KR20210110054A - 음성 검출 방법 - Google Patents

음성 검출 방법 Download PDF

Info

Publication number
KR20210110054A
KR20210110054A KR1020200025491A KR20200025491A KR20210110054A KR 20210110054 A KR20210110054 A KR 20210110054A KR 1020200025491 A KR1020200025491 A KR 1020200025491A KR 20200025491 A KR20200025491 A KR 20200025491A KR 20210110054 A KR20210110054 A KR 20210110054A
Authority
KR
South Korea
Prior art keywords
voice
audio signal
microphone
frequency bins
frequency bin
Prior art date
Application number
KR1020200025491A
Other languages
English (en)
Other versions
KR102343811B1 (ko
Inventor
신종원
황수중
진유광
Original Assignee
광주과학기술원
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 광주과학기술원 filed Critical 광주과학기술원
Priority to KR1020200025491A priority Critical patent/KR102343811B1/ko
Publication of KR20210110054A publication Critical patent/KR20210110054A/ko
Application granted granted Critical
Publication of KR102343811B1 publication Critical patent/KR102343811B1/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
    • G10L25/78—Detection of presence or absence of voice signals
    • 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
    • G10L21/0272—Voice signal separating
    • 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
    • G10L25/15—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 formant information

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Telephone Function (AREA)

Abstract

음성 검출 방법이 개시된다. 본 발명의 실시 예에 따른 음성 검출 방법은, 제1 마이크 및 제2 마이크를 통하여 오디오 신호를 수신하는 단계, 기 설정된 조건에 기반하여, 상기 오디오 신호에 대응하는 복수의 주파수 빈들 중 신뢰 주파수 빈들을 선별하는 단계, 및, 상기 선별된 신뢰 주파수 빈들을 이용하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계를 포함한다

Description

음성 검출 방법{METHOD FOR DETECTING VOICE}
본 발명은, 기 설정된 조건에 기반하여 신뢰 주파수들을 선별하고, 신뢰 주파수들을 이용하여 오디오 신호 내 음성의 존재 여부를 검출하는, 음성 검출 방법에 관한 것이다.
음성 활동 감지(Voice activity detection, VAD)는, 사람의 음성의 유/무를 검출하는 것이다.
음성은 시간의 흐름에 따라 변화가 많은 신호로써, 오디오 신호를 20ms?30ms 구간의 프레임들로 나눠서 프레임 별로 음성을 검출하는 것이 일반적이다. 그리고 일반적으로, 음성 활동 감지(Voice activity detection, VAD)는, 오디오 신호 중 해당 프레임에 사람의 음성 또는 목표하는 사람의 음성이 존재하는지를 판단하는 것을 목표로 한다.
이러한 음성 활동 감지 기술은, 음성향상(잡음제거), 잡음추정, pitch extraction, 가변 음성 통신 codecs, 음성 인식 등의 전처리(pre-processing)에 널리 이용될 수 있다.
기존의 음성 활동 감지 기술은, 오디오 신호를 주파수 영역으로 변환 후, 주파수 영역에서의 모든 주파수 빈(frequency bin)에 대응하는 값들을 평균한 검출 통계치(test statistics)와 문턱치(threshold)를 비교하여 음성의 존재 여부를 결정하였다.
한편 음성의 구성 요소는 주파수 빈(frequency bin)들에 드문 드문 분포되어 있다. 그리고 모든 주파수 빈(frequency bin)에 대응하는 값들을 사용하는 방식은 신뢰할 수 있는 주파수 빈(frequency bin)들의 값들뿐만 아니라 신뢰 할 수 없는 주파수 빈(frequency bin)들의 값들까지 사용하는 방식이기 때문에, 음성의 존재 여부 검출의 정확도가 낮아지는 문제가 있었다.
본 발명은 상술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은, 기 설정된 조건에 기반하여 신뢰 주파수들을 선별하고, 신뢰 주파수들을 이용하여 오디오 신호 내 음성의 존재 여부를 검출하는, 음성 검출 방법에 관한 것이다.
본 발명의 실시 예에 따른 음성 검출 방법은, 제1 마이크 및 제2 마이크를 통하여 오디오 신호를 수신하는 단계, 기 설정된 조건에 기반하여, 상기 오디오 신호에 대응하는 복수의 주파수 빈들 중 신뢰 주파수 빈들을 선별하는 단계, 및, 상기 선별된 신뢰 주파수 빈들을 이용하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계를 포함한다.
이 경우 상기 신뢰 주파수 빈들을 선별하는 단계는, 상기 기 설정된 조건을 만족하는 주파수 빈을 상기 신뢰 주파수 빈으로 결정하고, 상기 기 설정된 조건은, 상기 오디오 신호의 크기, 상기 오디오 신호의 채널 간 레벨 차, 상기 오디오 신호의 채널 간 시간 차 중 적어도 하나에 기반할 수 있다.
이 경우 상기 기 설정된 조건은, 해당하는 주파수 빈에서, 음원의 예상 위치와 더 가까운 상기 제1 마이크를 통하여 수신되는 제1 오디오 신호의 크기가 기 설정된 값보다 큰 조건일 수 있다.
한편 상기 기 설정된 조건은, 해당하는 주파수 빈에서, 상기 제1 마이크에 의해 수신된 제1 오디오 신호와 상기 제2 마이크에 의해 수신된 제2 오디오 신호의 채널간 레벨 차가 기 설정된 값보다 큰 조건일 수 있다.
한편 상기 기 설정된 조건은, 해당하는 주파수 빈에서, 상기 오디오 신호의 채널 간 시간 차가 기 설정된 범위 이내이거나, 상기 해당하는 주파수 빈이 제1 기 설정된 값보다 작거나, 상기 해당하는 주파수 빈이 제2 기 설정된 값보다 큰 조건일 수 있다.
한편 상기 기 설정된 조건은, 둘 이상의 세부 조건을 포함하고, 상기 신뢰 주파수 빈들을 선별하는 단계는, 해당하는 주파수 빈이 상기 둘 이상의 세부 조건을 모두 만족하는 경우, 상기 해당하는 주파수 빈을 상기 신뢰 주파수 빈으로 결정할 수 있다.
한편 상기 선별된 신뢰 주파수 빈들을 이용하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계는, NDPSD, LTIPD 및 상기 선별된 신뢰 주파수 빈들에 대응하는 값들을 사용한 검출 통계치에 기반해 음성 활동을 감지하는 알고리즘들 중 적어도 하나에 기반한 음성 활동 감지 알고리즘을 이용하여, 상기 오디오 신호 내 음성의 존재 여부를 검출할 수 있다.
한편 상기 선별된 신뢰 주파수 빈들을 이용하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계는, 상기 선별된 신뢰 주파수 빈들에 대응하는 채널 간 시간 차 정보와 채널 간 레벨 차 정보를 결합하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계를 포함하고, 상기 선별된 신뢰 주파수 빈들에 대응하는 채널 간 시간 차 정보와 채널 간 레벨 차 정보를 결합하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계는, AND, SVM 및 상기 선별된 신뢰 주파수 빈들에 대응하는 값들을 입력으로 하는 분류기에 기반해 음성 활동을 감지하는 알고리즘들 중 적어도 하나에 기반한 음성 활동 감지 알고리즘을 이용하여, 상기 오디오 신호 내 음성의 존재 여부를 검출한다.
이 경우 상기 선별된 신뢰 주파수 빈들을 이용하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계는, 상기 선별된 신뢰 주파수 빈들의 개수가 기 설정된 개수보다 작은 경우, 상기 오디오 신호 내 상기 음성이 존재하지 않는 것으로 결정할 수 있다
한편 본 발명의 실시 예에 따른 이동 단말기는, 제1 마이크 및 제2 마이크를 포함하는 수신부, 및, 상기 제1 마이크 및 상기 제2 마이크를 통하여 오디오 신호를 수신하고, 기 설정된 조건에 기반하여 상기 오디오 신호에 대응하는 복수의 주파수 빈들 중 신뢰 주파수 빈들을 선별하고, 상기 선별된 신뢰 주파수 빈들을 이용하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 제어부를 포함할 수 있다.
이 경우 상기 제1 마이크는, 상기 이동 단말기를 이용하여 통화 중인 화자의 입에 더 가깝게 배치되고, 상기 제2 마이크는, 상기 제1 마이크에 비하여 상기 통화 중인 화자의 입에 더 멀게 배치될 수 있다.
본 발명에 따르면, 조건을 부과하여 신뢰성 있는 주파수를 선택하고, 신뢰성 있는 주파수들에 대응하는 값들을 이용하여 음성의 존재 유무를 검출함으로써, 음성 활동 검출의 정확도를 향상시킬 수 있는 장점이 있다.
도 1은 음성 검출 장치를 설명하기 위한 블록도이다.
도 2는, 음성 검출 장치의 일례인 이동 단말기를 설명하기 위한 도면이다.
도 3은 음성 검출 방법을 설명하기 위한 순서도이다.
도 4는 테스트에서의 조건을 설명한 도면이다.
도 5는 종합적인 테스트 결과를 도시한 도면이다.
도 6은 SNR의 레벨 별 테스트 결과를 도시한 도면이다.
도 7 및 도 8은 또 다른 테스트에 따른 실험 결과를 도시한 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
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.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
도 1은 음성 검출 장치를 설명하기 위한 블록도이다.
오디오 신호는, 음성 신호 및 기타 가청 범위 내의 음향 신호를 포함할 수 있다.
그리고 음성 검출 장치는, 오디오 신호를 이용하여, 오디오 신호 내 음성(voice)을 검출하는 장치를 의미할 수 있다.
본 발명의 실시 예에 따른 음성 검출 장치(100)는, 출력부(120), 수신부(110), 제어부(130) 및 메모리(140)를 포함할 수 있다.
수신부(110)는 오디오 신호를 수신할 수 있다.
구체적으로 수신부(110)는 다 채널 마이크를 포함할 수 있으며, 다 채널 마이크는 외부로부터 오디오 신호를 수신할 수 있다. 여기서 다 채널 마이크는 둘 이상의 마이크를 포함할 수 있다.
메모리(140)는 음성 검출 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다.
출력부(120)는 오디오 신호 내 음성의 존재 여부를 출력할 수 있다. 구체적으로 출력부(120)는 디스플레이 및 음성 검출 결과를 전기적 신호로 출력하는 장치 중 적어도 하나를 포함하고, 제어부(130)에 의해 검출된, 오디오 신호 내 음성의 존재 여부를 디스플레이 하거나 전기적 신호로 출력할 수 있다.
한편 제어부(130)는 음성 검출 장치(100)의 전반적인 동작을 제어할 수 있다.
또한 음원으로부터 생성된 오디오 신호가 다 채널 마이크를 통하여 수신되면, 제어부(130)는 수신된 오디오 신호를 이용하여 오디오 신호 내 음성의 존재 여부를 검출할 수 있다.
도 2는, 음성 검출 장치의 일례인 이동 단말기를 설명하기 위한 도면이다.
음성 검출 장치(100)는 휴대폰이나 스마트폰 등의 이동 단말기일 수 있다. 따라서 본 명세서에서는, 용어 음성 검출 장치(100)는 용어 이동 단말기(100)와 병행하여 사용하도록 한다.
이동 단말기(100)는 다 채널 마이크를 포함할 수 있다. 본 명세서에서는 이동 단말기(100)가 두 개의 마이크, 즉 제1 마이크(210) 및 제2 마이크(220)를 포함하는 것으로 가정하여 설명한다.
두 개의 마이크는 이동 단말기(100) 상에서 다른 측면에 배치될 수 있다. 예를 들어 제1 마이크(210)는 이동 단말기(100)의 하부 측면에 배치될 수 있으며, 제2 마이크(220)는 이동 단말기(100)의 상부 측면에 배치될 수 있다.
한편 제1 마이크(210)는 음원의 예상 위치와 더 가깝게 배치될 수 있다.
일 례로 화자가 일반적인 용도로 이동 단말기(100)를 사용하는 경우, 제1 마이크(210)는 화자의 입에 더 가깝게 배치될 수 있다. 구체적으로 화자가 이동 단말기(100)를 이용하여 전화 통화를 하는 경우, 제1 마이크(210)는 제2 마이크(220)에 비하여 통화중인 화자의 입에 더 가깝게 위치할 수 있으며, 이와는 대조적으로 제2 마이크(220)는 제1 마이크(210)에 비하여 화자의 입에 더 멀게 위치할 수 있다.
또한 이동 단말기는, 무선 통신부 및 출력부를 포함할 수 있다.
무선 통신부는, 이동 단말기(100)와 무선 통신 시스템 사이, 이동 단말기(100)와 다른 이동 단말기(100) 사이, 또는 이동 단말기(100)와 외부서버 사이의 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 또한, 상기 무선 통신부는, 이동 단말기(100)를 하나 이상의 네트워크에 연결하는 하나 이상의 모듈을 포함할 수 있다.
무선 통신부는 이동 통신 모듈을 포함할 수 있다. 또한 이동 통신 모듈은 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등)에 따라 구축된 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다.
상기 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
또한 이동 단말기는 스피커를 포함할 수 있으며, 스피커는 통화 모드에서 통화 음을 출력할 수 있다.
도 3은 음성 검출 방법을 설명하기 위한 순서도이다.
음성 검출 장치(100)의 제어부(130)는 제1 마이크 및 제2 마이크를 통하여 오디오 신호를 수신할 수 있다(S310).
여기서 오디오 신호에는 잡음이 포함될 수 있다. 또한 오디오 신호에는 시간 구간 별로 사람의 음성이 포함되거나 포함되지 않을 수 있다.
따라서 제어부(130)는 오디오 신호를 시간 구간(예를 들어 20-30ms)에 따라 나누어 복수의 프레임을 생성하고, 프레임 별로 오디오 신호 내 음성의 존재 여부를 검출할 수 있다.
이 경우 제어부(130)는 복수의 프레임 각각에 대하여 단 구간 푸리에 변환(STFT)을 적용하여 오디오 신호의 복소 스펙트럼(complex spectrum)을 획득하고, 복수의 프레임 각각에 존재하는 복수의 주파수 빈에 대한 단 구간 푸리에 변환 계수(coefficients)를 획득할 수 있다.
이하에서는 복수의 프레임 중 l번째 프레임의 예를 들어 설명한다.
또한 제어부(130)는 제1 마이크를 통하여 수신된 제1 오디오 신호 및 제2 마이크를 통하여 수신된 제2 오디오 신호에 대하여, 복수의 주파수 빈에 대한 단 구간 푸리에 변환 계수(coefficients)를 획득할 수 있다.
이 경우 l번째 프레임의 k번째 주파수 빈(frequency bin)에 대하여, 제1 마이크에 의해 수신된 제1 오디오 신호의 단 구간 푸리에 계수는
Figure pat00001
으로 표현될 수 있다.
또한 l번째 프레임의 k번째 주파수 빈(frequency bin)에 대하여, 제2 마이크에 의해 수신된 제2 오디오 신호의 단 구간 푸리에 계수는
Figure pat00002
으로 표현될 수 있다.
음성의 구성 요소는 주파수 빈(frequency bin)들에 드문 드문 분포되어 있다. 그리고 모든 주파수 빈(frequency bin)에 대응하는 값들을 사용하는 방식은 신뢰할 수 있는 주파수 빈(frequency bin)들의 값들뿐만 아니라 신뢰 할 수 없는 주파수 빈(frequency bin)들의 값들까지 사용하는 방식이기 때문에, 음성의 존재 여부 검출의 정확도가 낮아지는 문제가 있었다.
따라서 본 명세서에서는, 높은 신뢰성을 가지는 주파수 빈을 선별하고, 선별된 주파수 빈들의 공간 정보를 기반으로 음성의 존재 여부를 검출하는 방법을 제안한다.
본 명세서에서는 높은 신뢰성을 가지는 주파수 빈으로 선별된 것을, 신뢰 주파수 빈이라고 명칭 하도록 한다.
제어부(130)는, 기 설정된 조건에 기반하여, 오디오 신호에 대응하는 복수의 주파수 빈들 중 신뢰 주파수 빈들을 선별할 수 있다(S330).
구체적으로 제어부(130)는 기 설정된 조건을 만족하는 주파수 빈을 신뢰 주파수 빈으로 결정할 수 있다.
여기서 기 설정된 조건은, 오디오 신호의 크기, 오디오 신호의 채널 간 레벨 차, 오디오 신호의 채널 간 시간 차 중 적어도 하나에 기반할 수 있다.
먼저 제1 세부 조건에 대하여 설명한다. 제1 세부 조건은 제1 마스크로 명칭 될 수도 있다.
또한 제1 세부 조건(제1 마스크)은, m1(l, k)과 같이 표현될 수 있다. 여기서 l은 l번째 프레임을 의미하며, k는 k번째 주파수 빈을 의미할 수 있다. 또한 m1(l, k)=1은, 제1 세부 조건 하에, l번째 프레임의 k번째 주파수 빈이 신뢰 주파수 빈이라는 것을 의미할 수 있다. 또한 m1(l, k)=0은, 제2 세부 조건 하에, l번째 프레임의 k번째 주파수 빈이 신뢰 주파수 빈이 아니라는 것을 의미할 수 있다.
제1 세부 조건은 오디오 신호의 크기, 그 중에서도 음원의 예상 위치(예를 들어 화자의 입)와 더 가까운 제1 마이크를 통하여 수신되는 제1 오디오 신호의 크기에 기반한다.
구체적으로 제1 세부 조건은, 해당하는 주파수 빈에서, 음원의 예상 위치(예를 들어 화자의 입)와 더 가까운 제1 마이크를 통하여 수신되는 제1 오디오 신호의 크기가 기 설정된 값보다 큰 조건일 수 있다.
이것은 아래와 같은 수식으로 표현될 수 있다.
Figure pat00003
여기서 m1(l, k)는 제1 마스크,
Figure pat00004
는 제1 마이크에 의해 수신된 제1 오디오 신호의 l번째 프레임의 k번째 주파수 빈에 대한 단 구간 푸리에 계수,
Figure pat00005
는 크기,
Figure pat00006
는 기 설정된 값을 의미할 수 있다.
즉 화자가 발화를 하는 경우, 주변의 잡음의 유무에 관계 없이, 화자의 입과 가까운 제1 마이크에서 수신되는 오디오 신호의 크기는 커질 수 있다. 따라서 제1 세부 조건(제1 마스크)는 화자의 입과 가까운 제1 마이크를 통하여 수신되는 제1 오디오 신호의 파워에 기초하여 결정될 수 있다.
그리고 화자의 입과 더 가까운 상기 제1 마이크를 통하여 수신되는 제1 오디오 신호의 크기가 기 설정된 값보다 큰 경우, 제어부(130)는 해당하는 주파수 빈을 신뢰 주파수 빈으로 결정할 수 있다. 이에 따라 l번째 프레임의 k번째 주파수 빈은 신뢰 주파수 또는 비 신뢰 주파수로 결정될 수 있다.
다음은 제2 세부 조건에 대하여 설명한다. 제2 세부 조건은 제2 마스크로 명칭 될 수도 있다.
또한 제2 세부 조건(제2 마스크)은, m2(l, k)과 같이 표현될 수 있다. 또한 m2(l, k)=1은, 제2 세부 조건 하에, l번째 프레임의 k번째 주파수 빈이 신뢰 주파수 빈이라는 것을 의미할 수 있다. 또한 m2(l, k)=0은, 제2 세부 조건 하에, l번째 프레임의 k번째 주파수 빈이 신뢰 주파수 빈이 아니라는 것을 의미할 수 있다.
제2 세부 조건은 오디오 신호의 채널 간 레벨 차에 기반한다.
채널간 레벨차(interchannel level difference, ILD)는, 두 개의 마이크들로 획득한 오디오 신호들 사이의 레벨 차를 의미할 수 있다. 그리고 채널 간 레벨 차(interchannel level difference, ILD)는
Figure pat00007
로 표현될 수 있다. 여기서
Figure pat00008
는 l번째 프레임의 k번째 주파수 빈에서, 제1 마이크에 의해 수신된 제1 오디오 신호의 단 구간 푸리에 계수를 의미할 수 있다. 또한 여기서
Figure pat00009
는 l번째 프레임의 k번째 주파수 빈에서, 제2 마이크에 의해 수신된 제2 오디오 신호의 단 구간 푸리에 계수를 의미할 수 있다.
그리고 제2 세부 조건은, 해당하는 주파수에서 제1 마이크에 의해 수신된 제1 오디오 신호와 제2 마이크에 의해 수신된 제2 오디오 신호의 채널간 레벨 차가 기 설정된 값보다 큰 조건일 수 있다.
이것은 아래와 같은 수식으로 표현될 수 있다.
Figure pat00010
여기서 m2(l, k)는 제2 마스크,
Figure pat00011
는 l프레임의 k번째 주파수 빈에서의 채널 간 레벨 차,
Figure pat00012
는 기 설정된 값을 의미할 수 있다.
이동 단말기를 이용하여 화자가 전화 통화를 하고 있으며, 뒤쪽 방향에서 타인이 이야기하는 상황을 가정한다. 그리고 화자의 입과 더 가까운 제1 마이크에는 주로 화자의 음성이 들어가고, 제2 마이크에는 주로 타인의 음성이 들어간다고 가정한다. 이 경우 제1 마이크를 통하여 수신되는 제1 오디오 신호의 크기와 제2 마이크를 통하여 수신되는 제2 오디오 신호의 크기가 서로 큰 차이가 없는 상황이 발생할 수 있다.
또한 종래 기술에 따르게 되면, 모든 주파수 빈에서의 신호의 크기들을 평균을 내서 음성의 존재 유무를 검출한다. 사람마다 목소리의 높낮이(pitch)가 다르며 주파수 영역에서는 기본 높낮이 주파수의 배음(harmonic)의 형태로 나타나는데, 화자의 음성 영역에 해당하는 주파수 빈들에서의 채널 간 레벨 차(부호: +)와 타인의 음성 영역에 해당하는 주파수 빈들에서의 채널 간 레벨 차(부호: -)를 평균하는 경우, 평균 값이 낮게 나오게 되어 화자의 음성의 존재 유무를 제대로 검출하지 못하는 문제가 발생할 수 있다.
따라서 본 발명에서는, 음원의 예상 위치(예를 들어 화자의 입)과 가까운 제1 마이크에서 수신되는 제1 오디오 신호의 크기가 제2 마이크에서 수신되는 제2 오디오 신호의 크기보다 충분히(기 설정된 값(
Figure pat00013
))보다 클 때, 제어부(130)는 해당하는 주파수 빈을 신뢰 주파수 빈으로 결정할 수 있다. 이에 따라 l번째 프레임의 k번째 주파수 빈은 신뢰 주파수 또는 비 신뢰 주파수로 결정될 수 있다.
이에 따라 제2 마스크는 제2 마이크에 가까운 노이즈 소스에 대하여, 음성 검출의 강인성(robustness)을 향상시킬 수 있다.
다음은 제3 세부 조건에 대하여 설명한다. 제3 세부 조건은 제3 마스크로 명칭 될 수도 있다.
또한 제3 세부 조건(제3 마스크)은, m3(l, k)과 같이 표현될 수 있다. 또한 m3(l, k)=1은, 제3 세부 조건 하에, l번째 프레임의 k번째 주파수 빈이 신뢰 주파수 빈이라는 것을 의미할 수 있다. 또한 m3(l, k)=0은, 제3 세부 조건 하에, l번째 프레임의 k번째 주파수 빈이 신뢰 주파수 빈이 아니라는 것을 의미할 수 있다.
제3 세부 조건은 오디오 신호의 채널 간 시간 차에 기반한다.
여기서 채널간 시간차(interchannel time difference, ITD)는 두 개 이상의 마이크로 획득한 오디오 신호 들 사이의 시간 차를 의미할 수 있다.
즉 채널 간 시간 차는, 동일한 오디오 신호를 수신하는 경우 제1 마이크에서 수신된 제1 오디오 신호와 제2 마이크에서 수신된 제2 오디오 신호 간의 시간 차를 의미할 수 있으며,
Figure pat00014
로 표현될 수 있다.
그리고 제3 세부 조건은, 해당하는 주파수에서 오디오 신호의 채널 간 시간 차가 기 설정된 범위 이내이거나, 해당하는 주파수가 제1 기 설정된 값보다 작거나, 해당하는 주파수가 제2 기 설정된 값보다 큰 조건일 수 있다.
이것은 아래와 같은 수식으로 표현될 수 있다.
Figure pat00015
여기서 m3(l, k)는 제3 마스크,
Figure pat00016
는 l번째 프레임의 k번째 주파수 빈에서의 채널 간 시간 차를 의미할 수 있다.
또한 제3 세부 조건은, 해당하는 주파수 빈(k)에서 오디오 신호의 채널 간 시간 차가 기 설정된 범위(
Figure pat00017
내지
Figure pat00018
) 이내이거나, 해당하는 주파수 빈(k)이 제1 기 설정된 값(k1)보다 작거나, 해당하는 주파수 빈(k)이 제2 기 설정된 값(k2)보다 큰 조건일 수 있다.
여기서 k1과 k2는 주파수 빈 인덱스의 범위일 수 있다. 예를 들어 k1은 100Hz이고 k2는 1000Hz일 수 있다.
그리고 k1은, 음원의 방향각(또는 도래각)(direction-of-arrival, DoA)이 위상 측정의 작은 오류에 너무 민감한 주파수 빈들이 채널 간 시간 차를 이용한 선별로부터 제외되도록 설정될 수 있다. 따라서 해당하는 주파수 빈(k)이 제1 기 설정된 값(k1)보다 작은 경우, 해당하는 주파수 빈(k)은 신뢰 주파수 빈으로 결정될 수 있다.
또한 k2는 특정 마진을 가지고 공간 앨리어싱(spatial aliasing)을 피하도록 설정될 수 있다. 따라서 해당하는 주파수 빈(k)이 제2 기 설정된 값(k2)보다 큰 경우, 해당하는 주파수 빈(k)은 신뢰 주파수 빈으로 결정될 수 있다.
한편 해당하는 주파수 빈(k)이 제2 기 설정된 값(k2)보다 작고 제1 기 설정된 값(k1)보다 큰 경우, 해당하는 주파수 빈(k)은 채널 간 시간 차에 기반하여 신뢰 주파수인지 여부가 결정될 수 있다.
수학식 3에서 기 설정된 범위(
Figure pat00019
내지
Figure pat00020
)는 시간을 나타내는 것으로(예를 들어
Figure pat00021
는 0.008s,
Figure pat00022
는 0.04s), 예상되는 음원의 위치에 기반하여 결정될 수 있다.
예를 들어 화자가 이동 단말기(100)를 이용하여 전화 통화를 하는 경우, 화자의 입이 위치할 것이라고 예상되는 범위가 있다. 이 경우 기 설정된 범위(
Figure pat00023
내지
Figure pat00024
)는 화자의 입이 위치할 것이라고 예상되는 범위에 대응하도록 설정될 수 있다.
즉 실제 음원이 음원의 예상 위치와 같은 방향에 존재하는 경우, 수신되는 오디오 신호에 대한 채널 간 시간 차는 기 설정된 범위 내 (
Figure pat00025
내지
Figure pat00026
)에 있을 수 있다. 따라서 채널 간 시간 차가 기 설정된 범위 내 (
Figure pat00027
내지
Figure pat00028
)에 있는 경우, 제어부(130)는 해당하는 주파수 빈을 신뢰 주파수 빈으로 결정할 수 있다.
반면에, 실제 음원이 음원의 예상 위치와 다른 방향에 존재하는 경우, 수신되는 오디오 신호에 대한 채널 간 시간 차는 기 설정된 범위 (
Figure pat00029
내지
Figure pat00030
) 밖에 있을 수 있다. 따라서 채널 간 시간 차가 기 설정된 범위 (
Figure pat00031
내지
Figure pat00032
) 밖에 있는 경우, 제어부(130)는 해당하는 주파수 빈을 비 신뢰 주파수 빈으로 결정할 수 있다.
즉 채널 간 시간 차가 기 설정된 범위 (
Figure pat00033
내지
Figure pat00034
) 밖에 있는 경우, 해당하는 주파수 빈에 대응하는 공간 정보는, 음성의 존재 여부를 검출하는데 사용되지 않을 수 있다.
한편 기 설정된 조건에 기반하여, 제어부(130)는 오디오 신호에 대응하는 복수의 주파수 빈들 중 신뢰 주파수 빈들을 선별할 수 있다.
앞에서는 세부 조건 들의 예시로 제1 세부 조건, 제2 세부 조건 및 제3 세부 조건을 설명하였다.
한편 세부 조건들 중 어느 하나는 단독으로 기 설정된 조건을 구성할 수 있다. 다만 이에 한정되지 않으며, 둘 이상의 세부 조건이 기 설정된 조건을 구성할 수 있다.
이 경우 둘 이상의 세부 조건은 “and”로 연결될 수 있다. 즉 기 설정된 조건은 둘 이상의 세부 조건을 포함하고, 제어부(130)는 해당하는 주파수 빈이 둘 이상의 세부 조건을 모두 만족하는 경우 해당하는 주파수 빈을 신뢰 주파수 빈으로 결정할 수 있다.
수학식 4에서는 제1 세부 조건(m1(l, k)), 제2 세부 조건(m2(l, k)), 제3 세부 조건(m3(l, k))을 포함하는 기 설정된 조건(m(l, k))을 나타내었다.
Figure pat00035
이 경우 제1 세부 조건(m1(l, k)), 제2 세부 조건(m2(l, k)) 및 제3 세부 조건(m3(l, k))을 모두 만족하여야, 해당하는 주파수 빈(l번째 프레임의 k번째 주파수 빈)은 신뢰 주파수로 결정될 수 있다.
그리고 m(l, k)=1은, 복수의 세부 조건들이 결합된 기 설정된 조건 하에, l번째 프레임의 k번째 주파수 빈이 신뢰 주파수 빈이라는 것을 의미할 수 있다. 또한 m(l, k)=0은, 복수의 세부 조건들이 결합된 기 설정된 조건 하에, l번째 프레임의 k번째 주파수 빈이 신뢰 주파수 빈이 아니라는 것을 의미할 수 있다.
한편 제어부(130)는 선별된 신뢰 주파수 빈들을 이용하여 오디오 신호 내 음성의 존재 여부를 검출할 수 있다(S350).
구체적으로 제어부(130)는 NDPSD, LTIPD, AND 및 SVM 중 적어도 하나에 기반한 음성 활동 감지 알고리즘을 이용하여, 오디오 신호 내 음성의 존재 여부를 검출할 수 있다. 그리고 오디오 신호 내 음성의 존재 여부의 검출에는 선별된 신뢰 주파수 빈들이 사용될 수 있다.
먼저 NDPSD에 기반한 음성 검출 방법을 설명한다.
NDPSD에 기반한 음성 활동 감지 알고리즘은 두 개의 마이크 간 오디오 신호의 크기 차(파워 차)에 따라 음성이 존재하는지를 판단하는 알고리즘으로, 선행 문헌 1(Jeub, M.; Herglotz, C.; Nelke, C.; Beaugeant, C.; Vary, P. Noise reduction for dual-microphone mobile phones exploiting power level differences. In Proceedings of the IEEE International Conference on Acoustics, Speech and Signal Processing, Kyoto, Japan, 25?30 March 2012; pp. 1693?1696.)에서 제시하고 있는 알고리즘이다. 그리고 이 알고리즘은 채널 간 레벨 차(ILD)에 기반한 것일 수 있다.
이 경우 기존의 NDPSD에 기반한 음성 활동 감지 방법은 아래와 같은 수학식으로 나타낼 수 있다.
Figure pat00036
Figure pat00037
여기서
Figure pat00038
는 크기,
Figure pat00039
는 l번째 프레임의 k번째 주파수 빈에서, 제1 마이크로부터 수신된 신호의 단구간 푸리에 변환(STFT) 계수(coefficients),
Figure pat00040
는 l번째 프레임의 k번째 주파수 빈에서, 제2 마이크로부터 수신된 신호의 단구간 푸리에 변환(STFT) 계수(coefficients),
Figure pat00041
는 l번째 프레임의 k번째 주파수 빈에서 신호간의 정규화된 크기 차,
Figure pat00042
는 모든 주파수 빈에 대한 신호간 크기 차들의 평균,
Figure pat00043
는 l번째 프레임에서의 음성의 존재 유무를 의미한다.
즉 기존의 NDPSD에 기반한 음성 검출 방법에서는, 모든 주파수 빈에 대한 신호 간 크기 차들의 평균(
Figure pat00044
)를 임계 값
Figure pat00045
과 비교함으로써 음성의 존재 유무가 검출된다.
한편 본 발명에서 제안하는 개선된 NDPSD에 기반한 음성 검출 방법은 아래와 같은 수학식으로 나타낼 수 있다.
Figure pat00046
Figure pat00047
는 개선된 NDPSD 음성 활동 감지 알고리즘에 기반하여 산출된, l번째 프레임에서의 음성의 존재 유무를 의미한다. 또한
Figure pat00048
는 선별된 신뢰 주파수 빈들(m(l, k)가 1인 주파수 빈들)에 대응하는 값들(신호 간의 정규화된 크기 차)에 대한 평균을 의미할 수 있다.
따라서 수학식 7은, 해당 프레임 내에서 선별된 신뢰 주파수 빈들에 대응하는 값들에 대한 평균(
Figure pat00049
)이 임계 값
Figure pat00050
보다 큰 경우 해당 프레임에 음성이 존재하는 것으로 결정한 다는 것을 의미할 수 있다.
또한 해당 프레임에 음성이 존재하는 것으로 결정하기 위하여 새로운 조건(
Figure pat00051
)이 추가될 수 있다. 여기서
Figure pat00052
은 신뢰 주파수 빈의 개수를 의미하고,
Figure pat00053
는 기 설정된 개수를 의미할 수 있다.
따라서 제어부(130)는 해당 프레임 내에서 선별된 신뢰 주파수 빈들에 대응하는 값들에 대한 평균(
Figure pat00054
)이 임계 값
Figure pat00055
보다 크거나 같고, 해당 프레임 내에 존재하는 신뢰 주파수 빈의 개수(
Figure pat00056
)가 기 설정된 개수(
Figure pat00057
)보다 크거나 같은 경우, 헤당 프레임에 음성이 존재하는 것으로 결정할 수 있다.
반면에, 해당 프레임 내에서 선별된 신뢰 주파수 빈들에 대응하는 값들에 대한 평균(
Figure pat00058
)이 임계 값
Figure pat00059
보다 크지만, 해당 프레임 내에 존재하는 신뢰 주파수 빈의 개수(
Figure pat00060
)가 기 설정된 개수(
Figure pat00061
)보다 작은 경우, 제어부(130)는 해당 프레임에 음성이 존재하지 않는 것으로 결정할 수 있다.
즉 신뢰 주파수 빈의 개수가 너무 작은 경우에는, 표본이 너무 작기 때문에 오류가 발생할 수 있다. 따라서 신뢰 주파수 빈의 개수(
Figure pat00062
)가 기 설정된 개수(
Figure pat00063
)보다 큰 경우에만, 오디오 신호 내 음성이 존재하는 것으로 판단할 수 있다.
다음은 LTIPD에 기반한 음성 검출 방법을 설명한다.
LTIPD에 기반한 음성 활동 감지 알고리즘은, 목표방향에서 지속적으로 신호가 들어오는 경우 음성이 존재하는 것으로 판단하는 알고리즘으로, 선행 문헌 2(Guo, Y.; Li, K.; Fu, Q.; Yan, Y. A two microphone based voice activity detection for distant talking speech in wide range of direction of arrival. In Proceedings of the IEEE International Conference on Acoustics, Speech and Signal Processing, Kyoto, Japan, 25?30 March 2012; pp. 4901?4904)에서 제시하고 있다. 그리고 이 알고리즘은 채널 간 시간 차(ITD)에 기반한 것일 수 있다.
즉 LTIPD에 기반한 음성 활동 감지 알고리즘은, 방향각(또는 도래각)(direction-of-arrival, DoA) 추정치가 동일한(같은 섹터의 방향각 추정치를 가지는) 주파수 빈들에 얼마나 많은 에너지가 집중되는지를 측정하는 방식일 수 있다.
이 경우 음원의 타겟 방향각(또는 도래각)(direction-of-arrival, DoA)의 범위는 폭이 동일한
Figure pat00064
개의 섹터로 분할될 수 있다.
그리고 LTIPD에 기반한 음성 검출 방법은 아래와 같은 수학식으로 나타낼 수 있다.
Figure pat00065
Figure pat00066
여기서 i는 섹터의 인덱스, Ci (l, k)는 가장 최신의 L개의 프레임 중, k번째 주파수 빈에 대한 DOA 추정치가 i번째 섹터를 나타내는 프레임의 개수, ki는 DOA의 집중(concentration)의 임계 값,
Figure pat00067
는 l번째 프레임의 k번째 주파수 빈에서, 제1 마이크로부터 수신된 신호의 단구간 푸리에 변환(STFT) 계수(coefficients),
Figure pat00068
은 채널 간 시간 차가 타겟 범위 내에 있는 주파수 들에 대응하는 파워들의 합산 치,
Figure pat00069
는 에너지 집중의 임계 값,
Figure pat00070
는 l번째 프레임에서의 음성의 존재 유무를 의미할 수 있다.
즉 기존의 LTIPD에 기반한 음성 검출 방법은, 타겟 방향각을 가리키는 모든 주파수 빈들의 신호의 크기를 합산한 후, 섹터 중에서 합이 가장 큰 섹터의 합계와 에너지 집중의 임계 값(
Figure pat00071
)과 비교하여 음성의 존재 유무를 검출하였다.
한편 본 발명에서 제안하는, 개선된 LTIPD에 기반한 음성 검출 방법은 아래와 같은 수학식으로 나타낼 수 있다.
Figure pat00072
즉 개선된 LTIPD에 기반한 음성 검출 방법에서는, 기 설정된 조건을 만족하는 주파수 빈들(신뢰 주파수 빈들)의 크기를 합산함으로써, 파워들의 합산 치
Figure pat00073
가 결정될 수 있다. 그리고 파워들의 합산 치
Figure pat00074
를 에너지 집중의 임계 값과 비교함으로써, l번째 프레임에서의 음성의 존재 여부(
Figure pat00075
)가 검출될 수 있다.
한편 NDPSD, LTIPD 이외에도, 선별된 신뢰 주파수 빈들에 대응하는 값들을 사용해 얻은 검출 통계치에 기반하여 음성 활동을 감지하는 알고리즘이 사용될 수 있다.
이하에서는, AND, SVM에 기반한 음성 검출 방법을 설명한다. AND 및 SVM은 채널 간 시간 차 정보와 채널 간 레벨 차 정보를 결합하여 오디오 신호 내 음성의 존재 여부를 검출하는 방식일 수 있다. 그리고 본 발명에서 제안하는 개선된 AND과 개선된 SVM는, 선별된 신뢰 주파수 빈들에 대응하는 채널 간 시간 차와 채널간 레벨 차를 결합하여 오디오 신호 내 음성의 존재 여부를 검출하는 방식일 수 있다.
먼저 AND에 기반한 음성 검출 방법을 설명한다.
AND에 기반한 음성 활동 감지 알고리즘은, 채널 간 시간 차(ITD)와 채널 간 레벨 차(ILD)가 음원의 위치에 대한 다른 특징을 가지고 있으므로 채널 간 시간 차(ITD)에 기초한 음성 활동 감지와 채널 간 레벨 차(ILD)에 기초한 음성 활동 감지의 결과를 결합하는 방식으로, 선행 문헌 3(Park, J.; Jin, Y.G.; Hwang, S.; Shin, J.W. Dual Microphone Voice Activity Detection Exploiting InterchannelTime and Level Difference. IEEE Signal Process. Lett. 2016, 23, 1335?1339)에서 제시하고 있다.
채널 간 시간 차(ITD)에 기초한 음성 활동 감지와 채널 간 레벨 차(ILD)에 기초한 음성 활동 감지는 and로 결합될 수 있다. 따라서 AND에 기반한 음성 활동 감지 알고리즘은, 아래와 같은 수학식으로 나타낼 수 있다.
Figure pat00076
(
Figure pat00077
: 채널 간 시간 차(ITD)에 기초한 음성 활동 감지의 결과,
Figure pat00078
: 채널 간 레벨 차(ILD)에 기초한 음성 활동 감지의 결과)
즉 AND에 기반한 음성 활동 감지 알고리즘은, 채널 간 시간 차(ITD)에 기초한 음성 활동 감지의 결과가 ‘음성의 존재’로 나오고, 채널 간 레벨 차(ILD)에 기초한 음성 활동 감지의 결과가 ‘음성의 존재’로 나오는 경우, 최종적으로 음성이 존재한다고 결정한다.
한편 본 발명에서 제안하는, 개선된 AND에 기반한 기반한 음성 검출 방법은, 개선된 NDPSD 음성 활동 감지 알고리즘에 기반하여 산출된 음성의 존재 유무(
Figure pat00079
)와 개선된 LTIPD 음성 활동 감지 알고리즘에 기반하여 산출된 음성의 존재 유무(
Figure pat00080
)를 and 연산 한 것일 수 있다.
즉 제어부(130)는, 개선된 NDPSD 음성 활동 감지 알고리즘에 기반하여 음성이 존재하는 것으로 결정되고 개선된 LTIPD 음성 활동 감지 알고리즘에 기반하여 음성이 존재하는 것으로 결정되는 경우, 최종 적으로 음성이 존재하는 것으로 결정할 수 있다.
다음은 SVM에 기반한 음성 검출 방법을 설명한다.
SVM에 기반한 음성 활동 감지 알고리즘은, 채널 간 시간 차(ITD)와 채널 간 레벨 차(ILD)를 특징(feature)으로 이용하여 분류기를 트레이닝 하고, 분류기는 채널 간 시간 차(ITD)와 채널 간 레벨 차(ILD)를 특징(feature)으로 이용하여 음성의 존재 유무를 분류(classification)하는 방식으로, 선행 문헌 3(Park, J.; Jin, Y.G.; Hwang, S.; Shin, J.W. Dual Microphone Voice Activity Detection Exploiting InterchannelTime and Level Difference. IEEE Signal Process. Lett. 2016, 23, 1335?1339)에서 제시하고 있다.
기존의 SVM에 기반한 음성 활동 감지 알고리즘은, 모든 주파수 빈에 대하여, 채널 간 시간 차(ITD)와 채널 간 레벨 차(ILD)를 제공하여 분류기를 트레이닝 하였다. 또한 기존의 SVM에 기반한 음성 활동 감지 알고리즘은, 모든 주파수 빈에 대하여 채널 간 시간 차(ITD)와 채널 간 레벨 차(ILD)를 분류기에 제공하여, 분류기가 음성의 존재 유무를 출력하도록 하였다.
한편 본 발명에서 제안하는, 개선된 SVM에 기반한 음성 검출 방법은, 신뢰 주파수 빈에 대응하는 채널 간 시간 차(ITD)와 채널 간 레벨 차(ILD)를 제공하여 분류기를 트레이닝 할 수 있다.
또한 개선된 SVM에 기반한 음성 검출 방법은, 신뢰 주파수 빈에 대응하는 채널 간 시간 차(ITD)와 채널 간 레벨 차(ILD)를 분류기에 제공하여 분류기가 음성의 존재 유무를 출력하도록 할 수 있다.
구체적으로는, 기 설정된 조건을 만족하는 주파수 빈에 대응하는 정보는 분류기에 제공하고, 기 설정된 조건을 만족하지 않는 주파수 빈에 대응하는 정보는 0으로 처리한 후 분류기에 제공하는 방식으로 구현될 수 있다.
한편 AND, SVM 이외에도, 선별된 신뢰 주파수 빈들에 대응하는 값들을 사용해 얻은 검출 통계치에 기반하여 음성 활동을 감지하는 알고리즘이 사용될 수 있다.
도 4는 테스트에서의 조건을 설명한 도면이다.
방의 크기는 3119 * 3232 * 2080 mm3이고, 잔향 시간(RT60)은 100~200ms이다.
그리고 방의 중앙에는 화자가 휴대폰을 들고 서 있었다. 휴대폰에 포함되는 두 마이크 간의 거리는 약 140mm이다.
한편 무지향성 잡음은 NOISEX-92 데이터 베이스의 white, babble, car 노이즈에 의해 생성되었으며, 복잡한 반사를 일으키기 위하여 4개의 라우드 스피커(410, 420, 430, 440)가 방의 코너를 향하도록 설치되었다.
또한 지향성 잡음은, TIMIT 데이터베이스로부터 선택된 네명의 남성과 여성 화자에 의해 발화된 발화문이며, 화자로부터 45도, 135도, 225도, 315도 방향으로 1000mm 떨어진 네개의 라우드스피커 중 어느 하나에 의해 화자를 향한 방향으로 재생되었다.
한편 화자의 음성은 네개의 라우드 스피커 중 하나로부터 온 지향성 잡음 또는 무지향성 잡음 중 하나와 혼합되었다. 이 경우 제1 마이크 상에서 SNR 레벨은 -5dB, 0dB, 5dB, 10dB, 15dB, 20dB이다.
제3 마스크(
Figure pat00081
)에서의 주파수 인덱스 범위(k1, k2)는 제1 마이크 및 제2 마이크 사이의 거리가 140mm인 것을 고려하여, (125Hz, 968.75Hz)에 대응하는 (4, 31)으로 설정되었다(수학식 3 참고).
그리고 0도가 제1 마이크에 대한 엔드 파이어 방향이라고 가정하는 경우, 타겟 DOA의 범위는 10도 내지 70도로 설정되었다.
도 5는 종합적인 테스트 결과를 도시한 도면이며, 도 6은 SNR의 레벨 별 테스트 결과를 도시한 도면이다.
여기서 점선은 종래의 알고리즘들(PLDR, MNDPSD, LTIPD, SVM, AND)를 나타내고, 실선은 본 발명에 의해 개선된 알고리즘들(MNDPSDFS, LTIPDFS, SVMFS, ANDFS)을 나타낸다.
도 5 및 도 6을 참고하면, 본 발명에 의해 개선된 알고리즘들이 더 높은 성능을 나타냄을 알 수 있다.
도 7 및 도 8은 또 다른 테스트에 따른 실험 결과를 도시한 도면이다.
이 실험은, 더 넓은 크기의 강의실에서 진행되었으며, 잔향 시간(RT60)은 400~500ms이었다.
도 8에서 clean waveform은 잡음이 섞이지 않은 오디오 신호의 파형, noisy waveform은 잡음이 섞인 오디오 신호의 파형, Ground truth of voice actively는 실제 음성 활동을 의미한다.
그리고 도 7 및 도 8을 참고하면, 개선된 알고리즘들(MNDPSDFS, LTIPDFS, SVMFS, ANDFS)이 종래의 알고리즘들(PLDR, MNDPSD, LTIPD, SVM, AND)에 비하여 높은 성능을 나타내는 것을 알 수 있다.
이와 같이 본 발명에 따르면, 조건을 부과하여 신뢰성 있는 주파수를 선택하고, 신뢰성 있는 주파수들에 대응하는 값들을 이용하여 음성의 존재 유무를 검출함으로써, 음성 활동 검출의 정확도를 향상시킬 수 있는 장점이 있다.
한편, 제어부는 일반적으로 장치의 제어를 담당하는 구성으로, 중앙처리장치, 마이크로 프로세서, 프로세서 등의 용어와 혼용될 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 상기 컴퓨터는 단말기의 제어부(180)를 포함할 수도 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
110: 수신부 120: 출력부
130: 제어부

Claims (11)

  1. 제1 마이크 및 제2 마이크를 통하여 오디오 신호를 수신하는 단계;
    기 설정된 조건에 기반하여, 상기 오디오 신호에 대응하는 복수의 주파수 빈들 중 신뢰 주파수 빈들을 선별하는 단계; 및
    상기 선별된 신뢰 주파수 빈들을 이용하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계를 포함하는
    음성 검출 방법.
  2. 제 1항에 있어서,
    상기 신뢰 주파수 빈들을 선별하는 단계는,
    상기 기 설정된 조건을 만족하는 주파수 빈을 상기 신뢰 주파수 빈으로 결정하고,
    상기 기 설정된 조건은,
    상기 오디오 신호의 크기, 상기 오디오 신호의 채널 간 레벨 차, 상기 오디오 신호의 채널 간 시간 차 중 적어도 하나에 기반하는
    음성 검출 방법.
  3. 제 2항에 있어서,
    상기 기 설정된 조건은,
    해당하는 주파수 빈에서, 음원의 예상 위치와 더 가까운 상기 제1 마이크를 통하여 수신되는 제1 오디오 신호의 크기가 기 설정된 값보다 큰 조건인
    음성 검출 방법.
  4. 제 2항에 있어서,
    상기 기 설정된 조건은,
    해당하는 주파수 빈에서, 상기 제1 마이크에 의해 수신된 제1 오디오 신호와 상기 제2 마이크에 의해 수신된 제2 오디오 신호의 채널간 레벨 차가 기 설정된 값보다 큰 조건인
    음성 검출 방법.
  5. 제 2항에 있어서,
    상기 기 설정된 조건은,
    해당하는 주파수 빈에서, 상기 오디오 신호의 채널 간 시간 차가 기 설정된 범위 이내이거나, 상기 해당하는 주파수 빈이 제1 기 설정된 값보다 작거나, 상기 해당하는 주파수 빈이 제2 기 설정된 값보다 큰 조건인
    음성 검출 방법.
  6. 제 2항에 있어서,
    상기 기 설정된 조건은,
    둘 이상의 세부 조건을 포함하고,
    상기 신뢰 주파수 빈들을 선별하는 단계는,
    해당하는 주파수 빈이 상기 둘 이상의 세부 조건을 모두 만족하는 경우, 상기 해당하는 주파수 빈을 상기 신뢰 주파수 빈으로 결정하는
    음성 검출 방법.
  7. 제 1항에 있어서,
    상기 선별된 신뢰 주파수 빈들을 이용하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계는,
    NDPSD, LTIPD 및 상기 선별된 신뢰 주파수 빈들에 대응하는 값들을 사용해 얻은 검출 통계치에 기반해 음성 활동을 감지하는 알고리즘들 중 적어도 하나에 기반한 음성 활동 감지 알고리즘을 이용하여, 상기 오디오 신호 내 음성의 존재 여부를 검출하는,
    음성 검출 방법.
  8. 제 1항에 있어서,
    상기 선별된 신뢰 주파수 빈들을 이용하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계는,
    상기 선별된 신뢰 주파수 빈들에 대응하는 채널 간 시간 차 정보와 채널 간 레벨 차 정보를 결합하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계를 포함하고,
    상기 선별된 신뢰 주파수 빈들에 대응하는 채널 간 시간 차 정보와 채널 간 레벨 차 정보를 결합하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계는,
    AND, SVM 및 상기 선별된 신뢰 주파수 빈들에 대응하는 값들을 입력으로 하는 분류기에 기반해 음성 활동을 감지하는 알고리즘들 중 적어도 하나에 기반한 음성 활동 감지 알고리즘을 이용하여, 상기 오디오 신호 내 음성의 존재 여부를 검출하는
    음성 검출 방법.
  9. 제 7항에 있어서,
    상기 선별된 신뢰 주파수 빈들을 이용하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 단계는,
    상기 선별된 신뢰 주파수 빈들의 개수가 기 설정된 개수보다 작은 경우, 상기 오디오 신호 내 상기 음성이 존재하지 않는 것으로 결정하는
    음성 검출 방법.
  10. 제1 마이크 및 제2 마이크를 포함하는 수신부; 및
    상기 제1 마이크 및 상기 제2 마이크를 통하여 오디오 신호를 수신하고, 기 설정된 조건에 기반하여 상기 오디오 신호에 대응하는 복수의 주파수 빈들 중 신뢰 주파수 빈들을 선별하고, 상기 선별된 신뢰 주파수 빈들을 이용하여 상기 오디오 신호 내 음성의 존재 여부를 검출하는 제어부를 포함하는
    이동 단말기.
  11. 제 10항에 있어서,
    상기 제1 마이크는,
    상기 이동 단말기를 이용하여 통화 중인 화자의 입에 더 가깝게 배치되고,
    상기 제2 마이크는, 상기 제1 마이크에 비하여 상기 통화 중인 화자의 입에 더 멀게 배치되는
    이동 단말기.
KR1020200025491A 2020-02-28 2020-02-28 음성 검출 방법 KR102343811B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200025491A KR102343811B1 (ko) 2020-02-28 2020-02-28 음성 검출 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200025491A KR102343811B1 (ko) 2020-02-28 2020-02-28 음성 검출 방법

Publications (2)

Publication Number Publication Date
KR20210110054A true KR20210110054A (ko) 2021-09-07
KR102343811B1 KR102343811B1 (ko) 2021-12-28

Family

ID=77797525

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200025491A KR102343811B1 (ko) 2020-02-28 2020-02-28 음성 검출 방법

Country Status (1)

Country Link
KR (1) KR102343811B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040094300A (ko) * 2003-05-02 2004-11-09 삼성전자주식회사 마이크로폰 어레이 방법 및 시스템 및 이를 이용한 음성인식 방법 및 장치
KR20110069514A (ko) * 2009-12-17 2011-06-23 한국과학기술원 신뢰성이 높은 우도비를 사용한 음성 검출 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040094300A (ko) * 2003-05-02 2004-11-09 삼성전자주식회사 마이크로폰 어레이 방법 및 시스템 및 이를 이용한 음성인식 방법 및 장치
KR20110069514A (ko) * 2009-12-17 2011-06-23 한국과학기술원 신뢰성이 높은 우도비를 사용한 음성 검출 장치 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Park, Jaehoon, et al. "Dual Microphone Voice Activity Detection Exploiting Interchannel Time and Level Differences." IEEE Signal Processing Letters 23.10 (2016): 1335-1339(2016.10.31.) *

Also Published As

Publication number Publication date
KR102343811B1 (ko) 2021-12-28

Similar Documents

Publication Publication Date Title
US10251009B2 (en) Audio scene apparatus
US10602267B2 (en) Sound signal processing apparatus and method for enhancing a sound signal
JP5727025B2 (ja) 音声アクティビティ検出のための、システム、方法、および装置
US8996367B2 (en) Sound processing apparatus, sound processing method and program
RU2461081C2 (ru) Интеллектуальная градиентная система шумоподавления
US20090164212A1 (en) Systems, methods, and apparatus for multi-microphone based speech enhancement
US10777214B1 (en) Method for efficient autonomous loudspeaker room adaptation
US8143620B1 (en) System and method for adaptive classification of audio sources
US20170092288A1 (en) Adaptive noise suppression for super wideband music
US10319391B2 (en) Impulsive noise suppression
US10276181B2 (en) System and method for addressing acoustic signal reverberation
KR20240033108A (ko) 음성인식 오디오 시스템 및 방법
EP3757993B1 (en) Pre-processing for automatic speech recognition
CN114747233A (zh) 内容和环境感知的环境噪声补偿
KR102343811B1 (ko) 음성 검출 방법
US20240062769A1 (en) Apparatus, Methods and Computer Programs for Audio Focusing
US20220132241A1 (en) Signal processing methods and system for beam forming with improved signal to noise ratio
Tsujikawa et al. Automatic speech translation system selecting target language by direction-of-arrival information
EP3764660A1 (en) Signal processing methods and systems for adaptive beam forming
WO2023281157A1 (en) An apparatus, method and computer program for determining microphone blockages

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant