KR20050047374A - 통신 기기용 하이브리드 소음 제거 시스템 및 방법 - Google Patents

Abstract

본 발명은 통신 기기의 소음 제거 시스템 및 방법에 관한 것으로 특히, 단일 마이크를 사용함으로써 구성을 단순화시킬 수 있고, 학습알고리즘을 사용함으로써 보다 빠르게 다양한 노이즈에 적응할 수 있으며, 독립요소분석을 통해 원음의 왜곡을 최대한 방지한 하이브리드 소음 제거 시스템 및 방법에 관한 것이다.

본 발명에 따른 통신 기기의 소음제거 시스템은 단일 마이크로 입력된 음성 신호와 소음 신호의 혼합 신호를 다중 채널의 음원으로 분할하여 소음신호와 음성신호를 분리하는 독립성분분석기와 ; 상기 단일 마이크로 입력된 신호로부터 초기 소음을 측정하고, 측정된 소음을 기준으로 가상의 소음원을 설정하는 가상 마이크와 ; 상기 독립성분분석기에서 분리된 소음신호와 음성신호의 다중 입력 채널 신호를 주파수별로 분리하여 소음을 제거하는 능동소음제거기와 ; 다양한 노이즈를 학습함으로써 소음 제거의 효율을 높여주는 노이즈 학습기와 ; 학습의 결과로 알 수 있는 소음원을 반대파 위상을 만들어 오픈 필드 상에서 스피커를 통해 소음을 만들어 냄으로서 물리적 환경에서 제거하기 위한 역상파 발생기와 ; 학습에 의해 알려진 소음원에 대한 정보를 기억하여 상기 노이즈 학습기로 제공하는 메모리 버퍼와 ; 가상 마이크 입력과 역상파 발생기의 출력의 파워 레벨의 조절을 위한 파워 추정기를 포함하여 구성되고,

마이크로부터 입력되는 신호에서 음성 이외의 대역폭의 신호를 제거하는 필터링 단계(S1)와 ; 측정된 소음으로부터 가상의 소음을 계산하는 가상소음 산출 단계(S2-1)와 ; 음성신호 대역의 신호를 각 주파수 대역의 신호로 분리하는 독립성분 분석단계(S2-2)와 ; 각 주파수 대역의 신호의 노이즈를 분석하는 단계(S3)와 ; 분석된 노이즈로부터 역위상파 생성 단계(S4) 및 ; 역위상파와 측정 소음 및 가상 소음을 합산하여 소음을 제거하는 소음제거 단계(S5)를 수행하도록 이루어진다.

Description

통신 기기용 하이브리드 소음 제거 시스템 및 방법{A hybrid-active noise control system and methode for communication equipments}

본 발명은 소음 제거 시스템 및 방법에 관한 것으로, 보다 상세하게는 단일 마이크로 소음원을 측정할 수 있도록 함으로써 전력 소모를 줄일 수 있고, 학습알고리즘을 이용하여 소음에 능동적이고 지능적으로 적응할 수 있게 하였으며, 독립요소분석을 통해 독립적인 주파수 성분을 분리한 후 각각의 소음을 분리해냄으로서 원음의 왜곡 및 단절 현상을 기존의 알고리즘에 비해 감소시킨 소음 제거 시스템 및 방법에 관한 것이다.

현재 알려진 능동적으로 소음을 제거하기 위한 방법은 제거해야 할 소음이 어떤 것인지를 알아야 한다.

특히 소음이 비선형적 소음원에 의한 경우 시시각각으로 변하는 성질 때문에 정확한 소음원을 측정하기 위해서는 최소 2개 이상의 마이크를 사용하여 그 중 하나는 소음원의 입력으로 사용하게 되고, 2개의 마이크에서 입력받은 음원들을 비교해서 그 입력 차를 통해서 소음의 근원을 비교하는 것이다. 그러나 마이크입력이 1개가 증가할 때마다 약 1.5배의 전력이 필요하고 기구적인 문제 때문에 활용도가 적으며, 특히 휴대폰과 같이 저 전력을 요하는 제품에 적용하기는 어려운 실정이다.

또한 단일 마이크를 사용하여 구성된 시스템에 있어서 단순 필터의 경우에는 하드웨어의 변경은 필요 없으나, 그 효율은 많이 떨어지는 문제가 있으며, 이에 따라 효율을 높이기 위해서는 노이즈 제거를 위해서는 하드웨어 변경이 필요하게 된다.

추가 마이크를 설치할 경우 마이크 사이의 거리가 근접하게 되면 음성 입력시 간섭이 발생하므로 마이크 사이에 일정한 공간이 요구된다. 즉, 기본적으로 2개의 마이크 중 1개는 원음인 음성을 제외한 외부 소음을 측정해야 기존의 능동소음 알고리즘에 효과가 있는 것이다.

또한 기존의 소음 제거 기술은 LMS(Least Mean Square)방식이 사용되고 있으나 이러한 방식은 복잡하고 다양한 소음원에서의 노이즈 제거에는 한계가 있으며, 이들 중 LTI(liner time invariant) 추정과 정확한 2차 에러채널 패스 모델링이 필요한 Filtered-X LMS 방식을 기점으로 이 기법의 단점을 보완하고 있으나, LTI 추정인 경우 일차적인 문제는 소음에 대한 정보가 없는 문제 즉, 상관성이 없는 성분이 혼합되어 있기 때문에 몇몇 소음성분에 관한 추정으로는 다양하게 변화하는 환경 소음에 적응하기란 어렵다.

기존의 Filtered-X LMS방식은 도 3에 블록도는 도4에 도시한 바와 같이 나타날 수 있는데, LMS 알고리즘은 상관행렬을 모르는 경우에 기울기만을 이용하여 최적필터 계수를 알아내는 알고리즘으로 가중치를 업데이트한다. 이를 수식으로 나타내면 Filtered-X LMS방식의 경우 . (w(n)은 가중치 계수, ц는 스텝의 크기, x'(n)는 가상소음, e(n)는 오차) 이다.

이 방법에서의 핵심은 소음원에 대한 2차패스(x'(n))의 모델링에 있다. 즉, 음원에 대해 얼마만큼 소음원에 대한 모델링을 잘 설계할 수 있는가가 이 소음 제거 알고리즘의 효율을 좌우 할 수 있는 것이나, 실제로는 다양한 소음원에 대한 정확한 모델링이 거의 불가능하다는 단점이 있었다.

결론적으로, 기존의 능동소음제거 기술은 위에서 보았듯이 여러 문제점을 가지고 있으며, 실제 DSP칩으로 구현하는데 어려움이 많았다.

본 발명은 상기와 같은 문제점을 해소하기 위한 것으로, 단일 마이크를 사용하여 소음원을 측정할 수 있도록 함으로써 전력 소모를 줄일 수 있고, 학습알고리즘을 이용하여 다양한 소음에 능동적으로 적응할 수 있게 하였으며, 독립요소분석을 통해 독립적인 주파수 성분을 분리한 후 각각의 소음을 분리해냄으로서 원음의 왜곡 및 단절 현상을 감소시킨 소음 제거 시스템 및 방법을 제공함을 목적으로 한다.

상기와 같은 목적을 갖는 본 발명은 통신 기기의 소음제거 시스템에 있어서, 단일 마이크로 입력된 음성 신호와 소음 신호의 혼합 신호를 다중 채널로 분할하여 소음신호와 음성신호를 분리하는 독립성분분석기와 ; 상기 단일 마이크로 입력된 신호로부터 소음을 측정하고, 측정된 소음을 기준으로 가상의 소음원을 추정하는 가상 마이크와 ; LMS방식중 NLMS(normalized-LMS)를 기본으로, 상기 독립성분분석기에서 분리된 소음신호와 음성신호의 다중 입력 채널 신호를 주파수별로 분리하여 소음을 제거하는 능동소음제거기와 ; 이 능동소음제거기의 효율을 높이기 위해 단순 필터의 개념을 넘어서 다양한 노이즈를 학습함으로써 특히 짧은 단속음까지도 소음원으로 분리할수 있어 소음 제거의 효율을 높여주는 노이즈 학습기와 ; 학습의 결과로 알 수 있는 소음원을 외부 스피커를 통해 방송함으로써 실질적인 소음을 제거 가능하게 만들 수 있는 역상파 발생기와 ; 학습에 의해 알려진 소음원에 대한 오차를 기억하여 상기 노이즈 학습기의 효율을 향상시키며 역상파 발생기의 교정 자료로 활용하는 메모리 버퍼와 ; 가상 마이크 입력과 역상파 발생기의 출력의 파워 레벨의 조절하여 소음 제거에 의한 음원의 음압이 작아졌을 경우에 보정 작업을 수행하는 파워 추정기를 포함하여 구성함을 특징으로 하는 통신 기기용 하이브리드 소음 제거 시스템에 의해 이루어진다. 물론 역상파 발생기와 파워 추정기는 DSP 구현후에 회선소음제거 뿐만 아니라 주변환경 소음제거(Noise Reduction)와 같은 다양한 응용제품을 만들기 위해서 준비되었다. 특히 가상마이크에서 설정한 소음원은 본 알고리즘의 초기값을 형성하며 학습에 의한 능동소음제거에 의해 알려진 소음원과의 오차 e(n)을 최소화 시켜서 적응하게 만든다. 이러한 학습과정에서 알게된 정보(e(n)를 보유하고 있는 메모리는 누적 FIFO 구조를 가지며, 이는 주로 단속음을 위한 것으로 주기적 성질은 있으나 연속성이 짧기 때문에 기존에 능동소음제거기가 하기 힘든 소음제거를 가능하게 하기 위함이다.

또한 본 발명의 목적은 마이크로부터 입력되는 음원을 측정하고 이를 디지털 신호로 변환하며, 변환된 신호에서 음성이외의 대역폭의 신호를 제거하는 필터링 단계(S1)와 ; 상기 단계(S1)에서 필터링된 음성신호 대역의 신호에 대해 소음 성분을 측정하고, 측정된 소음으로부터 가상의 소음을 계산하는 가상소음 산출 단계(S2-1)와 ; 상기 단계(S1)에서의 음성신호 대역의 신호를 각 주파수 대역의 신호로 분리하는 독립성분 분석단계(S2-2)와 ; 상기 독립성분 분석 단계에서 분리된 각 주파수 대역의 신호에 대해 ANFIS학습을 수행하여 노이즈를 분석하는 단계(S3)와 ; 분석된 노이즈로부터 역위상파 생성 단계(S4) 및 측정된 가상소음에서 학습이론을 적용한 후 알게 된 소음의 오차를 계산하는 소음제거 단계(S5)를 수행하도록 이루어짐을 특징으로 하는 통신 기기용 하이브리드 소음 제거 방법에 의해 이루어지며,

이때, 상기 노이즈 학습기(30)의 제어출력 신호는 비선형 방정식에 의한 2번째 패스의 변형된 소음을 예측하여 이때 발생한 오차를 다시 입력으로 받아들여 능동소음제거기(20)의 오차를 최소화하고, 상기 가상소음 산출단계(S2-1)는 신경 회로망에 의한 학습 과정을 포함하여 이루어짐에 의해 그 목적한 바에 따른 효과를 높일 수 있다.

이하 상기와 같은 본 발명에 따른 통신 기기용 하이브리드 소음 제거 시스템의 일예를 첨부된 도면을 참고로 상세하게 설명한다.

도 1은 본 발명에 따른 하이브리드 소음제거 시스템의 구성을 보여주는 블록도이고, 도 2는 본 발명에 따른 소음 제거 방법을 설명하기 위한 흐름도이다.

본 발명에 따른 하이브리드 소음제거 시스템은 독립성분분석기(10), 가상마이크(20), 능동소음제거기(30), 노이즈 학습기(40), 역상파 발생기(50), 메모리 버퍼(60) 및 파워 추정기(70)를 포함하여 구성된다.

상기 독립성분분석기(10)는 단일 마이크로 입력된 음성 및 소음신호들로부터 음성신호와 소음신호를 분리하여 출력하는 수단으로 이와 같은 독립성분분석기에 의해 분리된 소음들은 다중채널을 형성하며, 각 채널의 소음들은 능동소음제거기(30)에 의해 제거된다. 이 단계에 있어서 각각의 음원은 독립적인 성분으로 분리되었지만 아직까지는 소음과 음성이 어느 것인지는 알 수 없기에 각각에 대해 소음 제거를 수행한다.

상기 능동소음제거기(30)는 전술한 바와 같이 독립성분분석기(10)에 의해 다중 채널의 신호로 분리된 소음 신호로부터 원음을 제외한 소음을 제거하기 위한 수단이며 여기서 알게 된 정보는 학습을 행하는 노이즈 학습기(40)에 의해 ANFIS 학습 알고리즘을 적용하여 다양한 소음에 적응력을 갖추게 된다.

상기 가상마이크(20)는 단일 마이크로 입력된 신호로부터 소음을 측정하고, 측정된 소음을 기준으로 가상의 소음원을 추정하는 수단으로 여기서 생성된 가상의 소음 값은 본 알고리즘의 초기치를 형성하고 그 오차율 계산에 활용된다.

상기 노이즈 학습기(40)는 상기 독립성분분석기(10)를 통해 다중의 채널로 분리된 소음 신호를 학습함으로서 다양한 소음에 대응할 수 있게 하며, 이로부터 출력된 제어신호는 비선형방정식에 의한 2차 패스의 변형된 소음을 예측하고 이때 발생한 오차 신호를 다시 입력으로 받아들이는 능동소음제거기(30)의 오차를 감소시킨다.

상기 역상파 발생기(50)는 도면2에서 보는 바와 같이 상기 노이즈 학습기(40)의 학습 결과에 의해 알 수 있는 소음원을 스피커를 통해 방송함으로써 실제 소음을 제거(Noise Reduction) 하기 위한 활용의 방안으로 사용한다.

상기 메모리 버퍼(60)는 상기 노이즈 학습기(40)에 의해 학습되고 출력되는 소음에 대한 정보가 저장되고 저장된 정보를 다시 상기 노이즈 학습기(40)에 제공하는 수단으로 노이즈 학습기(40)가 보다 다양한 소음을 학습할 수 있는 여건을 제공한다.

상기 파워 추정기(70)는 상기 가상 마이크(20) 입력과 역상파 발생기(50)의 출력의 파워 레벨이 소음제거 알고리즘의 특성상 소음원의 소리가 작아지는 현상이 일어날 경우에 이를 보정하는 작용을 하며 주로 아날로그적인 회로설계의 적용을 위한 것이다. 이러한 소리가 작아지는 원인은 알고리즘 상에서 특이 퓨리에 변환한 데이터를 처리하는 과정에서 소음제거 후 일부 음성원이 소음으로 인식되어 제거된다면 전반적인 소리가 작아지는 현상이 있을 수 있다. 특히 고음성분이 이러한 현상이 일어날 경우 이를 보정하는 작업이 필요하다. 물론 이 과정 역시 음성의 품질을 향상시키기 위한 외부 인터페이스를 사용하기 위함이다.

가상 마이크(20)의 정보는 파워 추정기(70)의 비교 요소의 정보를 제공하고 두 출력신호를 합산(+,-)하는 덧셈기(합산기)로부터 에러함수 e(n)를 산출하는데 이 출력은 다음의 입력에 대한 소음 학습을 위해 메모리 버퍼와 능동소음제거기로 입력시킨다.

이하, 상기와 같이 구성된 본 발명에 따른 하이브리드 소음제거 시스템의 동작을 설명하면 다음과 같다.

처음으로 들어온 음원 신호를 디지털 신호로 변환하고 변환된 신호에서 음성대역 이외의 대역의 신호를 제거하는 필터링 단계(S1)를 거쳐 1차 패스를 만든다.

상기 필터링 후 첫 번째 패스를 만드는 과정은 Filtered X LMS 방식에 의해 이루어진다.

필터링 단계(S1)를 통해 1차 패스가 만들어진 후, 2차 패스를 형성하는데 이 2차 패스는 상기 단계(S1)에서의 음성 신호 대역의 신호를 각 주파수 대역의 신호로 분리하는 독립성분 분석단계(S2-2)를 통해 다중 채널 신호로 분리되고, 상기 단계(S1)에서 필터링된 음성 신호 대역의 신호에 대해 소음 성분을 측정하고, 측정된 소음으로부터 가상의 소음을 계산하는 가상소음 산출 단계(S2-1)를 통해 여러 개의 마이크를 통해 모델링한 것과 같은 결과를 얻어 형성된다.

기존의 소음제거 시스템에서의 상기 2차 패스를 형성하는 과정은 실제의 2차 마이크로의 입력에 의해서 이루어지나 본 발명에서는 상기한 바와 같이 독립성분분석에 의한 가상 마이크를 통한 가상소음 산출(S2-1)에 의해 이루어진다.

상기 독립성분 분석단계(S2-2)는 노이즈 신호분리를 위한 독립요소분석을 통하여 그 분리된 신호가 가능한 한 독립성을 유지하는 분리 행렬을 발견하기 위한 것이다.

이러한 기본적인 데이터 모델은 다음과 같은 수식으로 표현된다.

여기서, S는 원음 신호, A는 혼합행렬이다.

실제로는 혼합행렬을 알 수는 없고 혼합된 데이터만이 측정될 수 있으므로 역혼합 행렬 M에 의해 추정된 신호는 다음과 같다.

여기서 역혼합 행렬을 추정하기 위해 신호 각각은 독립성과 조건 상관성이 존재해야하며 이는 확률을 적용하여 얻을 수 있다.

이를 수식으로 표현하면 아래와 같다.

(p 는 확률이고, E는 cost-function 이다)

이러한 독립성분 분석과정을 적용함으로서 기존의 단순 채널 분리에 비해 음원의 손상 및 단절에 의한 품질 손상을 보상해주는 효과를 얻을 수 있다.

상기와 같이 독립성분 분석단계(S2-2)를 통해 분리된 신호는 ANFIS(Adaptive Network based Fuzzy Inference System)를 이용한 학습에 의한 노이즈 분석단계(S3)를 거치게 된다.

상기 노이즈 분석단계(S3)에서는 2개의 입력 x, y 와 출력 z 를 가정할 때 다음과 같은 규칙을 수행하는 신경회로망을 통해 학습이 이루어진다.

레이어(Layer) 1 : 멤버십의 등급을 형성

레이어 2 : 발화강도를 생성

레이어 3 : 발화강도를 정규화

레이어 4 : 결론부 파라메타를 근거로 하는 규칙 출력을 생성

레이어 5 : 레이어 4의 모든 입력을 합한다.

즉, 상기와 같이 제안된 ANFIS 학습은 Rule1, 2의 조건부 파라메타를 최적화하기 위해 구배 감소 알고리즘을 사용하고, 각 레이어의 결론부 파라메타를 풀기 위하여 최소제곱법을 사용한다.

상기와 같은 신경회로망을 통한 학습에 의해 노이즈 분석이 이루어지며, 분석된 노이즈로부터 역위상파를 생성할 수 있다.(S4)

이렇게 해서 알게 된 소음과 실제 마이크로 입력된 소음과의 오차는 최소화해야 하며 이러한 오차를 최소화하고 오차신호는 능동소음 제거기의 입력으로 활용된다.(S5)

상기에서 ANFIS(Adaptive Network based Fuzzy Inference System)를 이용한 학습 과정을 약술하였으나 ANFIS는 본 발명이 속하는 기술 분야에 종사하는 자에게는 익히 알려진 기술로 이에 대한 상세한 설명은 생략한다.

이상과 같은 본 발명에 따른 능동 소음제거 기술은 궁극적으로 소음원에 대한 분석을 독립요소분석을 통해 이루었으며, 이것을 가상 마이크의 기점으로 보고 소음원의 입력으로 사용함으로써 단일 마이크 구성 외에 기존 단순 서브밴드 구성에 비해 음원의 왜곡 및 단절을 줄일 수 있는 효과가 있다.

또한 본 발명의 구성에 소음에 대한 학습을 시행함으로써 다양한 소음원에 대해서 효과적으로 대응할 수 있는 효과가 있으며, 단일 센서를 적용한 능동소음제거는 소음원을 분석하여 소음 주파수성분을 추출하여 원음을 제외한 소음을 제거하는 알고리즘을 DSP로 구현하고 이를 기존 무전기, 전화기 등에 장착하여 새로운 소음제거 무전기, 전화기, 휴대폰 등을 만드는 것이 가능하게 하는 효과가 있다.

본 발명은 상기한 실시예의 내용에 한정되지는 않으며, 본 발명의 기술 분야에 익숙한 기술자라면, 본 발명의 실시 예를 참고로 다양하게 변형, 부가할 수 있을 것이다.

도 1은 본 발명에 따른 하이브리드 소음제거 시스템의 구성을 보여주는 블록도이고,

도 2는 본 발명에 따른 소음 제거 방법을 설명하기 위한 흐름도이다.

도 3은 기존의 Filtered-X LMS방식 소음제거 시스템을 도시한 블록도이고,

도 4는 기존의 능동소음제거필터의 일예를 도시한 블록도이다.

*도면의 주요 부분에 대한 부호 설명*

10 : 독립성분분석기 20 : 가상마이크

30 : 능동소음제거기 40 : 노이즈 학습기

50 : 역상파 발생기 60 : 메모리 버퍼

70 : 파워 추정기

Claims (5)

1. 통신 기기의 소음제거 시스템에 있어서,

   단일 마이크로 입력된 음성 신호와 소음 신호의 혼합 신호를 다중 채널로 분할하여 소음신호와 음성신호를 분리하는 독립성분분석기와 ;

   상기 단일 마이크로 입력된 신호로부터 소음을 측정하고, 측정된 소음을 기준으로 가상의 소음 값을 계산하는 가상 마이크와 ;

   상기 독립성분분석기에서 분리된 소음신호와 음성신호의 다중 입력 채널 신호를 주파수별로 분리하여 소음을 제거하는 능동소음제거기와 ;

   다양한 노이즈를 학습함으로써 소음 제거의 효율을 높여주는 노이즈 학습기와 ;

   학습의 결과로 알 수 있는 소음원을 Noise Reduction 하기 위한 역상파를 발생시키는 역상파 발생기와 ;

   덧셈기를 포함하여 구성함을 특징으로 하는 통신 기기용 하이브리드 소음 제거 시스템.
2. 제 1 항에 있어서, 상기 노이즈 학습기의 제어출력 신호는 비선형 방정식에 의한 2번째 패스의 변형된 소음을 예측하여 이때 발생한 오차신호를 입력으로 받아들여 능동소음제거기의 오차를 최소화함을 특징으로 하는 통신 기기용 하이브리드 소음 제거 시스템.
3. 마이크로부터 입력되는 음원을 측정하고 이를 디지털 신호로 변환하며, 변환된 신호에서 음성이외의 대역폭의 신호를 제거하는 필터링 단계(S1)와 ;

   상기 단계(S1)에서 필터링된 음성신호 대역의 신호에 대해 소음 성분을 측정하고, 측정된 소음으로부터 가상의 소음을 계산하는 가상소음 산출 단계(S2-1)와 ;

   상기 단계(S1)에서의 음성신호 대역의 신호를 각 주파수 대역의 신호로 분리하는 독립성분 분석단계(S2-2)와 ;

   상기 독립성분 분석 단계에서 분리된 각 주파수 대역의 신호에 대해 ANFIS(Adaptive Network-based fuzzy Inference System)학습을 수행하여 노이즈를 분석하는 단계(S3)와 ;

   분석된 노이즈로부터 역위상파 생성 단계(S4) 및 ;

   역위상파와 측정 소음 및 가상 소음을 합산하여 소음을 제거하는 소음제거 단계(S5)를 수행하도록 구성함을 특징으로 하는 통신 기기용 하이브리드 소음 제거 방법.
4. 제 3 항에 있어서, 상기 가상소음 산출단계(S2-1)는 신경 회로망에 의한 학습 과정을 포함하여 이루어짐을 특징으로 하는 통신 기기용 하이브리드 소음 제거 방법.
5. 제 3 항에 있어서, 상기 ANFIS학습은 조건부 파라메타를 최적화하기 위해 구배감소 알고리즘을 사용하고, 결론부 파라메타를 풀기 위하여 최소제곱법을 사용함을 특징으로 하는 통신 기기용 하이브리드 소음 제거 방법.