차량용 음성인식을 위한 주변잡음에 강건한 브라인드 음원분리 = Robust Blind Source Separation to Noisy Environment For Speech Recognition in Car

다국어 초록 (Multilingual Abstract)

The performance of blind source separation(BSS) using independent component analysis (ICA) declines significantly in a reverberant environment. A post-processing method proposed in this paper was designed to remove the residual component precisely. The proposed method used modified NLMS(normalized least mean square) filter in frequency domain, to estimate cross-talk path that causes residual cross-talk components. Residual cross-talk components in one channel is correspond to direct components in another channel. Therefore, we can estimate cross-talk path using another channel input signals from adaptive filter. Step size is normalized by input signal power in conventional NLMS filter, but it is normalized by sum of input signal power and error signal power in modified NLMS filter. By using this method, we can prevent misadjustment of filter weights. The estimated residual cross-talk components are subtracted by non-stationary spectral subtraction. The computer simulation results using speech signals show that the proposed method improves the noise reduction ratio(NRR) by approximately 3dB on conventional FDICA.

국문 초록 (Abstract)

독립성분분석을 사용한 암묵신호분리의 성능은 잔향이 존재하는 환경에서 잔류 누설 성분(cross-talk) 때문에 현저히 저하된다. 본 논문에서는 잔류 누설 성분을 제거하기 위한 후처리 방법을 제안한다. 제안하는 방법은 주파수 영역에서의 변형된 NLMS(normalized least mean square) 필터를 사용하며 필터의 역할은 잔류 누설 성분을 유발하는 누설 경로를 추정하는 데 있다. 특정 채널에서 잔류하는 누설 성분은 상대 채널의 직접 성분에 해당되므로 관측되는 상대 채널의 입력신호를 이용하여 누설 경로를 추정할 수 있다. 변형된 NLMS 필터는 필터 입력 신호의 전력과 추정 오차 신호의 전력을 함께 고려하여 정규화한다. 특정 채널의 직접 신호 성분은 적응 필터에서 잡음처럼 동작하여 결국 적응필터가 오조정되기 때문에 제안하는 방법을 통해 적응필터의 오조정을 방지할 수 있다. 음성 신호를 사용한 컴퓨터 시뮬레이션 결과를 통해 제안하는 방법이 후처리를 사용하지 않은 경우에 비해 잡음 제거 성능(NRR)이 약 3㏈ 정도 개선되는 것을 확인 할 수 있다.

참고문헌 (Reference)

1 "Unsupervised Adaptive Filtering" John Wiley & Sons 2000.

2 "Underdetermined blind separation for speech in real environments with sparseness and ICA" 3 : 881-884, 2004.

3 "Separation and dereverbration performance of frequency domain blind source separation" 230-235, 2001

4 "Removal of residual cross-talk components in blind source separation using LMS filters" 435-444, 2002

5 "Independent Component Analysis" John Wiley & Sons 2001.

6 "Fundamental limitation of frequency domain blind separation for convolutive mixture of speech" 2737-2740, 2001

7 "Exploring permutaion inconsistency in blind separation of speech signals in a reverberant environment" 1041-1044, 2000.

8 "Blind separation of auditory event-related brain response into independent components" 10979-10984, 1997.

9 "A new learning algorithm for blind signal separation" MIT Press 8 : 1996