지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이석필
- 발행연도
- 2016
- 저작권
- 상명대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 a priori SNR 추정 방법을 이용한 음성 향상에 대해 다루고 있다. 실제 환경에서 음성신호는 다양한 배경잡음을 포함하고 있으며 이러한 배경잡음은 음질 저하를 유발할 수 있다. 이러한 이유로 많은 소음 차감 방법들이 존재하며, 크게 음성을 추정하는 방법과 소음을 추정하는 두 가지 방법으로 나눌 수 있다. 소음을 추정하는 대표적인 방법으로, spectral subtraction(SS)를 이용한 소음차감 방법은 간단하게 잡음을 저감할 수 있어, 많이 사용되고 있다. 그러나 고정된 잡음 추정으로 인한 음성왜곡의 문제점이 있다. 이러한 문제점을 해결하기 위해 파라미터를 이용한 방법들이 연구되었지만 파라미터 결정에 대한 문제와 낮은 SNR에서의 성능저하의 문제점이 있다. 본 논문에서는 a priori SNR 추정 방법을 이용하여 잡음 저감 성능을 향상시켜 음성을 강화하고자 한다. TIMIT 데이터베이스와 NOISEX-92 데이터베이스를 이용하여 다양한 환경에 대하여 실험을 비교하고, 음질평가의 대표적인 방법인 (PESQ, ITU-T P.862)을 이용하여 제안하는 방법의 성능과 기존의 방법과의 성능 비교를 실험을 통해 확인하고자 하였다. 실험 결과 제안한 방법의 우수한 성능과 기존의 방법보다 더 좋은 성능을 보임을 확인할 수 있었다.
목차
그림차례 ⅰ표차례 ⅱ약어표 ⅲ국문 요약 ⅳ제 1 장 서론 1제 2 장 Speech Enhancement 32.1. Noise Reduction 32.1.1. Spectral Subtraction 42.1.2. Multi-Band Spectral Subtraction 82.1.3. Least Mean Square 102.1.4. Recursive Least Squares 132.1.5. Minimum Mean Square ErrorShort Time Spectral Amplitude 192.1.6. Summary 21제 3 장 제안하는 방법 23제 4 장 실험 데이터 274.1. 음성데이터 274.2. 잡음데이터 28제 5 장 실험 결과 315.1. 실험 방법 315.2. 성능 실험 335.3. 비교 실험 38제 6 장 결론 51참고문헌 53ABSTRACT 58
최근 본 자료
댓글(0)
0