메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김태하 이인성 (충북대학교)
저널정보
한국정보전자통신기술학회 한국정보전자통신기술학회 논문지 한국정보전자통신기술학회 논문지 제14권 제4호
발행연도
2021.8
수록면
247 - 256 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (4)

2021

피치 하모닉 움직임 예측과 적응적 신호 크기 예측을 이용한 패킷 손실 은닉 알고리즘
김태하 ,  이인성 한국정보전자통신기술학회 논문지 2021.08 학술저널

2016

피치 하모닉 움직임 벡터와 적응적 이득 조절을 이용한 패킷 손실 은닉 알고리즘
김태하 電氣電子情報컴퓨터學部 2016.01 학위논문

2015

적응적 신호 크기 예측을 이용한 G.711 패킷 손실 은닉 알고리즘의 성능향상
김태하 ,  이인성 한국음향학회지 2015.01 학술저널

2014

적응형 이득 조절을 이용한 G.711 패킷 손실 은닉 알고리즘의 성능개선
김태하 ,  이인성 대한전자공학회 학술대회 2014.11 학술대회자료

초록· 키워드

오류제보하기
본 논문에서는 피치 하모닉 움직임 예측과 적응적 신호 크기 예측을 이용한 패킷 손실 알고리즘을 제안한다. 스펙트럼 움직임 예측 방법은 사용 가능한 이전 패킷의 스펙트럼 상의 움직임을 일정한 부대역으로 나누어 손실된 신호의 움직임을 예측하여 복원한다. 제안하는 알고리즘에서는 음성신호를 유성음과 무성음으로 구분하여 유성음의 경우 피치 주파수를 활용하여 피치 하모닉으로 나누어 손실된 신호의 피치 하모닉 움직임을 예측하여 복원하고 무성음의 경우 스펙트럼 움직임 예측 방법을 사용하여 신호를 복원한다. 음성 프레임의 연속 손실이 발생한 경우 LMS(Least Mean Square) 예측기를 사용하여 이전 프레임의 이득 정보를 활용하여 신호 크기를 예측하여 출력 신호의 이득을 조절하는 방법을 제안한다. 객관적 평가방법인 PESQ (Perceptual Evaluation of Speech Quality) 시험을 통해 제안된 알고리즘의 성능을 평가하였고 기존의 방법보다 MOS 0.1의 성능 개선을 보였다.
#Packet Loss Concealment #Speech Coding #Voice over IP #Pitch Harmonic #LMS Predictor #PESQ #Gain Control

목차

요약
Abstract
1. 서론
2. 스펙트럼 움직임 예측을 이용한 패킷 손실 은닉 알고리즘
3. 피치 하모닉 움직임 예측과 적응적 신호 크기 예측을 이용한 패킷 손실 은닉
4. 성능평가
5. 결론
REFERENCES

참고문헌 (2)

참고문헌 신청
장병윤 / 2011 / VoIP 서비스 품질관리에 관한 연구 / 한국인터넷방송통신학회 논문지 11(2):245~252 dbpia 김기출 / 2010 / 선형 보간법을 이용한 시간과 주파수 조합영역에서의 피치 추정 방법 / 전자공학회논문지 - SP 47(5):100~108 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0