1 |
1
가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 장치의 스위치 분할 벡터 양자화 방법에 있어서,입력된 음성 신호의 각 프레임에 대한 선형 스펙트럼 주파수를 가우시안 혼합 모델을 기반으로 하는 입력 벡터로 변환하는 단계;상기 입력 벡터 또는 상기 입력 벡터의 예측 에러 벡터 각각을 스위치 분할 벡터 양자화하여 복수의 양자화 벡터를 생성하는 단계; 및상기 생성된 복수의 양자화 벡터를 상기 입력 벡터와 비교하여 기 설정된 유사도를 가지는 하나의 최종 양자화 벡터를 결정하는 단계를 포함하며,상기 예측 에러 벡터는,상기 음성 신호의 현재 프레임의 입력 벡터와 이전 프레임의 입력 벡터를 이용하여 생성하는 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 방법
|
2 |
2
제1항에 있어서,상기 복수의 양자화 벡터를 생성하는 단계는,상기 입력 벡터의 예측 에러 벡터 각각을 KLT(Karhunen-Loeve Transform) 도메인으로 변환하여 분할 벡터 양자화하는 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 방법
|
3 |
3
제1항에 있어서,상기 복수의 양자화 벡터를 생성하는 단계는,벡터 양자화 코드북으로부터 상기 입력 벡터와 기 설정된 유사도를 가지는 제1 코드 벡터를 선택하고, 상기 제1 코드 벡터를 복수의 서브 벡터로 분할하여 양자화한 값인 제1 양자화 벡터를 생성하는 단계; 및상기 벡터 양자화 코드북으로부터 상기 예측 에러 벡터와 기 설정된 유사도를 가지는 제2 코드 벡터를 선택하고, 상기 제2 코드 벡터를 복수의 서브 벡터로 분할하여 양자화한 값인 제2 양자화 벡터를 생성하는 단계를 포함하는 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 방법
|
4 |
4
제3항에 있어서,상기 제2 양자화 벡터를 생성하는 단계는,상기 음성 신호의 현재 프레임의 예측 에러 벡터를 양자화한 값과, 이전 프레임에서 생성된 최종 양자화 벡터의 값을 합산하여 상기 제2 양자화 벡터를 생성하는 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 방법
|
5 |
5
삭제
|
6 |
6
제1항에 있어서,상기 입력 벡터는,상기 입력된 음성 신호의 각 프레임에 대한 선형 스펙트럼 주파수를 EM(Expectation Maximum) 알고리즘을 이용하여 생성된 가우시안 혼합 모델인 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 방법
|
7 |
7
제3항에 있어서,상기 제1 코드 벡터 또는 제2 코드 벡터는,최대 우도 추정 알고리즘을 이용하여 선택되는 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 방법
|
8 |
8
제1항에 있어서,상기 하나의 최종 양자화 벡터를 결정하는 단계는,상기 최종 양자화 벡터에 의해 할당되는 i 번째 클러스터의 n 차원을 가지는 비트(Bi,n)는 다음의 수학식을 이용하여 계산하는 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 방법:여기서, Bi는 i 번째 클러스터, k는 분할 벡터, Gi,k는 k-차원의 도형의 정규화된 2차 모멘트를 나타낸다
|
9 |
9
입력된 음성 신호의 각 프레임에 대한 선행 스펙트럼 주파수를 가우시안 혼합 모델을 기반으로 하는 입력 벡터로 변환하는 변환부;상기 입력 벡터 또는 상기 입력 벡터의 예측 에러 벡터 각각을 스위치 분할 벡터 양자화하여 복수의 양자화 벡터를 생성하는 양자화부; 및상기 생성된 복수의 양자화 벡터를 상기 입력 벡터와 비교하여 기 설정된 유사도를 가지는 하나의 최종 양자화 벡터를 결정하는 결정부를 포함하며,상기 예측 에러 벡터는,상기 음성 신호의 현재 프레임의 입력 벡터와 이전 프레임의 입력 벡터를 이용하여 생성하는 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 장치
|
10 |
10
제9항에 있어서,상기 양자화부는,상기 입력 벡터 또는 상기 입력 벡터의 예측 에러 벡터 각각을 KLT(Karhunen-Loeve Transform) 도메인으로 변환하여 분할 벡터 양자화하는 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 장치
|
11 |
11
제9항에 있어서,상기 양자화부는,벡터 양자화 코드북으로부터 상기 입력 벡터와 기 설정된 유사도를 가지는 제1 코드 벡터를 선택하고, 상기 제1 코드 벡터를 복수의 서브 벡터로 분할하여 양자화한 값인 제1 양자화 벡터를 생성하는 제1 양자화부; 및상기 벡터 양자화 코드북으로부터 상기 예측 에러 벡터와 기 설정된 유사도를 가지는 제2 코드 벡터를 선택하고, 상기 제2 코드 벡터를 복수의 서브 벡터로 분할하여 양자화한 값인 제2 양자화 벡터를 생성하는 제2 양자화부를 포함하는 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 장치
|
12 |
12
제11항에 있어서,상기 제2 양자화부는,상기 음성 신호의 현재 프레임의 예측 에러 벡터를 양자화한 값과, 이전 프레임에서 생성된 최종 양자화 벡터의 값을 합산하여 상기 제2 양자화 벡터를 생성하는 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 장치
|
13 |
13
삭제
|
14 |
14
제9항에 있어서,상기 입력 벡터는,상기 입력된 음성 신호의 각 프레임에 대한 선형 스펙트럼 주파수를 EM(Expectation Maximum) 알고리즘을 이용하여 생성된 가우시안 혼합 모델인 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 장치
|
15 |
15
제11항에 있어서,상기 제1 코드 벡터 또는 제2 코드 벡터는,최대 우도 추정 알고리즘을 이용하여 선택되는 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 장치
|
16 |
16
제9항에 있어서,상기 결정부는,상기 최종 양자화 벡터에 의해 할당되는 i 번째 클러스터의 n 차원을 가지는 비트(Bi,n)는 다음의 수학식을 이용하여 계산하는 가우시안 혼합 모델을 기반으로 하는 스위치 분할 벡터 양자화 장치:여기서, Bi는 i 번째 클러스터, k는 분할 벡터, Gi,k는 k-차원의 도형의 정규화된 2차 모멘트를 나타낸다
|