맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

학습 모델을 이용한 오디오 신호의 부호화 및 복호화 방법 및 장치와 학습 모델의 트레이닝 방법 및 장치

  • 기술번호 : KST2022004024
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
상담신청 PDF 받기
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 학습 모델을 이용한 오디오 신호의 부호화 및 복호화 방법 및 장치와 학습 모델의 트레이닝 방법 및 장치가 개시된다. 본 발명의 일실시예에 따른 오디오 신호의 부호화 방법은 상기 오디오 신호에 대응하는 입력 신호를 복수의 주파수 대역 별로 분할하는 단계; 상기 복수의 주파수 대역 별로 특징 벡터를 추출하는 단계; 상기 복수의 주파수 대역 별로 생성된 특징 벡터를 양자화하는 단계; 및 상기 양자화된 특징 벡터를 비트스트림으로 부호화하여 복호화 장치로 전송하는 단계를 포함할 수 있다.
Int. CL G10L 19/02 (2006.01.01) G10L 19/038 (2013.01.01) G10L 19/16 (2013.01.01) G06N 20/00 (2019.01.01)
CPC G10L 19/0204(2013.01) G10L 19/038(2013.01) G10L 19/167(2013.01) G06N 20/00(2013.01)
출원번호/일자 1020200131189 (2020.10.12)
출원인 한국전자통신연구원, 연세대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0048252 (2022.04.19) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 N
심사청구항수 16

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국전자통신연구원 대한민국 대전광역시 유성구
2 연세대학교 산학협력단 대한민국 서울특별시 서대문구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 장인선 대전광역시 유성구
2 백승권 대전광역시 유성구
3 성종모 대전광역시 유성구
4 이미숙 대전광역시 유성구
5 이태진 대전광역시 유성구
6 임우택 대전광역시 유성구
7 강홍구 서울특별시 서대문구
8 이지현 서울특별시 서초구
9 이찬우 서울특별시 마포구
10 한혜원 서울특별시 서대문구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 무한 대한민국 서울특별시 강남구 언주로 ***, *층(역삼동,화물재단빌딩)

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 [특허출원]특허출원서
[Patent Application] Patent Application		 2020.10.12 수리 (Accepted) 1-1-2020-1073625-11
2 [출원서 등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2021.04.30 수리 (Accepted) 1-1-2021-0505762-35
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
오디오 신호의 부호화 방법에 있어서,상기 오디오 신호에 대응하는 입력 신호를 복수의 주파수 대역 별로 분할하는 단계; 상기 복수의 주파수 대역 별로 특징 벡터를 추출하는 단계; 상기 복수의 주파수 대역 별로 생성된 특징 벡터를 양자화하는 단계; 및상기 양자화된 특징 벡터를 비트스트림으로 부호화하여 복호화 장치로 전송하는 단계를 포함하는 부호화 방법
2 2
제1항에 있어서,상기 입력 신호를 복수의 주파수 대역으로 분할하는 단계는,상기 주파수 대역들 간의 간섭을 제거하는 대역 통과 필터(Band Pass Filter)를 이용하여 상기 입력 신호를 복수의 주파수 대역으로 구분하는, 부호화 방법
3 3
제1항에 있어서,상기 특징 벡터를 추출하는 단계는,상기 복수의 주파수 대역으로 분할된 입력 신호를 도메인 변환함으로써 상기 특징 벡터를 생성하는, 부호화 방법
4 4
제1항에 있어서,상기 특징 벡터를 양자화하는 단계는,사람의 청각 특성과 양자화에 사용 가능한 총 비트의 수를 고려하여 상기 복수의 주파수 대역 별로 요구되는 정보량을 추정하고, 상기 추정된 정보량에 따라 상기 복수의 주파수 대역 별로 상기 비트를 할당함으로써 상기 특징 벡터를 양자화하는, 부호화 방법
5 5
오디오 신호의 복호화 방법에 있어서,부호화 장치로부터 비트스트림을 수신하는 단계;상기 비트스트림을 복호화하여 복수의 주파수 대역 별 양자화된 특징 벡터를 결정하는 단계;상기 복수의 주파수 대역 별 양자화된 특징 벡터를 학습 모델에 입력하여 상기 복수의 주파수 대역 별로 출력 신호를 생성하는 단계; 및상기 복수의 주파수 대역 별로 생성된 출력 신호들을 결합하는 단계를 포함하는 복호화 방법
6 6
제5항에 있어서,상기 학습 모델은,입력 레이어(layer), 복수의 가중치를 갖는 히든 레이어 및 출력 레이어로 구성되는 네트워크 구조를 갖는 학습 모델로서, 시계열의 입력 데이터들에 대하여, 이전 시점의 입력 데이터들로 현재 시점의 출력 데이터를 생성하는, 복호화 방법
7 7
제5항에 있어서,상기 출력 신호를 생성하는 단계는,상기 학습 모델을 통해 상기 복수의 주파수 대역 별 양자화된 특징 벡터를 부가 정보로 이용하여 상기 출력 신호의 오디오 샘플을 결정하는, 복호화 방법
8 8
오디오 신호의 복호화에 이용되는 학습 모델의 트레이닝 방법에 있어서,부호화 장치로부터 비트스트림을 수신하는 단계;상기 비트스트림을 복호화하여 복수의 주파수 대역 별 양자화된 특징 벡터를 결정하는 단계;상기 복수의 주파수 대역 별 양자화된 특징 벡터를 학습 모델에 입력하여 상기 복수의 주파수 대역 별로 출력 신호를 생성하는 단계; 및상기 복수의 주파수 대역 별로 상기 출력 신호와 상기 부호화 장치에 입력된 입력 신호를 비교하여 상기 학습 모델을 트레이닝하는 단계를 포함하는 트레이닝 방법
9 9
제8항에 있어서,상기 학습 모델은,입력 레이어(layer), 복수의 가중치를 갖는 히든 레이어 및 출력 레이어로 구성되는 네트워크 구조를 갖는 학습 모델로서, 시계열의 입력 데이터들에 대하여, 이전 시점의 입력 데이터들로 현재 시점의 출력 데이터를 생성하는, 트레이닝 방법
10 10
제9항에 있어서,상기 학습 모델을 트레이닝하는 단계는,상기 출력 신호와 상기 입력 신호의 차이를 계산하는 손실 함수의 출력 값이 최소가 되도록 상기 가중치를 업데이트하는, 트레이닝 방법
11 11
오디오 신호의 복호화 방법에 있어서,부호화 장치로부터 비트스트림을 수신하는 단계;상기 비트스트림을 복호화하여 복수의 주파수 대역 별 오디오 샘플의 특징을 나타내는 특징 벡터를 결정하는 단계;상기 복수의 주파수 대역 별로, 상기 특징 벡터와 t 시점 이전의 오디오 샘플들을 이용하여 t 시점의 오디오 샘플을 생성하는 단계; 및 상기 복수의 주파수 대역 별로 생성된 오디오 샘플들을 결합하여 출력 신호를 생성하는 단계를 포함하는 복호화 방법
12 12
제11항에 있어서,상기 t 시점의 오디오 샘플을 생성하는 단계는,미리 트레이닝된 딥러닝 기반의 학습 모델에 상기 특징 벡터를 입력함으로써, 상기 복수의 주파수 대역 별로 상기 오디오 샘플을 생성하는, 복호화 방법
13 13
제12항에 있어서,상기 학습 모델은,입력 레이어(layer), 복수의 가중치를 갖는 히든 레이어 및 출력 레이어로 구성되는 네트워크 구조를 갖는 학습 모델로서, 시계열의 입력 데이터들에 대하여, 이전 시점의 입력 데이터들로 현재 시점의 출력 데이터를 생성하는, 복호화 방법
14 14
오디오 신호의 복호화 장치에 있어서,상기 복호화 장치는 프로세서를 포함하고,상기 프로세서는, 부호화 장치로부터 비트스트림을 수신하고, 상기 비트스트림을 복호화하여 복수의 주파수 대역 별 양자화된 특징 벡터를 결정하고, 상기 복수의 주파수 대역 별 양자화된 특징 벡터를 학습 모델에 입력하여 상기 복수의 주파수 대역 별로 출력 신호를 생성하는, 복호화 장치
15 15
제14항에 있어서,상기 학습 모델은,입력 레이어(layer), 복수의 가중치를 갖는 히든 레이어 및 출력 레이어로 구성되는 네트워크 구조를 갖는 학습 모델로서, 시계열의 입력 데이터들에 대하여, 이전 시점의 입력 데이터들로 현재 시점의 출력 데이터를 생성하는, 복호화 장치
16 16
제14항에 있어서,상기 프로세서는,상기 학습 모델을 통해 상기 복수의 주파수 대역 별 양자화된 특징 벡터를 부가 정보로 이용하여 상기 출력 신호의 오디오 샘플을 결정하는, 복호화 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 한국전자통신연구원 정부출연금사업(기관고유사업) 초실감 입체공간 미디어·콘텐츠 원천기술연구