• 감성과학
• /
• 제16권4호
• /
• pp.527-534
• /
• 2013

본 연구에서는 코히어런스 분석을 통하여 시각집중 기간 동안 시간 변화에 대한 뇌기능과 관련된 공간-주파수간 연관관계를 해석하였다. 집중관련 시각자극 실험 데이터를 통해 ${\theta}$와 ${\alpha}$ 대역에서 서로 다른 두피 위치간 위상연관변화를 확인하였다. 좌우 전두엽, 전두엽과 두정엽 간 뇌유발전위는 P100, N200지점에서 위상동조를 보였으며, 전두엽과 후두엽 간 뇌유발전위는 시각 처리 정보가 반영되는 P300지점에서 위상동조를 보였다. 고정된 길이의 창을 이용하는 단구간 푸리에 변환에 비하여 연속 웨이블릿 변환은 모 웨이블릿의 파라미터 조정을 통한 다중해상도 분석이 가능하였다. 따라서 연속 웨이블릿 변환을 이용한 코히어런스 결과가 시간변화에 대한 뇌유발전위의 공간-주파수간 연관관계의 변화를 확인하는데 유효함을 확인하였다. 비 집중 자극수행에 대해서는 위상동조 현상이 나타나지 않았다.

• 한국전자통신학회논문지
• /
• 제19권4호
• /
• pp.685-692
• /
• 2024

본 논문에서는 명령어 음성신호의 인식 성능을 개선하기 위한 새로운 합성곱 신경망(CNN: Convolutional Neural Network) 모델을 제안한다. 이 방법은 입력신호의 단구간 푸리에 변환(STFT: Short-Time Fourier Transform) 후 스펙트로그램 이미지를 구하고 CNN 모델을 이용한 지도학습을 통하여 명령어 인식 성능을 개선하였다. 입력신호를 단시간 구간별로 푸리에 변환한 다음 스펙트로그램 이미지를 구하고 CNN 딥러닝 모델을 이용하여 다중 분류 학습을 수행한다. 이는 시간영역 음성신호를 특성이 잘 표현되도록 주파수영역으로 변환하고 변환 파라미터에 대한 스펙트로그램 이미지를 이용하여 딥러닝 훈련을 수행함으로써 명령어를 효과적으로 분류한다. 본 연구에서 제안한 음성인식시스템의 성능을 검증하기 위하여 Tensorflow와 Keras 라이브러리를 사용한 시뮬레이션 프로그램을 작성하고 모의실험을 수행하였다. 실험 결과, 제안한 심층학습 알고리즘을 이용하면 92.5%의 정확도를 얻을 수 있는 것으로 확인되었다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2007년도 추계학술대회논문집
• /
• pp.895-902
• /
• 2007

Rotating machinery has two typical faults with clearance, one is partial rub and the other is looseness. Due to these faults, non-linear and non-stationary signals are occurred. Therefore, time-frequency analysis is necessary for exact fault diagnosis of rotating machinery. In this paper newly developed time-frequency analysis method, HHT(Hilbert-Huang Transform) is applied to fault diagnosis and compared with other method of FFT, SFFT and CWT. The results show that HHT can represent better resolution than any other method. Consequently, the faults of rotating machinery are diagnosed efficiently by using HHT.

• 한국음향학회지
• /
• 제20권7호
• /
• pp.37-46
• /
• 2001

본 논문에서는 웨이블릿 변환을 이용한 주변 잡음제거기를 제안하였다. 기존의 고정된 시간-주파수 해상도를 가지는 단구간 푸리에 분석법 대신 다양한 시간-주파수 해상도를 제공하는 웨이블릿 분석법을 사용함으로써 시간 특성이 변하는 베이블 (Babble) 잡음에 좀더 효율적인 잡음제거 방법을 설계하였다. 본 논문에 제안된 웨이블릿 변환 잡음제거기는 스펙트럴 차감법에 기반하여 구성하였으며, 고주파 영역에서 높은 시간 해상도를 갖는 웨이블릿 마스크 패턴을 사용함으로써 시간 특성이 빠르게 변화하는 고주파 잡음에 더욱 효율적인 동작을 하도록 설계하였다. 성능평가를 위해 차량 잡음, 길거리 잡음, 베이블 잡음과 같은 이동통신에서 많이 사용하는 주변잡음에서 시험하였으며, 그 주관적 음질 평가 결과 베이블 잡음의 경우 기존의 EVRC(Enhanced Variable Rate Coder) 잡음 제거기보다 Mos (Mean Opinion Score) 0.2의 성능 개선을 이룰 수 있었다. 출력 음성의 스펙트로그램에서도 성능 개선을 확인할 수 있었다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2012년도 제38회 춘계학술대회논문집
• /
• pp.555-561
• /
• 2012

Empirical Mode Decomposition(EMD)을 통한 Hilbert Huang Transform(HHT)은 시간-주파수 영역분석 방법 중 하나로 기존의 다른 분석 방법에 비해 비선형, 비정상 신호를 해석 가능하다는 등 여러가지 이점이 있다. 그러나 인접한 주파수를 분별하기 힘들고 잡음에 취약하다는 결점이 있다고 알려져 있다. 본 논문에서는 HHT와 정상신호 분석에 효과적인 Short-Time Fourier Transform(STFT)을 비교하여 각 방법의 장 단점을 분석하고 Rijke 튜브 실험에서 얻은 열음향학적 불안정 데이터에 적용하여 잡음에 취약한 점을 보완한 Improved HHT와 비교한다. 그 결과, EMD를 이용한 Original HHT보다 EEMD를 이용한 Improved HHT가 잡음의 영향을 적게 받아 보다 정확한 신호분석이 가능하다는 것을 알 수 있었다.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.113-118
• /
• 2024

본 논문에서는 음향신호의 배경잡음을 소거하기 위한 시스템에서 최적의 wavelet을 제안한다. 이 시스템은 기존의 단구간 푸리에변환(STFT: Short Time Fourier Transform) 대신 이산 웨이블릿변환(DWT: Discrete Wavelet Transform)을 수행한 후 심층학습과정을 통하여 잡음소거 성능을 개선하였다. DWT는 다해상도 대역통과필터 기능을 하며 각 레벨에서 모 웨이블릿을 시간 이동시키고 크기를 스케일링한 여러 웨이블릿을 이용하여 변환 파라미터를 구한다. 여기서 음성을 분석하는데 가장 적합한 모(mother) 웨이블릿을 선정하기 위해 여러 웨이블릿에 대한 잡음소거 성능을 실험하였다. 본 연구에서 여러 웨이블릿에 대한 잡음소거시스템의 성능을 검증하기 위하여 Tensorflow와 Keras 라이브러리를 사용한 시뮬레이션 프로그램을 작성하고 가장 많이 사용되는 4개의 wavelet에 대해 모의실험을 수행하였다. 실험 결과, Haar 또는 Daubechies 웨이블릿을 사용하는 경우가 가장 우수한 잡음소거 성능을 나타냈으며 타 웨이블릿을 사용하는 경우보다 평균자승오차(MSE: Mean Square Error)가 크게 개선되는 것을 볼 수 있었다.

• 한국음향학회지
• /
• 제35권4호
• /
• pp.303-309
• /
• 2016

본 논문은 자기부호화기를 이용한 음향신호 분리방법을 제안한다. 사용된 복층구조 신경망 자기부호화기는 입력 신호의 효율적인 표현방법을 자동으로 학습하며, 유사한 특징을 가지고 있는 요소신호들을 군집함으로써 다른 특징의 신호들을 분리할 수 있다. 시간영역과 주파수영역의 변이특성을 추출하기 위하여 단구간푸리에변환(Short-Time Fourier Transform, STFT)을 수행하였으며, 정해진 크기의 사각형 창을 모든 가능한 위치에 적용하여 얻은 단구간 주파수 스펙트럼을 자기부호화기의 입력으로 사용하였다. 자기부호화기의 부호노드들의 값을 이용하여 유사한 스펙트럼 창들을 군집하고, 이를 이용하여 원래의 음원들로 분리해 낼 수 있었다. 분리된 원음들은 원래의 입력신호의 특징을 확실히 나타내었으며, 기존의 비음수 행렬분해(Non-negative Matrix Factorization, NMF) 결과와 주파수 스펙트럼 비교를 통해 그 유효성을 보일 수 있었다.