딥러닝을 이용한 프레임 오류 복구 알고리즘

Abstract

본 논문은 G.722 코덱의 프레임 오류 복구 알고리즘에서 최급강하법을 이용한 시그모이드 함수의 최적화 기법을 제안한다. 기존의 기법은 그리드 탐색 방식의 훈련 기법을 사용하여 시그모이드 함수의 형태를 결정하는 파라미터를 구한다. 하지만 이러한 방식은 한번 정해진 파라미터 값이 나중에 변하지 않으며 훈련 데이터베이스에 그 값이 의존적이라는 단점이 존재한다. 따라서 제안하는 알고리즘은 프레임 에러가 발생하지 않은 경우에도 프레임 에러 복구를 통해 복원신호를 생성하고, 이 때 생성된 복원신호와 실제 디코딩된 신호와 의 차이를 최급강하법을 이용하여 최적화된 파라미터를 구함으로써 최소화 시킨다. 따라서 시그모이드 함수의 파라미터는 매 샘플마다 업데이트 되며 고정된 값이 아니고 음성의 특성에 따라 그 값이 결정된다. 실험결과로 제안하는 기술이 기존의 기술에 비해 파형의 모양면에서 더 우수함을 나타내었다.