17
2 보정요구서
Request for Amendment
2008.08.30 발송처리완료 (Completion of Transmission) 1-5-2008-0105673-53
3 [출원서등 보정]보정서(납부자번호)
[Amendment to Patent Application, etc.] Amendment(Payer number)
2008.09.30 수리 (Accepted) 1-1-2008-0619584-61
4 출원인정보변경(경정)신고서
Notification of change of applicant's information
2009.11.17 수리 (Accepted) 4-1-2009-5220324-82
5 의견제출통지서
Notification of reason for refusal
2010.04.22 발송처리완료 (Completion of Transmission) 9-5-2010-0167743-05
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2010.06.22 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2010-0401723-79
7 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2010.06.22 수리 (Accepted) 1-1-2010-0401726-16
8 등록결정서
Decision to grant
2010.09.17 발송처리완료 (Completion of Transmission) 9-5-2010-0414576-04
9 [대리인선임]대리인(대표자)에 관한 신고서
[Appointment of Agent] Report on Agent (Representative)
2010.10.30 수리 (Accepted) 1-1-2010-0707618-71
10 출원인정보변경(경정)신고서
Notification of change of applicant's information
2015.07.22 수리 (Accepted) 4-1-2015-5098802-16
11 출원인정보변경(경정)신고서
Notification of change of applicant's information
2016.09.05 수리 (Accepted) 4-1-2016-5127132-49
12 출원인정보변경(경정)신고서
Notification of change of applicant's information
2018.03.02 수리 (Accepted) 4-1-2018-5036549-31
13 출원인정보변경(경정)신고서
Notification of change of applicant's information
2018.12.27 수리 (Accepted) 4-1-2018-5266647-91
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
가우시안 혼합 모델(Gaussian Mixture Model; GMM)을 이용한 3GPP2(3rd Generation Partnership Project 2)의 선택 모드 보코더(Selectable Mode Vocoder; SMV)를 위한 실시간 유무성음 분류 방법으로서, (1) SMV의 특징 벡터 중 유무성음 분류에 우수한 성능을 나타내는 특징 벡터를 추출하는 특징 벡터 추출 단계; 및 (2) 상기 특징 벡터 추출 단계에서 추출된 특징 벡터를 GMM의 특징 벡터로 적용하여 유무성음을 분류하는 유무성음 분류 단계를 포함하되, 상기 유무성음 분류에 우수한 성능을 나타내는 특징 벡터는 통계적 편차가 큰 에너지, 피치, 피치 상관계수, 반사 계수를 포함하며, 상기 특징 벡터 추출 단계는, 에너지, 피치, 피치 상관계수, 반사 계수를 특징 벡터로서 추출하는 것을 특징으로 하는 유무성음 분류 방법
2 2
제1항에 있어서, 상기 특징 벡터 추출 단계 이전에, 입력된 신호에 대하여 음성 존재 유무를 결정하는 음성 검출 단계를 더 포함하며, 상기 음성 검출 단계에서 음성이 존재하는 것으로 결정되는 경우에만 상기 특징 벡터 추출 단계 및 유무성음 분류 단계를 수행하는 것을 특징으로 하는 유무성음 분류 방법
3 3
제1항에 있어서, 상기 유무성음 분류 단계는, 추출된 특징 벡터와 GMM을 이용하여 유성음과 무성음에 대한 우도를 생성하고, 우도비 테스트(likelihood ratio test; LRT)를 통해 유무성음을 분류하는 것을 특징으로 하는 유무성음 분류 방법
4 4
삭제
5 5
제1항에 있어서, 상기 유무성음 분류 단계는, 유무성음에 대한 특징 벡터의 분포를 가장 잘 나타낼 수 있는 모델을 찾는 훈련 단계와, 훈련된 모델을 이용하여 유무성음을 분류하는 분류 단계로 구성되며, 상기 훈련 단계의 상기 유무성음에 대한 특징 벡터의 분포를 가장 잘 나타낼 수 있는 모델은 Expectation Maximization(EM) 알고리즘 기반의 학습을 통해서 추정한 유무성음에 대한 혼합 가우시안 모델인 것을 특징으로 하는 유무성음 분류 방법
6 6
제5항에 있어서, 상기 훈련 단계는 미리 먼저 수행될 수 있는 것을 특징으로 하는 유무성음 분류 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.