KR101419377B1 - 암묵신호 분리 방법 및 이를 수행하는 장치 - Google Patents

Abstract

비선형 왜곡의 보상을 위한 전치 왜곡 장치 및 방법이 개시된다. 전치 왜곡 장치는 입력 신호(u(n)) 및 입력 신호(u(n))의 과거값으로 모델링된 필터를 이용하여 입력 신호(u(n))를 전치 왜곡한 출력 신호(x(n))를 제공하는 전치왜곡 필터와, 비선형 장치로부터 처리된 신호(y(n)) 및 출력 신호(x(n))에 기초하여 비선형 장치의 특성을 추정하고, 추정된 비선형 장치의 특성을 이용하여 전치왜곡 필터의 희망 출력 신호(z(n))를 산출하는 전치왜곡 출력 추정부 및 출력 신호(x(n))와 희망 출력 신호(z(n))를 비교하여 비교결과인 에러를 산출하고 산출된 에러가 최소화되는 필터 계수를 산출한 후 전치왜곡 필터의 필터 계수를 갱신하기 위해 산출된 필터 계수를 전치왜곡 필터에 제공하는 적응 알고리즘 구동부를 포함한다.

Description

암묵신호 분리 방법 및 이를 수행하는 장치{METHOD FOR SEPARATING BLIND SIGNAL AND APPARATUS FOR PERFORMING THE SAME}

본 발명은 신호 처리 기술에 관한 것으로, 더욱 상세하게는 다채널 다중경로 혼합신호로부터 각 신호를 분리하기 위한 암묵신호 분리 방법 및 이를 수행하는 장치에 관한 것이다.

본 발명은 지식경제부의 IT성장동력기술개발 사업의 일환으로 수행한 연구로부터 도출된 것이다[과제관리번호 : 2006-S-036-04, 과제명 : 신성장동력산업용 대용량 대화형 분산 처리 음성인터페이스 기술개발].

일반적으로 다채널 다중경로 환경에서 복수의 신호원들은 각각 여러 경로들을 통해 각 센서에 도달하게 되며 센서에서 혼합된다. 신호원의 위치로부터 센서까지의 다양한 경로 중 직접 경로(direct path)는 신호원과 센서의 상대적인 위치에 상응하는 시간지연을 가지게 된다.

독립요소분석(ICA: Independent Component Analysis) 기법은 다채널 신호로부터 신호원에 대한 사전정보 없이 신호원이 서로 통계적으로 독립적이라는 사실을 이용하여 암묵적으로 신호원의 전파 경로를 추정하고 신호원들을 분리하는 방법이다. 또한, 주파수 영역 ICA 기법은 각각의 주파수에서 ICA를 적용하는 방식으로, 각각의 주파수에서 ICA를 개별적으로 적용함으로써 분리된 신호의 순서가 뒤섞이는 현상이 발생하고, 이와 같은 뒤섞임 현상을 해결하기 위한 방법 중에는 신호의 방향 정보를 활용하는 방법이 있다.

주파수 영역 ICA를 이용한 암묵신호 분리 방법과 뒤섞임 문제를 구체적으로 살펴보면, 먼저 n 번째(n=1,,N) 신호원을 s_n(t)라 하고, n번째 신호원으로부터 m 번째(m=1,,M) 센서까지의 임펄스 응답을 h_mn이라 하면, m번째 센서에서 수집된 혼합신호(x_m)은 수학식 1과 같이 표현될 수 있다.

수학식 1에서 *는 콘볼루션(convolution)을 의미하며, 임펄스 응답 h_mn은 신호원들이 콘볼루션에 의해 혼합되는 과정을 관장하는 혼합필터가 된다. 신호처리는 주파수 영역에서 수행되므로 시간 영역의 혼합신호는 윈도우 함수(window function)와 곱해진 후, 단시간 푸리에 변환(short-time Fourier Transform)을 통해 주파수 영역의 신호로 변환된다.

주파수 영역에서의 혼합신호는 수학식 2와 같이 표현될 수 있다.

수학식 2에서 f는 주파수 인덱스를 의미하고 t는 시간 인덱스를 의미하며, x_m(f,t), H_mn(f), s_n(f,t)는 각각 x_m, h_m, s_n이 푸리에 변환된 것을 의미한다. 일반적으로 임펄스 응답 h_mn은 시간에 따라 변하지만 이하에서는 단순화를 위해 시불변으로 가정한다.

신호원과 혼합신호를 벡터 형태를 이용하여 s(f,t)=[s₁(f,t),,s_N(f,t)]^T와 x(f,t)=[x₁(f,t),x_n(f,t)]^T로 각각 정의하면, 혼합신호는 수학식 3과 같이 표현된다.

주파수 영역에서는 각각의 주파수에서 개별적으로 복소값에 대한 ICA(CICA: Complex-valued ICA)를 적용하여 분리필터 W(f)를 계산한다. 적용가능한 CICA 방법으로는 FastICA(E. Bingham et al., "A fast fixed-point algorithm for independent component analysis of complex-valued signals," International Journal of Neural Systems, vol.10, no. 1, pp. 1-8, 2000) 또는 InforMax(M.S. Pederson et al., "A survey of convolutive blind source separation methods," in Multichannel Speech Processing Handbook, Jacob Benesty and Arden Huang, Eds, Springer, 2007) 등이 있다.

혼합신호에 대한 분리 신호는 결과적으로 수학식 4와 같이 계산된다.

ICA가 각각의 주파수에 대해 독립적으로 적용되고 신호의 통계적 독립성은 신호의 순서와 크기 변화에 무관하므로, 결과적으로 계산된 분리필터는 각각의 주파수에서 임의의 순서로 정렬되며 임의의 크기를 가지게 된다. 이와 같은 모호성들을 각각 뒤섞임과 크기 모호성(Permutation and Scaling Ambiguity)이라 지칭한다. 여기서 상기 크기 모호성은 최소 왜곡 원리에 의하여 해결될 수 있다.

또한, 주파수 영역 ICA의 뒤섞임 문제를 해결하기 위한 다양한 방법들이 제안되고 있고, 이 중 분리필터의 방향 정보를 이용하여 뒤섞임 문제를 해결하는 방식들은 비교적 신호의 유형에 무관하게 적용될 수 있고, 우수한 성능을 제공하는 장점이 있다.

신호의 반향을 무시하고 센서와 신호원 사이의 거리가 충분히 멀어서 직접 경로만을 고려한 원거리 모델(Far-field model)을 고려하면, 신호의 방향과 혼합필터의 관계는 수학식 5와 같이 표시된다.

수학식 5에서 λ_m은 직접경로의 감쇄를 의미하고, v는 신호의 전파 속도를 의미하며, d_m 및 θ_n은 각각 기준센서 m'의 위치를 0으로 설정한 경우 m 번째 센서의 위치와 센서로부터 정면을 기준으로 한 n 번째 신호원의 방향각을 의미한다. 직접경로의 비율은 수학식 6과 같이 표현될 수 있다.

수학식 6에서 τ_mn은 n 번째 신호원이 기준센서 m'를 기준으로 m 번째 센서에 도달하는 상대적인 지연시간을 의미한다. 또한, 위상

은 -π에서 π 범위의 값을 가지므로 주파수가

일 때 에일리어싱(aliasing)이 발생하고, 이 때 정수 k는 0이 아닌 값을 가진다.

ICA의 결과로 얻어진 분리필터 W(f)의 각 열들은 1개의 신호를 제외한 나머지 신호들을 제거하기 위하여 그 신호원들의 방향으로 공간 스펙트럼 상에서 영점(spectral null)들을 위치시키게 된다. 이런 점에서 분리필터는 신호원들의 방향정보를 가지고 있으며 수학적으로 널-빔포머(Null-Beamformer)와 등가이다.

한편, 분리필터는 혼합필터의 역에 해당하므로 분리필터의 역을 취한 A(f)= W^-1(f)는 혼합필터 H(f)와 크기와 뒤섞임만 제외하면 동일하다. 이와 같은 특성을 이용하여 A(f)로부터 신호원의 방향정보를 추정하고 추정된 방향정보와 동일한 방향정보를 가지도록 A(f)의 행들을 정렬하는 방법이 제안되었다. 여기서, 분리필터의 역인 A(f)의 행들을 동일한 방향군에 따라 정렬하는 방식으로는 K-means 군집화 방식이 적용되었다. 그러나, 이와 같은 방법은 신호의 주파수 대역이 넓거나 센서 간의 간격이 커서 공간 에일리어싱(spatial aliasing)이 발생하는 경우에는 k 값이 0이 아닌 값을 가지게 되므로 방향정보와 위상정보(또는 시간지연 정보) 사이에 일대일 대응관계가 유지되지 않기 때문에 적용할 수 없는 단점이 있다.

상기한 바와 같은 단점을 보완하기 위해 혼합필터를 방향정보 대신 시간지연과 감쇄인자를 갖는 직접경로 모델로 설정하고 이를 이용하여 A(f)의 행들을 군집화하는 방법이 제안되었다. 이 방법에서도 군집화를 위해 K-means 군집화 방식이 적용되었다. 그러나, K-means 군집화 방식은 통계적 특성을 활용하지 않기 때문에 반향이 크거나 배경잡음이 존재하는 환경에서는 성능이 저하될 수 있는 단점이 있고, 센서 어레이의 대략적인 크기를 알고 센서의 배치 등의 정보가 있어야만 비교적 정확하게 위상을 정규화할 수 있는 문제가 있다.

뒤섞임 문제를 해결하기 위한 또 다른 방법으로는 분리 필터의 역을 취하지 않고 분리필터의 위상을 이용하여 직접 뒤섞임 문제를 해결하는 방식이 있다. 이 방식에서는 신호원에 대한 스펙트럼 영점을 형성하는 W(f)를 활용함으로써 3개 이상의 신호원이 있을 때 적용이 어려운 단점이 있다. 또한, 통계적 특성을 고려하지 않으므로 반향이 많은 곳에서 성능이 저하될 수 있으며 센서 어레이의 크기와 배치에 대한 정보가 필요한 단점이 있다.

상기한 단점을 극복하기 위한 본 발명의 목적은 센서 어레이에 대한 사전 정보 없이도 분리필터의 뒤섞임을 해결할 수 있고, 이를 통해 분리 성능을 향상시킬 수 있는 암묵신호 분리 방법을 제공하는 것이다.

또한, 본 발명의 다른 목적은 상기 암묵신호 분리 방법을 수행하는 암묵신호 분리 장치를 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

상술한 본 발명의 목적을 달성하기 위한 본 발명의 일 측면에 따른 암묵신호 분리 방법은 복수의 센서를 이용하여 수집된 시간영역의 혼합신호를 주파수 영역의 혼합신호로 변환하는 단계와, 주파수 영역으로 변환된 혼합신호로부터 분리필터를 계산하는 단계와, 상기 분리필터의 역필터를 계산하는 단계와, 계산된 상기 역필터로부터 각 센서의 위상차이를 계산하는 단계와, 계산된 상기 위상차이를 이용하여 상기 분리필터의 뒤섞임 정렬를 수행하는 단계 및 뒤섞임 정렬된 분리필터를 이용하여 상기 주파수 영역의 혼합신호를 분리하는 단계를 포함한다.

상기 계산된 상기 역필터로부터 각 센서의 위상차이를 계산하는 단계는, 상기 복수의 센서 중 소정 센서를 기준센서로 설정하고, 상기 역필터의 행렬에서 각 행의 위상과 상기 기준센서에 해당하는 행의 위상차이를 계산할 수 있다.

상기 분리필터의 뒤섞임 정렬를 수행하는 단계는, 계산된 상기 위상차이에 기초하여 시간 지연 파라미터를 추정하는 단계와, 추정된 시간 지연 파라미터에 기초하여 뒤섞임 정렬을 계산하는 단계 및 상기 계산된 뒤섞임 정렬을 이용하여 분리필터의 뒤섞임 정렬을 수행하는 단계를 포함할 수 있다.

상기 시간 지연 파라미터를 추정하는 단계는 수학식

(여기서,

이고, τ_mn은 n 번째 신호원이 기준센서 m'를 기준으로 m 번째 센서에 도달하는 상대적인 지연시간,

는 분산, k는 상수, O_l(n) l번째 뒤섞임 O_l의 n번째 요소,

는 역필터의 행렬의 m번째 행과 기준행 m'의 위상차,

, z_fl은 잠재변수, Φ(f)는 위상차이 행렬을 각각 의미한다.)의 비용함수를 최대화하는 θ를 추정하여 수행될 수 있다.

상기 뒤섞임 정렬을 계산하는 단계는, 수학식

을 이용하여 각 주파수에서 뒤섞임 조합의 사후확률을 최대로 만드는 뒤섞임 정렬을 산출할 수 있다.

상기 상기 분리필터의 뒤섞임 정렬를 수행하는 단계는, 전체 주파수 대역을 미리 정해진 특정 주파수를 기준으로 저주파 대역과 고주파 대역으로 구분하여 수행할 수 있다.

또한, 본 발명의 다른 목적을 달성하기 위한 본 발명의 일측면에 따른 암묵신호 분리 장치는 복수의 센서로 구성되고 각각의 센서는 혼합신호를 수집하는 센서부와, 상기 센서로부터 제공된 시간영역의 혼합신호를 주파수 영역의 혼합신호로 변환하는 DFT부와, 상기 주파수 영역으로 변환된 혼합신호로부터 분리필터를 계산하는 독립요소분석부와, 상기 분리필터의 역필터를 계산하고, 계산된 상기 역필터로부터 각 센서의 위상차이를 계산한 후, 계산된 상기 위상차이를 이용하여 상기 분리필터의 뒤섞임 정렬을 수행하는 뒤섞임 정렬부 및 뒤섞임 정렬된 분리필터를 이용하여 상기 주파수 영역의 혼합신호를 분리하는 신호분리부를 포함한다.

상술한 바와 같은 암묵신호 분리 방법 및 이를 수행하는 장치에 따르면, 통계적 특성을 이용하여 분리 필터의 뒤섞임 문제를 해결함으로써 센서 어레이의 크기나 센서 배치에 대한 사전 정보 없이 반향이 많은 환경에서도 우수한 분리성능을 제공할 수 있다. 또한, 본 발명에서 적용한 방법으로 산출된 시간 지연은 센서 배치의 정보를 활용하여 신호원의 방향을 추정하는 데 활용될 수도 있다.

도 1은 본 발명의 일 실시예에 따른 암묵신호 분리 방법을 나타내는 흐름도이다.
도 2는 도 1에 도시한 파라미터 추정 과정을 보다 상세하게 나타내는 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 암묵신호 분리 장치를 나타내는 블록도이다.
도 4는 본 발명의 일 실시예에 따른 암묵신호 분리 방법의 성능 평가 환경을 나타낸다.
도 5는 본 발명의 일 실시예에 따른 암묵신호 분리 방법의 성능 평가 결과를 나타내는 그래프이다.
도 6은 본 발명의 일 실시예에 따른 암묵신호 분리 방법의 성능 평가 결과를 나타내는 표이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.

그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

도 1은 본 발명의 일 실시예에 따른 암묵신호 분리 방법을 나타내는 흐름도로서, 암묵신호 분리 장치에서 수행되는 과정을 나타낸다. 또한, 도 2는 도 1에 도시한 파라미터 추정 과정을 보다 상세하게 나타내는 흐름도이다.

도 1 및 도 2를 참조하면, 먼저 암묵신호 분리 장치는 다중 경로를 통해 도달한 N(여기서 N은 자연수)개의 신호원을 M(여기서 M은 자연수)개의 센서를 통해 수집하고, 상기 M개의 센서를 통해 수집된 혼합신호 x_m(m=1,,M)를 저장한다(단계 101).

이후, 암묵신호 분리 장치는 수집된 시간영역의 혼합신호 x_m을 단시간 푸리에 변환(short-time Fourier Transform)을 통해 주파수 영역의 신호 x_m(f,t)로 변환한다(단계 103). 여기서, 상기 시간영역의 혼합신호 x_m은 먼저 윈도우 함수와 곱해진 다음 주파수 영역의 신호로 변환된다. 상기 윈도우 함수로는 해밍 윈도우(Hamming Window)가 사용될 수 있다. 또한, 상기 f는 주파수 인덱스를 의미하며, t는 시간 인덱스를 의미한다.

암묵신호 분리 장치는 주파수 영역으로 변환된 혼합신호 x_m(f,t)에 대해 독립요소분석(ICA)을 이용하여 각각의 주파수 f에서 독립적이며 개별적으로 처리하여 분리필터 행렬 W(f)를 계산한다(단계 105). 여기서, 상기 분리필터 행렬 W(f)는 무작위로 뒤섞임 상태이므로 뒤섞임 정렬 과정이 필요하다.

뒤섞임 정렬을 위해 암묵신호 분리 장치는 먼저, 분리필터 행렬 W(f)의 역행렬(또는 역필터) A(f)=W^-1(f)을 계산한다(단계 107).

이후, 암묵신호 분리 장치는 상기 분리필터의 역행렬 A(f)에 내재된 방향정보를 이용하여 뒤섞임 정렬을 수행한다.

이를 위해, 암묵신호 분리 장치는 먼저 분리필터의 역행렬(또는 역필터 행렬) A(f)로부터 위상차이 행렬 Φ(f)을 계산한다(단계 109). 여기서, 암묵신호 분리 장치는 위상 차이에 대한 가우시안 혼합 모델(Gaussian Mixture Model)을 이용할 수 있다.

구체적으로, 암묵신호 분리 장치는 분리필터의 역행렬 A(f)의 m 번째 행과 기준 행 m'의 위상차를 수학식 7과 같이 계산한다.

반향과 잡음이 존재하는 경우 수학식 8과 같이 위상차

는 평균이

이고, 분산이

을 갖는 가우시안 확률분포의 랜덤변수로 표현할 수 있다.

수학식 8에서 상수 k는 에일리어싱이 있는 경우에는 0이 아닌 정수값을 가진다. 정수값은 (f,τ_mn)에 의하여 결정되며 -K 에서 K의 제한된 범위로 설정될 수 있다. 여기서, K는 센서 어레이의 배치와 크기에 따라 각 주파수별로 다르게 결정될 수 있으나, 센서 어레이의 크기를 정확히 모르는 경우에는 충분히 큰 값으로 설정될 수 있다.

모든 가능한 k값에 대해

의 확률분포는 수학식 9와 같이 표현될 수 있다.

뒤섞임의 문제를 해결하기 위해, 발생 가능한 뒤섞임의 조합을

로 정의한다. 여기서, P=N! 이다. 또한, 기대 최대화(Expectation Maximization) 방식을 이용하여 뒤섞임 문제를 해결하기 위해 잠재변수(latent variable) z_fl을 하기와 같이 정의한다.

(1) 분리필터의 역행렬 A(f)가 주파수 f에서 뒤섞임 O_l에 해당하면 z_fl은 1의 값을 가진다.

(2) 만약

을 정의하면

이다.

수식의 간략화를 위해 기준 센서를 m'=1로 설정하면, 위상 차이는 수학식 10과 같이 행렬로 표현될 수 있다.

각각의 위상 차이가 서로 통계적으로 독립적이라고 가정하면, 관찰된 위상 차이가 뒤섞임 뒤섞임 O_l에 해당한다고 가정하였을 때의 확률분포는 수학식 11과 같이 표현될 수 있다.

수학식 11에서 O_l(n)은 l번째 뒤섞임 O_l의 n번째 요소를 의미한다. 또한, 수학식 11에서 m에 대한 합은 기준센서에 대한 모든 센서들의 위상차를 고려하기 위한 것이다.

상기한 바와 같은 모델로부터 Φ(f)에 대한 확률은 수학식 11을 모든 뒤섞임에 대하여 평균하여 수학식 12와 같이 표현된다.

또한, 암묵신호 분리 장치는 상기한 바와 같이 산출된 위상 차이로부터 뒤섞임을 해결하기 위해 시간 지연 파라미터를 추정한다(단계 111).

도 2를 참조하여 파라미터 추정 과정을 보다 상세하게 설명하면, 암묵신호 분리 장치는 먼저 전체 주파수 대역을 저주파 대역과 고주파 대역으로 구분한다(단계 111-1).

이후, 저주파 대역에 대해 추정될 파라미터를

로 정의한 후, 저주파 대역에 대한 파라미터

를 적절한 값으로 초기화 한다(단계 111-3). 여기서, 수식 표기의 단순화를 위해

로 정의한다.

파라미터 θ의 추정은 이전 파라미터 θ^old가 주어진 상태에서 수학식 13에 표시한 비용함수를 최대화하는 θ를 기대 최대화(EM: Expectation-Maximization) 기법을 이용하여 추정함으로써 수행된다.

이를 위해서, 먼저 암묵신호 분리 장치는 파라미터가 주어진 경우 주파수 f에서 뒤섞임의 사후확률(Posterior Probability)인 β_fl을 수학식 14와 같이 계산한다(단계 111-5).

그리고, 다음과 같은 보조함수를 정의한다.

이후, 상기 수학식 15를 최대화하는 파라미터 θ를 수학식 16 내지 18에 표시한 바와 같이 계산한다(단계 111-7).

수학식 18에 표시한

에 대한 추정값은

의 조건을 만족하도록 수학식 13을 최적화하여 산출할 수 있다. 또한, 수학식 18에서 F는 이산 주파수의 전체 개수를 의미한다.

수학식 16에서

는 수학식 19과 같이 표현되고, 수학식 17에서

는 수학식 20과 같이 표현된다.

이후, 암묵신호 분리 장치는 수학식 15를 이용하여 우도비 함수

를 계산한다(단계 111-9).

그리고, 암묵신호 분리 장치는 이전의 우도비 함수 계산 결과에 기초하여 파라미터 추정이 수렴하였는지를 판단하고(단계 111-11), 수렴하지 않은 것으로 판단되면 단계 111-3로 되돌아가서, 단계 111-3 내지 단계 111-11을 반복한다.

단계 111-11에서 파라미터가 충분히 수렴한 것으로 판단되면, 암묵신호 분리 장치는 단계 111-13으로 진행하여 고주파 대역에 대한 파라미터

를 적절한 값으로 초기화 한다(단계 111-13).

이후, 암묵신호 분리 장치는 상기 저주파 대역에서 수행한 단계 111-5 내지 단계 111-11과 동일한 방법으로 단계 111-15 내지 단계 111-21을 수행하여 고주파 대역에 대한 파라미터 추정을 수행한다.

도 2에 도시한 과정에 따라 파라미터에 대한 추정이 완료되면, 암묵신호 분리 장치는 뒤섞임 정렬 O_l(f)를 계산한다(단계 113). 이를 위해 암묵신호 분리 장치는 먼저, 관찰된 위상차와 뒤섞임 간의 결합 확률을 수학식 21과 같이 계산한다.

베이즈 규칙(Bayes rule)에 의하여 주어진 뒤섞임에 대한 위상차의 사후확률은 수학식 22와 같이 표현된다.

수학식 22로부터 원하는 뒤섞임 정렬은 사후확률이 최대가 되는 것으로 수학식 23과 같이 결정된다.

이후, 암묵신호 분리 장치는 상기 수학식 23의 뒤섞임 정렬을 이용하여 분리필터 W(f)의 뒤섞임 정렬을 수행하고(단계 115), 뒤섞임 정렬이 해결된 분리필터를 이용하여 혼합신호를 분리한다(단계 117).

이후, 암묵신호 분리 장치는 분리된 신호를 출력 및 저장한다(단계 119).

도 3은 본 발명의 일 실시예에 따른 암묵신호 분리 장치를 나타내는 블록도이다.

도 3을 참조하면, 본 발명의 일 실시예에 따른 암묵신호 분리 장치는 센서부(310), DFT부(320), 독립요소분석부(330), 뒤섞임 정렬부(340), 신호 분리부(350), IFFT부(360) 및 저장부(370)를 포함할 수 있다.

센서부(310)는 어레이 형태로 구성된 복수의 마이크로폰(센서)을 포함할 수 있고, 각 센서는 다중 경로의 혼합신호 x_m(m=1,,M)를 수집한다. 여기서, 센서부(310)를 통해 수집된 혼합신호 x_m는 DFT부(320)에 제공되고, 동시에 저장부(370)에 저장될 수 있다.

DFT부(320)는 센서부(310)로부터 시간영역의 혼합신호 x_m를 제공받고 제공받은 혼합신호 x_m에 대해 이산 푸리에 변환을 수행하여 주파수 영역의 신호 x_m(f,t)로 변환한다. 여기서, DFT부(320)는 수집된 시간영역의 혼합신호 x_m을 윈도우 함수와 곱한 다음 단시간 푸리에 변환(short-time Fourier Transform)을 통해 주파수 영역의 신호 x_m(f,t)로 변환할 수 있다.

독립요소분석부(330)는 DFT부(320)로부터 주파수 영역으로 변환된 혼합신호 x_m(f,t)를 제공받고, 제공받은 신호에 대해 독립요소분석(ICA)을 수행하여 각 주파수 f에 대한 분리필터 행렬 W(f)를 계산한다.

뒤섞임 정렬부(340)는 독립요소분석부(330)로부터 제공된 분리필터 행렬 W(f)의 역행렬 A(f)를 계산하고, 상기 역행렬 A(f)로부터 위상 차이 행렬을 계산한 후, 위상 차이로부터 시간 지연 파라미터를 추정하여 뒤섞임 정렬을 계산한 후, 분리필터 행렬 W(f)의 뒤섞임을 정렬한다.

여기서, 뒤섞임 정렬부(340)는 도 1 및 도 2에 도시한 단계 107 내지 단계 115를 수행하므로, 중복을 피하기 위해 상세한 설명을 생략한다.

신호 분리부(350)는 뒤섞임 정렬부(340)로부터 제공된 뒤섞임이 정렬된 분리 필터를 이용하여 혼합신호를 분리한다.

IFFT부(360)는 신호 분리부(350)로부터 제공된 주파수 영역의 분리된 신호에 대해 역푸리에변환(Inverse Fast Fourier Transform)을 수행하여 시간 영역의 신호로 변환한다.

저장부(370)는 상기 시간 영역으로 변환된 신호를 저장한다.

도 3에 도시한 DFT부(320), 독립요소분석부(330), 뒤섞임 정렬부(340), 신호 분리부(350), IFFT부(360)는 컴퓨터 등의 정보처리 장치에서 독출되어 수행될 수 있는 소프트웨어 프로그램의 형태로 구현될 수도 있고, 특별하게 고안된 ASIC(Application Specific Integrated Circuits)이나 디지털 신호처리 프로세서(Digital Signal Processor) 등의 하드웨어 형태 또는 하드웨어 및 소프트웨어의 조합 형태로 구현될 수도 있다.

도 3에 도시한 암묵신호 분리 장치가 소프트웨어 프로그램으로 구현된 컴퓨터에서 수행되는 경우를 예를 들어 설명하면, 여러 사람이 함께 있는 회의실에서 사람들의 음성 혹은 음악과 배경 잡음들은 마이크로폰 어레이(즉, 센서부(310))를 통해 채집되어 컴퓨터로 전송되고, 컴퓨터에서 도 1 및 도 2에 도시한 바와 같은 신호분리 과정을 수행하여 혼합신호를 각각의 독립적인 신호로 분리한다. 이 과정에서 혼합신호에 포함되었던 배경 잡음은 제거되고, 잡음이 제거된 신호는 녹음 및 또는 저장된다. 저장된 분리신호는 음성인식기(또는, 음성/오디오 통신기기)에 보내질 수 있다. 여기서, 음성인식기가 사용된 경우에는 분리된 음성은 음성인식기에서 해석되어 컴퓨터 명령이나 문자로 변환될 수 있고, 음성부호화기가 사용된 경우에는 보다 깨끗한 음질의 통화를 제공할 수 있다. 상기한 바와 같이 암묵신호 분리 장치는 음성인식기나 음성통신기기의 전 처리기로서 활용될 수 있다.

도 4는 본 발명의 일 실시예에 따른 암묵신호 분리 방법의 성능 평가 환경을 나타낸다.

도 4(a)에 도시한 바와 같이, 암묵신호 분리 방법에 대한 성능 평가를 위해 센서(마이크로폰)와 신호원(음성신호)를 배치하였고, 성능 평가 실험에 사용된 신호는 16kHz로 샘플링된 음성신호로서 10초 길이를 가진다.

혼합신호는 도 4에 도시한 바와 같은 실제 실험실 공간에서 임펄스 응답을 측정한 다음 이를 컴퓨터를 이용하여 음성신호와 콘볼루션(convolution)함으로써 획득하였다. 이때 실험 공간의 반향 시간은 약 500msec으로 측정되었다.

센서(마이크로폰)에서 수집된 혼합신호는 50% 중첩을 갖도록 2048샘플 길이의 해밍 윈도우(Hamming window)로 선택한 다음 FFT(Fast Fourier Transform)를 이용하여 주파수 영역으로 변환하였다.

성능 평가 실험에서는 도 4(b)와 같이 다양한 마이크로폰-음성신호의 조합에 대한 성능을 비교하였다. 분리성능은 신호-대-간섭비 (SIR: Signal-to-Interference Ratio)과 신호-대-왜곡비(SDR: Signal-to-Distortion Ratio)으로 표현하였다. 여기서, 분리성능은 BSS EVAL MATLAB Toolbox(R. Gribonval, C. Fevotte, and E. Vincent, BSS EVAL Toolbox User GuideRevision 2.0, IRISA Technical Report 1706, Apr. 2005)를 이용하여 산출되었다.

상기 성능 평가 실험에서 저주파와 고주파 대역은 1562.5Hz(이산 주파수 인덱스 f=200)를 기준으로 구분하였다.

파라미터 추정 과정이 충분히 수렴하는데 필요한 적절한 초기값을 사용하기 위하여 도 4(c)와 같이τ_mn을 초기화하였다. 또한, 다른 파라미터들은 각각

과

로 초기화하였다. 상기 초기값들은 모든 m에 대하여 동일하게 적용되었다. 센서 어레이의 크기와 배치에 대한 정보없이도, 상기 초기값들은 도 4(b)의 조합을 포함한 다양한 센서-신호원의 조합들에 대하여 충분히 수렴을 제공함으로 확인할 수 있었다.

도 5는 본 발명의 일 실시예에 따른 암묵신호 분리 방법의 성능 평가 결과를 나타내는 그래프이고, 도 6은 본 발명의 일 실시예에 따른 암묵신호 분리 방법의 성능 평가 결과를 나타내는 표이다.

도 5(a), 5(b) 및 5(c)는 4개의 신호원(도 4(b)의 경우 6)의 경우에서 A(f)의 첫번째 행(m'=1)을 기준센서로 설정하고 각각 m=2, 3, 4 행에 대한 뒤섞임 정렬 전과 뒤섞임 정렬 후의 위상차이 결과를 나타내는 것으로, 신호원의 방향정보를 이용한 뒤섞임 정렬 방식에 대한 근본적인 특성을 보여준다.

도 5에 도시한 결과는 센서 간의 간격이 작을수록 시간지연이 상대적으로 작아 저주파 대역에서 뒤섞임 정렬이 어려운 반면 고주파 대역에서는 정렬이 비교적 쉽다는 사실을 보여준다. 반면 센서간의 간격이 크면 저주파 대역의 정렬이 용이하지만 고주파 대역에서는 에일리어싱으로 인해 위상차이 패턴들이 복잡해져서 교점 근처에서의 정렬이 어려워진다. 이와 같은 문제점은 수학식 9 및 수학식 10에서 하나의 센서 쌍(하나의 m)만을 사용하지 않고 모든 센서 쌍(모든 m)을 사용함으로써 개선될 수 있다. 상기한 현상은 도 6에 도시한 성능평가 결과를 통해 확인할 수 있다. 도 6에서 EM-1은 하나의 센서 쌍만을 사용한 경우를 나타내며, EM-All은 모든 센서 쌍을 사용한 경우를 나타낸다.

도 6은 본 발명의 일 실시예에 따른 암묵신호 분리 방법을 종래의 방법(H. Sawada et al. "Solving the permutation problem of frequency-domain BSS when spatial aliasing occurs with wide sensor spacing, in Proc. ICASSP 2006)과 비교한 결과를 나타낸다.

종래의 Sawada방법은 통계적 특성을 활용하지 않으므로 초기 저주파 대역에서의 추정값이 충분히 정확하지 않거나 고주파 대역의 위상패턴이 복잡한 경우 위상패턴의 교점 근처에서 군집화가 잘못되는 경우가 발생하고 이러한 오류는 수정되지 않고 최종 결과에 그대로 반영되는 경향이 있다. 이러한 문제는 기준 센서를 센서 어레이의 중앙 센서로 설정해줌으로써 어느 정도 완화시킬 수 있지만 이는 센서 어레이의 배치에 대한 정보를 필요로 한다.

이에 반해, 본 발명의 일 실시예에 따른 암묵신호의 분리 방법은 센서 어레이의 크기 및 배치에 관한 사전 정보없이 항상 거의 동일한 분리 성능을 제공한다. 또한, 본 발명의 일 실시예에 따른 암묵신호 분리 방법에서는 센서의 배치 등과 같은 센서 어레이에 대한 정보를 알 수 있는 경우, 수학식 6및 수학식 7로부터 시간지연을 신호원의 방향으로 변환할 수 있다. 따라서, 본 발명의 암묵신호 분리 방법을 통해 신호원의 방향을 추정할 수 있다.

상술한 바와 같이 본 발명의 일 실시예에 따른 암묵신호 분리 방법은 모든 센서로부터 수집된 혼합신호에 대한 모든 정보를 효과적으로 사용함으로써 신호 분리의 성능을 향상시킬 수 있고, 기준 센서의 선정이 분리 성능에 영향을 거의 미치지 않으며, 센서 및 신호원의 배치에 대한 사전 정보 없이 항상 일정한 신호 분리 성능을 얻을 수 있다. 또한, 센서의 배치에 대한 정보를 획득하는 경우에는 신호원의 방향을 정확하게 계산할 수 있는 특징이 있다.

이상 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

310 : 센서부 320 : DFT부
330 : 독립요소분석부 340 : 뒤섞임 정렬부
350 : 신호 분리부 360 : IFFT부
370 : 저장부

Claims (10)

1. 복수의 센서를 이용하여 수집된 시간영역의 혼합신호를 주파수 영역의 혼합신호로 변환하는 단계;
   주파수 영역으로 변환된 혼합신호로부터 분리필터를 계산하는 단계;
   상기 분리필터의 역필터를 계산하는 단계;
   계산된 상기 역필터로부터 각 센서의 위상차이를 계산하는 단계;
   계산된 상기 위상차이를 이용하여 상기 분리필터의 뒤섞임 정렬을 수행하는 단계; 및
   뒤섞임 정렬된 분리필터를 이용하여 상기 주파수 영역의 혼합신호를 분리하는 단계를 포함하며,
   상기 계산된 상기 역필터로부터 각 센서의 위상차이를 계산하는 단계는,
   상기 복수의 센서 중 소정 센서를 기준센서로 설정하고, 상기 역필터의 행렬에서 각 행의 위상과 상기 기준센서에 해당하는 행의 위상차이를 계산하는 암묵신호 분리 방법.
2. 삭제
3. 제1항에 있어서, 상기 분리필터의 뒤섞임 정렬를 수행하는 단계는,
   계산된 상기 위상차이에 기초하여 시간 지연 파라미터를 추정하는 단계;
   추정된 시간 지연 파라미터에 기초하여 뒤섞임 정렬을 계산하는 단계; 및
   상기 계산된 뒤섞임 정렬을 이용하여 분리필터의 뒤섞임 정렬을 수행하는 단계를 포함하는 것을 특징으로 하는 암묵신호 분리 방법.
4. 제3항에 있어서, 상기 시간 지연 파라미터를 추정하는 단계는
   수학식

   

   (여기서,

   

   이고, τ_mn은 n 번째 신호원이 기준센서 m'를 기준으로 m 번째 센서에 도달하는 상대적인 지연시간,

   

   는 분산, k는 상수, O_l(n) l번째 뒤섞임 O_l의 n번째 요소,

   

   는 역필터의 행렬의 m번째 행과 기준행 m'의 위상차,

   

   , z_fl은 잠재변수, Φ(f)는 위상차이 행렬을 각각 의미한다.)의 비용함수를 최대화하는 θ를 추정하는 것을 특징으로 하는 암묵신호 분리 방법.
5. 제4항에 있어서, 상기 뒤섞임 정렬을 계산하는 단계는,
   수학식

   

   을 이용하여 각 주파수에서 뒤섞임 조합의 사후확률을 최대로 만드는 뒤섞임 정렬을 산출하는 것을 특징으로 하는 암묵신호 분리 방법.
6. 제1항에 있어서, 상기 상기 분리필터의 뒤섞임 정렬를 수행하는 단계는,
   전체 주파수 대역을 미리 정해진 특정 주파수를 기준으로 저주파 대역과 고주파 대역으로 구분하여 수행하는 것을 특징으로 하는 암묵신호 분리 방법.
7. 복수의 센서로 구성되고 각각의 센서는 혼합신호를 수집하는 센서부;
   상기 센서로부터 제공된 시간영역의 혼합신호를 주파수 영역의 혼합신호로 변환하는 DFT부;
   상기 주파수 영역으로 변환된 혼합신호로부터 분리필터를 계산하는 독립요소분석부;
   상기 분리필터의 역필터를 계산하고, 계산된 상기 역필터로부터 각 센서의 위상차이를 계산한 후, 계산된 상기 위상차이를 이용하여 상기 분리필터의 뒤섞임 정렬을 수행하는 뒤섞임 정렬부; 및
   뒤섞임 정렬된 분리필터를 이용하여 상기 주파수 영역의 혼합신호를 분리하는 신호분리부를 포함하며,
   상기 뒤섞임 정렬부는 상기 복수의 센서 중 소정 센서를 기준센서로 설정하고, 상기 역필터의 행렬에서 각 행의 위상과 상기 기준센서에 해당하는 행의 위상차이를 계산하는 암묵신호 분리 장치.
8. 삭제
9. 제7항에 있어서, 상기 뒤섞임 정렬부는
   계산된 상기 위상차이에 기초하여 시간 지연 파라미터를 추정하고, 추정된 시간 지연 파라미터에 기초하여 뒤섞임 정렬을 계산한 후, 상기 계산된 뒤섞임 정렬을 이용하여 분리필터의 뒤섞임 정렬을 수행하는 것을 특징으로 하는 암묵신호 분리 장치.
10. 제7항에 있어서, 상기 뒤섞임 정렬부는
    전체 주파수 대역을 미리 정해진 특정 주파수를 기준으로 저주파 대역과 고주파 대역으로 구분하여 뒤섞임 정렬을 수행하는 것을 특징으로 하는 암묵신호 분리 장치.

Images