검색 상세

딥러닝 및 질감 분석을 활용한 잡음 환경에서의 음향 이벤트 분류 시스템

  • 최용주 (대학원 컴퓨터정보학과 전산과학전공)

초록/요약

센서 기술과 컴퓨팅 성능의 향상으로 인한 데이터의 폭발적인 증가는 산업 현장의 상황을 분석하기 위한 토대가 되었으며, 이와 같은 데이터를 기반으로 현장에서 발생하는 다양한 이벤트를 분류하려는 시도들이 최근 증가하고 있다. 특히 음향 센서에서 수집된 음향 신호는 상대적으로 저가의 가격으로 현장 정보를 왜곡 없이 효과적으로 수집할 수 있다는 큰 장점으로 다양한 응용 분야의 이벤트를 분류하기 위한 중요한 정보로 사용되고 있다. 그러나 소리 취득 시 발생하는 잡음을 제어하지 못한다면, 이벤트 분류 시스템을 구현 후 현장에 설치 시 분류 성능을 보장할 수 없다. 즉, 실제 적용이 가능한 시스템을 구현하기 위해서는 산업 현장에서 발생하는 다양한 잡음 상황에도 강인한 성능이 보장되어야 한다. 따라서 본 연구에서는 질감 분석과 딥러닝을 활용하여 잡음 환경에서도 강인한 성능을 보이는 음향 이벤트 분류 시스템을 제안한다. 질감 분석을 활용한 연구에서는, 유독 잡음에 취약한 구조적 약점을 갖는 음향 신호의 문제점을 해결하는 차원에서 이미지를 대상으로 잡음 문제를 해결한 DNS 알고리즘을 음향 신호에 최초로 적용하고자 한다. 제안하는 시스템은 DNS가 이미지 분야에서 잡음에 대해 강인하다는 가설을 음향 신호 영역에서 새로이 검증하며 응용 영역을 음향 신호까지 확장하고자 한다. 딥러닝을 활용한 연구에서는, 잡음의 영향을 개선 시켜 잡음이 제거된 음향 신호를 생성한 후, 해당 음향 신호를 분류까지 할 수 있는 시스템을 제안한다. 제안하는 시스템은 GAN을 기반으로 VAE 기술을 적용한 SEGAN을 활용하여 아날로그 음향 신호 자체에서 잡음이 제거된 신호를 생성하였으며, 향상된 음향 신호를 데이터 변환과정 없이 CNN 구조의 입력 데이터로 활용한 후 음향 이벤트에 대한 식별까지도 가능하도록 end-to-end 기반의 음향 이벤트 분류 시스템을 설계한다. 산업 현장에서 취득한 음향 데이터를 활용하여 제안하는 시스템의 성능을 실험적으로 검증한바, 질감 분석을 활용한 시스템에선 98.80%(철도산업)와 96.57%(축산업)의 f1 score를 보였고, 딥러닝을 활용한 시스템에선 99.29%(철도산업)와 97.80%(축산업)의 f1 score를 확인하였다. 또한, 딥러닝을 활용한 음향 이벤트 분류 시스템은 질감 분석을 활용한 시스템보다 음향 이벤트 하나당 수행시간 측면에서 철도산업 분야에선 1.36배, 축산업 분야에선 1.78배의 향상된 성능을 확인하였다.

more

목차

제 1장 서론 1
제 2장 관련 연구 3
제 3장 질감 분석을 활용한 음향 이벤트 분류 5
제 3.1절 잡음에 강인한 질감 특징을 이용한 음향 이벤트 분류 시스템 5
3.1.1 전처리 모듈 6
3.1.2 질감 추출 모듈 7
3.1.3 음향 이벤트 분류 모듈 8
제 3.2절 실험 및 결과 분석(철도산업 분야) 11
3.2.1 실험 데이터 11
3.2.2 질감 특징 추출 및 분석 12
3.2.3 잡음 환경에서의 음향 이벤트 분류 결과 16
제 3.3절 실험 및 결과 분석(축산업 분야) 19
3.3.1 실험 데이터 19
3.3.2 질감 특징 추출 및 분석 20
3.3.3 잡음 환경에서의 음향 이벤트 분류 결과 23
제 4장 딥러닝을 활용한 음향 이벤트 분류 25
제 4.1절 잡음이 제거된 음향 신호 생성 및 분류 시스템 25
4.1.1 제안하는 시스템 25
4.1.2 제안하는 시스템의 학습 및 테스트 과정 27
4.1.3 제안하는 시스템의 상세 구조 및 작동 흐름 29
제 4.2절 실험 및 결과 분석(철도산업 분야) 31
4.2.1 실험 데이터 31
4.2.2 실험 및 결과 분석 31
제 4.3절 실험 및 결과 분석(축산업 분야) 36
4.3.1 실험 데이터 36
4.3.2 실험 및 결과 분석 36
제 5장 고찰 40
제 6장 결론 및 향후 연구 42
참고 문헌 44

more
반출 Meta View 목록