[논문 리뷰] Evaluation of a Multi-Resolution Dyadic Wavelet Transform Method for usable Speech Detection

Wajdi Ghezaiel, Amel Ben Slimane Rahmouni외 1명|arXiv (Cornell University)|2013. 01. 02.

Speech and Audio Processing인용 수 3

한 줄 요약

이 논문은 시간-주파수 분석을 활용하여 공채널 음성 혼합물에서 사용 가능한 음성 세그먼트를 식별하기 위해 다중 해상도 이진 파동 임펄스 변환(MRDWT) 방법을 제안한다. TIMIT 데이터베이스에서 평가된 결과, 다양한 성별 혼합 음성 환경에서 95.76%의 사용 가능한 음성 검출 정확도와 29.65%의 거짓 경고율을 기록하였다.

ABSTRACT

Many applications of speech communication and speaker identification suffer from the problem of co-channel speech. This paper deals with a multi-resolution dyadic wavelet transform method for usable segments of co-channel speech detection that could be processed by a speaker identification system. Evaluation of this method is performed on TIMIT database referring to the Target to Interferer Ratio measure. Co-channel speech is constructed by mixing all possible gender speakers. Results do not show much difference for different mixtures. For the overall mixtures 95.76% of usable speech is correctly detected with false alarms of 29.65%.

연구 동기 및 목표

• 음성 식별 시스템에서 공채널 음성 간섭에 의한 성능 저하 문제를 해결한다.
• 겹치는 음성 환경에서 음성 처리의 신뢰성을 향상시킨다.
• 사전 음성 분리 없이 혼합 신호 내 사용 가능한 음성 세그먼트를 탐지할 수 있는 강건한 방법을 개발한다.
• 다양한 성별 조합의 음성 혼합을 통해 일반화 능력을 확보하기 위해 성능을 평가한다.
• 목표 대 간섭 비율(TIR) 지표를 사용하여 검출 정확도와 거짓 경고율을 평가한다.

제안 방법

• 혼합 음성 신호를 다중 해상도 이진 파동 임펄스 변환(MRDWT)을 적용하여 여러 주파수 대역으로 분해한다.
• 시간-주파수 표현을 사용하여 활성 음성 세그먼트에 해당하는 에너지 우세 영역을 식별한다.
• 이진 파동 임펄스의 구조를 활용하여 로그 주파수 해상도를 갖는 다중 속도 분석을 달성한다.
• 에너지 집중도와 시간 연속성 기반으로 웨이브렛 계수를 임계값 처리하여 사용 가능한 음성 세그먼트를 검출한다.
• 모든 가능한 성별 혼합 조합을 시뮬레이션하기 위해 TIMIT 데이터베이스를 학습 및 평가에 활용한다.
• 성능 지표로 목표 대 간섭 비율(TIR)을 적용하여 검출 품질을 정량화한다.

실험 결과

연구 질문

• RQ1 MRDWT 방법은 공채널 음성 혼합물에서 사용 가능한 음성 세그먼트를 효과적으로 검출할 수 있는가?
• RQ2 혼합 신호 내 다양한 성별 혼합 조합에서 검출 성능는 어떻게 변화하는가?
• RQ3 겹치는 음성 환경에서 사용 가능한 음성 검출 정확도와 거짓 경고율 사이의 상호 상충 관계는 어떠한가?
• RQ4 이진 파동 임펄스 변환의 다중 해상도 특성은 단일 해상도 방법에 비해 세그먼트 검출 성능 향상에 얼마나 기여하는가?
• RQ5 실제로 다양한 음성 혼합 조건에서 이 방법은 어떤 성능을 보이는가?

주요 결과

• MRDWT 방법은 모든 테스트된 공채널 음성 혼합물에서 95.76%의 사용 가능한 음성 검출률을 달성하였다.
• 이 방법은 29.65%의 거짓 경고율을 보이며, 비음성 또는 간섭자 우세 영역에 대해 중간 정도의 민감도를 보였다.
• 다양한 성별 혼합 조합 간 검출 정확도에 유의미한 차이가 없었으며, 성능이 일관되게 유지되었다.
• TIMIT 데이터베이스는 평가를 위한 실제 공채널 음성 조건을 성공적으로 시뮬레이션하는 데 사용되었다.
• 다중 해상도 이진 파동 임펄스 변환은 음성 활동과 관련된 시간-주파수 에너지 패턴을 효과적으로 포착하였다.
• 사전 음성 분리 없이도 이 방법은 사용 가능한 음성 세그먼트를 식별하는 데 강건성을 보였다.