WO2019156339A1 - 오디오 신호의 주파수의 변화에 따른 위상 변화율에 기반하여 노이즈가 감쇠된 오디오 신호를 생성하는 장치 및 방법 - Google Patents
오디오 신호의 주파수의 변화에 따른 위상 변화율에 기반하여 노이즈가 감쇠된 오디오 신호를 생성하는 장치 및 방법 Download PDFInfo
- Publication number
- WO2019156339A1 WO2019156339A1 PCT/KR2018/016121 KR2018016121W WO2019156339A1 WO 2019156339 A1 WO2019156339 A1 WO 2019156339A1 KR 2018016121 W KR2018016121 W KR 2018016121W WO 2019156339 A1 WO2019156339 A1 WO 2019156339A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- signal
- frequency band
- processor
- parameter
- audio signal
- Prior art date
Links
- 230000008859 change Effects 0.000 title claims abstract description 71
- 230000005236 sound signal Effects 0.000 title claims description 75
- 238000000034 method Methods 0.000 title claims description 29
- 230000002238 attenuated effect Effects 0.000 title claims description 10
- 239000011159 matrix material Substances 0.000 claims description 76
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 33
- 230000001419 dependent effect Effects 0.000 description 16
- 238000012545 processing Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001934 delay Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L21/0232—Processing in the frequency domain
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0316—Speech enhancement, e.g. noise reduction or echo cancellation by changing the amplitude
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R1/00—Details of transducers, loudspeakers or microphones
- H04R1/20—Arrangements for obtaining desired frequency or directional characteristics
- H04R1/32—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only
- H04R1/40—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers
- H04R1/406—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers microphones
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
- H04R3/005—Circuits for transducers, loudspeakers or microphones for combining the signals of two or more microphones
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
- G10L2021/02165—Two microphones, one receiving mainly the noise signal and the other one mainly the speech signal
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
- G10L2021/02166—Microphone arrays; Beamforming
Definitions
- Embodiments disclosed herein relate to an apparatus and method for generating an attenuated audio signal based on a rate of phase change according to a frequency change of an audio signal.
- the electronic device may receive a speech signal through a plurality of input devices such as a microphone. When a noise signal is introduced into the input device together with the voice signal, the call quality or voice recognition rate of the electronic device may be reduced.
- the electronic device may perform beamforming involving hardware or software processing to remove a noise signal from an input signal (or an audio signal) in which a voice signal and a noise signal are mixed. Beamforming compensates for time delays and / or phase delays between voice signals received by the input devices so that the input devices have directivity to the location of the sound source of the voice signal. Control may include. By controlling the directivity of the input devices through beamforming, the electronic device may reinforce the voice signal among the input signals received by the input devices and remove or attenuate the noise signal.
- Beamforming may include, for example, signal independent beamforming and signal dependent beamforming.
- the electronic device may compensate for the phase delay between the voice signals based on the distance information between the input devices and the direction information of the voice signals flowing into the input devices.
- the electronic device may perform beamforming without being affected by the signal to noise ratio (SNR).
- SNR signal to noise ratio
- the electronic device may perform beamforming without being affected by the signal to noise ratio (SNR).
- SNR signal to noise ratio
- the direction information of the voice signals is changed (for example, when the location of the user who utters the voice signal is changed)
- a problem may occur that the performance of beamforming is degraded.
- the electronic device performs signal independent beamforming indoors, linearity of phase differences between input signals flowing into the input devices may be lost due to signal reverberation, thereby reducing the accuracy of beamforming.
- the electronic device may compensate for a phase delay between voice signals based on covariance information of input signals and noise signals flowing into the input devices.
- the electronic device may perform beamforming without being affected by the direction information and the echo of the voice signal.
- the accuracy of the covariance information may be reduced due to the noise signal, thereby reducing the performance of beamforming.
- Various embodiments of the present invention propose an apparatus and a method thereof for improving the performance of signal dependent beamforming in a frequency band having a low SNR.
- An electronic device includes a plurality of input devices for receiving a plurality of input signals including a voice signal and a noise signal, and a processor electrically connected to the input devices.
- the processor determines a signal to noise ratio (SNR) value for the plurality of input signals for each frequency band, and determines whether the SNR value is equal to or greater than a specified threshold value.
- SNR signal to noise ratio
- An electronic device includes a first microphone, a second microphone, and a processor, wherein the processor uses the first microphone to generate a first audio signal and the second microphone.
- Obtain a second audio signal using the second audio signal identify a designated frequency band in which an SNR falls within a specified range in relation to the first audio signal and the second audio signal, and determine the first audio signal and the first audio signal in the designated frequency band. 2 determines a first rate of change in which the audio signal is in phase with a change in frequency, and in which the first audio signal and the second audio signal are in phase in accordance with a change in frequency in a frequency band different from the specified frequency band.
- the signal may be set to produce a third audio signal with the noise signal attenuated.
- a method of an electronic device may include receiving a plurality of input signals, determining an SNR value for each of the plurality of input signals for each frequency band, and a threshold value to which the SNR value is assigned. Determining a first parameter indicative of a change in phase with respect to frequency of the plurality of input signals in a first frequency band, wherein the SNR value is less than the threshold value based on the first parameter. Determining a second parameter indicating a change in phase with respect to frequency of input signals, and performing beamforming on the plurality of input signals based on the first parameter and the second parameter.
- the electronic device may adaptively perform signal dependent beamforming based on the SNR value of the input signal, thereby improving the performance of the signal dependent beamforming even in a low SNR environment.
- the electronic device improves the performance of signal dependent beamforming even in a low SNR environment, thereby efficiently recognizing a voice signal in an environment in which a noise signal (eg, car noise) is present. can do.
- a noise signal eg, car noise
- FIG. 1 is a block diagram of an electronic device in a network environment according to various embodiments of the present disclosure.
- FIG. 2 is a block diagram of an electronic device for performing signal dependent beamforming according to various embodiments of the present disclosure.
- FIG. 3 is a flowchart illustrating an operation of an electronic device that adaptively performs beamforming based on an SNR value according to various embodiments of the present disclosure.
- FIG. 4 is a flowchart illustrating an operation of an electronic device for performing beamforming in a frequency band in which an SNR belongs to a designated range according to various embodiments of the present disclosure.
- FIG. 5 is a block diagram of an electronic device that performs signal dependent beamforming in a second frequency band according to various embodiments of the present disclosure.
- FIG. 6 is a graph illustrating a noise signal and a voice signal for each frequency band according to various embodiments.
- FIG. 7 is a graph illustrating a voice signal for each frequency band according to various embodiments of the present disclosure.
- FIG. 8 illustrates an example for describing an operation of applying a first parameter to a second frequency band according to various embodiments.
- GSC generalized sidelobe canceler
- FIG. 1 is a block diagram of an electronic device in a network environment according to various embodiments of the present disclosure.
- the electronic device 101 communicates with the electronic device 102 through a first network 198 (for example, short-range wireless communication), or the second network 199 ( For example, it may communicate with the electronic device 104 or the server 108 through remote wireless communication.
- the electronic device 101 may communicate with the electronic device 104 through the server 108.
- the electronic device 101 may include a processor 120, a memory 130, an input device 150, an audio output device 155, a display device 160, an audio module 170, and a sensor module. 176, interface 177, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196, and antenna module 197.
- At least one of the components may be omitted from the electronic device 101, or another component may be added to the electronic device 101.
- some components may be integrated and implemented, such as when the sensor module 176 (eg, fingerprint sensor, iris sensor, or illuminance sensor) is embedded in the display device 160 (eg, display). Can be.
- the processor 120 may drive at least one other component (eg, hardware or software component) of the electronic device 101 connected to the processor 120 by driving software (eg, the program 140). It can control and perform various data processing and operations.
- the processor 120 loads and processes the command or data received from another component (eg, the sensor module 176 or the communication module 190) into the volatile memory 132, and processes the result data in the nonvolatile memory 134.
- the processor 120 operates independently of the main processor 121 (eg, central processing unit or application processor), and additionally or alternatively, uses less power than the main processor 121, Or a coprocessor 123 specialized for a designated function (eg, a graphics processing unit, an image signal processor, a sensor hub processor, or a communication processor).
- the coprocessor 123 may be operated separately from the main processor 121 or embedded.
- the coprocessor 123 may, for example, replace the main processor 121 while the main processor 121 is in an inactive (eg, sleep) state, or the main processor 121 is active (eg : At least one of the components of the electronic device 101 (eg, the display device 160, the sensor module 176, or the communication module) together with the main processor 121 while in the application execution state. 190) may control at least some of the functions or states associated with).
- the coprocessor 123 eg, image signal processor or communication processor
- is implemented as some component of another functionally related component eg, camera module 180 or communication module 190. Can be.
- the memory 130 may include various data used by at least one component of the electronic device 101 (for example, the processor 120 or the sensor module 176), for example, software (for example, the program 140). ), And input data or output data for a command related thereto.
- the memory 130 may include a volatile memory 132 or a nonvolatile memory 134.
- the program 140 may be software stored in the memory 130 and may include, for example, an operating system 142, a middleware 144, or an application 146.
- the input device 150 may receive a command or data to be used for a component (for example, the processor 120) of the electronic device 101 from the outside (for example, a user) of the electronic device 101.
- Apparatus for example may include a microphone, a mouse, or a keyboard.
- the sound output device 155 is a device for outputting a sound signal to the outside of the electronic device 101.
- a speaker and a phone call which are used for general purposes, such as multimedia playback or recording playback, may be received. It may include a dedicated receiver. According to one embodiment, the receiver may be formed integrally or separately from the speaker.
- the display device 160 is a device for visually providing information to a user of the electronic device 101.
- a display for example, a display, a hologram device, or a projector and a control circuit for controlling the device. It may include.
- the display device 160 may include a pressure sensor capable of measuring the intensity of the pressure on the touch circuitry or the touch.
- the audio module 170 may bidirectionally convert a sound and an electrical signal. According to an embodiment of the present disclosure, the audio module 170 acquires a sound through the input device 150, or an external electronic device (for example, a wired or wireless connection with the sound output device 155 or the electronic device 101). Sound may be output through the electronic device 102 (for example, a speaker or a headphone).
- an external electronic device for example, a wired or wireless connection with the sound output device 155 or the electronic device 101. Sound may be output through the electronic device 102 (for example, a speaker or a headphone).
- the sensor module 176 may generate an electric signal or data value corresponding to an operating state (eg, power or temperature) inside the electronic device 101 or an external environmental state.
- the sensor module 176 may include, for example, a gesture sensor, a gyro sensor, a barometric pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, a temperature sensor, a humidity sensor, Or an illumination sensor.
- the interface 177 may support a specified protocol that can be connected to an external electronic device (for example, the electronic device 102) by wire or wirelessly.
- the interface 177 may include a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
- HDMI high definition multimedia interface
- USB universal serial bus
- SD card interface Secure Digital Card
- connection terminal 178 is a connector for physically connecting the electronic device 101 and an external electronic device (for example, the electronic device 102), for example, an HDMI connector, a USB connector, and an SD. Card connectors, or audio connectors (eg, headphone connectors).
- the haptic module 179 may convert an electrical signal into a mechanical stimulus (for example, vibration or movement) or an electrical stimulus that can be perceived by the user through the sense of touch or movement.
- the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
- the camera module 180 may capture still images and videos. According to an embodiment of the present disclosure, the camera module 180 may include one or more lenses, an image sensor, an image signal processor, or a flash.
- the power management module 188 is a module for managing power supplied to the electronic device 101 and may be configured as at least a part of a power management integrated circuit (PMIC).
- PMIC power management integrated circuit
- the battery 189 is a device for supplying power to at least one component of the electronic device 101, for example, a non-rechargeable primary cell, a rechargeable secondary cell or a fuel cell. It may include.
- the communication module 190 may establish a wired or wireless communication channel between the electronic device 101 and an external electronic device (eg, the electronic device 102, the electronic device 104, or the server 108). And support for performing communications over established communication channels.
- the communication module 190 may include one or more communication processors that support wired or wireless communication that operate independently of the processor 120 (eg, an application processor).
- the communication module 190 may include a wireless communication module 192 (eg, a cellular communication module, a near field communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (eg, A local area network (LAN) communication module, or a power line communication module, comprising a local area network such as a first network 198 (eg, Bluetooth, WiFi direct, or infrared data association) using a corresponding communication module. Communication with an external electronic device via a communication network) or a second network 199 (eg, a telecommunication network such as a cellular network, the Internet, or a computer network (eg, a LAN or a WAN)).
- the various types of communication modules 190 described above may be implemented as one chip or each separate chip.
- the wireless communication module 192 may distinguish and authenticate the electronic device 101 in the communication network by using user information stored in the subscriber identification module 196.
- the antenna module 197 may include one or more antennas for transmitting or receiving a signal or power to the outside.
- the communication module 190 (for example, the wireless communication module 192) may transmit a signal to or receive a signal from an external electronic device through an antenna suitable for a communication scheme.
- Some of the components are connected to each other through a communication method (eg, a bus, a general purpose input / output (GPIO), a serial peripheral interface (SPI), or a mobile industry processor interface (MIPI)). For example, commands or data).
- a communication method eg, a bus, a general purpose input / output (GPIO), a serial peripheral interface (SPI), or a mobile industry processor interface (MIPI)
- GPIO general purpose input / output
- SPI serial peripheral interface
- MIPI mobile industry processor interface
- the command or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199.
- Each of the electronic devices 102 and 104 may be a device of the same or different type as the electronic device 101.
- all or part of operations executed in the electronic device 101 may be executed in another or a plurality of external electronic devices.
- the electronic device 101 may instead or additionally execute the function or service by itself.
- At least some associated functions may be requested to the external electronic device.
- the external electronic device may execute the requested function or additional function and transmit the result to the electronic device 101.
- the electronic device 101 may process the received result as it is or additionally to provide the requested function or service.
- cloud computing, distributed computing, or client-server computing technology may be used.
- FIG. 2 is a block diagram of an electronic device for performing signal dependent beamforming according to various embodiments of the present disclosure.
- the electronic device 101 includes a plurality of input devices 210-1, 210-2,..., 210 -M (eg, the input device 150 of FIG. 1) and the signal processing module 220. ), And covariance information processing module 230.
- Components included in the electronic device 101 may not be limited to the example illustrated in FIG. 2.
- the electronic device 101 may further include at least one of the elements shown in FIG. 1 or omit at least one of the elements shown in FIG. 2.
- the number of the plurality of input devices 210-1, 210-2,..., 210 -M may vary from 2 to M (M is a natural number of 3 or more) according to an implementation method.
- the plurality of input devices 210-1, 210-2,..., 210 -M may include, for example, a microphone (or a microphone).
- the plurality of input devices 210-1, 210-2,..., 210 -M may receive voice signals s (t) spoken from the user 10. Since the plurality of input devices 210-1, 210-2,..., 210 -M are disposed to be spaced apart from each other, the voice signals generated at one sound source location are different from each other at a different time. -1, 210-2, ..., 210-M). For example, some of the voice signals are received by the input device 210-1 at time t 1 , others are received by the input device 210-2 at time t 2 , and others are received at time t M. It may be received by the input device 210 -M.
- the time t 1 is the time t 2 ,. may be less than t M. Voice signals received at different times may have different phases.
- the plurality of input devices 210-1, 210-2,..., 210 -M may receive noise signals n (t) together with voice signals s (t).
- noise signals are received by a plurality of different input devices 210-1, 210-2, ..., 210-M at different times, so that the noise signals may have different phases. have.
- the input signals x 1 (t), x 2 (t),... , x M (t) may include voice signals and noise signals received through the input devices 210-1, 210-2,..., 210 -M at different times.
- the input signal may be referred to as an audio signal.
- the input signal x i (t) received through the i-th input device 210-i (i is a natural number between 1 and M) may be represented by Equation 1 below.
- Equation 1 s i (t) denotes a voice signal received by the i-th (i is a natural number from 1 to M) input device 210-i, and n i (t) denotes the i-th input device 210.
- -i) may represent a noise signal received. Since voice signals received by different input devices have different phases, and noise signals received by different input devices have different phases, Equation 1 may be represented by Equation 2 below.
- Equation 2 s 1 (tt s, i ) is a voice signal s 1 (t) received by the first input device 210-1 and a voice signal s i received by the i th input device 210-i.
- the phase difference t s, i of (t) may be reflected.
- n 1 (tt n, i ) is the noise signal n 1 (t) received by the first input device 210-1 and the noise signal n i (received by the ith input device 210-i).
- the phase difference t n, i of t) may be reflected.
- the signal processing module 220 performs beamforming based on a first parameter with respect to a first frequency band in which the measured SNR value is greater than or equal to a threshold value, and the measured SNR value is less than the threshold value.
- Beamforming may be performed on the second frequency band based on the second parameter.
- the beamforming operation may refer to an operation in which the electronic device 101 applies a weight to control the direction of the input signals.
- a parameter may indicate a phase change relative to frequency for the input signals.
- the electronic device 101 may attenuate noise signals included in the input signals by applying a weight determined based on the parameter to the input signals.
- the parameter may be referred to as the rate of change, a steering vector or a blocking matrix.
- the signal processing module 220 may include a software module or a hardware module that performs a series of operations for performing beamforming.
- the signal processing module 220 may be embedded in the audio module 170 of FIG. 1 and controlled by a processor (eg, the processor 120 of FIG. 1).
- a processor eg, the processor 120 of FIG. 1
- the signal processing module 220 may be stored in an instruction form in the memory 130 of FIG. 1 and executed by a processor.
- the signal processing module 220 may include an SNR measurement module 222, a first parameter determination module 224, a second parameter determination module 226, and a beamforming module 228.
- the SNR measuring module 222 may measure SNRs of input signals for each frequency band.
- the SNR measurement module 222 may determine whether the measured SNR value is greater than or equal to a specified threshold value.
- a frequency band in which the SNR value is greater than or equal to a designated threshold may be referred to as a first frequency band
- a frequency band in which the SNR value is less than a designated threshold may be referred to as a second frequency band.
- the second frequency band may include a frequency band lower than the first frequency band.
- the second frequency band may include a higher frequency band than the first frequency band.
- the first parameter determination module 224 may determine a first parameter for the first frequency band.
- the first parameter determination module 224 may determine the first parameter based on the covariance information received from the covariance processing module 230.
- the covariance information may mean a correlation between a plurality of voice signals or may mean a correlation between a plurality of noise signals.
- the electronic device 101 may determine a sound source location (eg, phase or direction) of the voice signal based on the correlation between the voice signals.
- Covariance information may include, for example, a covariance vector or a covariance matrix.
- the first parameter determination module 224 may determine the first parameter in various ways based on the type of signal dependent beamforming.
- Signal-dependent beamforming types include, for example, minimum variance distortionless response (MVDR) beamforming, noise, which minimizes distortion of speech signals by using the difference between the covariance matrix for speech signals and the covariance matrix for noise signals.
- Maximum SNR beamforming which can improve the SNR of the input signal by using the inverse of the covariance matrix for the signal and the covariance matrix for the speech signal, and the zero space of the eigenvector used in the maximum SNR beamformer. By using null spaces, it is possible to include generalized sidelobe canceler (GSC) beamforming that can effectively remove noise signals.
- GSC generalized sidelobe canceler
- the second parameter determination module 226 may determine a second parameter for the second frequency band.
- the resultant value of the covariance information measured in the second frequency band in which the SNR value is less than the threshold value may have a lower accuracy than the result value of the covariance information in the first frequency band in which the SNR value is greater than or equal to the threshold value.
- 226 may estimate the second parameter from the first parameter determined in the first frequency band.
- the second parameter determination module 226 may determine the second parameter from the first parameter using, for example, linearity of a phase difference between channels (or frequencies) in the first frequency band.
- the second parameter determination module 226 may determine a second parameter from the first parameter based on a deep neural networks (DNN) model.
- DNN deep neural networks
- the beamforming module 228 may perform beamforming based on the first parameter and the second parameter.
- the beamforming module 228 compensates for a phase difference between voice signals (eg, t s, i in Equation 2) by applying, for example, weights determined based on the first parameter and the second parameter to the input signals. can do.
- the input signals x 1 (t), x 2 (t),... , x M (t) may be output as a signal y (t) from which the noise signal is removed (or attenuated).
- the covariance processing module 230 may include a software module or a hardware module for transmitting the covariance information used to determine the first parameter to the signal processing module 220.
- the covariance processing module 230 may be embedded in the audio module 170 of FIG. 1 and controlled by a processor, or stored in an instruction form in the memory 130 of FIG. 1, and executed by the processor.
- a processor eg, the processor 120 of FIG. 1
- the covariance processing module 230 may include a voice signal determination module 232 and a covariance information determination module 234.
- the voice signal determination module 232 may determine (or estimate) the presence or absence of a voice signal in the received input signal.
- the speech signal determination module 232 may be a speech presence probability (SPP) estimation algorithm used for noise suppression (NS) for one channel or a CGMM-based algorithm used for NS for a plurality of channels.
- SPP speech presence probability
- NS noise suppression
- a complex Gaussian mixture model based estimation algorithm may be used to determine a section in which a voice signal exists in a frequency band (for example, a first frequency band).
- the covariance information determination module 234 may determine a voice signal determined by the voice signal determination module 232 and an input signal received by the input devices 210-1, 210-2,..., 210 -M. Based on the covariance information for the speech signal or the covariance information for the noise signal can be determined.
- Covariance information may include, for example, a covariance matrix C s (f) for a speech signal (f may represent a frequency) and a covariance matrix C n (f) for a noise signal.
- 3 is a flowchart illustrating an operation of an electronic device that adaptively performs beamforming based on an SNR value according to various embodiments of the present disclosure. 3 may be implemented by the electronic device 101 or components included in the electronic device (for example, the processor 120 or the audio module 170).
- the processor 120 may measure SNRs of a plurality of input signals for each frequency band.
- the processor 120 performs a fast Fourier transform (FFT) on the input signals before measuring the SNR, thereby converting the input signal in the time domain into the input signal in the frequency domain. I can convert it.
- FFT fast Fourier transform
- the processor 120 may determine a first parameter for a first frequency band in which the SNR value is greater than or equal to a specified threshold value. According to an embodiment of the present disclosure, the processor 120 may determine the first parameter in various ways based on the type of signal dependent beamforming.
- the processor 120 may determine a second parameter for a second frequency band in which the SNR value is less than the threshold value based on the first parameter. According to an embodiment, the processor 120 may determine the second parameter from the first parameter based on the linearity of the first parameter or by using the DNN model.
- the processor 120 may attenuate the noise signal from the input signal by performing beamforming based on the first parameter and the second parameter.
- the processor 120 may convert a signal in the frequency domain into a signal in the time domain by performing an inverse fast Fourier transform (IFFT).
- IFFT inverse fast Fourier transform
- the electronic device 101 can prevent performance degradation of signal dependent beamforming in a frequency band having a low SNR value.
- FIG. 4 is a flowchart illustrating an operation of an electronic device for performing beamforming in a frequency band in which an SNR belongs to a designated range according to various embodiments of the present disclosure.
- FIG. 4 illustrates an example of receiving a voice signal through two input devices, the number of input devices and the number of voice signals are not limited to the example shown in FIG. 4.
- the processor 120 acquires a first audio signal through a first microphone (eg, the first input device 210-1), and a second microphone (eg, The second audio signal may be obtained through the second input device 210-2.
- a first microphone eg, the first input device 210-1
- a second microphone eg, The second audio signal may be obtained through the second input device 210-2.
- Each of the first audio signal and the second audio signal may include a voice signal and a noise signal.
- the processor 120 may identify a designated frequency band in which SNRs for the first audio signal and the second audio signal belong to a designated range.
- the SNR belonging to the designated range may mean that the SNR is greater than or equal to the designated threshold of FIG. 2. If the SNR is greater than or equal to the designated threshold value, the designated frequency band may mean the first frequency band.
- the processor 120 may determine a first rate of change (eg, a first parameter) in which a phase of voice signals in a designated frequency band (eg, a first frequency band) changes according to a frequency change.
- a first rate of change eg, a first parameter
- the processor 120 may determine the first rate of change through MVDR beamforming, maximum SNR beamforming, or GSC beamforming.
- the processor 120 based on at least a second rate of change (eg, a second parameter) in which a phase of voice signals change in accordance with a frequency change in a frequency band different from the designated frequency band, based at least on the first rate of change determined in operation 415. It can be estimated.
- Another frequency band may mean, for example, a second frequency band where the SNR is below a specified threshold.
- the processor 120 may estimate the second rate of change from the first rate of change by using the linearity of the phase difference of the directional speech signals in the designated frequency band (eg, the first frequency band). Can be.
- the processor 120 may estimate the second rate of change from the first rate of change based on a deep neural networks (DNN) model.
- DNN deep neural networks
- the processor 120 may determine a first weight for the first audio signal and a second weight for the second audio signal based at least on the first rate of change and the second rate of change.
- the processor 120 may generate a third audio signal in which noise signals of the first audio signal and the second audio signal are attenuated based at least on the first weight and the second weight.
- FIG. 5 is a block diagram of an electronic device that performs signal dependent beamforming in a second frequency band according to various embodiments of the present disclosure.
- FIG. 5 illustrates an example in which the electronic device 101 performs the operations of blocks 505 to 540 in series, at least one of the blocks shown in FIG. 5 may be omitted.
- the electronic device 101 may omit the operation of block 520.
- the electronic device 101 may convert a signal in the time domain into a signal in the frequency domain by performing FFT transform on a plurality of input signals.
- the electronic device 101 may perform A / D (analog to digital) conversion or window filtering on the input signals before performing the FFT conversion.
- the electronic device 101 may measure SNRs of input signals for each frequency band. According to an embodiment of the present disclosure, the electronic device 101 may determine an SNR value by using an NS algorithm for one input device or an NS algorithm for a plurality of input devices. The electronic device 101 may adaptively perform signal dependent beamforming based on whether the SNR value is equal to or greater than a specified threshold value.
- the electronic device 101 may determine a voice signal in a first frequency band in which the SNR value is greater than or equal to a threshold. For example, the electronic device 101 may determine whether a voice signal exists in the first frequency band or estimate a presence probability of the voice signal in the first frequency band. According to an embodiment of the present disclosure, the electronic device 101 may determine a speech signal using an SPP estimation algorithm or a CGMM based estimation algorithm.
- the electronic device 101 may determine covariance information of the voice signal or the noise signal in the first frequency band. For example, if the input signal x (t) received by the plurality of input devices 210-1, 210-2,..., 210 -M is represented by a matrix of time and frequency, the following equation May appear as 3.
- X i (t, f) may mean a matrix of input signals received by the i th input device 210-i at time t and frequency f.
- T may mean a transposed matrix of the matrix [].
- the electronic device 101 may determine a matrix X (t, f) relating to an input signal and a voice signal value m (t, f) determined in block 515 (m (t, f) may mean a scalar value).
- the covariance matrix can be determined using Equation 4 below.
- C s (f) may mean a covariance matrix of the speech signal at time t and frequency f.
- C n (f) may mean the covariance matrix of the noise signal at time t and frequency f.
- E ⁇ may mean an average of ⁇ over time, and [] H may mean a Hermitian matrix of the matrix [].
- the diagonal matrix component contains information about the magnitude of the speech signal or noise signal, and the components other than the diagonal matrix component may contain information about the spatial of the speech signal or noise signal. Can be.
- Equations 3 and 4 illustrate an example for determining a covariance matrix of a speech signal or a noise signal, and the electronic device 101 uses a method other than Equations 3 and 4 to use a covariance matrix or a covariance vector. Can be determined.
- the electronic device 101 may determine a first parameter for the first frequency band based on the determined covariance matrix.
- the electronic device 101 may use MVDR beamforming, maximum SNR beamforming, or GSC beamforming to improve SNR of a voice signal.
- the electronic device 101 may determine the first parameter using MVDR beamforming as described in Equation 5 below.
- F MVDR (f) may mean an eigenvector in which the eigenvalue ⁇ max, M of (C s (f) -C n (f)) is maximum.
- the electronic device 101 may determine the eigenvector F MVDR (f) as a first parameter for the first frequency band.
- the electronic device 101 may determine the first parameter using maximum SNR beamforming as described in Equation 6 below.
- F SNR (f) may mean an eigenvector in which the eigenvalues ⁇ max, S of C n (f) ⁇ 1 C s (f) are maximum.
- the electronic device 101 may determine the eigenvector F SNR (f) as the first parameter for the first frequency band.
- the electronic device 101 may determine the first parameter using GSC beamforming as described in Equation 7 below.
- F SNR (f) may mean an eigenvector F SNR (f) determined using the maximum SNR beamforming of Equation 6.
- the electronic device 101 may determine F BM and SNR (f) determined using a null space of the F SNR (f) and Equation 7 as the first parameter for the first frequency band.
- the electronic device 101 may determine the first parameter using other beamforming in addition to the MVDR beamforming, the maximum SNR beamforming, and the GSC beamforming.
- the electronic device 101 determines a second parameter for a second frequency band based on the first parameter.
- the electronic device 101 may estimate the second parameter from the first parameter based on the linearity or the DNN model of the phase difference between the channels of the voice signal in the first frequency band. The operation of determining the second parameter based on linearity can be described in FIG. 7.
- the electronic device 101 may perform beamforming on the second frequency band based on the second parameter. For example, the electronic device 101 determines weights for each of the input signals based on the second parameter, and applies the determined weights to the input signals so that the input devices have directions according to sound source positions of the voice signal. Can be controlled.
- the electronic device 101 may output a signal y (t) in the time domain by performing an IFFT transform on the signal on which the beamforming is performed.
- FIG. 6 is a graph illustrating a noise signal and a voice signal for each frequency band according to various embodiments.
- the graph 600 is a graph illustrating a noise signal and a voice signal for each frequency band according to various embodiments.
- the graph 600 merely illustrates an example of a noisy speech signal according to a specific frequency band, and the intervals of the first frequency band and the second frequency band disclosed herein are limited to the examples shown in the graph 600. It may not be.
- the graph 600 may refer to a spectrogram representing energy of a noisy speech signal according to time and frequency bands.
- the noisy voice signal may include a voice signal and a noise signal.
- the noise voice signal may refer to an input signal received by input devices of the electronic device 101 (for example, input devices 210-1, 210-2,..., 210 -M of FIG. 2).
- the horizontal axis may mean a frame index indicating time
- the vertical axis may mean frequency (unit: hertz (Hz)).
- the noisy voice signal does not include much noise signal (that is, a high energy noise voice signal and a low energy noise). Since the distinction of the speech signal is clear), the noise speech signal may have a high SNR value.
- the noise speech signal of the second frequency band may have an SNR value lower than that of the noise speech signal of the first frequency band 610.
- the electronic device 101 may classify a frequency band for adaptively determining a parameter for beamforming based on the result indicated by the graph 600. For example, the electronic device 101 thresholds an SNR value of a section where the difference between the SNR values is clearly shown (for example, a boundary section between the first frequency band 610 and the second frequency band 620 in the graph 600). Can be determined by value.
- the electronic device 101 stores the determined threshold value in advance in the memory of the electronic device 101 (for example, the memory 130 of FIG. 1), and when a plurality of input signals are received, the electronic device 101 includes a frequency band having an SNR greater than or equal to a previously stored threshold value. Frequency bands with an SNR below a pre-stored threshold may be distinguished.
- the electronic device 101 may measure SNRs of a plurality of frequency bands and determine one frequency band having the highest SNR (eg, the first frequency band 610 in the graph 600). The electronic device 101 may determine a first parameter for the frequency band with the highest SNR, and determine a second parameter for the remaining frequency band based on the first parameter.
- FIG. 7 is a graph illustrating a voice signal for each frequency band according to various embodiments of the present disclosure.
- the graph 700 is a graph illustrating a voice signal for each frequency band according to various embodiments of the present disclosure.
- the graph 700 merely shows an example of representing a voice signal according to a specific frequency band, and the intervals of the first frequency band and the second frequency band disclosed in this document are not limited to the examples shown in the graph 700. It may not.
- the graph 700 may represent a speech signal determined based on an SPP estimation algorithm or a CGMM based estimation algorithm according to time and frequency bands.
- the horizontal axis may mean a frame index indicating time
- the vertical axis may mean frequency (unit: hertz (Hz)).
- the electronic device 101 may determine whether or not a voice signal exists for the first frequency band 710. For example, referring to the graph 700, the distribution of the speech signal may be expressed in the form of reference numeral 715 in the first frequency band 710. The electronic device 101 may determine the matrix X (t, f) related to the input signal based on the distribution of the voice signal shown in the graph 700.
- FIG. 8 illustrates an example for describing an operation of applying a first parameter to a second frequency band according to various embodiments.
- the graph 801 shows a first frequency band 810 (eg, the first frequency band 610 of FIG. 6) and a second frequency band 820 (eg, the second frequency band of FIG. 6).
- a phase difference between voice signals may be represented.
- the horizontal axis may mean a frequency bin (unit: 16000/512 Hz), and the vertical axis may mean an angle (unit: radians).
- the slope (angle / frequency) of the graph in the graph 801 may mean a phase difference (ie, rate of change) between voice signals according to frequency change. Since the SNR value of the input signal in the first frequency band 810 is greater than or equal to the threshold, the slope of the graph has a linearity except for the third frequency band 830 in which there is no phase difference between voice signals, whereas the second has a linearity. Since the SNR value of the input signal in the frequency band 820 is less than the threshold value, the slope of the graph may not be constant.
- the electronic device 101 determines a phase difference between the voice signals determined based on the first parameter (that is, the graph slope of the first frequency band 810).
- the second parameter may be determined by applying to the phase difference between the voice signals of 820.
- the first parameter is represented by a matrix according to the frequency band, it may be represented by Equation 8 below.
- F i (f) (i is a natural number from 1 to M) may mean a first parameter for an input signal received by the i th input device at a frequency f.
- T may mean a transpose matrix of [].
- the first parameter represented by Equation 8 may be expressed by Equation 9 below to indicate a phase difference between channels.
- Equation 9 ⁇ F (f) denotes a satellite difference between channels of the first parameter component, and ⁇ F i (f) (i is a natural number from 1 to M) is the i th input device at frequency f. It may mean the phase with respect to the input signal received as. E ⁇ may mean an average of ⁇ .
- the electronic device 101 may determine the second parameter using the DNN model.
- the electronic device 101 determines ⁇ F (f) (hereinafter referred to as a first phase difference) indicating a phase difference between channels in an environment in which a noise signal does not exist or in a high SNR such as a first frequency band.
- ⁇ F (f) hereinafter referred to as second phase difference
- second phase difference of this low second frequency band can be estimated from the first phase difference.
- 9 is a graph illustrating a result of performing a blocking matrix of GSC beamforming using zero space according to various embodiments of the present disclosure. 9 only shows a graph showing a result of performing a blocking matrix of GSC beamforming, the results of performing MVDR beamforming and maximum SNR beamforming may also appear similarly to FIG. 9.
- the graph 901 may represent a result of performing conventional beamforming
- the graph 902 may represent a result of adaptively performing beamforming according to the SNR.
- the horizontal axis may mean an angle (in radians)
- the vertical axis may mean a frequency (in Hz).
- the graph 901 in the first frequency band 910 having a high SNR (eg, the first frequency band 610 of FIG. 6), an area representing a null space of an audio signal and an area not being represented are shown. While the distinction is clear, in the second frequency band 920 having a low SNR (eg, the second frequency band 620 of FIG. 6), the distinction between the region representing the zero space and the region not representing the speech signal is not clear. . Referring to the graph 902, since the electronic device 101 applies a parameter of the first frequency band 910 to the second frequency band 920, there is no distinction between an area representing zero space and an area not representing the voice signal. Can be clear.
- the electronic device (eg, the electronic device 101 of FIG. 1) includes a plurality of input devices (eg, the plurality of inputs of FIG. 2) that receive a plurality of input signals including a voice signal and a noise signal.
- SNR signal-to-noise ratio
- First parameter may be set to on the basis of the second parameter to perform the beam forming of the plurality of input signals.
- the processor determines, as at least part of the beamforming operation, weights for the plurality of input signals based on the first parameter and the second parameter, and calculates the weights.
- the processor determines, as at least part of the beamforming operation, weights for the plurality of input signals based on the first parameter and the second parameter, and calculates the weights.
- the processor may be configured to determine the first parameter based on a covariance matrix for each speech signal in the first frequency band of a plurality of input signals or a covariance matrix for a noise signal. have.
- the processor determines a probability of existence of a voice signal of each of the plurality of input signals in the first frequency band and uses a spatial matrix of the plurality of input signals in the first frequency band. Determine, based on the spatial matrix and the existence probability, determine a covariance matrix for the speech signal or a covariance matrix for the noise signal, and a covariance matrix for the speech signal or a covariance matrix for the noise signal. Based on, may be set to determine the first parameter.
- the processor may further include: a covariance matrix for the speech signal, a difference between the covariance matrix for the speech signal and the covariance matrix for the noise signal, or an inverse of the covariance matrix for the noise signal and the speech signal Based on the covariance matrix for, it may be set to determine the first parameter.
- the processor may be configured to determine the second parameter from the first parameter by using a DNN model.
- the processor may be configured to determine the existence probability for a single channel in the first frequency band or determine the existence probability for a plurality of channels in the first frequency band.
- the processor may be configured to perform fast Fourier transform on the plurality of input signals.
- the electronic device may include a first microphone (eg, the input device 210-1 of FIG. 2) and a second microphone (eg, the input device of FIG. 2). 210-2, and a processor (eg, processor 120 of FIG. 1), wherein the processor includes a first audio signal using the first microphone, and second audio using the second microphone.
- a first microphone eg, the input device 210-1 of FIG. 2
- a second microphone eg, the input device of FIG. 2
- 210-2 eg, the processor 120 of FIG. 1
- the processor includes a first audio signal using the first microphone, and second audio using the second microphone.
- Acquire a signal identify a designated frequency band in which an SNR falls within a specified range in relation to the first audio signal and the second audio signal, and wherein the first audio signal and the second audio signal in the designated frequency band Determine a first rate of change in which the phase changes in accordance with a change of the second signal; and a second rate of change in which the first audio signal and the second audio signal change in phase with a change in frequency in a frequency band different from the specified frequency band.
- the third audio signal may be set to generate a third audio signal having a noise signal attenuated using the first audio signal and the second audio signal based at least on the weight and the second weight.
- the processor may be configured to determine the first rate of change based on at least a covariance matrix for the first audio signal and the second audio signal in the designated frequency band.
- the processor may determine a presence probability value of a speech signal included in at least one of the first audio signal and the second audio signal in the designated frequency band and based on the presence probability value. It may be set to determine the covariance matrix.
- the processor may be configured to determine the first rate of change based on a difference between a covariance matrix for a speech signal and a covariance matrix for a noise signal in the first audio signal and the second audio signal. Can be.
- the processor may be configured to estimate the second rate of change from the first rate of change by using a DNN model.
- the processor may be configured to estimate the second rate of change based at least on the linearity of the first rate of change.
- the processor may be configured to perform FFT conversion on the first audio signal and the second audio signal.
- a method of an electronic device may include receiving a plurality of input signals, determining an SNR value for each of the plurality of input signals for each frequency band, and a first frequency band in which the SNR value is equal to or greater than a specified threshold value. Determining a first parameter indicative of a change in phase with respect to frequency of the plurality of input signals, based on the first parameter, comparing the frequency of the plurality of input signals in a second frequency band where the SNR value is less than the threshold value Determining a second parameter indicating a phase change, and performing beamforming on the plurality of input signals based on the first parameter and the second parameter.
- the operation of determining the first parameter may include determining the first parameter based on a covariance matrix for each speech signal in the first frequency band of a plurality of input signals or a covariance matrix for a noise signal. And determining the weights for the plurality of input signals based on the second parameter, and applying the weights to the plurality of input signals.
- the operation may include generating an output signal in which the noise signals of the plurality of input signals are attenuated.
- the determining of the first parameter may include determining a probability of existence of a voice signal of each of the plurality of input signals in the first frequency band, and determining the presence probability of the plurality of input signals in the first frequency band. Determining a spatial matrix for input signals, determining a covariance matrix for the speech signal or a covariance matrix for the noise signal, based on the spatial matrix and the presence probability, and covariance for the speech signal And determining the first parameter based on a matrix or a covariance matrix for the noise signal.
- the operation of determining the first parameter may include: a covariance matrix for the speech signal, a difference between the covariance matrix for the speech signal and the covariance matrix for the noise signal, or the covariance matrix for the noise signal And determining the first parameter based on an inverse of and a covariance matrix for the speech signal.
- the determining of the second parameter may include determining the second parameter from the first parameter by using a DNN model.
- Electronic devices may be various types of devices.
- the electronic device may include, for example, at least one of a portable communication device (eg, a smartphone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance.
- a portable communication device eg, a smartphone
- a computer device e.g., a laptop, a desktop, a tablet, or a smart bracelet
- a portable multimedia device e.g., a portable medical device
- a camera e.g., a portable medical device
- a camera e.g., a portable medical device
- a wearable device e.g., a portable medical device
- a home appliance e.g., a portable medical device, a portable medical device, a camera, a wearable device, or a home appliance.
- An electronic device according to an embodiment of the present disclosure is not limited to the above-described devices.
- any (eg first) component is said to be “(functionally or communicatively)” or “connected” to another (eg second) component, the other component is said other
- the component may be directly connected or connected through another component (eg, a third component).
- module includes a unit composed of hardware, software, or firmware, and may be used interchangeably with terms such as logic, logic blocks, components, or circuits.
- the module may be an integrally formed part or a minimum unit or part of performing one or more functions.
- the module may be configured as an application-specific integrated circuit (ASIC).
- ASIC application-specific integrated circuit
- Various embodiments of the present disclosure may include instructions stored in a machine-readable storage media (eg, internal memory 136 or external memory 138) that can be read by a machine (eg, a computer). It may be implemented in software (eg, program 140).
- the device may be a device capable of calling a stored command from a storage medium and operating in accordance with the called command, and may include an electronic device (eg, the electronic device 101) according to the disclosed embodiments.
- the processor for example, the processor 120
- the processor may perform a function corresponding to the command directly or by using other components under the control of the processor.
- the instructions can include code generated or executed by a compiler or interpreter.
- the device-readable storage medium may be provided in the form of a non-transitory storage medium.
- 'non-temporary' means that the storage medium does not include a signal and is tangible, and does not distinguish that data is stored semi-permanently or temporarily on the storage medium.
- a method according to various embodiments of the present disclosure may be included in a computer program product.
- the computer program product may be traded between the seller and the buyer as a product.
- the computer program product may be distributed online in the form of a device-readable storage medium (eg compact disc read only memory (CD-ROM)) or via an application store (eg Play StoreTM).
- a device-readable storage medium eg compact disc read only memory (CD-ROM)
- an application store eg Play StoreTM
- at least a portion of the computer program product may be stored at least temporarily or temporarily created in a storage medium such as a server of a manufacturer, a server of an application store, or a relay server.
- Each component for example, a module or a program
- some components eg, modules or programs
- operations performed by a module, program, or other component may be executed sequentially, in parallel, repeatedly, or heuristically, or at least some operations may be executed in a different order, omitted, or another operation may be added. Can be.
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Otolaryngology (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Circuit For Audible Band Transducer (AREA)
- Obtaining Desirable Characteristics In Audible-Bandwidth Transducers (AREA)
Abstract
전자 장치가 개시된다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다. 전자 장치는, 음성 신호와 잡음 신호를 포함하는 복수의 입력 신호들을 수신하는 복수의 입력 장치들, 및 상기 입력 장치들과 전기적으로 연결되는 프로세서를 포함하고, 상기 프로세서는, 상기 복수의 입력 신호들에 대한 신호 대 잡음 비(signal to ratio, SNR) 값을 주파수 대역 별로 결정하고, 상기 SNR 값이 지정된 임계 값 이상인 제1 주파수 대역에서 상기 복수의 입력 신호들의 주파수 대비 위상의 변화를 나타내는 제1 파라미터를 결정하고, 상기 제1 파라미터에 기반하여, 상기 SNR 값이 상기 임계 값 미만인 제2 주파수 대역에서 상기 복수의 입력 신호들의 주파수 대비 위상의 변화를 나타내는 제2 파라미터를 결정하고, 상기 제1 파라미터 및 상기 제2 파라미터에 기반하여 상기 복수의 입력 신호들에 대한 빔포밍을 수행하도록 설정될 수 있다.
Description
본 문서에서 개시되는 실시 예들은, 오디오 신호의 주파수 변화에 따른 위상 변화율에 기반하여 노이즈가 감쇠된 오디오 신호를 생성하는 장치 및 방법과 관련된다.
전자 장치는 마이크로폰과 같은 복수의 입력 장치들을 통해 음성 신호(speech signal)를 수신할 수 있다. 음성 신호와 함께 잡음 신호(noise signal)가 입력 장치로 유입되면, 전자 장치의 통화 품질 또는 음성 인식률이 감소될 수 있다. 전자 장치는 음성 신호와 잡음 신호가 섞인 입력 신호(또는 오디오 신호)로부터 잡음 신호를 제거하기 위하여 하드웨어 또는 소프트웨어 처리를 수반하는 빔포밍을 수행할 수 있다. 빔포밍은 입력 장치들로 수신되는 음성 신호들 간 시간 지연(time delay) 및/또는 위상 지연(phase delay)을 보상함으로써 입력 장치들이 음성 신호의 음원(sound source)의 위치에 대한 방향성을 가지도록 제어하는 동작을 포함할 수 있다. 전자 장치는 빔포밍을 통해 입력 장치들의 방향성을 제어함으로써 입력 장치들로 수신되는 입력 신호 중 음성 신호를 강화하고 잡음 신호를 제거하거나 감쇠시킬 수 있다.
빔포밍은 예를 들어, 신호독립(signal independent) 빔포밍과, 신호의존(signal dependent) 빔포밍을 포함할 수 있다. 전자 장치가 신호독립 빔포밍을 수행하면, 전자 장치는 입력 장치들 간 거리 정보와, 입력 장치들로 유입되는 음성 신호들의 방향 정보에 기반하여 음성 신호들 간 위상 지연을 보상할 수 있다. 신호독립 빔포밍을 통해, 전자 장치는 신호 대 잡음 비(signal to noise ratio, SNR)로부터 영향을 받지 않고 빔포밍을 수행할 수 있다. 그러나, 음성 신호들의 방향 정보가 변경되면(예: 음성 신호를 발화하는 사용자의 위치가 변경되면), 빔포밍의 성능이 저하되는 문제가 발생할 수 있다. 또한, 전자 장치가 실내에서 신호독립 빔포밍을 수행하면, 신호의 반향(reverberation)으로 인하여 입력 장치들로 유입되는 입력 신호들 간 위상 차이의 선형성이 상실되어 빔포밍의 정확도가 감소할 수 있다.
전자 장치가 신호의존 빔포밍을 수행하면, 전자 장치는 입력 장치들로 유입되는 입력 신호들과 잡음 신호들의 공분산 정보(covariance information)에 기반하여 음성 신호들 간 위상 지연을 보상할 수 있다. 신호의존 빔포밍을 통해, 전자 장치는 음성 신호의 방향 정보와 반향으로부터 영향을 받지 않고 빔포밍을 수행할 수 있다. 그러나, SNR이 낮은 주파수 환경에서는 잡음 신호로 인하여 공분산 정보에 대한 정확도가 감소하므로 빔포밍의 성능이 감소하는 문제가 발생할 수 있다.
본 발명의 다양한 실시 예들은 SNR이 낮은 주파수 대역에서의 신호의존 빔포밍의 성능을 향상시키기 위한 장치 및 그에 관한 방법을 제안하고자 한다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 음성 신호와 잡음 신호를 포함하는 복수의 입력 신호들을 수신하는 복수의 입력 장치들, 및 상기 입력 장치들과 전기적으로 연결되는 프로세서를 포함하고, 상기 프로세서는, 상기 복수의 입력 신호들에 대한 신호 대 잡음 비(signal to ratio, SNR) 값을 주파수 대역 별로 결정하고, 상기 SNR 값이 지정된 임계 값 이상인 제1 주파수 대역에서 상기 복수의 입력 신호들의 주파수 대비 위상의 변화를 나타내는 제1 파라미터를 결정하고, 상기 제1 파라미터에 기반하여, 상기 SNR 값이 상기 임계 값 미만인 제2 주파수 대역에서 상기 복수의 입력 신호들의 주파수 대비 위상의 변화를 나타내는 제2 파라미터를 결정하고, 상기 제1 파라미터 및 상기 제2 파라미터에 기반하여 상기 복수의 입력 신호들에 대한 빔포밍을 수행하도록 설정될 수 있다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 제1 마이크, 제2 마이크, 및 프로세서를 포함하고, 상기 프로세서는, 상기 제1 마이크를 이용하여 제1 오디오 신호, 및 상기 제2 마이크를 이용하여 제2 오디오 신호를 획득하고, 상기 제1 오디오 신호 및 상기 제2 오디오 신호와 관련하여 SNR이 지정된 범위에 속하는 지정된 주파수 대역을 확인하고, 상기 지정된 주파수 대역에서 상기 제1 오디오 신호 및 상기 제2 오디오 신호가 주파수의 변화에 따라 위상이 변화되는 제1 변화율을 결정하고, 상기 지정된 주파수 대역과 다른 주파수 대역에서 상기 제1 오디오 신호 및 상기 제2 오디오 신호가 주파수의 변화에 따라 위상이 변화되는 제2 변화율을 상기 제1 변화율에 적어도 기반하여 추정하고, 상기 제1 변화율 및 상기 제2 변화율에 적어도 기반하여, 상기 제1 오디오 신호에 대응하는 제1 가중치 및 상기 제2 오디오 신호에 대응하는 제2 가중치를 결정하고, 및 상기 제1 가중치 및 상기 제2 가중치에 적어도 기반하여, 상기 제1 오디오 신호 및 상기 제2 오디오 신호를 이용하여 잡음 신호가 감쇠된 제3 오디오 신호를 생성하도록 설정될 수 있다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치의 방법은, 복수의 입력 신호들을 수신하는 동작, 상기 복수의 입력 신호들에 대한 SNR 값을 주파수 대역 별로 결정하는 동작, 상기 SNR 값이 지정된 임계 값 이상인 제1 주파수 대역에서 상기 복수의 입력 신호들의 주파수 대비 위상 변화를 나타내는 제1 파라미터를 결정하는 동작, 상기 제1 파라미터에 기반하여, 상기 SNR 값이 상기 임계 값 미만인 제2 주파수 대역에서 상기 복수의 입력 신호들의 주파수 대비 위상 변화를 나타내는 제2 파라미터를 결정하는 동작, 및 상기 제1 파라미터 및 상기 제2 파라미터에 기반하여, 상기 복수의 입력 신호들에 대한 빔포밍을 수행하는 동작을 포함할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 전자 장치는 입력 신호의 SNR 값에 기반하여 신호의존 빔포밍을 적응적으로 수행함으로써, SNR이 낮은 환경에서도 신호의존 빔포밍의 성능을 향상시킬 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 전자 장치는 SNR이 낮은 환경에서도 신호의존 빔포밍의 성능을 향상시킴으로써 잡음 신호(예: 차량 노이즈(car noise))가 존재하는 환경에서 음성 신호를 효율적으로 인식할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 다양한 실시 예들에 따른 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 다양한 실시 예들에 따라 신호의존 빔포밍을 수행하는 전자 장치의 블록도를 도시한다.
도 3은 다양한 실시 예들에 따라 SNR 값에 기반하여 적응적으로 빔포밍을 수행하는 전자 장치의 동작 흐름도를 도시한다.
도 4는 다양한 실시 예들에 따라 SNR이 지정된 범위에 속하는 주파수 대역에서 빔포밍을 수행하는 전자 장치의 동작 흐름도를 도시한다.
도 5는 다양한 실시 예들에 따라 제2 주파수 대역에서 신호의존 빔포밍을 수행하는 전자 장치의 블록도를 도시한다.
도 6은 다양한 실시 예들에 따라 주파수 대역 별로 잡음 신호 및 음성 신호를 나타내는 그래프를 도시한다.
도 7은 다양한 실시 예들에 따라 주파수 대역 별로 음성 신호를 나타내는 그래프를 도시한다.
도 8은 다양한 실시 예들에 따라 제1 파라미터를 제2 주파수 대역에 적용하는 동작을 설명하는 예를 도시한다.
도 9는 다양한 실시 예들에 따라 영 공간(null space)를 이용하는 GSC(generalized sidelobe canceler) 빔포밍의 수행 결과를 나타내는 그래프를 도시한다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
도 1은 다양한 실시 예들에 따른 네트워크 환경에서 전자 장치의 블록도를 나타낸다.
도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101) 는 제1 네트워크(198)(예: 근거리 무선 통신)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 장치(150), 음향 출력 장치(155), 표시 장치(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 및 안테나 모듈(197)을 포함할 수 있다. 어떤 실시 예에서, 구성요소들 중 적어도 하나(예: 표시 장치(160) 또는 카메라 모듈(180))가 전자 장치(101)에서 생략되거나 다른 구성 요소가 전자 장치(101)에서 추가될 수 있다. 어떤 실시 예에서, 표시 장치(160)(예: 디스플레이)에 센서 모듈(176)(예: 지문 센서, 홍채 센서, 또는 조도 센서)이 임베디드 되는 경우와 같이, 일부의 구성요소들이 통합되어 구현될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 구동하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 및 연산을 수행할 수 있다. 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 로드하여 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시 예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 애플리케이션 프로세서), 및 이와는 독립적으로 운영되고, 추가적으로 또는 대체적으로, 메인 프로세서(121)보다 저전력을 사용하거나, 또는 지정된 기능에 특화된 보조 프로세서(123)(예: 그래픽 처리 장치, 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로 또는 임베디드되어 운영될 수 있다.
이런 경우, 보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 애플리케이션 수행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 표시 장치(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시 예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성 요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부 구성 요소로서 구현될 수 있다. 메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서모듈(176))에 의해 사용되는 다양한 데이터, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 저장할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
일 실시 예에 따르면, 프로그램(140)은 메모리(130)에 저장되는 소프트웨어로서, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 애플리케이션(146)을 포함할 수 있다.
일 실시 예에 따르면, 입력 장치(150)는, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신하기 위한 장치로서, 예를 들면, 마이크, 마우스, 또는 키보드를 포함할 수 있다.
일 실시 예에 따르면, 음향 출력 장치(155)는 음향 신호를 전자 장치(101)의 외부로 출력하기 위한 장치로서, 예를 들면, 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용되는 스피커와 전화 수신 전용으로 사용되는 리시버를 포함할 수 있다. 일 실시 예에 따르면, 리시버는 스피커와 일체 또는 별도로 형성될 수 있다.
일 실시 예에 따르면, 표시 장치(160)는 전자 장치(101)의 사용자에게 정보를 시각적으로 제공하기 위한 장치로서, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시 예에 따르면, 표시 장치(160)는 터치 회로(touch circuitry) 또는 터치에 대한 압력의 세기를 측정할 수 있는 압력 센서를 포함할 수 있다.
일 실시 예에 따르면, 오디오 모듈(170)은 소리와 전기 신호를 쌍방향으로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(170)은, 입력 장치(150)를 통해 소리를 획득하거나, 음향 출력 장치(155), 또는 전자 장치(101)와 유선 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102)(예: 스피커 또는 헤드폰))를 통해 소리를 출력할 수 있다.
일 실시 예에 따르면, 센서 모듈(176)은 전자 장치(101)의 내부의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
일 실시 예에 따르면, 인터페이스(177)는 외부 전자 장치(예: 전자 장치(102))와 유선 또는 무선으로 연결할 수 있는 지정된 프로토콜을 지원할 수 있다. 일 실시 예에 따르면, 인터페이스(177)는 HDMI(high definition multimediainterface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
일 실시 예에 따르면, 연결 단자(178)는 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102))를 물리적으로 연결시킬 수 있는 커넥터, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
일 실시 예에 따르면, 햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
일 실시 예에 따르면, 카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시 예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈, 이미지 센서, 이미지 시그널 프로세서, 또는 플래시를 포함할 수 있다.
일 실시 예에 따르면, 전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리하기 위한 모듈로서, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구성될 수 있다.
일 실시 예에 따르면, 배터리(189)는 전자 장치(101)의 적어도 하나의 구성 요소에 전력을 공급하기 위한 장치로서, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
일 실시 예에 따르면, 통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108))간의 유선 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 애플리케이션 프로세서)와 독립적으로 운영되는, 유선 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시 예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함하고, 그 중 해당하는 통신 모듈을 이용하여 제1 네트워크(198)(예: 블루투스, WiFi direct 또는 IrDA(infrared data association) 같은 근거리 통신 네트워크) 또는 제2 네트워크(199)(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 상술한 여러 종류의 통신 모듈(190)은 하나의 칩으로 구현되거나 또는 각각 별도의 칩으로 구현될 수 있다.
일 실시 예에 따르면, 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 사용자 정보를 이용하여 통신 네트워크 내에서 전자 장치(101)를 구별 및 인증할 수 있다.
일 실시 예에 따르면, 안테나 모듈(197)은 신호 또는 전력을 외부로 송신하거나 외부로부터 수신하기 위한 하나 이상의 안테나들을 포함할 수 있다. 일 실시 예에 따르면, 통신 모듈(190)(예: 무선 통신 모듈(192))은 통신 방식에 적합한 안테나를 통하여 신호를 외부 전자 장치로 송신하거나, 외부 전자 장치로부터 수신할 수 있다.
상기 구성요소들 중 일부 구성요소들은 주변 기기들간 통신 방식(예: 버스, GPIO(general purposeinput/output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))를 통해 서로 연결되어 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시 예에 따르면, 명령 또는 데이터는 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 전자 장치(102, 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시 예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 다른 하나 또는 복수의 외부 전자 장치에서 실행될 수 있다. 일 실시 예에 따르면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로 또는 요청에 의하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 그와 연관된 적어도 일부 기능을 외부 전자 장치에게 요청할 수 있다. 상기 요청을 수신한 외부 전자 장치는 요청된 기능 또는 추가 기능을 실행하고, 그 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 수신된 결과를 그대로 또는 추가적으로 처리하여 요청된 기능이나 서비스를 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
도 2는 다양한 실시 예들에 따라 신호의존 빔포밍을 수행하는 전자 장치의 블록도를 도시한다.
도 2를 참조하면, 전자 장치(101)는 복수의 입력 장치들(210-1, 210-2,…,210-M)(예: 도 1의 입력 장치(150)), 신호 처리 모듈(220), 및 공분산 정보 처리 모듈(230)을 포함할 수 있다. 전자 장치(101)에 포함되는 구성요소들은 도 2에 도시된 예로 한정되지 않을 수 있다. 예를 들어, 전자 장치(101)는 도 1에 도시된 구성요소들 중 적어도 하나를 더 포함하거나, 도 2에 도시된 구성요소들 중 적어도 하나를 생략할 수 있다.
일 실시 예에 따르면, 복수의 입력 장치들(210-1, 210-2,…,210-M)의 개수는 구현 방법에 따라 2부터 M(M은 3이상의 자연수)까지 다양할 수 있다. 복수의 입력 장치들(210-1, 210-2,…,210-M)은 예를 들어, 마이크로폰(또는 마이크)을 포함할 수 있다.
일 실시 예에 따르면, 복수의 입력 장치들(210-1, 210-2,…,210-M)은 사용자(10)로부터 발화되는 음성 신호들 s(t)를 수신할 수 있다. 복수의 입력 장치들(210-1, 210-2,…,210-M)은 서로 떨어진 채로 배치되므로, 하나의 음원 위치에서 발생하는 음성 신호들은 서로 다른 시간에 서로 다른 복수의 입력 장치들(210-1, 210-2,…,210-M)로 수신될 수 있다. 예를 들어, 음성 신호들 중 일부는 시간 t1에 입력 장치(210-1)로 수신되고, 다른 일부는 시간 t2에 입력 장치(210-2)로 수신되고, 다른 일부는 시간 tM에 입력 장치(210-M)로 수신될 수 있다. 사용자(10)의 위치가 복수의 입력 장치들(210-1, 210-2,…,210-M) 중 입력 장치(210-1)에 가깝다면, 시간 t1은 시간 t2,…,tM보다 작을 수 있다. 서로 다른 시간에 수신된 음성 신호들은 서로 다른 위상(phase)을 가질 수 있다.
일 실시 예에 따르면, 복수의 입력 장치들(210-1, 210-2,…,210-M)은 음성 신호들 s(t)와 함께 잡음 신호들 n(t)를 수신할 수 있다. 음성 신호들과 유사한 원리로, 잡음 신호들은 서로 다른 시간에 서로 다른 복수의 입력 장치들(210-1, 210-2,…,210-M)로 수신되므로, 잡음 신호들은 서로 다른 위상을 가질 수 있다.
일 실시 예에 따르면, 입력 신호들 x1(t), x2(t),…,xM(t)은 서로 다른 시간에 입력 장치들(210-1, 210-2,…,210-M)을 통해 수신된 음성 신호들 및 잡음 신호들을 포함할 수 있다. 본 문서에서 입력 신호는 오디오 신호로 지칭될 수 있다. 예를 들어, i번째 입력 장치(210-i)(i는 1부터 M 사이의 자연수)를 통해 수신되는 입력 신호 xi(t)는 하기의 수학식 1로 표현될 수 있다.
수학식 1에서, si(t)는 i 번째(i는 1부터 M까지의 자연수) 입력 장치(210-i)로 수신되는 음성 신호를 나타내고, ni(t)는 i 번째 입력 장치 (210-i)로 수신되는 잡음 신호를 나타낼 수 있다. 서로 다른 입력 장치들로 수신되는 음성 신호들은 서로 다른 위상을 가지며, 서로 다른 입력 장치들로 수신되는 잡음 신호들은 서로 다른 위상을 가지므로, 수학식 1은 하기의 수학식 2로 표현될 수 있다.
수학식 2에서, s1(t-ts,i)는 첫 번째 입력 장치(210-1)로 수신되는 음성 신호 s1(t)와 i번째 입력 장치(210-i)로 수신되는 음성 신호 si(t)의 위상 차이 ts,i를 반영한 것일 수 있다. 동일한 원리로, n1(t-tn,i)는 첫 번째 입력 장치(210-1)로 수신되는 잡음 신호 n1(t)와 i번째 입력 장치(210-i)로 수신되는 잡음 신호 ni(t)의 위상 차이 tn,i를 반영한 것일 수 있다.
일 실시 예에 따르면, 신호 처리 모듈(220)은 측정된 SNR 값이 임계 값 이상인 제1 주파수 대역에 대하여 제1 파라미터(parameter)에 기반하여 빔포밍을 수행하고, 측정된 SNR 값이 임계 값 미만인 제2 주파수 대역에 대하여 제2 파라미터에 기반하여 빔포밍을 수행할 수 있다. 본 문서에서, 빔포밍 동작은 전자 장치(101)가 입력 신호들의 방향성을 제어하기 위하여 가중치(weight)를 적용하는 동작을 의미할 수 있다. 본 문서에서, 파라미터는 입력 신호들에 대한 주파수 대비 위상 변화를 나타낼 수 있다. 전자 장치(101)는 파라미터에 기반하여 결정된 가중치(weight)를 입력 신호들에게 적용함으로써 입력 신호들에 포함되는 잡음 신호들을 감쇠시킬 수 있다. 파라미터는 변화율, 스티어링 벡터(steering vector) 또는 블로킹 매트릭스(blocking matrix)로 지칭될 수 있다.
일 실시 예에 따르면, 신호 처리 모듈(220)은 빔포밍을 수행하기 위한 일련의 동작을 수행하는 소프트웨어 모듈 또는 하드웨어 모듈을 포함할 수 있다. 예를 들어, 신호 처리 모듈(220)은 도 1의 오디오 모듈(170)에 내장되고 프로세서(예: 도 1의 프로세서(120))에 의해 제어될 수 있다. 다른 예를 들어, 프로세서(예: 도 1의 프로세서(120))는 신호 처리 모듈(220)의 적어도 일부를 포함할 수 있다. 다른 예를 들어, 신호 처리 모듈(220)은 도 1의 메모리(130)에 인스트럭션 형태로 저장되고, 프로세서에 의해 실행될 수 있다. 신호 처리 모듈(220)은 SNR 측정 모듈(222), 제1 파라미터 결정 모듈(224), 제2 파라미터 결정 모듈(226), 및 빔포밍 모듈(228)을 포함할 수 있다.
일 실시 예에 따르면, SNR 측정 모듈(222)은 입력 신호들에 대한 SNR 을 주파수 대역 별로 측정할 수 있다. SNR 측정 모듈(222)은 측정된 SNR 값이 지정된 임계 값 이상인지 여부를 확인할 수 있다. 본 문서에서, SNR 값이 지정된 임계 값 이상인 주파수 대역은 제1 주파수 대역으로, SNR 값이 지정된 임계 값 미만인 주파수 대역은 제2 주파수 대역으로 지칭될 수 있다. 예를 들어, 차량 노이즈(car noise)와 같이 저주파 대역의 잡음 신호가 많은 환경에서, 제2 주파수 대역은 제1 주파수 대역보다 낮은 주파수 대역을 포함할 수 있다. 다른 예를 들어, 고주파 대역의 잡음 신호가 많은 환경에서, 제2 주파수 대역은 제1 주파수 대역보다 높은 주파수 대역을 포함할 수 있다.
일 실시 예에 따르면, 제1 파라미터 결정 모듈(224)은 제1 주파수 대역에 대한 제1 파라미터를 결정할 수 있다. 제1 파라미터 결정 모듈(224)은 공분산 처리 모듈(230)로부터 수신된 공분산 정보에 기반하여 제1 파라미터를 결정할 수 있다. 본 문서에서, 공분산 정보는 복수의 음성 신호들 간 상관 관계를 의미하거나, 복수의 잡음 신호들 간 상관 관계를 의미할 수 있다. 전자 장치(101)는 음성 신호들 간 상관 관계에 기반하여 음성 신호의 음원 위치(예: 위상 또는 방향)를 결정할 수 있다. 공분산 정보는 예를 들어, 공분산 벡터 또는 공분산 행렬을 포함할 수 있다.
일 실시 예에 따르면, 제1 파라미터 결정 모듈(224)은 신호의존 빔포밍의 종류에 기반하여 다양한 방식으로 제1 파라미터를 결정할 수 있다. 신호의존 빔포밍의 종류는 예를 들어, 음성 신호에 대한 공분산 행렬과 잡음 신호에 대한 공분 산 행렬 간 차이를 이용함으로써 음성 신호의 왜곡을 최소화할 수 있는 MVDR(minimum variance distortionless response) 빔포밍, 잡음 신호에 대한 공분산 행렬의 역행렬과 음성 신호에 대한 공분산 행렬을 이용함으로써 입력 신호의 SNR을 향상시킬 수 있는 최대(max) SNR 빔포밍, 최대 SNR 빔포머에서 이용되는 고유벡터(eigenvector)의 영 공간(null space)을 이용함으로써 잡음 신호를 효율적으로 제거할 수 있는 GSC(generalized sidelobe canceler) 빔포밍을 포함할 수 있다.
일 실시 예에 따르면, 제2 파라미터 결정 모듈(226)은 제2 주파수 대역에 대한 제2 파라미터를 결정할 수 있다. SNR 값이 임계 값 미만인 제2 주파수 대역에서 측정된 공분산 정보의 결과 값은 SNR 값이 임계 값 이상인 제1 주파수 대역에서의 공분산 정보의 결과 값에 대비하여 정확도가 낮을 수 있으므로, 제2 파라미터 결정 모듈(226)은 제1 주파수 대역에서 결정된 제1 파라미터로부터 제2 파라미터를 추정할 수 있다. 제2 파라미터 결정 모듈(226)은 예를 들어, 제1 주파수 대역에서 채널(또는 주파수) 간 위상 차이가 가지는 선형성(linearity)을 이용하여 제1 파라미터로부터 제2 파라미터를 결정할 수 있다. 다른 예를 들어, 제2 파라미터 결정 모듈(226)은 DNN(deep neural networks) 모델에 기반하여 제1 파라미터로부터 제2 파라미터를 결정할 수 있다.
일 실시 예에 따르면, 빔포밍 모듈(228)은 제1 파라미터 및 제2 파라미터에 기반하여 빔포밍을 수행할 수 있다. 빔포밍 모듈(228)은 예를 들어, 제1 파라미터 및 제2 파라미터에 기반하여 결정된 가중치들을 입력 신호들에게 적용함으로써 음성 신호들 간 위상 차이(예: 수학식 2에서 ts,i)를 보상할 수 있다. 빔포밍이 수행되면, 입력 신호들 x1(t), x2(t),…,xM(t)은 잡음 신호가 제거(또는 감쇠)된 신호 y(t)로 출력될 수 있다.
일 실시 예에 따르면, 공분산 처리 모듈(230)은 제1 파라미터를 결정하기 위하여 이용되는 공분산 정보를 신호 처리 모듈(220)에게 전송하는 소프트웨어 모듈 또는 하드웨어 모듈을 포함할 수 있다. 예를 들어, 공분산 처리 모듈(230)은 도 1의 오디오 모듈(170)에 내장되고 프로세서에 의해 제어되거나, 도 1의 메모리(130)에 인스트럭션 형태로 저장되고, 프로세서에 의해 실행될 수 있다. 다른 예를 들어, 프로세서(예: 도 1의 프로세서(120))는 공분산 처리 모듈(230)의 적어도 일부를 포함할 수 있다. 공분산 처리 모듈(230)은 음성 신호 결정 모듈(232) 및 공분산 정보 결정 모듈(234)을 포함할 수 있다.
일 실시 예에 따르면, 음성 신호 결정 모듈(232)은 수신된 입력 신호에서 음성 신호의 존재 여부 또는 음성 신호의 존재 확률을 결정(또는 추정)할 수 있다. 예를 들어, 음성 신호 결정 모듈(232)은 하나의 채널에 대한 잡음 제거(noise suppression, NS)를 위하여 이용되는 SPP(speech presence probability) 추정 알고리즘 또는 복수의 채널에 대한 NS를 위하여 이용되는 CGMM 기반(complex Gaussian mixture model based) 추정 알고리즘을 이용하여 주파수 대역(예: 제1 주파수 대역)에서 음성 신호가 존재하는 구간을 결정할 수 있다.
일 실시 예에 따르면, 공분산 정보 결정 모듈(234)은 음성 신호 결정 모듈(232)에 의하여 결정된 음성 신호와 입력 장치들(210-1, 210-2,…,210-M)로 수신된 입력 신호에 기반하여 음성 신호에 대한 공분산 정보 또는 잡음 신호에 대한 공분산 정보를 결정할 수 있다. 공분산 정보는 예를 들어, 음성 신호에 대한 공분산 행렬 Cs(f)(f는 주파수를 나타낼 수 있다) 및 잡음 신호에 대한 공분산 행렬 Cn(f)을 포함할 수 있다.
도 3은 다양한 실시 예들에 따라 SNR 값에 기반하여 적응적으로 빔포밍을 수행하는 전자 장치의 동작 흐름도를 도시한다. 도 3에 도시되는 동작들은 전자 장치(101) 또는 전자 장치에 포함되는 구성요소들(예: 프로세서(120) 또는 오디오 모듈(170))에 의하여 구현될 수 있다.
도 3을 참조하면, 방법 300의 동작 305에서, 프로세서(120)는 복수의 입력 신호들에 대한 SNR을 주파수 대역 별로 측정할 수 있다. 일 실시 예에 따르면, 프로세서(120)는 SNR을 측정하기 이전에 입력 신호들에 대한 고속 푸리에 변환(fast Fourier transform, FFT)을 수행함으로써 시간 영역(domain)의 입력 신호를 주파수 영역의 입력 신호로 변환할 수 있다.
동작 310에서, 프로세서(120)는 SNR 값이 지정된 임계 값 이상인 제1 주파수 대역에 대한 제1 파라미터를 결정할 수 있다. 일 실시 예에 따르면, 프로세서(120)는 신호의존 빔포밍의 종류에 기반하여 다양한 방식으로 제1 파라미터를 결정할 수 있다.
동작 315에서, 프로세서(120)는 제1 파라미터에 기반하여 SNR 값이 임계 값 미만인 제2 주파수 대역에 대한 제2 파라미터를 결정할 수 있다. 일 실시 예에 따르면, 프로세서(120)는 제1 파라미터의 선형성에 기반하거나, DNN 모델을 이용함으로써 제1 파라미터로부터 제2 파라미터를 결정할 수 있다.
동작 320에서, 프로세서(120)는 제1 파라미터 및 제2 파라미터에 기반하여 빔포밍을 수행함으로써 입력 신호로부터 잡음 신호를 감쇠시킬 수 있다.
일 실시 예에 따르면, 프로세서(120)는 빔포밍을 수행한 이후에 역 고속 푸리에 변환(inverse fast Fourier transform, IFFT)을 수행함으로써 주파수 영역의 신호를 시간 영역의 신호로 변환할 수 있다.
상술한 방법 300을 통하여, 전자 장치(101)는 SNR 값이 낮은 주파수 대역에서 신호의존 빔포밍의 성능 열화를 방지할 수 있다.
도 4는 다양한 실시 예들에 따라 SNR이 지정된 범위에 속하는 주파수 대역에서 빔포밍을 수행하는 전자 장치의 동작 흐름도를 도시한다. 도 4는 2개의 입력 장치들을 통해 음성 신호를 수신하는 예를 도시하였지만, 입력 장치의 개수 및 음성 신호의 개수는 도 4에 도시된 예로 제한되지 않는다.
도 4를 참조하면, 방법 400의 동작 405에서, 프로세서(120)는 제1 마이크(예: 첫 번째 입력 장치(210-1))를 통해 제1 오디오 신호를 획득하고, 제2 마이크(예: 두 번째 입력 장치(210-2))를 통해 제2 오디오 신호를 획득할 수 있다. 제1 오디오 신호 및 제2 오디오 신호 각각은 음성 신호와 잡음 신호를 포함할 수 있다.
동작 410에서, 프로세서(120)는 제1 오디오 신호 및 제2 오디오 신호에 대한 SNR이 지정된 범위에 속하는 지정된 주파수 대역을 확인할 수 있다. 예를 들어, SNR이 지정된 범위에 속하는 것은 SNR이 도 2의 지정된 임계 값 이상임을 의미할 수 있다. SNR이 지정된 임계 값 이상이면, 지정된 주파수 대역은 제1 주파수 대역을 의미할 수 있다.
동작 415에서, 프로세서(120)는 지정된 주파수 대역(예: 제1 주파수 대역)에서의 음성 신호들의 위상이 주파수 변화에 따라 변화되는 제1 변화율(예: 제 1 파라미터)을 결정할 수 있다. 일 실시 예에 따르면, 프로세서(120)는 MVDR 빔포밍, 최대 SNR 빔포밍, 또는 GSC 빔포밍을 통해 제1 변화율을 결정할 수 있다.
동작 420에서, 프로세서(120)는 지정된 주파수 대역과 다른 주파수 대역에서 음성 신호들의 위상이 주파수 변화에 따라 변화되는 제2 변화율(예: 제 2 파라미터)을 동작 415에서 결정된 제 1 변화율에 적어도 기반하여 추정할 수 있다. 다른 주파수 대역은 예를 들어, SNR이 지정된 임계 값 미만인 제2 주파수 대역을 의미할 수 있다.
일 실시 예에 따르면, 프로세서(120)는 지정된 주파수 대역(예: 제1 주파수 대역)에서 방향성을 가지는 음성 신호들의 위상 차이가 가지는 선형성(linearity)을 이용하여 제1 변화율로부터 제2 변화율을 추정할 수 있다. 다른 예를 들어, 프로세서(120)는 DNN(deep neural networks) 모델에 기반하여 제1 변화율로부터 제2 변화율를 추정할 수 있다.
동작 425에서, 프로세서(120)는 제1 변화율 및 제2 변화율에 적어도 기반하여 제1 오디오 신호에 대한 제1 가중치와 제2 오디오 신호에 대한 제2 가중치를 결정할 수 있다.
동작 430에서, 프로세서(120)는 제1 가중치 및 제2 가중치에 적어도 기반하여 제1 오디오 신호 및 제2 오디오 신호의 잡음 신호가 감쇠된 제3 오디오 신호를 생성할 수 있다.
도 5는 다양한 실시 예들에 따라 제2 주파수 대역에서 신호의존 빔포밍을 수행하는 전자 장치의 블록도를 도시한다. 도 5는 전자 장치(101)가 블록 505 내지 블록 540의 동작을 일련으로 실시하는 예를 도시하였지만, 도 5에 도시된 블록들 중 적어도 하나의 블록은 생략될 수 있다. 예를 들어, 전자 장치(101)는 블록 520의 동작을 생략할 수 있다.
도 5를 참조하면, 블록 505에서, 전자 장치(101)는 복수의 입력 신호들에 대한 FFT 변환을 수행함으로써, 시간 영역의 신호를 주파수 영역의 신호로 변환할 수 있다. 도 5에는 도시되지 않았지만, 전자 장치(101)는 FFT 변환을 수행하기 이전에 입력 신호들에 대한 A/D(analog to digital) 변환 또는 윈도우 필터링(window filtering)을 수행할 수 있다.
블록 510에서, 전자 장치(101)는 입력 신호들에 대한 SNR을 주파수 대역 별로 측정할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 하나의 입력 장치에 대한 NS 알고리즘 또는 복수의 입력 장치들에 대한 NS 알고리즘을 이용하여 SNR 값을 결정할 수 있다. 전자 장치(101)는 SNR 값이 지정된 임계 값 이상인지 여부에 기반하여 신호의존 빔포밍을 적응적으로 수행할 수 있다.
블록 515에서, 전자 장치(101)는 SNR 값이 임계 값 이상인 제1 주파수 대역에서 음성 신호를 결정할 수 있다. 예를 들어, 전자 장치(101)는 제1 주파수 대역에서 음성 신호의 존재 여부를 판단하거나, 제1 주파수 대역 중에서 음성 신호의 존재 확률을 추정할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 SPP 추정 알고리즘 또는 CGMM 기반 추정 알고리즘을 이용하여 음성 신호를 결정할 수 있다.
블록 520에서, 전자 장치(101)는 제1 주파수 대역에서 음성 신호 또는 잡음 신호의 공분산 정보를 결정할 수 있다. 예를 들어, 복수의 입력 장치들(210-1, 210-2,…,210-M)로 수신되는 입력 신호 x(t)가 시간 및 주파수에 대한 행렬(matrix)로 표현되면 하기의 수학식 3으로 나타날 수 있다.
수학식 3에서, Xi(t,f)는 시간 t 및 주파수 f에서 i번째 입력 장치(210-i)로 수신되는 입력 신호의 행렬을 의미할 수 있다. []T는 행렬 []의 전치 행렬(transposed matrix)을 의미할 수 있다. 전자 장치(101)는 입력 신호에 관한 행렬 X(t,f)와 블록 515에서 결정된 음성 신호 값 m(t,f)(m(t,f)는 스칼라(scalar) 값을 의미할 수 있다)를 이용하여 하기의 수학식 4와 같이 공분산 행렬을 결정할 수 있다.
수학식 4에서, Cs(f)는 시간 t 및 주파수 f에서 음성 신호의 공분산 행렬을 의미할 수 있다. Cn(f)는 시간 t 및 주파수 f에서 잡음 신호의 공분산 행렬을 의미할 수 있다. E{}는 {}의 시간에 대한 평균을 의미하고, []H는 행렬 []의 에르미트 행렬(Hermitian matrix)을 의미할 수 있다. 결정된 공분산 행렬에서, 대각 행렬(diagonal matrix) 성분은 음성 신호 또는 잡음 신호의 크기에 관한 정보를 포함하고, 대각 행렬 성분 이외의 성분은 음성 신호 또는 잡음 신호의 공간(spatial)에 대한 정보를 포함할 수 있다. 수학식 3 및 수학식 4는 음성 신호 또는 잡음 신호의 공분산 행렬을 결정하기 위한 일 예를 나타내는 것이며, 전자 장치(101)는 수학식 3 및 수학식 4이외에 다른 방법을 이용하여 공분산 행렬 또는 공분산 벡터를 결정할 수 있다.
블록 525에서, 전자 장치(101)는 결정된 공분산 행렬에 기반하여 제1 주파수 대역에 대한 제1 파라미터를 결정할 수 있다. 일 실시 예에 따르면, 전자 장치(101)는 음성 신호에 대한 SNR을 향상시키기 위해 MVDR 빔포밍, 최대 SNR빔포밍, 또는 GSC 빔포밍 등을 이용할 수 있다. 예를 들어, 전자 장치(101)는 하기의 수학식 5에 기재된 바와 같이 MVDR 빔포밍을 이용하여 제1 파라미터를 결정할 수 있다.
수학식 5에서, FMVDR(f)는 (Cs(f)-Cn(f))의 고유값(eigenvalue) λmax,M가 최대가 되는 고유벡터를 의미할 수 있다. 전자 장치(101)는 고유벡터 FMVDR(f)를 제1 주파수 대역에 대한 제1 파라미터로 결정할 수 있다.
다른 예를 들어, 전자 장치(101)는 하기의 수학식 6에 기재된 바와 같이 최대 SNR 빔포밍을 이용하여 제1 파라미터를 결정할 수 있다.
수학식 6에서, FSNR(f)는 Cn(f)-
1Cs(f)의 고유값 λmax,S가 최대가 되는 고유벡터를 의미할 수 있다. 전자 장치(101)는 고유벡터 FSNR(f)를 제1 주파수 대역에 대한 제1 파라미터로 결정할 수 있다.
다른 예를 들어, 전자 장치(101)는 하기의 수학식 7에 기재된 바와 같이 GSC 빔포밍을 이용하여 제1 파라미터를 결정할 수 있다.
수학식 7에서, FSNR(f)는 수학식 6의 최대 SNR 빔포밍을 이용하여 결정된 고유벡터 FSNR(f)를 의미할 수 있다. 전자 장치(101)는 FSNR(f)의 영 공간(null space) 및 수학식 7을 이용하여 결정된 FBM,SNR(f)을 제1 주파수 대역에 대한 제1 파라미터로 결정할 수 있다.
일 실시 예에 따르면, 전자 장치(101)는 MVDR 빔포밍, 최대 SNR 빔포밍, 및 GSC 빔포밍 이외에도 다른 빔포밍을 이용하여 제1 파라미터를 결정할 있다.
블록 530에서, 전자 장치(101)는 제1 파라미터에 기반하여 제2 주파수 대역에 대한 제2 파라미터를 결정할 있다. 일 실시 예에 따르면, 전자 장치(101)는 제1 주파수 대역에서 음성신호에 대한 채널 간 위상 차이가 가지는 선형성 또는 DNN 모델에 기반하여 제1 파라미터로부터 제2 파라미터를 추정할 수 있다. 선형성에 기반하여 제2 파라미터를 결정하는 동작은 도 7에서 서술될 수 있다.
블록 535에서, 전자 장치(101)는 제2 파라미터에 기반하여 제2 주파수 대역에 대한 빔포밍을 수행할 수 있다. 예를 들어, 전자 장치(101)는 제2 파라미터에 기반하여 입력 신호들 각각에 대한 가중치를 결정하고, 결정된 가중치를 입력 신호들에게 적용함으로써 입력 장치들이 음성 신호의 음원 위치에 따라 방향성을 가지도록 제어할 수 있다.
블록 540에서, 전자 장치(101)는 빔포밍이 수행된 신호에 대한 IFFT 변환을 수행함으로써 시간 영역의 신호 y(t)를 출력할 수 있다.
도 6은 다양한 실시 예들에 따라 주파수 대역 별로 잡음 신호 및 음성 신호를 나타내는 그래프를 도시한다.
도 6은 다양한 실시 예들에 따라 주파수 대역 별로 잡음 신호 및 음성 신호를 나타내는 그래프를 도시한다. 그래프(600)은 단지 특정 주파수 대역에 따른 잡음 음성 신호를 나타내는 일 예를 도시하는 것이고, 본 문서에서 개시되는 제1 주파수 대역 및 제2 주파수 대역의 구간은 그래프(600)에 도시된 예로 한정되는 것은 아닐 수 있다.
도 6을 참조하면, 그래프(600)는 시간 및 주파수 대역에 따른 잡음 음성(noisy speech) 신호의 에너지를 나타내는 스펙트로그램(spectrogram)을 의미할 수 있다. 잡음 음성 신호는 음성 신호와 잡음 신호를 포함할 수 있다. 잡음 음성 신호는 예를 들어, 전자 장치(101)의 입력 장치들(예: 도 2의 입력 장치들(210-1, 210-2,…,210-M))로 수신되는 입력 신호를 의미할 수 있다. 그래프(600)에서, 가로 축은 시간을 나타내는 프레임 인덱스(frame index)를 의미하고, 세로 축은 주파수(단위: 헤르츠(Hz))를 의미할 수 있다.
일 실시 예에 따르면, 제1 주파수 대역(610)(예: 1000Hz에서 8000 Hz 사이 구간)에서, 잡음 음성 신호는 잡음 신호를 많이 포함하지 않으므로(즉, 에너지가 높은 잡음 음성 신호와 에너지가 낮은 잡음 음성 신호의 구분이 명확하므로), 잡음 음성 신호는 높은 SNR 값을 가질 수 있다. 제2 주파수 대역(620)(예: 1000Hz 미만)에서, 잡음 신호로 인하여 에너지가 높은 잡음 음성 신호와 에너지가 낮은 잡음 음성 신호의 구분이 명확하지 않을 수 있다. 이 경우, 제2 주파수 대역의 잡음 음성 신호는 제1 주파수 대역(610)의 잡음 음성 신호의 SNR 값보다 낮은 SNR 값을 가질 수 있다.
일 실시 예에 따르면, 전자 장치(101)는 그래프(600)가 나타내는 결과에 기반하여 빔포밍에 대한 파라미터를 적응적으로 결정하는 주파수 대역을 구분할 수 있다. 예를 들어, 전자 장치(101)는 SNR 값의 차이가 명확히 드러나는 구간(예: 그래프(600)에서 제1 주파수 대역(610) 및 제2 주파수 대역(620)의 경계 구간)의 SNR 값을 임계 값으로 결정할 수 있다. 전자 장치(101)는 결정된 임계 값을 전자 장치(101)의 메모리(예: 도 1의 메모리(130))에 미리 저장하고, 복수의 입력 신호들이 수신되면 SNR이 미리 저장된 임계 값 이상인 주파수 대역과 SNR이 미리 저장된 임계 값 미만인 주파수 대역을 구분할 수 있다. 다른 예를 들어, 전자 장치(101)는 복수의 주파수 대역들의 SNR을 측정하고, SNR이 가장 높은 하나의 주파수 대역(예: 그래프(600)에서 제1 주파수 대역(610))을 결정할 수 있다. 전자 장치(101)는 SNR이 가장 높은 주파수 대역에 대한 제1 파라미터를 결정하고, 제1 파라미터에 기반하여 나머지 주파수 대역에 대한 제2 파라미터를 결정할 수 있다.
도 7은 다양한 실시 예들에 따라 주파수 대역 별로 음성 신호를 나타내는 그래프를 도시한다.
도 7은 다양한 실시 예들에 따라 주파수 대역 별로 음성 신호를 나타내는 그래프를 도시한다. 그래프(700)은 단지 특정 주파수 대역에 따른 음성 신호를 나타내는 일 예를 도시하는 것이고, 본 문서에서 개시되는 제1 주파수 대역 및 제2 주파수 대역의 구간은 그래프(700)에 도시된 예로 한정되는 것은 아닐 수 있다.
도 7을 참조하면, 그래프(700)는 SPP 추정 알고리즘 또는 CGMM 기반 추정 알고리즘에 기반하여 결정된 음성 신호를 시간 및 주파수 대역에 따라 나타낼 수 있다. 그래프(700)에서, 가로 축은 시간을 나타내는 프레임 인덱스를 의미하고, 세로 축은 주파수(단위: 헤르츠(Hz))를 의미할 수 있다.
일 실시 예에 따르면, 전자 장치(101)는 제1 주파수 대역(710)에 대한 음성 신호의 존재 여부 또는 존재 확률을 결정할 수 있다. 예를 들어, 그래프(700)을 참조하면, 음성 신호의 분포(distribution)는 제1 주파수 대역(710)에서 참조 번호 715와 같은 형태로 표현될 수 있다. 전자 장치(101)는 그래프(700)에 도시된 음성 신호의 분포에 기반하여 입력 신호에 관한 행렬 X(t,f)를 결정할 수 있다.
도 8은 다양한 실시 예들에 따라 제1 파라미터를 제2 주파수 대역에 적용하는 동작을 설명하는 예를 도시한다.
도 8을 참조하면, 그래프(801)은 제1 주파수 대역(810)(예: 도 6의 제1 주파수 대역(610)) 및 제2 주파수 대역(820)(예: 도 6의 제2 주파수 대역(620))에서 음성 신호들 간 위상 차이를 나타낼 수 있다. 그래프(801)에서 가로 축은 주파수 빈(frequency bin)(단위: 16000/512Hz)을 의미하고, 세로 축은 각도(angle)(단위: 라디안)를 의미할 수 있다.
일 실시 예에 따르면, 그래프(801)에서 그래프의 기울기(각도/주파수)는 주파수 변화에 따른 음성 신호들 간 위상 차이(즉, 변화율)를 의미할 수 있다. 제1 주파수 대역(810)에서 입력 신호의 SNR 값이 임계 값 이상이므로, 음성 신호들 간 위상 차이가 없는 제3 주파수 대역(830)을 제외하고는 그래프의 기울기가 선형성을 가지는 반면에, 제2 주파수 대역(820)에서 입력 신호의 SNR 값은 임계 값 미만이므로, 그래프의 기울기는 일정하지 않을 수 있다.
도 8의 그래프(802)를 참조하면, 전자 장치(101)는 제1 파라미터에 기반하여 결정된 음성 신호들 간 위상 차이(즉, 제1 주파수 대역(810)의 그래프 기울기)를 제2 주파수 대역(820)의 음성 신호들 간 위상 차이에 적용함으로써, 제2 파라미터를 결정할 수 있다. 예를 들어, 제1 파라미터가 주파수 대역에 따른 행렬로 표현되면 하기의 수학식 8로 표현될 수 있다.
수학식 8에서, Fi(f)(i는 1부터 M까지의 자연수)는 주파수 f에서 i번째 입력 장치로 수신되는 입력 신호에 대한 제1 파라미터를 의미할 수 있다. []T는 []의 전치 행렬을 의미할 수 있다. 수학식 8로 표현되는 제1 파라미터는 채널 간 위상 차이를 나타내기 위하여 하기의 수학식 9와 같이 표현될 수 있다.
수학식 9에서, Δ∠F(f)는 제1 파라미터 성분의 채널 간 위성 차이를 의미하고, ∠Fi(f)는(i는 1부터 M까지의 자연수)는 주파수 f에서 i번째 입력 장치로 수신되는 입력 신호에 대한 위상을 의미할 수 있다. E{}는 {}의 평균을 의미할 수 있다.
다른 실시 예에 따르면, 전자 장치(101)는 DNN 모델을 이용하여 제2 파라미터를 결정할 수 있다. 전자 장치(101)는 잡음 신호가 존재하지 않는 환경 또는 제1 주파수 대역과 같이 SNR이 높은 환경에서 채널 간 위상 차이를 나타내는 Δ∠F(f)(이하, 제1 위상 차이)를 결정하고, SNR이 낮은 제2 주파수 대역의 Δ∠F(f)(이하, 제2 위상 차이)를 제1 위상 차이로부터 추정할 수 있다.
도 9는 다양한 실시 예들에 따라 영 공간을 이용하는 GSC 빔포밍의 블로킹 매트릭스 수행 결과를 나타내는 그래프를 도시한다. 도 9는 단지 GSC 빔포밍의 블로킹 매트릭스 수행 결과를 나타내는 그래프를 도시하였지만, MVDR 빔포밍 및 최대 SNR 빔포밍의 수행 결과도 도 9와 유사하게 나타날 수 있다.
도 9를 참조하면, 그래프(901)는 기존 빔포밍의 수행 결과를 나타내고, 그래프(902)는 SNR에 따라 적응적으로 빔포밍을 수행한 결과를 나타낼 수 있다. 그래프(901) 및 그래프(902)에서 가로축은 각도(단위: 라디안)를 의미하고, 세로 축은 주파수(단위: Hz)를 의미할 수 있다.
그래프(901)를 참조하면, SNR이 높은 제1 주파수 대역(910)(예: 도 6의 제1 주파수 대역(610))에서, 음성 신호의 영(null) 공간을 나타내는 영역과 그렇지 않은 영역의 구분이 명확한 반면에, SNR이 낮은 제2 주파수 대역(920)(예: 도 6의 제2 주파수 대역(620))에서, 음성 신호의 영 공간을 나타내는 영역과 그렇지 않은 영역의 구분이 명확하지 않다. 그래프(902)를 참조하면, 전자 장치(101)는 제1 주파수 대역(910)의 파라미터를 제2 주파수 대역(920)에 적용하였으므로, 음성 신호의 영 공간을 나타내는 영역과 그렇지 않은 영역의 구분이 명확할 수 있다.
상술한 바와 같이, 전자 장치(예: 도 1의 전자 장치(101))는, 음성 신호와 잡음 신호를 포함하는 복수의 입력 신호들을 수신하는 복수의 입력 장치들(예: 도 2의 복수의 입력 장치들(210-1, 210-2,…,210-M)), 상기 입력 장치들과 전기적으로 연결되는 프로세서(예: 도 1의 프로세서(120))를 포함하고, 상기 프로세서는, 상기 복수의 입력 신호들에 대한 신호 대 잡음 비(signal to ratio, SNR) 값을 주파수 대역 별로 결정하고, 상기 SNR 값이 지정된 임계 값 이상인 제1 주파수 대역에서 상기 복수의 입력 신호들의 주파수 대비 위상의 변화를 나타내는 제1 파라미터를 결정하고, 상기 제1 파라미터에 기반하여, 상기 SNR 값이 상기 임계 값 미만인 제2 주파수 대역에서 상기 복수의 입력 신호들의 주파수 대비 위상의 변화를 나타내는 제2 파라미터를 결정하고, 상기 제1 파라미터 및 상기 제2 파라미터에 기반하여 상기 복수의 입력 신호들에 대한 빔포밍을 수행하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 빔포밍을 수행하는 동작의 적어도 일부로, 상기 제1 파라미터 및 상기 제2 파라미터에 기반하여 상기 복수의 입력 신호들에 대한 가중치들을 결정하고, 상기 가중치들을 상기 복수의 입력 신호들에 적용함으로써, 상기 복수의 입력 신호들에 포함된 상기 잡음 신호의 적어도 일부가 감쇠된 출력 신호를 생성하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 복수의 입력 신호들의 상기 제1 주파수 대역에서의 각각의 음성 신호에 대한 공분산 행렬 또는 잡음 신호에 대한 공분산 행렬에 기반하여 상기 제1 파라미터를 결정하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 제1 주파수 대역에서 상기 복수의 입력 신호들 각각의 음성 신호에 대한 존재 확률을 결정하고, 상기 제1 주파수 대역에서 상기 복수의 입력 신호들에 대한 공간 행렬을 결정하고, 상기 공간 행렬 및 상기 존재 확률에 기반하여, 상기 음성 신호에 대한 공분산 행렬 또는 상기 잡음 신호에 대한 공분산 행렬을 결정하고, 및 상기 음성 신호에 대한 공분산 행렬 또는 상기 잡음 신호에 대한 공분산 행렬에 기반하여, 상기 제1 파라미터를 결정하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 음성 신호에 대한 공분산 행렬, 상기 음성 신호에 대한 공분산 행렬과 상기 잡음 신호에 대한 공분산 행렬 간 차이, 또는 상기 잡음 신호에 대한 공분산 행렬의 역행렬 및 상기 음성 신호에 대한 공분산 행렬에 기반하여, 상기 제1 파라미터를 결정하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, DNN 모델을 이용함으로써 상기 제1 파라미터로부터 상기 제2 파라미터를 결정하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 제1 주파수 대역에서, 단일 채널에 대한 상기 존재 확률을 결정하거나, 상기 제1 주파수 대역에서 복수의 채널에 대한 상기 존재 확률을 결정하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 복수의 입력 신호들에 대한 고속 푸리에 변환을 수행하도록 설정될 수 있다.
상술한 바와 같이, 전자 장치(예: 도 1의 전자 장치(101))는, 제1 마이크(예: 도 2의 입력 장치(210-1)), 제2 마이크(예: 도 2의 입력 장치(210-2), 및 프로세서(예: 도 1의 프로세서(120))를 포함하고, 상기 프로세서는, 상기 제1 마이크를 이용하여 제1 오디오 신호, 및 상기 제2 마이크를 이용하여 제2 오디오 신호를 획득하고, 상기 제1 오디오 신호 및 상기 제2 오디오 신호와 관련하여 SNR이 지정된 범위에 속하는 지정된 주파수 대역을 확인하고, 상기 지정된 주파수 대역에서 상기 제1 오디오 신호 및 상기 제2 오디오 신호가 주파수의 변화에 따라 위상이 변화되는 제1 변화율을 결정하고, 상기 지정된 주파수 대역과 다른 주파수 대역에서 상기 제1 오디오 신호 및 상기 제2 오디오 신호가 주파수의 변화에 따라 위상이 변화되는 제2 변화율을 상기 제1 변화율에 적어도 기반하여 추정하고, 상기 제1 변화율 및 상기 제2 변화율에 적어도 기반하여, 상기 제1 오디오 신호에 대응하는 제1 가중치 및 상기 제2 오디오 신호에 대응하는 제2 가중치를 결정하고, 및 상기 제1 가중치 및 상기 제2 가중치에 적어도 기반하여, 상기 제1 오디오 신호 및 상기 제2 오디오 신호를 이용하여 잡음 신호가 감쇠된 제3 오디오 신호를 생성하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 지정된 주파수 대역에서, 상기 제1 오디오 신호 및 상기 제2 오디오 신호에 대한 공분산 행렬에 적어도 기반하여 상기 제1 변화율을 결정하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 지정된 주파수 대역에서 상기 제1 오디오 신호 및 상기 제2 오디오 신호 중 적어도 하나에 포함된 음성 신호에 대한 존재 확률 값을 결정하고, 상기 존재 확률 값에 기반하여, 상기 공분산 행렬을 결정하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 제1 오디오 신호 및 상기 제2 오디오 신호에서 음성 신호에 대한 공분산 행렬과 잡음 신호에 대한 공분산 행렬 간 차이에 기반하여, 상기 제1 변화율을 결정하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, DNN 모델을 이용함으로써 상기 제1 변화율부터 상기 제2 변화율을 추정하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 제1 변화율의 선형성에 적어도 기반하여 상기 제2 변화율을 추정하도록 설정될 수 있다.
일 실시 예에 따르면, 상기 프로세서는, 상기 제1 오디오 신호 및 상기 제2 오디오 신호에 대한 FFT 변환을 수행하도록 설정될 수 있다.
상술한 바와 같이, 전자 장치의 방법은, 복수의 입력 신호들을 수신하는 동작, 상기 복수의 입력 신호들에 대한 SNR 값을 주파수 대역 별로 결정하는 동작, 상기 SNR 값이 지정된 임계 값 이상인 제1 주파수 대역에서 상기 복수의 입력 신호들의 주파수 대비 위상 변화를 나타내는 제1 파라미터를 결정하는 동작, 상기 제1 파라미터에 기반하여, 상기 SNR 값이 상기 임계 값 미만인 제2 주파수 대역에서 상기 복수의 입력 신호들의 주파수 대비 위상 변화를 나타내는 제2 파라미터를 결정하는 동작, 및 상기 제1 파라미터 및 상기 제2 파라미터에 기반하여, 상기 복수의 입력 신호들에 대한 빔포밍을 수행하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 제1 파라미터를 결정하는 동작은, 복수의 입력 신호들의 상기 제1 주파수 대역에서의 각각의 음성 신호에 대한 공분산 행렬 또는 잡음 신호에 대한 공분산 행렬에 기반하여 상기 제1 파라미터를 결정하는 동작을 포함하고, 상기 빔포밍을 수행하는 동작은, 상기 제2 파라미터에 기반하여 상기 복수의 입력 신호들에 대한 가중치들을 결정하는 동작, 및 상기 가중치들을 상기 복수의 입력 신호들에 적용함으로써, 상기 복수의 입력 신호들의 잡음 신호들이 감쇠된 출력 신호를 생성하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 제1 파라미터를 결정하는 동작은, 상기 제1 주파수 대역에서 상기 복수의 입력 신호들 각각의 음성 신호에 대한 존재 확률을 결정하는 동작, 상기 제1 주파수 대역에서 상기 복수의 입력 신호들에 대한 공간 행렬을 결정하는 동작, 상기 공간 행렬 및 상기 존재 확률에 기반하여, 상기 음성 신호에 대한 공분산 행렬 또는 상기 잡음 신호에 대한 공분산 행렬을 결정하는 동작, 및 상기 음성 신호에 대한 공분산 행렬 또는 상기 잡음 신호에 대한 공분산 행렬에 기반하여, 상기 제1 파라미터를 결정하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 제1 파라미터를 결정하는 동작은, 상기 음성 신호에 대한 공분산 행렬, 상기 음성 신호에 대한 공분산 행렬과 상기 잡음 신호에 대한 공분산 행렬 간 차이, 또는 상기 잡음 신호에 대한 공분산 행렬의 역행렬 및 상기 음성 신호에 대한 공분산 행렬에 기반하여, 상기 제1 파라미터를 결정하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 제2 파라미터를 결정하는 동작은, DNN 모델을 이용함으로써 상기 제1 파라미터로부터 상기 제2 파라미터를 결정하는 동작을 포함할 수 있다.
본 문서에 개시된 다양한 실시 예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치 (예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치 중 적어도 하나를 포함할 수 있다. 본 문서의 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", "첫째" 또는 "둘째" 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 문서의 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 명령어를 포함하는 소프트웨어(예: 프로그램(140))로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 전자 장치(예: 전자 장치(101))를 포함할 수 있다. 상기 명령이 프로세서(예: 프로세서(120))에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어 하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 애플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 애플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
Claims (15)
- 전자 장치에 있어서,음성 신호와 잡음 신호를 포함하는 복수의 입력 신호들을 수신하는 복수의 입력 장치들; 및상기 입력 장치들과 전기적으로 연결되는 프로세서를 포함하고, 상기 프로세서는,상기 복수의 입력 신호들에 대한 신호 대 잡음 비(signal to ratio, SNR) 값을 주파수 대역 별로 결정하고,상기 SNR 값이 지정된 임계 값 이상인 제1 주파수 대역에서 상기 복수의 입력 신호들의 주파수 대비 위상의 변화를 나타내는 제1 파라미터를 결정하고,상기 제1 파라미터에 기반하여, 상기 SNR 값이 상기 임계 값 미만인 제2 주파수 대역에서 상기 복수의 입력 신호들의 주파수 대비 위상의 변화를 나타내는 제2 파라미터를 결정하고,상기 제1 파라미터 및 상기 제2 파라미터에 기반하여 상기 복수의 입력 신호들에 대한 빔포밍을 수행하도록 설정되는, 전자 장치.
- 청구항 1에 있어서, 상기 프로세서는, 상기 빔포밍을 수행하는 동작의 적어도 일부로,상기 제1 파라미터 및 상기 제2 파라미터에 기반하여 상기 복수의 입력 신호들에 대한 가중치들을 결정하고,상기 가중치들을 상기 복수의 입력 신호들에 적용함으로써, 상기 복수의 입력 신호들에 포함된 상기 잡음 신호의 적어도 일부가 감쇠된 출력 신호를 생성하도록 설정되는, 전자 장치.
- 청구항 1에 있어서, 상기 프로세서는,복수의 입력 신호들의 상기 제1 주파수 대역에서의 각각의 음성 신호에 대한 공분산 행렬(covariance matrix) 또는 잡음 신호에 대한 공분산 행렬에 기반하여 상기 제1 파라미터를 결정하도록 설정되는, 전자 장치.
- 청구항 3에 있어서, 상기 프로세서는,상기 제1 주파수 대역에서 상기 복수의 입력 신호들 각각의 음성 신호에 대한 존재 확률을 결정하고,상기 제1 주파수 대역에서 상기 복수의 입력 신호들에 대한 공간 행렬(spatial matrix)을 결정하고,상기 공간 행렬 및 상기 존재 확률에 기반하여, 상기 음성 신호에 대한 공분산 행렬 또는 상기 잡음 신호에 대한 공분산 행렬을 결정하고, 및상기 음성 신호에 대한 공분산 행렬 또는 상기 잡음 신호에 대한 공분산 행렬에 기반하여, 상기 제1 파라미터를 결정하도록 설정되는, 전자 장치.
- 청구항 4에 있어서, 상기 프로세서는,상기 음성 신호에 대한 공분산 행렬, 상기 음성 신호에 대한 공분산 행렬과 상기 잡음 신호에 대한 공분산 행렬 간 차이, 또는 상기 잡음 신호에 대한 공분산 행렬의 역행렬 및 상기 음성 신호에 대한 공분산 행렬에 기반하여, 상기 제1 파라미터를 결정하도록 설정되는, 전자 장치.
- 청구항 1에 있어서, 상기 프로세서는,DNN(deep neural networks) 모델을 이용함으로써 상기 제1 파라미터로부터 상기 제2 파라미터를 결정하도록 설정되는, 전자 장치.
- 청구항 4에 있어서, 상기 프로세서는,상기 제1 주파수 대역에서, 단일 채널에 대한 상기 존재 확률을 결정하거나, 상기 제1 주파수 대역에서 복수의 채널에 대한 상기 존재 확률을 결정하도록 설정되는, 전자 장치.
- 청구항 1에 있어서, 상기 프로세서는,상기 복수의 입력 신호들에 대한 고속 푸리에 변환(fast Fourier transform)을 수행하도록 설정되는, 전자 장치.
- 전자 장치에 있어서,제1 마이크;제2 마이크; 및프로세서를 포함하고, 상기 프로세서는,상기 제1 마이크를 이용하여 제1 오디오 신호, 및 상기 제2 마이크를 이용하여 제2 오디오 신호를 획득하고,상기 제1 오디오 신호 및 상기 제2 오디오 신호와 관련하여 SNR이 지정된 범위에 속하는 지정된 주파수 대역을 확인하고,상기 지정된 주파수 대역에서 상기 제1 오디오 신호 및 상기 제2 오디오 신호가 주파수의 변화에 따라 위상이 변화되는 제1 변화율을 결정하고,상기 지정된 주파수 대역과 다른 주파수 대역에서 상기 제1 오디오 신호 및 상기 제2 오디오 신호가 주파수의 변화에 따라 위상이 변화되는 제2 변화율을 상기 제1 변화율에 적어도 기반하여 추정하고,상기 제1 변화율 및 상기 제2 변화율에 적어도 기반하여, 상기 제1 오디오 신호에 대응하는 제1 가중치 및 상기 제2 오디오 신호에 대응하는 제2 가중치를 결정하고, 및상기 제1 가중치 및 상기 제2 가중치에 적어도 기반하여, 상기 제1 오디오 신호 및 상기 제2 오디오 신호를 이용하여 잡음 신호가 감쇠된 제3 오디오 신호를 생성하도록 설정되는, 전자 장치.
- 청구항 9에 있어서, 상기 프로세서는,상기 지정된 주파수 대역에서, 상기 제1 오디오 신호 및 상기 제2 오디오 신호에 대한 공분산 행렬에 적어도 기반하여 상기 제1 변화율을 결정하도록 설정되는, 전자 장치.
- 청구항 10에 있어서, 상기 프로세서는,상기 지정된 주파수 대역에서 상기 제1 오디오 신호 및 상기 제2 오디오 신호 중 적어도 하나에 포함된 음성 신호에 대한 존재 확률 값을 결정하고,상기 존재 확률 값에 기반하여, 상기 공분산 행렬을 결정하도록 설정되는, 전자 장치.
- 청구항 9에 있어서, 상기 프로세서는,상기 제1 오디오 신호 및 상기 제2 오디오 신호에서 음성 신호에 대한 공분산 행렬과 잡음 신호에 대한 공분산 행렬 간 차이에 기반하여, 상기 제1 변화율을 결정하도록 설정되는, 전자 장치.
- 청구항 9에 있어서, 상기 프로세서는,DNN 모델을 이용함으로써 상기 제1 변화율부터 상기 제2 변화율을 추정하도록 설정되는, 전자 장치.
- 청구항 9에 있어서, 상기 프로세서는,상기 제 1 변화율의 선형성에 적어도 기반하여 상기 제 2 변화율을 추정하도록 설정되는, 전자 장치.
- 청구항 11에 있어서, 상기 프로세서는,상기 제1 오디오 신호 및 상기 제2 오디오 신호에 대한 FFT 변환을 수행하도록 설정되는, 전자 장치.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18904994.3A EP3745399B1 (en) | 2018-02-12 | 2018-12-18 | Electronic devices for generating an audio signal with noise attenuated on the basis of a phase change rate according to change in frequency of an audio signal |
US16/769,675 US11222646B2 (en) | 2018-02-12 | 2018-12-18 | Apparatus and method for generating audio signal with noise attenuated based on phase change rate |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180016752A KR102475989B1 (ko) | 2018-02-12 | 2018-02-12 | 오디오 신호의 주파수의 변화에 따른 위상 변화율에 기반하여 노이즈가 감쇠된 오디오 신호를 생성하는 장치 및 방법 |
KR10-2018-0016752 | 2018-02-12 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019156339A1 true WO2019156339A1 (ko) | 2019-08-15 |
Family
ID=67548474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/KR2018/016121 WO2019156339A1 (ko) | 2018-02-12 | 2018-12-18 | 오디오 신호의 주파수의 변화에 따른 위상 변화율에 기반하여 노이즈가 감쇠된 오디오 신호를 생성하는 장치 및 방법 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11222646B2 (ko) |
EP (1) | EP3745399B1 (ko) |
KR (1) | KR102475989B1 (ko) |
WO (1) | WO2019156339A1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112120730A (zh) * | 2020-10-21 | 2020-12-25 | 重庆大学 | 一种基于混合子空间投影的广义旁瓣相消超声成像方法 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102321422B1 (ko) * | 2020-01-29 | 2021-11-04 | 울산과학기술원 | 레이더-통신 결합 시스템의 신호 생성 방법 |
CN117037830A (zh) * | 2021-05-21 | 2023-11-10 | 中科上声(苏州)电子有限公司 | 一种麦克风阵列的拾音方法、电子设备及存储介质 |
CN113707136B (zh) * | 2021-10-28 | 2021-12-31 | 南京南大电子智慧型服务机器人研究院有限公司 | 服务型机器人语音交互的音视频混合语音前端处理方法 |
WO2023167511A1 (ko) * | 2022-03-02 | 2023-09-07 | 삼성전자 주식회사 | 소리를 출력하기 위한 전자 장치 및 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130282373A1 (en) * | 2012-04-23 | 2013-10-24 | Qualcomm Incorporated | Systems and methods for audio signal processing |
KR101340757B1 (ko) * | 2007-03-09 | 2014-01-02 | 삼성전자주식회사 | 위상차이와 스펙트럼의 에너지를 이용한 잡음제거 방법 및장치 |
US20170140774A1 (en) * | 2014-07-04 | 2017-05-18 | Clarion Co., Ltd. | Signal processing device and signal processing method |
WO2017176941A1 (en) * | 2016-04-08 | 2017-10-12 | Dolby Laboratories Licensing Corporation | Audio source parameterization |
US9858946B2 (en) * | 2013-03-05 | 2018-01-02 | Nec Corporation | Signal processing apparatus, signal processing method, and signal processing program |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8954324B2 (en) | 2007-09-28 | 2015-02-10 | Qualcomm Incorporated | Multiple microphone voice activity detector |
US9378754B1 (en) * | 2010-04-28 | 2016-06-28 | Knowles Electronics, Llc | Adaptive spatial classifier for multi-microphone systems |
US9521486B1 (en) | 2013-02-04 | 2016-12-13 | Amazon Technologies, Inc. | Frequency based beamforming |
US10482899B2 (en) * | 2016-08-01 | 2019-11-19 | Apple Inc. | Coordination of beamformers for noise estimation and noise suppression |
-
2018
- 2018-02-12 KR KR1020180016752A patent/KR102475989B1/ko active IP Right Grant
- 2018-12-18 EP EP18904994.3A patent/EP3745399B1/en active Active
- 2018-12-18 US US16/769,675 patent/US11222646B2/en active Active
- 2018-12-18 WO PCT/KR2018/016121 patent/WO2019156339A1/ko unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101340757B1 (ko) * | 2007-03-09 | 2014-01-02 | 삼성전자주식회사 | 위상차이와 스펙트럼의 에너지를 이용한 잡음제거 방법 및장치 |
US20130282373A1 (en) * | 2012-04-23 | 2013-10-24 | Qualcomm Incorporated | Systems and methods for audio signal processing |
US9858946B2 (en) * | 2013-03-05 | 2018-01-02 | Nec Corporation | Signal processing apparatus, signal processing method, and signal processing program |
US20170140774A1 (en) * | 2014-07-04 | 2017-05-18 | Clarion Co., Ltd. | Signal processing device and signal processing method |
WO2017176941A1 (en) * | 2016-04-08 | 2017-10-12 | Dolby Laboratories Licensing Corporation | Audio source parameterization |
Non-Patent Citations (1)
Title |
---|
See also references of EP3745399A4 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112120730A (zh) * | 2020-10-21 | 2020-12-25 | 重庆大学 | 一种基于混合子空间投影的广义旁瓣相消超声成像方法 |
CN112120730B (zh) * | 2020-10-21 | 2024-04-02 | 重庆大学 | 一种基于混合子空间投影的广义旁瓣相消超声成像方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20190097391A (ko) | 2019-08-21 |
EP3745399B1 (en) | 2023-02-01 |
KR102475989B1 (ko) | 2022-12-12 |
US20210174819A1 (en) | 2021-06-10 |
US11222646B2 (en) | 2022-01-11 |
EP3745399A1 (en) | 2020-12-02 |
EP3745399A4 (en) | 2021-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019156339A1 (ko) | 오디오 신호의 주파수의 변화에 따른 위상 변화율에 기반하여 노이즈가 감쇠된 오디오 신호를 생성하는 장치 및 방법 | |
WO2020101402A1 (en) | Method for measuring electromagnetic signal radiated from device and electronic device thereof | |
WO2020141824A2 (en) | Processing method of audio signal and electronic device supporting the same | |
WO2020145690A1 (en) | Method of measuring electromagnetic signal and electronic device therefor | |
WO2020204611A1 (en) | Method for detecting wearing of acoustic device and acoustic device supporting the same | |
WO2020166944A1 (en) | Sound outputting device including plurality of microphones and method for processing sound signal using plurality of microphones | |
WO2019156338A1 (ko) | 노이즈가 정제된 음성 신호를 획득하는 방법 및 이를 수행하는 전자 장치 | |
WO2020122502A1 (en) | Electronic device for supporting audio enhancement and method for the same | |
WO2022154546A1 (ko) | 자동 음량 제어를 수행하는 웨어러블 장치 | |
WO2021002681A1 (ko) | 객체를 인식하기 위한 전자 장치 및 그의 동작 방법 | |
WO2019231296A1 (en) | An electronic device and method for preventing corrosion of an audio jack | |
WO2021025515A1 (en) | Method for processing multi-channel audio signal on basis of neural network and electronic device | |
WO2021132852A1 (ko) | 오디오 데이터의 출력 방법 및 이를 지원하는 전자 장치 | |
WO2019083192A1 (ko) | 네트워크 연결 정보에 기반하여 잡음 제어 파라미터를 결정하는 전자 장치 및 그의 동작 방법 | |
WO2023085749A1 (ko) | 빔포밍을 제어하는 전자 장치 및 이의 동작 방법 | |
WO2019107973A1 (ko) | 오디오 신호의 음량에 따라 설정된 해상도에 기반하여, 오디오 신호를 처리하는 방법 및 그 전자 장치 | |
WO2021172893A1 (ko) | 에코 캔슬링을 위한 방법 및 그 장치 | |
WO2021162403A1 (en) | Method for improving sound quality and electronic device using same | |
WO2022005248A1 (ko) | 주변 오디오 신호의 감지 방법 및 전자 장치 | |
WO2019078597A1 (ko) | 다수 개의 스피커 및 마이크를 이용하여 오디오 신호를 생성하는 방법 및 그 전자 장치 | |
WO2021162337A1 (ko) | 음질 개선 방법 및 이어 웨어러블 장치 | |
WO2020013587A1 (ko) | 액세스 포인트의 위치 추적 방법 및 이를 위한 전자 장치 | |
WO2022030880A1 (ko) | 음성 신호를 처리하는 방법 및 이를 이용한 장치 | |
WO2021133097A1 (ko) | 전자 장치 및 신경망 기반의 잔여 에코 제거 방법 | |
WO2024085551A1 (ko) | 패킷 손실 은닉을 위한 전자 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18904994 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
ENP | Entry into the national phase |
Ref document number: 2018904994 Country of ref document: EP Effective date: 20200827 |