변별적 가중치 학습을 이용한 3GPP2 SVM의 실시간 음성/음악 분류 성능 향상 (Enhancement of Speech/Music Classification for 3GPP2 SMV Codec Employing Discriminative Weight Training)

서지정보

· 발행기관 : 한국음향학회
· 수록지 정보 : 한국음향학회지 / 27권 / 6호 / 319 ~ 324페이지
· 저자명 : 강상익, 장준혁, 이성로

초록

본논문에서는변별적가중치학습(discriminative weight training) 기반의3GPP2 Selectable Mode Vocoder (SMV) 실시간
음성/음악 분류 성능을 향상 시키는 방법을 제안한다. SMV의 음성/음악 실시간 분류 알고리즘에서 사용된 특징벡터와
분류방법을분석하고,이를기반으로분류성능향상을위해MCE (minimumclassification error)방법을도입하여, 각특징
백터별로다른가중치를적용하는음성/음악결정법(decision rule)을제시한다.구체적으로, SMV의음성/음악분류알고리
즘에서 사용되어진 특징벡터만을 선택적으로 사용하여 가중치를 적용한 값을 기하 평균한 값을 문턱값과 비교하는 실시간
분류기법이제시되었다. SMV의음성/음악분류에제안한방법의성능평가를위해SMV원래의분류알고리즘과비교하였으
며,다양한음악장르에대해시스템의성능을평가한결과가중치를적용하였을때기존의SMV의방법보다우수한음성/음
악 분류 성능을 보였다.

영어초록

In this paper, we propose a novel approach to improve the performance of speech/music classification for the selectable
mode vocoder (SMV) of 3GPP2 using the discriminative weight training which is based on the minimum classification
error (MCE) algorithm. We first present an effective analysis of the features and the classification method adopted
in the conventional SMV. And then proposed the speech/music decision rule is expressed as the geometric mean of
optimally weighted features which are selected from the SMV. The performance of the proposed algorithm is evaluated
under various conditions and yields better results compared with the conventional scheme of the SMV.

참고자료

· 없음