변형된 MFCC를 이용한 위험 음향 감지시스템

초록

본 논문에서는 스마트 홈 연구의 일환으로 가정 내의 위험 음향 감지를 위한 새로운 시스템을 제안한다. 제안하는 위험음향 감지 시스템에서는 음향 신호의 특징추출을 위해 변형 MFCC(Mel- Frequency Cepstral Coefficient)을 이용한다. 변형MFCC는 기존 MFCC에서 DCT(Discrete Cosine Transform)를 제거하고 Wiener필터를 추가한 변형된 필터뱅크를 사용한다. Wiener필터는 잡음(Noise) 제거 기능을 하고, 필터뱅크의 변형은 배경음 제거 및 위험 음향데이터의 인식률 향상을 위해적용된다. 기존 MFCC와의 성능을 비교하기 위해 딥러닝 분류기로 시계열 데이터에 적합한 LSTM(Long short-Term Memory)을이용하여 학습 정확도와 인식률 실험을 하였다. 실험 결과, 변형 MFCC가 기존 MFCC에 비해 학습 정확도 개선 및 인식률향상이 가능함을 확인하였다.

키워드