| 1 |
1
잔향 환경의 음성 데이터에서 특징 벡터를 추출하는 단계; 추출된 상기 특징 벡터를 입력으로 사용하여 상기 음성 데이터의 잔향 환경에 따라 잔향 환경 확률을 추정하는 단계; 추정된 상기 잔향 환경 확률을 기반으로 가중치 평균 방식을 이용하여, 미리 학습된 잔향 환경에서의 복수 개의 심화 신경망들을 앙상블로 결합시켜 앙상블 음원 방향 추정 모델을 생성하는 단계; 및 상기 앙상블 음원 방향 추정 모델을 기반으로 음원 방향을 추정하는 단계를 포함하고, 상기 추정된 상기 잔향 환경 확률을 기반으로 가중치 평균 방식을 이용하여, 미리 학습된 잔향 환경에서의 복수 개의 심화 신경망들을 앙상블로 결합시켜 앙상블 음원 방향 추정 모델을 생성하는 단계는, 심화 신경망 모델에서의 출력 확률 중 가장 확률이 높은 두 개의 심화신경망의 출력에 가중치를 결합시키는 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 방법
|
| 2 |
2
제1항에 있어서,상기 잔향 환경의 음성 데이터에서 특징 벡터를 추출하는 단계는, 입력된 상기 음성 데이터로부터 GCC-PHAT(Generalized Cross Correlation-Phase Transform)를 통해 상기 특징 벡터를 추출하고, 주파수 영역에서 구해진 상기 GCC-PHAT를 통해 추출된 상기 특징 벡터를 역 푸리에 변환하여 시간 영역에서의 입력 신호들에 대한 상호상관계수(Cross-correlation coefficient)를 구하는 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 방법
|
| 3 |
3
제1항에 있어서, 상기 음성 데이터의 잔향 환경에 따라 잔향 환경 확률을 추정하는 단계는, 상기 음성 데이터의 잔향 환경은 잔향 시간의 추정을 통해 잔향 환경 확률 값들을 산정하는 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 방법
|
| 4 |
4
제1항에 있어서, 상기 미리 학습된 잔향 환경에서의 복수 개의 심화 신경망들은, 잔향 환경에 따라 구별하기 위해 서로 다른 잔향 시간에 대해 각각의 복수 개의 음원 방향 추정을 위한 심화 신경망들이 학습을 통해 생성된 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 방법
|
| 5 |
5
제1항에 있어서, 상기 앙상블 음원 방향 추정 모델을 기반으로 음원 방향을 추정하는 단계는, 상기 앙상블 음원 방향 추정 모델을 기반으로 음원 방향의 각도를 추정하는 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 방법
|
| 6 |
6
제1항에 있어서, 상기 잔향 환경의 음성 데이터에서 특징 벡터를 추출하는 단계 이전에, 앙상블 심화 신경망을 구성하기 위해 각 잔향 환경별 음원 방향 추정을 위한 복수 개의 심화 신경망들을 준비하는 학습 단계에서, 잔향 환경의 음성 데이터에서 특징 벡터를 추출하는 단계; 상기 학습 단계에서 추출된 상기 특징 벡터들을 잔향 환경별로 분류하는 단계; 및 상기 학습 단계에서 상기 잔향 환경별로 분류된 상기 특징 벡터들을 입력 특징 벡터로 사용하여 각각의 복수 개의 음원 방향 추정을 위한 심화 신경망들을 생성하는 단계를 더 포함하고, 상기 미리 학습된 잔향 환경에서의 복수 개의 심화 신경망들을 앙상블로 결합시켜 앙상블 음원 방향 추정 모델을 생성하는 단계는, 상기 복수 개의 음원 방향 추정을 위한 심화 신경망들을 앙상블로 결합시켜 상기 앙상블 음원 방향 추정 모델을 생성하는 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 방법
|
| 7 |
7
앙상블 심화 신경망을 구성하기 위해 각 잔향 환경별 음원 방향 추정을 위한 복수 개의 심화 신경망들을 준비하는 학습 단계; 및 상기 학습 단계에서 생성된 복수 개의 음원 방향 추정을 위한 심화 신경망들을 앙상블로 결합시켜, 추정된 잔향 환경에 적합한 음원 방향 추정 모델을 선택하는 테스트 단계를 포함하고, 상기 학습 단계는, 상기 학습 단계에서, 잔향 환경의 음성 데이터에서 특징 벡터를 추출하는 단계; 상기 학습 단계에서 추출된 상기 특징 벡터들을 잔향 환경별로 분류하는 단계; 및 상기 학습 단계에서 상기 잔향 환경별로 분류된 상기 특징 벡터들을 입력 특징 벡터로 사용하여 각각의 복수 개의 음원 방향 추정을 위한 심화 신경망들을 생성하는 단계를 포함하고, 상기 테스트 단계는, 상기 테스트 단계에서, 잔향 환경의 음성 데이터에서 특징 벡터를 추출하는 단계; 상기 테스트 단계에서 추출된 상기 특징 벡터를 입력으로 사용하여 상기 음성 데이터의 잔향 환경에 따라 잔향 환경 확률을 추정하는 단계; 상기 테스트 단계에서 추정된 상기 잔향 환경 확률을 기반으로 가중치 평균 방식을 이용하여, 미리 학습된 잔향 환경에서의 복수 개의 심화 신경망들을 앙상블로 결합시켜 앙상블 음원 방향 추정 모델을 생성하는 단계; 및 상기 테스트 단계에서 상기 앙상블 음원 방향 추정 모델을 기반으로 음원 방향을 추정하는 단계를 포함하며, 상기 추정된 상기 잔향 환경 확률을 기반으로 가중치 평균 방식을 이용하여, 미리 학습된 잔향 환경에서의 복수 개의 심화 신경망들을 앙상블로 결합시켜 앙상블 음원 방향 추정 모델을 생성하는 단계는, 심화 신경망 모델에서의 출력 확률 중 가장 확률이 높은 두 개의 심화신경망의 출력에 가중치를 결합시키는 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 방법
|
| 8 |
8
제7항에 있어서, 상기 학습 단계에서, 잔향 환경의 음성 데이터에서 특징 벡터를 추출하는 단계는, 입력된 상기 음성 데이터로부터 GCC-PHAT(Generalized Cross Correlation-Phase Transform)를 통해 상기 특징 벡터를 추출하는 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 방법
|
| 9 |
9
제7항에 있어서, 상기 특징 벡터들을 잔향 환경별로 분류하는 단계는, 잔향 환경에 따라 구별하기 위해 상기 특징 벡터들을 서로 다른 잔향 시간에 따라 분류하며, 상기 잔향 환경별로 분류된 상기 특징 벡터들을 입력 특징 벡터로 사용하여 각각의 복수 개의 음원 방향 추정을 위한 심화 신경망들을 생성하는 단계는, 서로 다른 잔향 시간을 가지는 상기 특징 벡터들을 입력 특징 벡터로 사용하여 각각의 복수 개의 음원 방향 추정을 위한 심화 신경망들을 학습을 통해 생성하는 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 방법
|
| 10 |
10
삭제
|
| 11 |
11
잔향 환경의 음성 데이터에서 특징 벡터를 추출하는 특징 벡터 추출부; 추출된 상기 특징 벡터를 입력으로 사용하여 상기 음성 데이터의 잔향 환경에 따라 잔향 환경 확률을 추정하는 잔향 환경 확률 추정부; 및 추정된 상기 잔향 환경 확률을 기반으로 가중치 평균 방식을 이용하여, 미리 학습된 잔향 환경에서의 복수 개의 심화 신경망들을 앙상블로 결합시켜 앙상블 음원 방향 추정 모델을 생성하고, 상기 앙상블 음원 방향 추정 모델을 기반으로 음원 방향을 추정하는 앙상블 음원 방향 추정 모델링부을 포함하고, 상기 앙상블 음원 방향 추정 모델링부는, 심화 신경망 모델에서의 출력 확률 중 가장 확률이 높은 두 개의 심화신경망의 출력에 가중치를 결합시키는 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 장치
|
| 12 |
12
제11항에 있어서,상기 잔향 환경 확률 추정부는, 상기 음성 데이터의 잔향 환경은 잔향 시간의 추정을 통해 잔향 환경 확률 값들을 산정하는 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 장치
|
| 13 |
13
제11항에 있어서,상기 미리 학습된 잔향 환경에서의 복수 개의 심화 신경망들은, 잔향 환경에 따라 구별하기 위해 서로 다른 잔향 시간에 대해 각각의 복수 개의 음원 방향 추정을 위한 심화 신경망들이 학습을 통해 생성된 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 장치
|
| 14 |
14
제11항에 있어서, 앙상블 심화 신경망을 구성하기 위해 각 잔향 환경별 음원 방향 추정을 위한 복수 개의 심화 신경망들을 준비하는 학습 단계에서, 잔향 환경의 음성 데이터에서 특징 벡터를 추출하는 학습 단계 특징 벡터 추출부; 상기 학습 단계에서 추출된 상기 특징 벡터들을 잔향 환경별로 분류하는 특징 벡터 분류부; 및 상기 학습 단계에서 상기 잔향 환경별로 분류된 상기 특징 벡터들을 입력 특징 벡터로 사용하여 각각의 복수 개의 음원 방향 추정을 위한 심화 신경망들을 생성하는 음원 방향 추정 심화 신경망을 더 포함하는, 심화 신경망 기반의 앙상블 음원 방향 추정 장치
|
| 15 |
15
제14항에 있어서, 상기 특징 벡터 분류부는, 잔향 환경에 따라 구별하기 위해 상기 특징 벡터들을 서로 다른 잔향 시간에 따라 분류하며, 상기 음원 방향 추정 심화 신경망은, 서로 다른 잔향 시간을 가지는 상기 특징 벡터들을 입력 특징 벡터로 사용하여 각각의 복수 개의 음원 방향 추정을 위한 심화 신경망들을 학습을 통해 생성하는 것을 특징으로 하는, 심화 신경망 기반의 앙상블 음원 방향 추정 장치
|
| 16 |
16
삭제
|
