맞춤기술찾기

이전대상기술

실질 잡음 환경에서 MFCC 기법을 이용한 HMM 기반 무인 항공기 음향 인식 방법 및 시스템

  • 기술번호 : KST2019014201
  • 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 실질 잡음이 많은 환경에서 MFCC 기법을 이용한 HMM 기반 무인 항공기 음향 인식 방법 및 시스템이 개시된다. 무인 항공기(Unmanned Aerial Vehicle)의 음향을 인식하는 방법에 있어서, 잡음(noise)이 존재하는 환경에서 MFCC(Mel Frequency Cepstral Coefficients) 기법에 기초하여 무인 항공기(UAV)의 음향 신호관련 특징 벡터를 추출하는 단계, 추출된 특징 벡터를 기반으로 생성된 학습 데이터 세트에 기초하여 HMM(hidden Markov Model) 모델을 학습시키는 단계, 및 입력된 음향 신호를 대상으로, 학습된 HMM 모델에 기초하여 무인 항공기(UAV)에 해당하는 음향 신호를 인식하는 단계를 포함할 수 있다.
Int. CL G10L 15/14 (2006.01.01) G10L 19/038 (2013.01.01) G10L 15/20 (2006.01.01) B64C 39/02 (2006.01.01) G05D 1/02 (2006.01.01)
CPC
출원번호/일자 1020190085039 (2019.07.15)
출원인 인하대학교 산학협력단
등록번호/일자
공개번호/일자 10-2019-0087363 (2019.07.24) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자 10-2017-0105021 (2017.08.18)
관련 출원번호 1020170105021
심사청구여부/일자 Y (2019.07.15)
심사청구항수 3

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 장경희 서울특별시 마포구
2 석림 인천광역시 남구
3 하유경 인천광역시 남구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 양성보 대한민국 서울특별시 강남구 선릉로***길 ** (논현동) 삼성빌딩 *층(피앤티특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [분할출원]특허출원서
[Divisional Application] Patent Application
2019.07.15 수리 (Accepted) 1-1-2019-0721013-19
2 의견제출통지서
Notification of reason for refusal
2019.09.30 발송처리완료 (Completion of Transmission) 9-5-2019-0706521-41
3 [지정기간연장]기간연장(단축, 경과구제)신청서
[Designated Period Extension] Application of Period Extension(Reduction, Progress relief)
2019.11.22 수리 (Accepted) 1-1-2019-1202570-78
4 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2019.12.20 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2019-1320120-81
5 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)
2019.12.20 수리 (Accepted) 1-1-2019-1320119-34
6 거절결정서
Decision to Refuse a Patent
2020.05.22 발송처리완료 (Completion of Transmission) 9-5-2020-0352780-14
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
무인 항공기(Unmanned Aerial Vehicle)의 음향을 인식하는 방법에 있어서,잡음(noise)이 존재하는 환경에서 MFCC(Mel Frequency Cepstral Coefficients) 기법에 기초하여 무인 항공기의 음향 신호 관련 특징 벡터를 추출하는 단계; 상기 특징 벡터를 기반으로 생성된 학습 데이터 세트에 기초하여 HMM(hidden Markov Model) 모델을 학습시키는 단계; 및입력된 음향 신호를 대상으로, 상기 학습된 HMM 모델에 기초하여 무인 항공기에 해당하는 음향 신호를 인식하는 단계를 포함하고,상기 특징 벡터를 추출하는 단계는,무인 항공기에 해당하는 음향 신호를 기반으로 켑스트럴 계수(Cepstral Coefficient)를 계산하는 단계;상기 켑스트럴 계수를 기반으로 제 1 델타 계수와 제 2 델타 계수를 계산하는 단계;상기 켑스트럴 계수와 제 1 델타 계수로 제 1 MFCC를 구성하는 단계;상기 켑스트럴 계수, 제 1 델타 계수 및 제 2 델타 계수로 제 2 MFCC를 구성하는 단계; 및상기 제 1 MFCC 및 제 2 MFCC를 통하여 상기 특징 벡터를 추출하는 단계를 포함하고, 상기 켑스트럴 계수를 계산하는 단계는,상기 음향 신호를 대상으로 고주파 필터링(highpass filtering)을 수행하는 프리 엠퍼시스(pre-emphasis) 처리 단계;상기 프리 엠퍼시스 처리된 신호를 대상으로 프레이밍(framing), 윈도윙(windowing) 및 고속 푸리에 변환(FFT)을 수행하여 상기 음향 신호에 해당하는 특징 벡터를 나타내는 스펙트로그램(spectrogram)을 생성하는 단계;상기 고속 푸리에 변환된 신호를 대상으로 멜 스케일 필터 뱅크(Mel-scale filter bank)를 통과시키는 단계; 및상기 멜 스케일 필터 뱅크를 통과한 신호를 대상으로 이산 코사인 변환(DCT)을 수행하여 상기 켑스트럴 계수를 계산하는 단계를 포함하고, 상기 스펙트로그램을 생성하는 단계는, 상기 프레이밍을 통해 프레임 쉬프트를 수행하여, 상기 프리 엠퍼시스 처리된 신호에서 인접 프레임들 간의 오버랩을 유도하는 단계;상기 오버랩된 프레임들을 대상으로, 상기 프리 엠퍼시스 처리된 신호에서 각 프레임에 대해 상기 윈도윙을 수행하는 단계; 및상기 윈도윙된 신호를 대상으로, 상기 FFT 처리를 수행하여, 상기 스펙트로그램을 생성하는 단계를 포함하고, 상기 HMM 모델을 학습시키는 단계는,HMM 모델을 초기화하는 단계;순방향 및 역방향 알고리즘을 이용하여, 상기 특징 벡터를 기반으로 생성된 학습 데이터 세트를 기초로 순방향 우도(forward likelihood) 및 역방향 우도(backward likelihood)를 계산하는 단계; 및상기 순방향 우도 및 역방향 우도를 기초로 상기 초기화된 HMM 모델의 파라미터들을 재추정하여, 상기 초기화된 HMM 모델을 업데이트하는 단계를 포함하는 무인 항공기의 음향 인식 방법
2 2
제1항에 있어서,상기 특징 벡터를 추출하는 단계는,미리 지정된 기준 시간동안 켑스트럴 도메인(cepstral domain)의 포락선을 기반으로 종류 별 무인 항공기의 음향 신호관련 특징 벡터를 추출하는 무인 항공기의 음향 인식 방법
3 3
무인 항공기(Unmanned Aerial Vehicle)의 음향을 인식하는 시스템에 있어서,잡음(noise)이 존재하는 환경에서 MFCC(Mel Frequency Cepstral Coefficients) 기법에 기초하여 무인 항공기의 음향 신호 관련 특징 벡터를 추출하는 특징 벡터 추출부; 상기 특징 벡터를 기반으로 생성된 학습 데이터 세트에 기초하여 HMM(hidden Markov Model) 모델을 학습시키는 모델 학습부; 및입력된 음향 신호를 대상으로, 상기 학습된 HMM 모델에 기초하여 무인 항공기에 해당하는 음향 신호를 인식하는 음향 인식부를 포함하고, 상기 특징 벡터 추출부는,무인 항공기에 해당하는 음향 신호를 기반으로 켑스트럴 계수(Cepstral Coefficient)를 계산하고, 상기 켑스트럴 계수를 기반으로 제 1 델타 계수와 제 2 델타 계수를 계산하고, 상기 켑스트럴 계수와 제 1 델타 계수로 제 1 MFCC를 구성하고, 상기 켑스트럴 계수, 제 1 델타 계수 및 제 2 델타 계수로 제 2 MFCC를 구성하고, 상기 제 1 MFCC 및 제 2 MFCC를 통하여, 상기 특징 벡터를 추출하고, 상기 특징 벡터 추출부는,상기 음향 신호를 대상으로 고주파 필터링(highpass filtering)을 수행하는 프리 엠퍼시스(pre-emphasis) 처리하고, 상기 프리 엠퍼시스 처리된 신호를 대상으로 프레이밍(framing), 윈도윙(windowing) 및 고속 푸리에 변환(FFT)을 수행하여 상기 음향 신호에 해당하는 특징 벡터를 나타내는 스펙트로그램(spectrogram)을 생성하고, 상기 고속 푸리에 변환된 신호를 대상으로 멜 스케일 필터 뱅크(Mel-scale filter bank)를 통과시키고, 상기 멜 스케일 필터 뱅크를 통과한 신호를 대상으로 이산 코사인 변환(DCT)을 수행하여 상기 켑스트럴 계수를 계산하고, 상기 특징 벡터 추출부는,상기 프레이밍을 통해 프레임 쉬프트를 수행하여, 상기 프리 엠퍼시스 처리된 신호에서 인접 프레임들 간의 오버랩을 유도하고, 상기 오버랩된 프레임들을 대상으로, 상기 프리 엠퍼시스 처리된 신호에서 각 프레임에 대해 상기 윈도윙을 수행하고, 상기 윈도윙된 신호를 대상으로, 상기 FFT 처리를 수행하여, 상기 스펙트로그램을 생성하고, 상기 모델 학습부는,HMM 모델을 초기화하고, 순방향 및 역방향 알고리즘을 이용하여, 상기 특징 벡터를 기반으로 생성된학습 데이터 세트를 기초로 순방향 우도(forward likelihood) 및 역방향 우도(backward likelihood)를 계산하고, 상기 순방향 우도 및 역방향 우도를 기초로 상기 초기화된 HMM 모델의 파라미터들을 재추정하여, 상기 초기화된 HMM 모델을 업데이트하는 무인 항공기의 음향 인식 시스템
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 KR1020190019726 KR 대한민국 FAMILY

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
DOCDB 패밀리 정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 교육부 인하대학교 산학협력단 기본연구 [Ezbaro] 불법 드론 감지 및 퇴치를 위한 감시 드론 애드혹 네트워크 설계 연구