| 1 |
1
음원 분리 방법으로서,(1) 음원에 대하여 사전 학습(Dictionary learning) 알고리즘을 학습하는 단계;(2) 음원을 이용해 혼합 음원을 생성하고, 상기 혼합 음원과 타깃 음원들 사이의 관계를 학습하는 단계; 및(3) 상기 단계 (2)에서 학습된 관계를 이용해, 입력 음원을 타깃 음원들로 분리하는 단계를 포함하되,상기 단계 (1)에서는,음원들에 대하여 비음수행렬인수분해(Non-negative matrix factorization; NMF) 모델을 학습하며,상기 단계 (1)에서는,음원을 입력으로 하고, 상기 음원에 대해서 기저 벡터(basis vector) 및 인코딩 벡터(encoding vector)를 최적화하여 상기 NMF 모델을 학습하는 것을 특징으로 하는, 학습 기법을 적용한 사전 학습 알고리즘 기반의 음원 분리 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서, 상기 단계 (2)에서는,음원을 이용해 혼합 음원을 생성하고, 상기 혼합 음원에 대한 타깃 음원들의 인코딩 벡터를 생성하며, 상기 생성된 혼합 음원 및 인코딩 벡터를 이용해 심층신경망(Deep Neural Network; DNN)을 학습하는 것을 특징으로 하는, 학습 기법을 적용한 사전 학습 알고리즘 기반의 음원 분리 방법
|
| 5 |
5
제4항에 있어서, 상기 단계 (2)는,(2-1) 상기 단계 (1)에서 학습된 기저 벡터를 이용하여 각 타깃 음원마다 인코딩 벡터를 추정하는 단계;(2-2) 상기 단계 (2-1)에서 추정된 복수의 인코딩 벡터를 이용해 슈퍼 인코딩 벡터를 생성하는 단계;(2-3) 음원에 미리 정해진 가중치를 적용하여 혼합 음원을 생성하는 단계; 및(2-4) 상기 단계 (2-3)에서 생성된 혼합 음원 및 상기 단계 (2-2)에서 생성된 슈퍼 인코딩 벡터를 이용하여, DNN을 학습하는 단계를 포함하는 것을 특징으로 하는, 학습 기법을 적용한 사전 학습 알고리즘 기반의 음원 분리 방법
|
| 6 |
6
제5항에 있어서, 상기 단계 (2-4)에서는,상기 혼합 음원을 입력, 상기 슈퍼 인코딩 벡터를 출력으로 하는 DNN을 학습하는 것을 특징으로 하는, 학습 기법을 적용한 사전 학습 알고리즘 기반의 음원 분리 방법
|
| 7 |
7
제1항에 있어서, 상기 단계 (3)은,(3-1) 상기 단계 (2)에서 학습된 관계를 이용해, 상기 입력 음원에 대한 타깃 음원들의 인코딩 벡터를 추정하는 단계; 및(3-2) 상기 단계 (3-1)에서 추정된 인코딩 벡터와 상기 단계 (1)에서 학습된 기저 벡터를 이용하여, 각 타깃 음원의 주파수별 크기를 추정하는 단계를 포함하는 것을 특징으로 하는, 학습 기법을 적용한 사전 학습 알고리즘 기반의 음원 분리 방법
|
| 8 |
8
제7항에 있어서, 상기 단계 (3-2) 이후에는,(3-3) 상기 단계 (3-2)에서 추정된 결과에 필터를 적용하여, 상기 입력 음원을 타깃 음원들로 분리하는 단계를 더 포함하는 것을 특징으로 하는, 학습 기법을 적용한 사전 학습 알고리즘 기반의 음원 분리 방법
|
