Variations of Autocovariances of Speech and its related Signals in time, frequency and quefrency domains

음성 및 음성 관련 신호의 주파수 및 Quefrency 영역에서의 자기공분산 변화

To distinguish between a group of speech signals and nonspeech signals, you can use several features in domains like frequency, quefrency and time. It is very important to use features that differentiate two signal groups. As a feature to separate two signal groups, autocorrelation method was proposed and the variances between groups were studied. Autocovariances were just calculated for the time domain signal. Signals were divided into segments which consist of 128 data to be transformed to the frequency and quefrency domains. Autocovariances between each coefficient of segments in FFTs and quefrencies were found and they were averaged over wide spectrum. It is clear that the autocovariances in frequency domain show great differences between groups of signals.

자동차 엔진 소음과 같은 비음성신호군과 음성신호군을 구별하기 위해서는 시간영역, 주파수 영역 등에서 다양한 특징값들의 차이를 이용할 수 있는데 두 신호군을 구별하기에 적절한 명확한 차이를 가진 특징값들로서 무엇을 사용하느냐 하는 것은 중요한 관건이다. 두 신호군을 구별해내기 위해 시간, 주파수, quefrency 영역에서의 자기공분산을 제시하고 이 값들의 변화를 관찰하였다. 시간 영역에서는 단순한 공분산을, 주파수 및 quefrency 영역에서는 128개 데이터를 한 세그먼트로 하여 전체 데이터를 나눈 후 각 세그먼트에 대한 FFT 및 quefrency를 구하였다. 각 계수에 대해 세그먼트 사이의 공분산의 평균값을 구하여 각 음성신호군에 따른 공분산의 변화를 관찰하였고 주파수 영역에서 구한 공분산에서 각 신호군의 특징적인 변화를 발견할 수 있었다.