• 전자공학회논문지
• /
• 제51권5호
• /
• pp.177-187
• /
• 2014

본 논문에서는 고속 부공간 추적 기법인 FAPI (Fast Approsimated Power Iteration)에 GVFF RLS (Gradient-based Variable Forgetting Factor Recursive Least Square Error)를 적용한 GVFF FAPI 를 제안한다. 기존의 FAPI는 신호의 공분산 행렬을 추정하기 위해 고정 망각 인자를 사용하기에, 부공간이 지속적으로 변하는 비정재 환경에 적용하기 여려운 단점이 있다. 이러한 문제점을 해결하기 위해, GVFF FAPI는 개선된 MSE (Mean Square Error)의 분석으로부터 유도된 MSE의 기울기 기반의 시변 망각 인자를 사용한다. 또한 GVFF RLS의 망각 인자 업데이트 식을 개선하여 부공간이 지속적으로 변하는 비정재 환경에서 부공간 에러를 줄인다. 개선된 망각 인자 업데이트 식은 MSE의 기울기가 양수이면 망각 인자를 빠르게 감소하게 하고 MSE의 기울기가 음수이면 망각 인자를 천천히 증가시킨다. 모의실험을 통해서 도래각이 지속적으로 변하는 환경에서 GVFF FAPI 알고리즘이 기존의 FAPI 알고리즘보다 작은 부공간 에러를 가지는 것을 보이고, 추적된 부공간을 도래각 추정기법에 적용하였을 때 추적된 도래각의 RMSE (Root Mean Square Error)가 더 작은 것을 확인한다.

• 방송공학회논문지
• /
• 제23권6호
• /
• pp.855-865
• /
• 2018

음향 이벤트 인식은 다수의 음향 이벤트가 발생하는 환경에서 이를 인식하고 각각의 발생과 소멸 시점을 판단하는 기술로써 인간의 청각적 인지 특성을 모델화하는 연구다. 음향 장면 및 이벤트 인식 연구 그룹인 DCASE는 연구자들의 참여 유도와 더불어 음향 인식 연구의 활성화를 위해 챌린지를 진행하고 있다. 그러나 DCASE 챌린지에서 제공하는 데이터 세트는 이미지 인식 분야의 대표적인 데이터 세트인 이미지넷에 비해 상대적으로 작은 규모이며, 이 외에 공개된 음향 데이터 세트는 많지 않아 알고리즘 개발에 어려움이 있다. 본 연구에서는 음향 이벤트 인식 기술 개발을 위해 실내외에서 발생할 수 있는 이벤트를 정의하고 수집을 진행하였으며, 보다 큰 규모의 데이터 세트를 확보하였다. 또한, 인식 성능 개선을 위해 음향 이벤트 존재 여부를 판단하는 보조 신경망을 추가한 이중 CNN 구조의 알고리즘을 개발하였고, 2016년과 2017년의 DCASE 챌린지 기준 시스템과 성능 비교 실험을 진행하였다.