본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

표제지

목차

국문초록 9

제1장 서론 10

제2장 확률 모형 12

2.1. 확률 과정 정의 12

2.2. 신호 분석 모델링 13

2.2.1. 음원의 정의 13

2.2.2. 성도 필터 14

제3장 음원 이론과 신호 변환 16

3.1. 음원 필터 이론 16

3.2. 푸리에 변환 17

3.3. Z-변환 22

3.4. 웨이블릿 변환 23

제4장 푸리에 변환 계산 27

4.1. 시간 영역의 푸리에 계산 성질 27

4.1.1. 시간 적분 법칙 27

4.1.2. 시간 이동 법칙 27

4.2. 주파수 영역의 푸리에 계산 성질 28

4.2.1. 주파수 미분 법칙 28

4.2.2. 푸리에 변환쌍 법칙 28

제5장 음성 분석과 실증 연구 30

5.1. 음성 필터 30

5.2. 캡스트럼 피크 현저성 33

5.3. 실증 연구 36

제6장 결론 44

참고 문헌 47

영문초록 49

표목차

Table 5.1. Descriptive statistics of Data 36

Table 5.2. Comparison of results by smoothing measures 40

Table 5.3. Comparison of results by measures of feature extractions for all participants 41

Table 5.4. Comparison of results of sex group by measures of feature extractions, for Gender ＝ Male, Female 42

Table 5.5. Comparison of results of age group by measures of feature extractions; for age : lower(age ≤ 30); middle(30 ≤ age ＜ 70); upper(age ≥ 70). 43

Table 6.1. Descriptive statistics of CPP, Group ＝ Normal, Depressed 44

Table 6.2. Results of evaluation metrics with regression 45

Table 6.3. Summary of results of classification evaluation metrics 46

그림목차

Fig. 2.1. Schemstic diagram of human speech production 14

Fig. 3.1. LTI system of speech 16

Fig. 3.2. Spectrum of voice wave 18

Fig. 3.3. Power spectrum of voice wave 19

Fig. 3.4. Mel spectrogram of voice wave 20

Fig. 3.5. Mel Frequency Cepstral Coeffceint of voice wave 20

Fig. 3.6. Real cepstrum of voice wave (top) and complex cepstrum of voice wave (bottom) 21

Fig. 3.7. Morlet function (top) and Mexican Hat function (bottom) 23

Fig. 3.8. Morlet function on Continous Wavelet Transform 24

Fig. 3.9. Mexican Hat function on Continous Wavelet Transform 25

Fig. 3.10. Frequency pass filter of Discrete Wavelet Transform 25

Fig. 3.11. Discrete Wavelet Transform, level ＝ 1, 2, 3 26

Fig. 5.1. Cepstral Peak Prominence for quefrency, quefrency ＝ 0.05 s, 0.1 s, 0.2 s, 0.4 s (from the top left) 34

Fig. 5.2. Cepstral Peak Prominence for sampling rate, sampling rate ＝ 8000 Hz, 16000 Hz, 22050 Hz, 44100 Hz (from the top left) 35

Fig. 5.3. Schematic diagram for analysis 36

Fig. 5.4. Cepstral Peak Prominence of linear regession 37

Fig. 5.5. CPP of linear regession on depressive patient (left) CPP of linear regession on normal (right) 37

Fig. 5.6. Real cepstrum smoothed with lowess 38

Fig. 5.7. CPP of Lowess on depressive patient (left) and CPP on Lowess of normal (right) 38

Fig. 5.8. Real cepstrum smoothed with wavelet 39

Fig. 5.9. CPP on wavelet of depressive patient (left) and CPP on wavelet of normal (right) 39

Fig. 6.1. Boxplot of CPP with group, Group ＝ Nomal, Depressed 44

초록보기

 본 논문에서는 확률모형을 기반으로 음성의 생성 과정과 다양한 음성 변환 방법에 대해 소개하고, 음성 필터를 모델링하는 방법과 음성의 특징을 추출하는 방법들을 비교하는 데에 중점을 두고 있다. 캡스트럴 피크 현저성(Cepstral Peak Prominence)의 임계값, 멜 주파수 중심 계수(Mel Frequency Ceptral Coffceient), 그리고 웨이블릿 상관계수(Wavelet coeffceient)를 기반으로 분류모델을 통해 정상 그룹과 우울 그룹을 예측하였다. 분류모델은 1 범주를 구분하지 않았을 때, 2 성별에 따라 구분되었을 때, 그리고 3 연령층에 따라 구분되었을 때의 경우에서 진행되었다. 결과적으로, 다른 두 지표들과 다르게 정확한 기본 주파수를 필요로 하지 않는 CPP의 분류 성능이 범주 유형에 따라 67% ~ 88% 로 높게 나타났다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차