| 1 |
1
청각 인지 모델을 이용하여, 인간의 청각 인지 특성을 고려하여 입력된 오디오 신호를 처리한 입력 신호를 출력하는 단계; 특징 추출 모듈을 이용하여, 상기 입력 신호로부터 특징 벡터를 추출하는 단계; 및학습된 신호 압축 모델을 이용하여, 상기 특징 벡터를 압축한 코드를 출력하는 단계를 포함하는, 신호 압축 방법
|
| 2 |
2
제1항에 있어서,상기 입력 신호를 출력하는 단계는,중이 필터를 이용하여, 상기 오디오 신호를 필터링하는 단계;외유모 세포 그룹을 이용하여, 필터링된 상기 오디오 신호 및 이전 스텝의 제1 제어 변수에 따른 제2 제어 변수에 기초하여, 상기 이전 스텝 이후 스텝의 제1 제어 변수를 결정하는 단계; 및내유모 세포 그룹을 이용하여, 필터링된 상기 오디오 신호 및 상기 이후 스텝의 제1 제어 변수에 기초하여 상기 입력 신호를 출력하는 단계를 포함하는, 신호 압축 방법
|
| 3 |
3
제2항에 있어서,상기 내유모 세포 그룹은,처핑(chirping) 필터, 저역통과 필터 및 대역통과 필터를 포함하고, 상기 제1 제어 변수에 따라 결정되는 상기 처핑 필터의 특성에 기초하여, 상기 입력 신호를 출력하는, 신호 압축 방법
|
| 4 |
4
제2항에 있어서,상기 외유모 세포 그룹은,제어경로 필터 및 저역통과 필터를 포함하고,상기 제2 제어 변수에 따라 결정되는 상기 제어경로 필터의 특성에 기초하여 상기 제1 제어 변수를 결정하는, 신호 압축 방법
|
| 5 |
5
제1항에 있어서,상기 신호 압축 모델은,상기 특징 벡터를 이용하여 잠재 벡터를 출력하는 학습된 제1 신경망 모델; 및상기 잠재 벡터 및 코드북에 기초하여, 상기 코드를 출력하는 학습된 양자화 모델을 포함하는, 신호 압축 방법
|
| 6 |
6
신호 압축 장치에 있어서,프로세서를 포함하고,상기 프로세서는,청각 인지 모델을 이용하여, 인간의 청각 인지 특성을 고려하여 입력된 오디오 신호를 처리한 입력 신호를 출력하고, 특징 추출 모듈을 이용하여, 상기 입력 신호로부터 특징 벡터를 추출하고,학습된 신호 압축 모델을 이용하여, 상기 특징 벡터를 압축한 코드를 출력하는, 신호 압축 장치
|
| 7 |
7
제6항에 있어서,상기 청각 인지 모델은,상기 오디오 신호를 필터링하는 중이 필터;필터링된 상기 오디오 신호 및 이전 스텝의 제1 제어 변수에 따른 제2 제어 변수에 기초하여, 상기 이전 스텝 이후 스텝의 제1 제어 변수를 결정하는 외유모 세포 그룹; 및필터링된 상기 오디오 신호 및 상기 이후 스텝의 제1 제어 변수에 기초하여 상기 입력 신호를 출력하는 내유모 세포 그룹을 포함하는, 신호 압축 장치
|
| 8 |
8
제7항에 있어서,상기 내유모 세포 그룹은,처핑(chirping) 필터, 저역통과 필터 및 대역통과 필터를 포함하고, 상기 제1 제어 변수에 따라 결정되는 상기 처핑 필터의 특성에 기초하여, 상기 입력 신호를 출력하는, 신호 압축 장치
|
| 9 |
9
제7항에 있어서,상기 외유모 세포 그룹은,제어경로 필터 및 저역통과 필터를 포함하고,상기 제2 제어 변수에 따라 결정되는 비선형 함수의 특성에 기초하여 상기 제1 제어 변수를 결정하는, 신호 압축 장치
|
| 10 |
10
제6항에 있어서,상기 신호 압축 모델은,상기 특징 벡터를 이용하여 잠재 벡터를 출력하는 학습된 제1 신경망 모델; 및상기 잠재 벡터 및 코드북에 기초하여, 상기 코드를 출력하는 학습된 양자화 모델을 포함하는, 신호 압축 장치
|
| 11 |
11
신호 복원 장치에 있어서,프로세서를 포함하고,상기 프로세서는, 코드를 식별하고, 학습된 신호 복원 모델을 이용하여, 상기 코드로부터 복원된 출력 신호를 출력하고,상기 코드는,청각 인지 모델을 이용하여, 입력된 오디오 신호를 인간의 청각 인지 특성을 고려하여 처리한 입력 신호를 출력하고, 특징 추출 모듈을 이용하여, 상기 입력 신호로부터 특징 벡터를 추출하고,학습된 신호 압축 모델을 이용하여, 상기 특징 벡터를 압축하여 출력되는, 신호 복원 장치
|
| 12 |
12
제11항에 있어서,상기 청각 인지 모델은,상기 오디오 신호를 필터링하는 중이 필터;필터링된 상기 오디오 신호 및 이전 스텝의 제1 제어 변수에 따른 제2 제어 변수에 기초하여, 상기 이전 스텝 이후 스텝의 제1 제어 변수를 결정하는 외유모 세포 그룹; 및필터링된 상기 오디오 신호 및 상기 이후 스텝의 제1 제어 변수에 기초하여 상기 입력 신호를 출력하는 내유모 세포 그룹을 포함하는, 신호 복원 장치
|
| 13 |
13
제12항에 있어서,상기 내유모 세포 그룹은,처핑(chirping) 필터, 선형 필터 및 대역통과 필터를 포함하고, 상기 제1 제어 변수에 따라 결정되는 상기 처핑 필터의 특성에 기초하여, 상기 입력 신호를 출력하는, 신호 복원 장치
|
| 14 |
14
제12항에 있어서,상기 외유모 세포 그룹은,비선형 함수 및 저역통과 필터를 포함하고,상기 제2 제어 변수에 따라 결정되는 상기 비선형 함수의 특성에 기초하여 상기 제1 제어 변수를 결정하는, 신호 복원 장치
|
| 15 |
15
제11항에 있어서,상기 신호 복원 모델은,코드북을 이용하여, 상기 코드로부터 잠재 벡터를 복원하는 역양자화 모델; 및상기 잠재 벡터를 이용하여 상기 출력 신호를 복원하는 제2 신경망 모델을 포함하는, 신호 복원 장치
|
| 16 |
16
제11항에 있어서,상기 신호 압축 모델은,상기 입력 신호를 이용하여 잠재 벡터를 출력하는 학습된 제1 신경망 모델; 및상기 잠재 벡터 및 코드북에 기초하여, 상기 코드를 출력하는 학습된 양자화 모델을 포함하는, 신호 복원 장치
|
| 17 |
17
제15항에 있어서,상기 신호 복원 모델, 상기 신호 압축 모델 및 상기 코드북은,상기 특징 벡터, 상기 잠재 벡터, 상기 코드 및 상기 출력 신호에 따라 결정되는 손실 함수에 기초하여 학습되는, 신호 복원 장치
|
