| 1 |
1
입력된 음성 신호에서 음성 비활성 프레임의 주파수축 콤플렉스 신호를 이용하여 추정된 배경잡음의 파워 스펙트럼 밀도(PSD)와, 상기 음성 신호를 고속 퓨리에 변환한 주파수축 콤플렉스 신호를 이용하여 추정된 입력신호의 PSD 추정 정보와, 기 설정된 통계 모델을 이용하여 클린 신호의 스펙트럼 벡터를 추정하는 클린 신호 스펙트럼 벡터 추정부와,
상기 클린 신호의 스펙트럼 벡터를 로그 변환한 후, 상기 클린 신호의 스펙트럼 벡터를 토대로 사후 신호대 잡음비(SNR) 을 추정하는 사후 SNR 추정부와,
상기 사후 SNR을 이용하여 잡음 억제 필터의 전달 함수를 추정하는 전달함수 추정부와,
상기 추정된 전달 함수와, 상기 고속 퓨리에 변환된 주파수축 콤플렉스 신호를 이용하여 잡음 억제 필터링을 수행하는 잡음억제 필터링부
를 포함하는 음성신호에서 통계적 모델을 이용한 잡음 제거 장치
|
| 2 |
2
제 1항에 있어서,
상기 클린 신호 스펙트럼 벡터 추정부는,
상기 기 설정된 통계 모델인, 잡음이 부가된 신호와 잡음이 부가되지 않은 신호의 스펙트럼들간의 상관관계에 대한 지식을 학습 데이터베이스를 이용한 학습과정을 거쳐 형성된 공동밀도 가우시안 믹스쳐 모델(GMM)을 이용하여 잡음이 부가되지 않은 클린 신호의 스펙트럼 벡터를 추정하는 것을 특징으로 하는 음성신호에서 통계적 모델을 이용한 잡음 제거 장치
|
| 3 |
3
제 1항에 있어서,
상기 전달 함수 추정부는,
상기 추정된 클린 신호의 스펙트럼 벡터를 토대로 사후 SNR을 통하여 선행 SNR을 추정한 후, 상기 선행 SNR을 이용하여 전달함수를 추정하는 것을 특징으로 하는 음성신호에서 통계적 모델을 이용한 잡음 제거 장치
|
| 4 |
4
제 1항에 있어서,
상기 잡음 제거 장치는,
디지털 신호로 변환된 음성 신호를 프레임 단위로 버퍼링을 수행하는 프레임 버퍼링부와,
상기 프레임 단위로 버퍼링된 시간축의 신호를 주파수 대역의 콤플렉스 신호로 고속 퓨리에 변환하는 고속 퓨리에 변환부와,
상기 프레임 버퍼링부의 출력 신호와, 상기 고속 퓨리에 변환부의 출력 신호를 입력 받아, 이를 토대로 음성 활성 프레임을 검출하는 음성 활성 프레임 검출부와,
상기 검출된 음성 활성 프레임 외에 음성 비활성 프레임의 주파수축 콤플렉스 신호를 이용하여 배경잡음의 파워 스펙트럼 밀도를 추정하는 배경잡음 파워 스펙트럼 밀도 추정부와,
상기 고속 퓨리에 변환한 주파수축 콤플렉스 신호를 이용하여 입력신호의 파워 스펙트럼 밀도를 추정하는 입력신호 파워 스펙트럼 밀도 추정부와,
상기 잡음억제 필터링부를 통해 필터링된 신호를 시간축 신호로 복원하여 출력하는 신호 복원부
를 더 포함하는 것을 특징으로 하는 음성신호에서 통계적 모델을 이용한 잡음 제거 장치
|
| 5 |
5
제 1항에 있어서,
상기 잡음억제 필터는,
위너 필터(Wiener filter)인 것을 특징으로 하는 음성신호에서 통계적 모델을 이용한 잡음 제거 장치
|
| 6 |
6
입력된 음성 신호에서 음성 비활성 프레임의 주파수축 콤플렉스 신호를 이용하여 추정된 배경잡음의 파워 스펙트럼 밀도(PSD)와, 상기 음성 신호를 고속 퓨리에 변환한 주파수축 콤플렉스 신호를 이용하여 추정된 입력신호의 PSD 추정 정보와, 기 설정된 통계 모델을 이용하여 클린 신호의 스펙트럼 벡터를 추정하는 과정과,
상기 클린 신호의 스펙트럼 벡터를 로그 변환한 후, 상기 클린 신호의 스펙트럼 벡터를 토대로 사후 신호대 잡음비(SNR) 을 추정하는 과정과,
상기 사후 SNR을 이용하여 잡음 억제 필터의 전달 함수를 추정하는 과정과,
상기 추정된 전달 함수와, 상기 고속 퓨리에 변환된 주파수축 콤플렉스 신호를 이용하여 상기 잡음 억제 필터로 필터링을 수행하는 과정
을 포함하는 음성신호에서 통계적 모델을 이용한 잡음 제거 방법
|
| 7 |
7
제 6항에 있어서,
상기 클린 신호의 스펙트럼 벡터를 추정하는 과정은,
상기 기 설정된 통계 모델인, 잡음이 부가된 신호와 잡음이 부가되지 않은 신호의 스펙트럼들 간의 상관관계에 대한 지식을 학습 데이터베이스를 이용한 학습과정을 거쳐 형성된 공동밀도 가우시안 믹스쳐 모델(GMM)을 이용하여 잡음이 부가되지 않은 클린 신호의 스펙트럼 벡터를 추정하는 것을 특징으로 하는 음성신호에서 통계적 모델을 이용한 잡음 제거 방법
|
| 8 |
8
제 6항에 있어서,
상기 전달 함수를 추정하는 과정은,
상기 추정된 클린 신호의 스펙트럼 벡터를 토대로 사후 SNR을 통하여 선행 SNR을 추정한 후, 상기 선행 SNR을 이용하여 상기 전달 함수를 추정하는 것을 특징으로 하는 음성신호에서 통계적 모델을 이용한 잡음 제거 방법
|
| 9 |
9
제 6항에 있어서,
상기 잡음 제거 방법은,
디지털 신호로 변환된 음성 신호를 프레임 단위로 버퍼링을 수행하는 과정과,
상기 프레임 단위로 버퍼링된 시간축의 신호를 주파수 대역의 콤플렉스 신호로 고속 퓨리에 변환하는 과정과,
상기 버퍼링된 프레임 단위 음성 신호와, 상기 고속 퓨리에 변환된 신호를 입력 받아, 이를 토대로 음성 활성 프레임을 검출하는 과정과,
상기 검출된 음성 활성 프레임 외에 음성 비활성 프레임의 주파수축 콤플렉스 신호를 이용하여 배경잡음의 파워 스펙트럼 밀도를 추정하는 과정과,
상기 고속 퓨리에 변환된 주파수축 콤플렉스 신호를 이용하여 입력신호의 파워 스펙트럼 밀도를 추정하는 과정과,
상기 잡음억제 필터링된 신호를 시간축 신호로 복원하여 출력하는 과정
을 더 포함하는 것을 특징으로 하는 음성신호에서 통계적 모델을 이용한 잡음 제거 방법
|
| 10 |
10
제 6항에 있어서,
상기 잡음억제 필터는,
위너 필터(Wiener filter)인 것을 특징으로 하는 음성신호에서 통계적 모델을 이용한 잡음 제거 방법
|
