In this paper, we proposed the new data enhancement method based on the EM algorithm. Proposed framework uses a probabilistic distribution of describing the noisy data in terms of clean and noise data. It employs a variational approach to find an approximation to the joint posterior distribution which can be used for estimating the clean data. It also allows us to estimate the parameters of the clean and noise data based on the EM algorithm.
Through the simulation for speech data and sine wave, we have demonstrated that the suggested method improves the SNR in the noisy environment. The suggested method can be easily applied to various areas of speech enhancement and signal detection.
일반적으로 잡음이 섞인 음성자료에 대해서 음성 인식율이 저하되는 것이 문제로 알려져 있다. 이는 음성인식기의 변수들이 잡음이 섞인 음성자료에 대해서 잘 맞지 않기 때문에 발생하는 문제이다. 이 문제를 해결하기 위한 접근으로서 잡음 음성 향상 연구가 있다. 이 논문은 기계학급이론의 한 학습기법인 EM 알고리즘을 사용한 잡음 음성 향상 방법을 제안하였다.
제안한 방법에서 잡음이 섞인 음성자료가 주어졌을 때 잡음과 잡음이 섞이지 않은 음성의 조건부결합확률을 이용하여 보다 잡음이 제거된 음성을 측정하였다. 과정은 EM 알고리즘에 의하여 두 단계로 나누어진다. E단계에서는 variatinonal 방법을 사용하여 조건부결합확률을 측정하고 이에 따라 원래의 음성 상태에 가까운 자료를 측정하였다. M 단계에서는 잡음과 음성의 확률모델을 보다 적합하도록 조정하였다. 그리고 이 두 단계를 반복적으로 시행한 후 음성을 측정하였다.
음성 자료에 대한 실험을 통해 잡음이 섞인 환경에 대해서 SNR이 증가되는 것을 확인 하였다. 제안된 방법은 음성인식과 신호처리에 적용할 수 있다.
