골전도 헤드폰 형태로 추출된 골전도 음성 신호의 딥러닝 활용

Q: 이 논문에서 정의한 골전도란 무엇인가?

진동이 중이의 고막을 거치지 않고 뼈와 근육을 통해 바로 내이로 전달되는 소리 전달 방식이다. 본 연구에서는 턱뼈 가지에 배치한 마이크를 통해 주변 잡음의 간섭 없이 화자의 음성 신호를 추출하는 핵심 기제로 활용된다.

Q: 골전도 음성 신호를 활용한 자동 음성 인식에서 CNN 모델의 성능은 어떠한가?

연구 결과, CNN 모델은 무성음 발음을 포함한 특정 영어 단어들을 정확하게 구별하는 데 우수한 성능을 보였다. 따라서 골전도 마이크와 딥러닝 모델을 결합하면 외부 소음 간섭 없이 화자의 목소리만을 정확하게 인식하는 기술 구현이 가능하다.

송희주; 유선아; 손세강; 장웅기; 황향희; 김현욱; 김병희; 이형석

doi:10.7735/ksmte.2024.33.1.27

추천

검색

질문

자료유형: 학술저널

저자정보: 송희주 (Kangwon National University) 유선아 (Kangwon National University) 손세강 (Kangwon National University) 장웅기 (Kangwon National University) 황향희 (Kangwon National University) 김현욱 (Kangwon National University) 김병희 (Kangwon National University) 이형석 (Kangwon National University)

저널정보: 한국생산제조학회 한국생산제조학회지 한국생산제조학회지 Vol.33 No.1

발행연도: 2024.2

수록면: 27 - 34 (8page)

DOI: 10.7735/ksmte.2024.33.1.27

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

In this study, we used deep learning to align bone-conducted speech signals with air-conducted speech signals, aiming to replace traditional air conduction microphones in voice-based services capturing surrounding sounds. We fabricated headphones, placing bone conduction microphones on the rami (the branches of a bone in the jaw area), in line with traditional bone conduction headphone configurations. Using LSTM, CNN, and CRNN models, we created databases that aligned bone-conducted speech signals with their air-conducted counterparts and tested them with bone-conducted speech signals captured via our custom-made headphones. The CNN model demonstrated superior performance in accurately distinguishing three English words (“apple,” “hello,” and “pass”), including their voiceless pronunciations. In conclusion, our study shows that deep learning models can effectively use bone-conducted speech signals extracted from the rami for automatic speech recognition (ASR), paving the way for future ASR technology that precisely recognizes only the speaker’s voice.

#Bone conduction #Bone-conducted speech signals #Automatic speech recognition #Deep learning

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-089381406

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)