1 |
1
적어도 하나의 음향 신호가 입력되면 입력된 음향 신호의 특징을 추출하고, 상기 추출된 특징을 딥러닝(deep learning) 모델에 입력하여 상기 입력된 음향 신호에 음향 피드백이 있는지 탐지하는 음향 피드백 탐지부; 및상기 음향 피드백이 탐지된 경우, 주파수의 피크값을 추적하여 상기 음향 피드백이 발생된 주파수를 결정하고, 상기 결정된 주파수를 이용하여 상기 음향 피드백을 억제하는 억제 게인을 추정하며, 상기 추정된 억제 게인을 적용하여 상기 음향 피드백을 제거하는 음향 피드백 억제부;를 포함하는 음향 피드백 제거 장치
|
2 |
2
제 1항에 있어서,상기 입력된 음향 신호가 복수개인 경우,상기 복수의 음향 신호 중 음향 피드백이 미탐지되어 상기 음향 피드백 탐지부로부터 출력되는 음향 신호와, 상기 복수의 음향 신호 중 음향 피드백이 탐지되어 상기 음향 피드백 억제부로부터 출력되는 음향 신호를 믹싱하는 음향 믹싱부;를 더 포함하는 것을 특징으로 하는 음향 피드백 제거 장치
|
3 |
3
제 1항에 있어서,상기 음향 피드백의 유무를 탐지하기 위한 탐지 학습 데이터를 생성하고, 상기 생성된 탐지 학습 데이터를 상기 음향 피드백 탐지부에 제공하며,상기 음향 피드백의 억제 게인을 추정하기 위한 억제 게인 학습 데이터를 생성하고, 상기 생성된 억제 게인 학습 데이터를 상기 음향 피드백 억제부에 제공하는 학습부;를 더 포함하는 것을 특징으로 하는 음향 피드백 제거 장치
|
4 |
4
제 1항에 있어서,상기 음향 피드백 탐지부는,상기 입력된 음향 신호의 샘플링 레이트 및 입력 프레임을 설정하는 전처리를 수행하는 전처리부;상기 전처리된 음향 신호의 주파수를 멜 스케일로 변환하는 멜 스펙트로그램(Mel spectrogram)을 생성하는 특징 추출부; 및상기 생성된 멜 스펙트로그램을 딥러닝 모델에 입력하여 상기 입력된 음향 신호에 음향 피드백이 있는지를 분류하는 분류 모델부;를 포함하는 것을 특징으로 하는 음향 피드백 제거 장치
|
5 |
5
제 4항에 있어서,상기 분류 모델부는,인공신경망(artificial neural network) 모델, 심층 신경망(Deep Neural Network, DNN) 모델 및 콘볼루션 신경망(Convolutional Neural Network, CNN) 모델 중 어느 하나의 모델을 이용하여 상기 음향 피드백의 유무를 분류하는 것을 특징으로 하는 음향 피드백 제거 장치
|
6 |
6
제 1항에 있어서,상기 음향 피드백 억제부는,상기 음향 피드백이 탐지된 음향 신호의 주파수 피크값을 추적하여 후보 주파수 리스트를 생성하는 주파수 피크 추적부;상기 생성된 후보 주파수 리스트 중 음향 피드백이 발생한 주파수를 결정하는 주파수 결정부; 및상기 결정된 주파수를 기초로 회귀 모델을 이용하여 상기 억제 게인을 추정하고, 상기 추정된 억제 게인을 상기 음향 피드백이 탐지된 음향 신호에 적용하는 억제 게인 추정부;를 포함하는 것을 특징으로 하는 음향 피드백 제거 장치
|
7 |
7
음향 피드백 제거 장치가 적어도 하나의 음향 신호를 입력받는 단계;상기 음향 피드백 제거 장치가 상기 입력된 음향 신호의 특징을 추출하고, 상기 추출된 특징을 딥러닝 모델에 입력하여 상기 입력된 음향 신호에 음향 피드백이 있는지 탐지하는 단계; 및상기 음향 피드백 제거 장치가 상기 음향 피드백을 탐지한 경우, 주파수의 피크값을 추적하여 상기 음향 피드백이 발생된 주파수를 결정하고, 상기 결정된 주파수를 이용하여 상기 음향 피드백을 억제하는 억제 게인을 추정하며, 상기 추정된 억제 게인을 적용하여 상기 음향 피드백을 제거하는 단계;를 포함하는 음향 피드백 제거 방법
|
8 |
8
제 7항에 있어서,상기 입력된 음향 신호가 복수개인 경우,상기 음향 피드백 제거 장치가 상기 복수의 음향 신호 중 음향 피드백이 미탐지되어 원상태로 출력되는 음향 신호와, 상기 복수의 음향 신호 중 음향 피드백이 탐지되어 상기 음향 피드백이 제거된 후, 출력되는 음향 신호를 믹싱하는 단계;를 더 포함하는 것을 특징으로 하는 음향 피드백 제거 방법
|