1 |
1
저품질 신호에 대응하는 주파수 영역의 데이터를 획득하여 부대역(sub-band) 별로 저대역(low frequency band) 에너지를 추출하는 특성추출부;사전에 트레이닝된 학습형 연산 모델을 포함하고, 상기 저대역 에너지를 상기 학습형 연산 모델에 입력하여 고대역(high frequency band) 에너지를 추정하는 대역에너지 추정부, 여기서, 상기 학습형 연산 모델은 딥러닝(deep learning) 모델로 구현됨; 및상기 고대역 에너지, 상기 저대역 에너지 및 상기 주파수 영역의 데이터를 이용하여 고품질 전대역(full frequency band) 데이터를 추정하는 재구성부를 포함하되, 상기 딥러닝 모델은,복수의 전연결 레이어 중 하나의 전연결 레이어를 제외한 나머지 전연결 레이어가 입력 레이어와 출력 레이어 사이에서 서로 직렬로 연결되고, 상기 하나의 전연결 레이어가 상기 입력 레이어와 상기 출력 레이어를 연결하여 상기 고대역 에너지와 연관성이 높은 저대역 에너지의 정보를 상기 출력 레이어 측으로 전달하는 것을 특징으로 하는, 인공 대역 변환장치
|
2 |
2
제1항에 있어서,상기 특성추출부는,상기 주파수 영역의 데이터에 대비하여 축소된 차원의 저대역 에너지를 추출하는 것을 특징으로 하는, 인공 대역 변환장치
|
3 |
3
제1항에 있어서,상기 특성추출부는,상기 부대역 각각이 겹쳐진(overlapping) 채로, 상기 부대역별 저대역 에너지를 추출하는 것을 특징으로 하는, 인공 대역 변환장치
|
4 |
4
제1항에 있어서,상기 학습형 연산 모델은, 동일 음원 신호로부터 추출된 주파수 영역의 고품질 전대역 에너지 및 주파수 영역의 저품질 저대역 에너지 각각을 타겟(target) 및 입력으로 이용하여 사전에 트레이닝되는 것을 특징으로 하는, 인공 대역 변환장치
|
5 |
5
제1항에 있어서,상기 딥러닝 모델은, 상기 복수의 전연결 레이어의 출력에 적용되는 활성화 함수(activation function)로서 ELU(Exponential Linear Unit)를 사용하는 것을 특징으로 하는, 인공 대역 변환장치
|
6 |
6
제1항에 있어서,상기 재구성부는,상기 저대역 에너지 및 상기 주파수 영역의 데이터를 처리하여 평준화된 저대역 데이터를 생성하는 정규화부;상기 평준화된 저대역 데이터를 이용하여 평준화된 전대역 데이터를 생성하는 주파수대역 복제부;상기 고대역 에너지와 상기 저대역 에너지를 합성하여 전대역 에너지를 생성하는 에너지 합성부; 및상기 평준화된 전대역 데이터 및 상기 전대역 에너지를 처리하여 상기 고품질 전대역 데이터를 추정하는 전대역데이터 추정부를 포함하는 것을 특징으로 하는, 인공 대역 변환장치
|
7 |
7
제6항에 있어서,상기 주파수대역 복제부는,상기 평준화된 저대역 데이터 간의 상관도에 기반하여 상기 고대역 데이터를 복원한 후, 복원된 고대역 데이터와 상기 평준화된 저대역 데이터를 합성하여 상기 평준화된 전대역 데이터를 생성하는 것을 특징으로 하는, 인공 대역 변환장치
|
8 |
8
제6항에 있어서,상기 에너지 합성부는,상기 대역에너지 추정부가 추정한 고대역 에너지와 상기 특성추출부에서 추출한 저대역 에너지를 합성하여 상기 전대역 에너지를 생성하는 것을 특징으로 하는, 인공 대역 변환장치
|
9 |
9
제6항에 있어서,상기 전대역데이터 추정부는,주파수 영역에서의 곱셈을 이용하여 상기 평준화된 전대역 데이터를 상기 전대역 에너지로 마스킹(masking)함으로써 상기 고품질 전대역 데이터를 추정하는 것을 특징으로 하는, 인공 대역 변환장치
|
10 |
10
인공 대역 변환장치가 수행하는 인공 대역 변환방법에 있어서, 저품질 신호에 대응하는 주파수 영역 데이터를 이용하여 부대역(sub-band) 별로 저대역(low frequency band) 에너지를 추출하는 과정;상기 저대역 에너지를 사전에 트레이닝된 학습형 연산 모델에 입력하여 고대역 에너지(high frequency band)를 추정하는 과정, 여기서, 상기 학습형 연산 모델은 딥러닝(deep learning) 모델로 구현됨; 및상기 고대역 에너지, 상기 저대역 에너지 및 상기 주파수 영역의 데이터를 이용하여 고품질 전대역(full frequency band) 데이터를 추정하는 과정을 포함하되, 상기 딥러닝 모델은,복수의 전연결 레이어 중 하나의 전연결 레이어를 제외한 나머지 전연결 레이어가 입력 레이어와 출력 레이어 사이에서 서로 직렬로 연결되고, 상기 하나의 전연결 레이어가 상기 입력 레이어와 상기 출력 레이어를 연결하여 상기 고대역 에너지와 연관성이 높은 저대역 에너지의 정보를 상기 출력 레이어 측으로 전달하는 것을 특징으로 하는, 인공 대역 변환방법
|
11 |
11
제10항에 있어서,상기 저대역 에너지를 추출하는 과정은,상기 주파수 영역의 데이터에 대비하여 축소된 차원의 저대역 에너지를 추출하는 것을 특징으로 하는, 인공 대역 변환방법
|
12 |
12
제10항에 있어서,상기 고대역 에너지를 추정하는 과정은,동일 음원 신호로부터 추출된 주파수 영역의 고품질 전대역 에너지 및 주파수 영역의 저품질 저대역 에너지를 기반으로 사전에 트레이닝되는 상기 학습형 연산 모델을 이용하는 것을 특징으로 하는, 인공 대역 변환방법
|
13 |
13
제10항 내지 제12항에 따른 인공 대역 변환방법의 각 단계를 실행시키기 위하여 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터프로그램
|