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
- 장준혁
- 발행연도
- 2017
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수2
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 심화 신경망 기반의 음향학적 반향 및 배경 잡음 제거 기법을 제안한다. 다층의 은닉 층과 은닉 노드를 통하여 고 레벨의 특징 벡터들 사이의 비선형적인 관계를 분류하는 심화 신경망은 데이터의 복잡한 관계를 모델링하는데 적합하다. 따라서 심화 신경망을 통하여 음향학적 반향과 배경 잡음 및 근단 화자 신호 사이의 관계를 모델링하여 효과적으로 음향학적 반향과 배경 잡음을 제거한다. 본 논문에서는 심화 신경망 회기 기법을 통하여 로그 파워 스펙트럼 (log-power spectrum)를 입력 특징 벡터로 하여 음향학적 반향 및 배경 잡음을 제거하기 위한 최적의 이득 (optimal gain)을 추정한다. 제안된 기법에서는 학습 시 추가적인 반향 및 잡음 정보인 사전 신호대 반향비 (a priori SER: a priori signal-to-echo ratio), 사후 신호대 반향비 (a posteriori SER), 사전 신호대 잡음비 (a priori SNR: a priori signal-to-noise ratio) 및 사후 신호대 잡음비 (a posteriori SNR)을 도입하여 이득 추정의 성능을 높였다. 본 논문에서는 두 가지 심화 신경망 기반의 음향학적 반향 및 배경 잡음 제거 기법을 제안한다. 첫 번째로, 심화 신경망 기법의 음향학적 반향 및 배경 잡음 통합 제거 기법을 제안한다. 두 번째로, 적층형 심화 신경망 기반의 음향학적 반향 및 배경 잡음 통합 제거 기법을 제안한다. 제안된 기법은 심화 신경망 구조를 사용하여 추가적인 동시통화 검출 기법 없이 음향학적 반향 및 배경 잡음을 효과적으로 제거한다. 제안된 심화 신경망 기반의 알고리즘은 음성 통계 모델 및 단일 심화 신경망 기반의 음향학적 반향 및 배경 잡음 제거 알고리즘과 객관적 실험을 통해 비교 평가한 결과 다양한 배경 잡음 환경에서 기존의 방법에 비해 전반적으로 우수한 성능을 보였다.
목차
표 차례 ⅱ그림 차례 ⅲ국문요지 ⅴ제1장 서론 1제2장 통계적 방식의 음향학적 반향 및 배경 잡음 통합 제거 기법 5제3장 심화 신경망 기반의 음향학적 반향 및 배경 잡음 제거 기법 113.1 정보 활용 학습법 (IAT: Information aware training) 113.2 단일 심화 신경망 기반의 음향학적 반향 및 배경 잡음 통합 제거 기법 143.3 적층형 심화 신경망 기반의 음향학적 반향 및 배경 잡음 제거 기법 17제4장 시뮬레이션 결과 및 분석 224.1 시뮬레이션 환경 224.2 시뮬레이션 결과 및 분석 25제5장 결론 38참고자료 39ABSTRACT 42
최근 본 자료
댓글(0)
0