ICA로 분리한 신호의 분류

Classification of Signals Segregated using ICA

  • 김선일 (거제대학 조선정보기술학부)
  • Kim, Seon-Il (Dept. of Information Technology for Shipbuilding, Koje College)
  • 투고 : 2010.09.07
  • 심사 : 2010.12.07
  • 발행 : 2010.12.25

초록

ICA(Independent Component Analysis)를 이용하여 신호를 분리했을 때 그 중 어느 것이 원하는 신호인지 알아낼 수 있는 일반적인 방법이 없다. 본 논문에서는 자동차 배기음에 오염된 음성 신호를 가정하고 이를 ICA를 이용해 분리했을 때 분리된 신호에서 어느 것이 배기음이고 음성 신호인지 구별할 수 있는 방법을 제시하였다. 음성 신호는 음성 선호와의 상관계수가 가장 크게 나타날 것으로 예상되므로 오염된 음성 선호와 같은 동일인의 단모음 '아', '오', '우' 신호와 타인의 단모음 선호를 이용하여 분리된 각 신호와의 상관계수를 구하되 일괄 방식, 최대값 방식, 평균값 방식 등 세가지 방식으로 구하고 각 방식마다 '아', '오', '우'와의 상관 계수로 구분하고 이외에 투표 방법, 합산 방법을 추가한 다섯 가지 방법을 시도하여 가정 좋은 분류율을 나타내는 방식 및 방법을 제시하였다.

There is no general method to find out from signals of the channel outputs of ICA(Independent Component Analysis) which is what you want. Assuming speech signals contaminated with the sound from the muffler of a car, this paper presents the method which shows what you want, It is anticipated that speech signals will show larger correlation coefficients for speech signals than others. Batch, maximum and average method were proposed using 'ah', 'oh', 'woo' vowels whose signals were spoken by the same person who spoke the speech signals and using the same vowels whose signals are by another person. With the correlation coefficients which were calculated for each vowel, voting and summation methods were added. This paper shows what the best is among several methods tried.

키워드

참고문헌

  1. J. F. Cardoso, "Blind signal separation: statistical principles," Prod. IEEE, vol. 9, no. 10, pp. 2009-2025, Oct., 1998.
  2. A. Hyvarinen, J. Karhunen, and E. Oja, Independent Component Analysis, John Wiley and Sons, 2000.
  3. P. Comon, "Independent component analysis, A new concept?," Signal Processing, vol. 36, pp. 287-314, 1994. https://doi.org/10.1016/0165-1684(94)90029-9
  4. J. P. LeBlanc and P. L. De Leon, "Speech Separation by Kurtosis Maximization," Proc. ICASSP, vol. 2, pp. 1029-1032, 1998.
  5. A. Hyvarinen, "Fast and Robust Fixed-Point Algorithms for Independent Component Analysis," IEEE Transactions on Neural Networks, vol. 10, no. 3, pp. 626-634, May, 1999. https://doi.org/10.1109/72.761722
  6. A. Papoulis, Probability, Random Variables, and Stochastic Processes, McGraw-Hill, 1991.
  7. D. Obradovic, G. Deco, "Information Maximization and Independent Component Analysis: Is There a Difference?" Neural Computing, vol. 10, no. 8, pp. 2085-2101, Nov., 1998. https://doi.org/10.1162/089976698300016972
  8. A. Hyvarinen, "Survey on independent component analysis," Neural Computing Surveys 2, pp. 94-128, 1999.
  9. A. J. Bell land Terrence J. Sejnowski, "An information-maximization approach to blind separation and blind deconvolution," Neural Computation, vol. 7, no. 6, pp. 1129-1159, 1995. https://doi.org/10.1162/neco.1995.7.6.1129
  10. S. Amari, A. Cichocki, H. H. Yang, "A New Learning Algorithm for Blind Signal Separation", In Advances in Neural Information Processing System 8. Cambridge, MA:MIT Press, pp. 757-763, 1996.
  11. S. Amari, "Natural Gradient Works Efficiently in Learning," Neural Computation, vol. 10, no. 2, pp 251-276, Feb., 1998. https://doi.org/10.1162/089976698300017746
  12. 김선일, "잡음 섞인 한국어 인식을 위한 ICA 비교 연구", 대한전자공학회 논문지 제 45권 IE편 제3호, 2008년 9월
  13. 김우철 외 8인, 현대통계학, 영지문화사, 1988.