KR20170101500A - 노이즈 제거를 통한 오디오 신호 식별 방법 및 장치 - Google Patents

노이즈 제거를 통한 오디오 신호 식별 방법 및 장치 Download PDF

Info

Publication number
KR20170101500A
KR20170101500A KR1020160024089A KR20160024089A KR20170101500A KR 20170101500 A KR20170101500 A KR 20170101500A KR 1020160024089 A KR1020160024089 A KR 1020160024089A KR 20160024089 A KR20160024089 A KR 20160024089A KR 20170101500 A KR20170101500 A KR 20170101500A
Authority
KR
South Korea
Prior art keywords
audio signal
identifying
feature data
target
signal
Prior art date
Application number
KR1020160024089A
Other languages
English (en)
Inventor
박태진
백승권
성종모
이태진
최진수
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020160024089A priority Critical patent/KR20170101500A/ko
Priority to US15/445,010 priority patent/US20170249957A1/en
Publication of KR20170101500A publication Critical patent/KR20170101500A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G06F17/30743—
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/018—Audio watermarking, i.e. embedding inaudible data in the audio signal
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/06—Transformation of speech into a non-audible representation, e.g. speech visualisation or speech processing for tactile aids
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/21—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/912—Applications of a database
    • Y10S707/913—Multimedia
    • Y10S707/916—Audio

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

오디오 신호 식별 방법 및 장치가 개시된다. 구체적으로, 오디오 신호 식별 방법은 입력된 오디오 신호로부터 입력 진폭 지도를 생성하는 단계, 미리 훈련된 모델을 통해 상기 진폭 지도에 포함된 부분 영역이 타겟 신호에 대응하는 타겟 영역인지 판단하는 단계, 상기 타겟 영역으로부터 특징 데이터를 추출하는 단계 및 상기 특징 데이터를 기초로 상기 오디오 신호를 식별하는 단계를 포함한다.

Description

노이즈 제거를 통한 오디오 신호 식별 방법 및 장치{METHOD AND APPARATUS FOR IDENTIFYING AUDIO SIGNAL USING NOISE REJECTION}
본원에 개시된 실시예들은 오디오 신호처리에 관한 것으로, 보다 구체적으로는 노이즈 제거를 통한 오디오 핑거프린팅에 관한 장치 및 방법에 관한 것이다.
오디오 핑거프린팅은 오디오 신호에 담긴 고유한 특징을 추출한 후 이를 해쉬(hash) 코드로 변환하여 데이터 베이스에 미리 저장된 해쉬 코드와 오디오 신호의 ID 대응 관계를 통해 오디오 신호의 ID를 식별하는 기술이다.
그러나 오디오 핑거프린팅은 오디오 신호를 입력하는 과정에서 노이즈가 섞여 들어오기 때문에 원래의 오디오 신호와 동일한 특징을 추출하기 어렵다. 따라서 이러한 노이즈는 오디오 핑거프린팅의 정확도를 떨어뜨린다.
오디오 신호로부터 특징을 추출하기 전에 오디오 신호와 노이즈 신호에 대응하는 영역을 분리하여 오디오 신호에 대응하는 부분에 대해서만 특징을 추출함으로써 오디오 신호의 식별의 정확도를 높이는 방법 및 장치를 제공한다.
일실시예에 따른 오디오 신호 식별 방법은 입력된 오디오 신호로부터 입력 진폭 지도를 생성하는 단계, 미리 훈련된 모델을 통해 상기 진폭 지도에 포함된 부분 영역이 타겟 신호에 대응하는 타겟 영역인지 판단하는 단계, 상기 타겟 영역으로부터 특징 데이터를 추출하는 단계 및 상기 특징 데이터를 기초로 상기 오디오 신호를 식별하는 단계를 포함한다.
상기 생성하는 단계는, 상기 오디오 신호를 시간 영역에서 윈도우로 분할하는 단계 및 상기 분할된 오디오 신호를 주파수 영역으로 변환하는 단계를 포함할 수 있다.
상기 생성하는 단계는 시간 및 주파수를 기준으로 상기 오디오 신호의 진폭을 시각화할 수 있다.
상기 판단하는 단계는, 상기 미리 훈련된 모델을 통해 상기 부분 영역이 타겟 신호에 대응할 확률을 구하는 단계 및 상기 확률에 기초하여 상기 부분 영역을 상기 타겟 영역으로 판단하는 단계를 포함할 수 있다.
상기 확률을 구하는 단계는 활성화 함수를 적용한 결과에 기초하여 상기 확률을 구하고, 상기 모델은 적어도 하나 이상의 퍼셉트론을 포함하고, 상기 퍼셉트론은 적어도 하나 이상의 입력 각각에 가중치를 적용하고, 상기 가중치가 적용된 입력을 합산하고, 상기 합산된 결과에 활성화 함수를 적용할 수 있다.
상기 추출하는 단계는, 상기 특징 데이터로 판단된 영역에서 특징 데이터를 추출하는 단계 및 상기 특징 데이터를 해쉬 데이터로 변환하는 단계를 포함할 수 있다.
상기 식별하는 단계는 상기 해쉬 데이터를 미리 저장된 오디오 신호 식별 정보와 매칭할 수 있다.
일실시예에 따른 오디오 신호를 식별하기 위한 훈련 방법은, 미리 식별된 정보를 포함하는 복수의 샘플 진폭 지도를 수신하는 단계, 가설 모델을 통해 상기 샘플 진폭 지도의 각 영역을 타겟 신호에 대응하는 제1 영역과 노이즈 신호에 대응하는 제2 영역으로 판단하는 단계, 상기 제1 영역으로부터 특징 데이터를 추출하는 단계 및 상기 특징 데이터와 상기 미리 식별된 정보를 기초로 상기 가설 모델을 조정하는 단계를 포함한다.
상기 조정하는 단계는, 상기 특징 데이터를 기초로 상기 오디오 신호를 식별하는 단계 및 상기 미리 식별된 정보와 상기 오디오 신호를 식별한 결과를 비교하여 상기 가설 모델을 조정하는 단계를 포함할 수 있다.
상기 판단하는 단계는 퍼셉트론의 활성화 함수를 통하여 상기 샘플 진폭 지도의 각 영역을 판단하고, 상기 조정하는 단계는 상기 특징 데이터와 상기 미리 식별된 정보를 기초로 상기 퍼셉트론의 각각의 가중치를 조정하고, 상기 가설 모델은 적어도 하나 이상의 퍼셉트론을 포함하고, 상기 퍼셉트론은 적어도 하나 이상의 입력 각각에 가중치를 적용하고, 상기 가중치가 적용된 입력을 합산하고, 상기 합산된 결과에 활성화 함수를 적용할 수 있다.
일실시예에 따른 오디오 신호 식별 장치는 입력된 오디오 신호로부터 진폭 지도를 생성하는 생성부, 미리 훈련된 모델을 통해 상기 진폭 지도의 각 영역을 타겟 신호에 대응하는 제1 영역과 노이즈 신호에 대응하는 제2 영역으로 판단하는 판단부, 상기 제1 영역으로부터 특징 데이터를 추출하는 추출부 및 상기 특징 데이터를 기초로 데이터베이스를 통해 상기 오디오 신호를 식별하는 식별부를 포함한다.
일실시예에 따른 오디오 신호를 식별하기 위한 훈련 장치는 미리 식별된 정보를 포함하는 복수의 샘플 진폭 지도를 수신하는 수신부, 가설 모델을 통해 상기 샘플 진폭 지도의 각 영역을 타겟 신호에 대응하는 제1 영역과 노이즈 신호에 대응하는 제2 영역으로 판단하는 판단부, 상기 제1 영역으로부터 특징 데이터를 추출하는 추출부, 상기 특징 데이터와 상기 미리 식별된 정보를 기초로 상기 가설 모델을 조정하는 조정부를 포함한다.
일실시예에 따르면, 오디오 신호로부터 특징을 추출하기 전에 오디오 신호와 노이즈 신호에 대응하는 영역을 분리하여 오디오 신호에 대응하는 부분에 대해서만 특징을 추출함으로써 오디오 신호의 식별의 정확도를 높일 수 있다.
도 1은 일실시예에 따른 오디오 신호로부터 인식 결과를 제공하는 상황을 나타낸 도면이다.
도 2는 일실시예에 따른 오디오 신호 식별 방법을 나타낸 순서도이다.
도 3은 일실시예에 따른 오디오 신호를 식별하기 위한 훈련 방법을 나타낸 순서도이다.
도 4는 일실시예에 따른 오디오 신호 식별 장치를 나타낸 도면이다.
도 5는 일실시예에 따른 판단부의 처리 과정을 구체화한 순서도이다.
도 6는 노이즈 부분을 배제하고 특징을 추출하기 위한 스펙트로그램을 나타낸 도면이다.
도 7은 일실시예에 따른 오디오 신호를 식별하기 위한 훈련 장치를 나타낸 순서도이다.
아래의 특정한 구조적 내지 기능적 설명들은 단지 실시예들을 설명하기 위한 목적으로 예시된 것으로, 특허출원의 범위가 본 명세서에 설명된 내용에 한정되는 것으로 해석되어서는 안된다. 설명한 분야에 속하는 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 본 명세서에서 "일 실시예" 또는 "실시예"에 대한 언급은 그 실시예와 관련하여 설명되는 특정한 특징, 구조 또는 특성이 적어도 하나의 실시예에 포함된다는 것을 의미하며, "일 실시예" 또는 "실시예"에 대한 언급이 모두 동일한 실시예를 지칭하는 것이라고 이해되어서는 안된다.
본 명세서에 개시되어 있는 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 명세서에 개시되어 있는 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 명세서에 개시되어 있는 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 명세서에 개시되어 있는 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 명세서에 개시되어 있는 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 명세서에 개시되어 있는 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 명세서에 개시되어 있는 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~사이에"와 "바로~사이에" 또는 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 명세서에 개시되어 있는 실시예들을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 명세서에 개시되어 있는 실시예들이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1은 일실시예에 따른 오디오 신호로부터 인식 결과를 제공하는 상황을 나타낸 도면이다.
외부의 스피커를 통해 전송된 오디오 신호는 마이크로폰을 통해 오디오 신호 식별 장치(100)로 전달될 수 있다. 오디오 신호 식별 장치(100)는 입력된 오디오 신호를 처리하여 오디오 신호의 고유한 특징을 추출할 수 있다. 오디오 신호 식별 장치(100)는 추출된 특징을 해쉬 코드로 변환할 수 있다. 오디오 신호 식별 장치(100)는 해쉬 코드를 데이터 베이스(120)에 저장된 오디오 신호 식별 정보와 매칭하여 오디오 신호 ID를 출력할 수 있다. 여기서 데이터 베이스(120)에 저장된 오디오 신호 식별 정보는 해쉬 테이블의 구조를 포함할 수 있으며, 해쉬 테이블은 복수의 해쉬 코드와 오디오 신호 ID의 대응 관계를 저장할 수 있다.
도 2는 일실시예에 따른 오디오 신호 식별 방법을 나타낸 순서도이다.
단계(210)에서 오디오 신호 식별 장치(100)는 입력된 오디오 신호로부터 입력 진폭 지도를 생성한다. 여기서 진폭 지도는 특정 시간 및 특정 주파수에 대응하는 진폭을 나타내는 정보를 가리킬 수 있다. 예를 들어, 진폭 지도는 스펙트로그램을 지칭할 수 있다.
일실시예에 따르면, 단계(211)에서 오디오 신호 식별 장치(100)는 오디오 신호를 시간 영역에서 윈도우로 분할할 수 있다. 다시 말하면, 오디오 신호 식별 장치(100)는 시간 영역에서 오디오 신호를 적절한 윈도우 크기와 스텝 크기로 윈도우 분석을 할 수 있다. 그 결과 오디오 신호는 프레임 단위로 구분될 수 있다. 프레임 단위로 구분된 오디오 신호는 시간 영역에 대응할 수 있다.
일실시예에 따르면, 단계(212)에서 오디오 신호 식별 장치(100)는 분할된 오디오 신호를 주파수 영역으로 변환할 수 있다. 구체적으로, 오디오 신호 식별 장치(100)는 각각의 프레임에 대하여 주파수 영역으로 변환할 수 있다. 예를 들어, 오디오 신호 식별 장치(100)는 각각의 프레임에 대하여 FFT(Fast Fourier Transform)을 수행할 수 있다. 이를 통해, 오디오 신호 식별 장치(100)는 각 프레임에 대해 오디오 신호의 진폭을 구할 수 있다. 진폭과 에너지는 비례하므로, 오디오 신호 식별 장치(100)는 각 프레임에 대해 오디오 신호의 에너지를 구할 수 있다.
일실시예에 따르면, 그 결과 오디오 신호 식별 장치(100)는 시간 및 주파수를 기준으로 오디오 신호의 진폭을 시각화한 입력 진폭 지도를 생성할 수 있다. 구체적으로, 입력 진폭 지도는 시간을 x축으로 표시하고, 주파수를 y축으로 표시하고, 각각의 좌표에 진폭을 표시하는 진폭에 관한 정보를 가리킬 수 있다. 예를 들어, 입력 진폭 지도는 스펙트로그램을 가리킬 수 있다.
단계(220)에서 오디오 신호 식별 장치(100)는 미리 훈련된 모델을 통해 진폭 지도에 포함된 부분 영역이 타겟 신호에 대응하는 타겟 영역인지 판단한다. 진폭 지도는 복수의 부분 영역을 포함할 수 있다. 여기서 부분 영역은 진폭 지도를 구성하는 적어도 하나 이상의 픽셀을 의미할 수 있다. 픽셀은 진폭 지도의 x y 좌표로 구분될 수 있는 가장 작은 단위 영역을 의미할 수 있다. 타겟 신호는 음악 신호 등의 노이즈 신호가 아닌 오디오 신호를 의미할 수 있다.
일실시예에 따르면, 단계(221)에서 오디오 신호 식별 장치(100)는 미리 훈련된 모델을 통해 부분 영역이 타겟 신호에 대응할 확률을 구할 수 있다. 데이터 베이스(120)는 미리 방대한 양의 타겟 신호와 노이즈 신호를 포함하는 샘플 오디오 신호를 통하여 훈련된 모델을 저장할 수 있다.
일실시예에 따르면, 모델은 적어도 하나 이상의 퍼셉트론을 포함할 수 있다. 이때, 퍼셉트론은 적어도 하나 이상의 입력 각각에 가중치를 적용하고, 가중치가 적용된 입력을 합산하고, 합산된 결과에 활성화 함수를 적용할 수 있다. 예를 들어, 모델은 딥 러닝(Deep learning) 시스템일 수 있다. 구체적으로, 모델은 CNNs (Convolutional Neural Networks) 시스템일 수 있다. 이때 데이터 베이스(120)는 CNNs의 훈련된 각각의 가중치를 저장할 수 있다. 가중치는 네트워크 계수(Network coefficient)라고 지칭될 수 있다.
일실시예에 따르면, 오디오 신호 식별 장치(100)는 활성화 함수를 적용한 결과에 기초하여 확률을 구할 수 있다. 다시 말하면, 오디오 신호 식별 장치(100)는 적어도 하나 이상의 퍼셉트론의 마지막 활성화 함수를 통해 도출된 결과에 기초하여 진폭 지도에 포함된 각 부분 영역이 타겟 신호에 대응할 확률을 구할 수 있다.
일실시예에 따르면, 단계(222)에서 오디오 신호 식별 장치(100)는 확률에 기초하여 부분 영역을 타겟 영역으로 판단할 수 있다. 오디오 신호 식별 장치(100)는 타겟 신호에 대응할 확률과 미리 설정된 기준을 비교하여 각 부분 영역이 타겟 신호에 대응하는지, 아니면 노이즈 신호에 대응하는 지를 판단할 수 있다. 예를 들어, 진폭 지도가 스펙트로그램인 경우에 노이즈 신호에 대응하는 부분은 흑백으로 표시되고, 타겟 신호에 대응하는 부분은 컬러로 표시될 수 있다.
단계(230)에서 오디오 신호 식별 장치(100)는 타겟 영역으로부터 특징 데이터를 추출한다. 타겟 신호에 대응하는 것으로 판단된 부분 영역, 즉 타겟 영역에 대해서만 특징 데이터를 추출함으로써, 오디오 신호 식별 장치(100)는 같은 자원을 통해 더 높은 정확도로 오디오 신호를 식별할 수 있다.
일실시예에 따르면, 단계(231)에서 오디오 신호 식별 장치(100)는 특징 데이터로 판단된 영역에서 특징 데이터를 추출할 수 있다. 진폭 지도에 포함된 타겟 영역은 시간 및 주파수에 대한 진폭을 나타내며, 이는 특정 시간과 특정 주파수에 대응하는 오디오 신호의 에너지를 나타낼 수 있다. 오디오 신호 식별 장치(100)는 인접하는 픽셀 사이의 에너지 차이를 기초로 특징 데이터를 추출할 수 있다.
일실시예에 따르면, 단계(232)에서 오디오 신호 식별 장치(100)는 특징 데이터를 해쉬 데이터로 변환할 수 있다. 오디오 신호 식별 장치(100)는 해쉬 테이블을 통해 오디오 신호 식별 정보를 구현할 수 있다. 해쉬 테이블은 복수의 해쉬 데이터와 오디오 신호 ID의 대응 관계를 저장할 수 있다. 여기서, 해쉬 데이터는 해쉬 코드를 지칭할 수 있다. 이러한 방식으로 진폭 지도의 전체 영역에서 해쉬 데이터를 획득하는 경우에, 전체 해쉬 데이터의 집합은 핑거프린트로 지칭될 수 있다.
오디오 신호 식별 장치(100)는 특징 데이터를 기초로 오디오 신호를 식별한다. 일실시예에 따르면, 오디오 신호 식별 장치(100)는 해쉬 데이터를 데이터 베이스(120)에 포함된 오디오 신호 식별 정보와 매칭할 수 있다. 구체적으로, 오디오 신호 식별 장치(100)는 해쉬 코드를 데이터 베이스(120)에 저장된 오디오 신호 식별 정보와 매칭하여 오디오 신호 ID를 출력할 수 있다. 여기서 데이터 베이스(120)에 저장된 오디오 신호 식별 정보는 해쉬 테이블의 구조를 포함할 수 있으며, 해쉬 테이블은 복수의 해쉬 코드와 오디오 신호 ID의 대응 관계를 저장할 수 있다.
결론적으로, 오디오 신호 식별 장치(100)는 오디오 신호에서 노이즈 신호로 판단 되는 영역은 배제하고 타겟 신호로 판단 되는 영역에 대해서만 특징 데이터를 추출하고 이를 기초로 오디오 신호를 식별함으로써, 종래의 핑거프린팅 기술과 동일한 양의 특징 데이터만 가지고도 더 높은 정확도로 오디오 신호를 식별할 수 있다. 예를 들어, 종래 기술의 성능이 85% - 500kb/s였다면, 오디오 신호 식별 장치(100)는 95% - 500kb/s의 성능을 보일 수 있다. 여기서 %는 식별 정확도를 의미하며, kb/s는 초당 해쉬 데이터 용량을 의미한다. 즉, 오디오 신호 식별 장치(100)는 초당 500kb의 해쉬 데이터를 가지고도 더 높은 정확도를 달성할 수 있다.
도 3은 일실시예에 따른 오디오 신호를 식별하기 위한 훈련 방법을 나타낸 순서도이다.
단계(310)에서 오디오 신호를 식별하기 위한 훈련 장치는 미리 식별된 정보를 포함하는 복수의 샘플 진폭 지도를 수신한다. 복수의 샘플 진폭 지도에 대응하는 복수의 샘플 오디오 신호의 오디오 신호 ID는 이미 식별된 상태일 수 있다. 이것은 훈련을 통해 도출된 오디오 신호 ID와 미리 알고 있는 오디오 신호 ID를 비교하여 일정 수준의 정확도에 도달할 때까지 가설 모델을 조정하기 위함이다.
단계(320)에서 오디오 신호를 식별하기 위한 훈련 장치는 가설 모델을 통해 샘플 진폭 지도의 각 영역을 타겟 신호에 대응하는 영역과 노이즈 신호에 대응하는 영역으로 판단한다. 진폭 지도는 복수의 부분 영역을 포함할 수 있다. 여기서 부분 영역은 진폭 지도를 구성하는 적어도 하나 이상의 픽셀을 의미할 수 있다. 훈련 장치는 가설 모델을 통해 부분 영역이 타겟 신호에 대응할 확률을 구할 수 있다.
일실시예에 따르면, 가설 모델은 적어도 하나 이상의 퍼셉트론을 포함할 수 있다. 이때, 퍼셉트론은 적어도 하나 이상의 입력 각각에 가중치를 적용하고, 가중치가 적용된 입력을 합산하고, 합산된 결과에 활성화 함수를 적용할 수 있다. 예를 들어, 모델은 딥 러닝 시스템일 수 있다. 구체적으로, 모델은 CNNs 시스템일 수 있다. 이때 데이터 베이스(120)는 CNNs의 훈련된 각각의 가중치를 저장할 수 있다. 가중치는 네트워크 계수라고 지칭될 수 있다.
일실시예에 따르면, 훈련 장치는 퍼셉트론의 활성화 함수를 통하여 샘플 진폭 지도의 각 영역이 타겟 신호에 대응할 확률을 구하고 이로부터 타겟 신호에 대응하는 지를 판단할 수 있다.
단계(330)에서 훈련 장치는 타겟 신호에 대응하는 것으로 판단된 영역에서 특징 데이터를 추출한다. 타겟 신호에 대응하는 것으로 판단된 부분 영역, 즉 타겟 영역에 대해서만 특징 데이터를 추출함으로써, 훈련 장치는 같은 자원을 통해 더 높은 정확도로 오디오 신호를 식별할 수 있다.
단계(340)에서 훈련 장치는 특징 데이터와 미리 식별된 정보를 기초로 가설 모델을 조정한다. 일실시예에 따르면, 단계(341)에서 훈련 장치는 특징 데이터를 기초로 오디오 신호를 식별할 수 있다. 단계(342)에서 훈련 장치는 미리 식별된 정보와 오디오 신호를 식별한 결과를 비교하여 가설 모델을 조정할 수 있다. 일실시예에 따르면, 단계(343)에서 훈련 장치는 조정하는 단계는 특징 데이터와 미리 식별된 정보를 기초로 퍼셉트론의 각각의 가중치를 조정함으로써 가설 모델을 조정할 수 있다.
도 4는 일실시예에 따른 오디오 신호 식별 장치를 나타낸 도면이다.
오디오 신호 식별 장치(400)는 미리 식별된 정보를 포함하는 복수의 샘플 진폭 지도를 수신하는 수신부(410), 가설 모델을 통해 샘플 진폭 지도의 각 영역을 타겟 신호에 대응하는 타겟 영역인지 판단하는 판단부(420), 타겟 영역으로부터 특징 데이터를 추출하는 추출부(430) 및 특징 데이터와 미리 식별된 정보를 기초로 가설 모델을 조정하는 조정부(440)를 포함한다.
도 5는 일실시예에 따른 판단부의 처리 과정을 구체화한 순서도이다.
단계(510)에서 판단부(420)는 수신부(410)로부터 진폭 지도를 입력 받을 수 있다. 진폭 지도는 특정 시간 및 특정 주파수에 대응하는 진폭을 나타내는 정보를 가리킬 수 있다. 예를 들어, 진폭 지도는 스펙트로그램을 지칭할 수 있다. 진폭 지도는 복수의 부분 영역을 포함할 수 있고, 타겟 신호에 대응하는 영역과 노이즈 신호에 대응하는 영역이 구분되지 않은 상태일 수 있다.
단계(520)에서 판단부(420)는 미리 훈련된 모델을 통해 부분 영역이 타겟 신호에 대응할 확률을 구할 수 있다. 예를 들어, 모델은 딥 러닝(Deep learning) 시스템일 수 있다. 구체적으로, 모델은 CNNs 시스템일 수 있다. 이때 단계(530)에서 데이터 베이스(120)에 저장된 CNNs의 훈련된 각각의 가중치는 CNNs로 전송될 수 있다. 가중치는 네트워크 계수라고 지칭될 수 있다.
단계(540)에서 판단부(420)는 훈련된 가중치를 적용한 CNNs를 이용하여 부분 영역이 타겟 신호에 대응할 확률을 구할 수 있다. 판단부(420)는 그 결과로서 타겟 신호가 존재할 확률 지도를 도출할 수 있다. 동시에 판단부(420)는 훈련된 가중치를 적용한 CNNs를 이용하여 부분 영역이 타겟 신호에 대응할 확률을 구할 수 있다. 판단부(420)는 그 결과로서 노이즈 신호가 존재할 확률 지도를 도출할 수 있다.
단계(550)에서 판단부(420)는 타겟 신호와 노이즈 신호에 대응하는 영역을 구분한 스펙트로그램을 도출할 수 있다. 여기서 가로축은 시간을 나타내며 구체적으로 프레임 인덱스로 표시될 수 있다. 세로축은 주파수를 나타낼 수 있다. 스펙트로그램 상의 색깔은 진폭의 크기 또는 에너지의 세기를 나타낼 수 있다. 여기서 흑백으로 표시된 부분은 노이즈 신호에 대응하는 영역을 나타낼 수 있다.
도 6는 노이즈 부분을 배제하고 특징을 추출하기 위한 스펙트로그램을 나타낸 도면이다.
여기서 흑백으로 표시된 부분은 노이즈 신호에 대응하는 영역을 나타낼 수 있다. 반면 컬러로 표시된 부분은 타겟 신호에 대응하는 영역을 나타낼 수 있다. 추출부(430)는 노이즈 신호에 대응하는 영역을 배제하고 타겟 신호에 대응하는 영역에서만 특징을 추출함으로써 동일한 자원을 가지고 더 높은 정확도를 달성할 수 있다. 추출부(430)는 먼저 특징점(610, 620)을 찾을 수 있다. 추출부(430)는 특징점(610, 620)의 집합을 입력된 오디오 신호의 특징으로 설정할 수 있다. 구체적으로, 추출부(430)는 특징 데이터를 해쉬 데이터로 변환할 수 있다. 이후, 추출부(430)는 해쉬 코드를 데이터 베이스(120)에 저장된 오디오 신호 식별 정보와 매칭하여 오디오 신호 ID를 출력할 수 있다.
도 7은 일실시예에 따른 오디오 신호를 식별하기 위한 훈련 장치를 나타낸 순서도이다.
오디오 신호를 식별하기 위한 훈련 장치는 미리 식별된 정보를 포함하는 복수의 샘플 진폭 지도를 수신하는 수신부(710), 가설 모델을 통해 샘플 진폭 지도의 각 영역을 타겟 신호에 대응하는 타겟 영역인지 판단하는 판단부(720), 타겟 영역으로부터 특징 데이터를 추출하는 추출부(730) 및 특징 데이터와 미리 식별된 정보를 기초로 가설 모델을 조정하는 조정부(740)를 포함한다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
400: 오디오 신호 식별 장치
401: 생성부
402: 판단부
403: 추출부
404: 식별부

Claims (12)

  1. 입력된 오디오 신호로부터 입력 진폭 지도를 생성하는 단계;
    미리 훈련된 모델을 통해 상기 진폭 지도에 포함된 부분 영역이 타겟 신호에 대응하는 타겟 영역인지 판단하는 단계;
    상기 타겟 영역으로부터 특징 데이터를 추출하는 단계; 및
    상기 특징 데이터를 기초로 상기 오디오 신호를 식별하는 단계
    를 포함하는 오디오 신호 식별 방법.
  2. 제1항에 있어서,
    상기 생성하는 단계는,
    상기 오디오 신호를 시간 영역에서 윈도우로 분할하는 단계; 및
    상기 분할된 오디오 신호를 주파수 영역으로 변환하는 단계를 포함하는
    오디오 신호 식별 방법.
  3. 제1항에 있어서,
    상기 생성하는 단계는 시간 및 주파수를 기준으로 상기 오디오 신호의 진폭을 시각화하는 오디오 신호 식별 방법.
  4. 제1항에 있어서,
    상기 판단하는 단계는,
    상기 미리 훈련된 모델을 통해 상기 부분 영역이 타겟 신호에 대응할 확률을 구하는 단계; 및
    상기 확률에 기초하여 상기 부분 영역을 상기 타겟 영역으로 판단하는 단계를 포함하는
    오디오 신호 식별 방법.
  5. 제4항에 있어서,
    상기 확률을 구하는 단계는 활성화 함수를 적용한 결과에 기초하여 상기 확률을 구하고,
    상기 모델은 적어도 하나 이상의 퍼셉트론을 포함하고,
    상기 퍼셉트론은 적어도 하나 이상의 입력 각각에 가중치를 적용하고, 상기 가중치가 적용된 입력을 합산하고, 상기 합산된 결과에 활성화 함수를 적용하는
    오디오 신호 식별 방법.
  6. 제1항에 있어서,
    상기 추출하는 단계는,
    상기 특징 데이터로 판단된 영역에서 특징 데이터를 추출하는 단계; 및
    상기 특징 데이터를 해쉬 데이터로 변환하는 단계를 포함하는
    오디오 신호 식별 방법.
  7. 제6항에 있어서,
    상기 식별하는 단계는 상기 해쉬 데이터를 미리 저장된 오디오 신호 식별 정보와 매칭하는 오디오 신호 식별 방법.
  8. 미리 식별된 정보를 포함하는 복수의 샘플 진폭 지도를 수신하는 단계;
    가설 모델을 통해 상기 샘플 진폭 지도의 각 영역을 타겟 신호에 대응하는 타겟 영역인지 판단하는 단계;
    상기 타겟 영역으로부터 특징 데이터를 추출하는 단계; 및
    상기 특징 데이터와 상기 미리 식별된 정보를 기초로 상기 가설 모델을 조정하는 단계
    를 포함하는 오디오 신호를 식별하기 위한 훈련 방법
  9. 제8항에 있어서,
    상기 조정하는 단계는,
    상기 특징 데이터를 기초로 상기 오디오 신호를 식별하는 단계; 및
    상기 미리 식별된 정보와 상기 오디오 신호를 식별한 결과를 비교하여 상기 가설 모델을 조정하는 단계를 포함하는
    오디오 신호를 식별하기 위한 훈련 방법.
  10. 제8항에 있어서,
    상기 판단하는 단계는 퍼셉트론의 활성화 함수를 통하여 상기 샘플 진폭 지도의 각 영역을 판단하고,
    상기 조정하는 단계는 상기 특징 데이터와 상기 미리 식별된 정보를 기초로 상기 퍼셉트론의 각각의 가중치를 조정하고,
    상기 가설 모델은 적어도 하나 이상의 퍼셉트론을 포함하고,
    상기 퍼셉트론은 적어도 하나 이상의 입력 각각에 가중치를 적용하고, 상기 가중치가 적용된 입력을 합산하고, 상기 합산된 결과에 활성화 함수를 적용하는
    오디오 신호를 식별하기 위한 훈련 방법.
  11. 입력된 오디오 신호로부터 진폭 지도를 생성하는 생성부;
    미리 훈련된 모델을 통해 상기 진폭 지도의 각 영역을 타겟 신호에 대응하는 타겟 영역인지 판단하는 판단부;
    상기 타겟 영역으로부터 특징 데이터를 추출하는 추출부; 및
    상기 특징 데이터를 기초로 데이터베이스를 통해 상기 오디오 신호를 식별하는 식별부
    를 포함하는 오디오 신호 식별 장치.
  12. 미리 식별된 정보를 포함하는 복수의 샘플 진폭 지도를 수신하는 수신부;
    가설 모델을 통해 상기 샘플 진폭 지도의 각 영역을 타겟 신호에 대응하는 타겟 영역인지 판단하는 판단부;
    상기 타겟 영역으로부터 특징 데이터를 추출하는 추출부; 및
    상기 특징 데이터와 상기 미리 식별된 정보를 기초로 상기 가설 모델을 조정하는 조정부
    를 포함하는 오디오 신호를 식별하기 위한 훈련 장치.
KR1020160024089A 2016-02-29 2016-02-29 노이즈 제거를 통한 오디오 신호 식별 방법 및 장치 KR20170101500A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020160024089A KR20170101500A (ko) 2016-02-29 2016-02-29 노이즈 제거를 통한 오디오 신호 식별 방법 및 장치
US15/445,010 US20170249957A1 (en) 2016-02-29 2017-02-28 Method and apparatus for identifying audio signal by removing noise

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160024089A KR20170101500A (ko) 2016-02-29 2016-02-29 노이즈 제거를 통한 오디오 신호 식별 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20170101500A true KR20170101500A (ko) 2017-09-06

Family

ID=59679782

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160024089A KR20170101500A (ko) 2016-02-29 2016-02-29 노이즈 제거를 통한 오디오 신호 식별 방법 및 장치

Country Status (2)

Country Link
US (1) US20170249957A1 (ko)
KR (1) KR20170101500A (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11194330B1 (en) * 2017-11-03 2021-12-07 Hrl Laboratories, Llc System and method for audio classification based on unsupervised attribute learning
EP3477643B1 (en) * 2017-10-31 2019-10-16 Spotify AB Audio fingerprint extraction and audio recognition using said fingerprints
KR102393948B1 (ko) 2017-12-11 2022-05-04 한국전자통신연구원 다채널 오디오 신호에서 음원을 추출하는 장치 및 그 방법
US10699727B2 (en) 2018-07-03 2020-06-30 International Business Machines Corporation Signal adaptive noise filter
CN116665138B (zh) * 2023-08-01 2023-11-07 临朐弘泰汽车配件有限公司 一种汽车配件冲压加工视觉检测方法及系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6990453B2 (en) * 2000-07-31 2006-01-24 Landmark Digital Services Llc System and methods for recognizing sound and music signals in high noise and distortion
CN1235408C (zh) * 2001-02-12 2006-01-04 皇家菲利浦电子有限公司 生成和匹配多媒体内容的散列
US7333864B1 (en) * 2002-06-01 2008-02-19 Microsoft Corporation System and method for automatic segmentation and identification of repeating objects from an audio stream
US20120203363A1 (en) * 2002-09-27 2012-08-09 Arbitron, Inc. Apparatus, system and method for activating functions in processing devices using encoded audio and audio signatures
US7826911B1 (en) * 2005-11-30 2010-11-02 Google Inc. Automatic selection of representative media clips
US9031243B2 (en) * 2009-09-28 2015-05-12 iZotope, Inc. Automatic labeling and control of audio algorithms by audio recognition
US8681950B2 (en) * 2012-03-28 2014-03-25 Interactive Intelligence, Inc. System and method for fingerprinting datasets
US9263060B2 (en) * 2012-08-21 2016-02-16 Marian Mason Publishing Company, Llc Artificial neural network based system for classification of the emotional content of digital music
US9183849B2 (en) * 2012-12-21 2015-11-10 The Nielsen Company (Us), Llc Audio matching with semantic audio recognition and report generation
US9620105B2 (en) * 2014-05-15 2017-04-11 Apple Inc. Analyzing audio input for efficient speech and music recognition

Also Published As

Publication number Publication date
US20170249957A1 (en) 2017-08-31

Similar Documents

Publication Publication Date Title
CN110600017B (zh) 语音处理模型的训练方法、语音识别方法、系统及装置
KR20170101500A (ko) 노이즈 제거를 통한 오디오 신호 식별 방법 및 장치
JP7008638B2 (ja) 音声認識
US11862176B2 (en) Reverberation compensation for far-field speaker recognition
CN104732978B (zh) 基于联合深度学习的文本相关的说话人识别方法
KR101988222B1 (ko) 대어휘 연속 음성 인식 장치 및 방법
CN112435684B (zh) 语音分离方法、装置、计算机设备和存储介质
KR20210074748A (ko) 도메인 적응에 기반한 네트워크의 트레이닝 방법, 동작 방법 및 동작 장치
KR20180025634A (ko) 음성 인식 장치 및 방법
CN113892136A (zh) 信号提取系统、信号提取学习方法以及信号提取学习程序
US20200395037A1 (en) Mask estimation apparatus, model learning apparatus, sound source separation apparatus, mask estimation method, model learning method, sound source separation method, and program
CN117076941A (zh) 一种光缆鸟害监测方法、系统、电子设备及可读存储介质
KR20170052448A (ko) 인증 방법 및 장치, 및 인식기 학습 방법 및 장치
US20220375476A1 (en) Speaker authentication system, method, and program
CN111783812A (zh) 违禁图像识别方法、装置和计算机可读存储介质
CN111199749A (zh) 行为识别方法、装置，机器学习方法、装置以及记录介质
CN112151052A (zh) 语音增强方法、装置、计算机设备及存储介质
CN112420056A (zh) 基于变分自编码器的说话人身份鉴别方法、系统及无人机
JP6370751B2 (ja) ガウス混合モデルパラメータ計算装置、情報推定装置、音強調装置、これらの方法及びプログラム
CN115223584B (zh) 音频数据处理方法、装置、设备及存储介质
KR20180079975A (ko) 음원의 공간적 위치 및 비음수 행렬 분해를 이용한 음원 분리 방법 및 장치
KR101514551B1 (ko) 환경 변화에 강인한 멀티모달 사용자 인식
CN112002307B (zh) 一种语音识别方法和装置
KR102520240B1 (ko) 비음수 행렬 인수분해를 이용하는 데이터 증강 방법 및 장치
KR102044520B1 (ko) 음성 존재 구간 판별 장치 및 방법