1. DSP (Digital Signal processing)
- 아날로그 신호를 디지털 형태로 처리하여, 컴퓨터 또는 맞춤형 하드웨어를 이용해 신호를 수정하거나 개선하는 방법
2. 디지털 시스템의 3가지 구성요소
1) ADC (Analog-to-Digital Conversion) : 아날로그 신호를 샘플링하고 양자화하여 디지털 신호로 변환
2) Computer or DSP : 변환된 디지털 신호를 컴퓨터나 DSP 칩에서 처리 (필터링, 잡음 제거, 압축, 신호 개선 등)
3) DAC (Digital-to-Analog Conversion) : 처리된 디지털 신호를 다시 아날로그 신호로 변환
3. DSP Applications - Sound
- 1) 사운드 합성 (Sound Synthesis)
- 아날로그 : FM , 디지털 : wavetable
- 악기적 특성
- 2) 잔향음 (Reverberation sound)
- Echo(메아리) : 소리가 한 번 이상 반사되어 원래 소리와 분리되어 들리는 현상
- Reverberation(잔향) : 소리가 여러 벽, 천장, 물체에 반사되어 짧은 시간 안에 겹쳐 들리는 현상
- 3) MP3 audio signal processing
- ADC -> DSP(필터링,압축,노이즈제거) -> Memory -> DSP(압축해제) -> DAC
- MP3 압축 특징 : 압축 비율 12:1, 손실 압축 (인간이 인식 X, 고주파 영역 손실 多)
- ACC (Advanced Audio Coding) : MP3와 비슷한 압축률이지만 음질이 더 좋다
- 4) Speech recongnition
- 전통적 방법 : HMM (Hidden Markov Model) 기반 => 잡음에 매우 취약
- 현대적 방법 : AI 기반 음성 인식 엔진 => 잡음 환경 개선
- STT (Speech to Text, 음성 -> 텍스트 변환)
- TTS (Text to Speech, 텍스트 -> 음성 변환)
4. DSP Application - image
- 1) 영상 및 이미지 데이터 압축 (Image and Video Data Compression)
- JPEG : 정지 이미지 압축, 약 10:1, 비율
- JPEG 200 더 복잡하고 성능 좋은 알고리즘 사용 => 비싸서 잘 안사용함
- MPEG4: 동영상 압축. 약 20:1 ~ 200:1 비율
- 2) 히스토그램 평활화 (Histogram Equalization)
- 이미지 명암 대비 (contrast) 개선
- 사진 촬영시 밝은 픽셀과 어두운 픽셀이 골구루 분포하도록 조정
5. DSP Applications - Rader
- 1) 레이더 목표물 거리 측정 (Rader target distance measure)
- 레이더 신호를 이용해 목표물까지의 거리를 계산
- 송신 신호가 목표물에 반사되어 돌아오는 시간을 측정
- 2) 소나 신호 처리 (SONAR signal procssing)
- 수중 음파를 이용해 물체의 위치, 거리, 속도 등을 탐지
- 반사된 음파를 분석하여 목표물 특성 추출
6. DSP Application - Seismology
- 1) Body wave(P&S) , surface wave
- 인공지진 vs 자연지진 구분 방법
- 인공지진과 자연지진은 지진파의 특성을 통해 구분할 수 있다.
- 인공지진의 경우 폭발 등 인위적인 원인으로 발생하므로 첫 번째 지진파(P파) 이후 도달하는 두 번째 지진파(S파)의 속도가 상대적으로 작게 나타난다.
- 반면 자연지진은 단층 이동 등 자연적인 힘에 의해 발생하므로 두 번째 지진파가 첫 번째 지진파보다 더 크게 관측된다.
- 이를 통해 지진 기록에서 첫 번째와 두 번째 지진파의 속도와 세기를 비교하면 인공지진과 자연지진을 구분할 수 있다.
7. Counter Sniper Detection System
- 1) Key Sound - Muzzle blast , Shock wave
- Muzzle blast : 총구에서 나는 소리 (sound speed = 340m/s)
- Shock wave : 탄환이 지나가면서 나는 소리 (마하 2~3)
- 거리 : 저격수 길이가 멀수록 shock wave와 muzzle blast 시간차가 많아진다. 반면 저격수 길이가 짧으면 시간차가 적어짐 => 이를 통해 거리 측정
- 방향 : Shock wave에 가장 먼저 도착하는 microphone을 찾으면된다.
- 이런 시스템을 잘 활용하려면 잡음이 안들리게 컨트롤하는 것이 중요하다.
8. Smart Target (S-PLUS)
- 군부대에서 사용하는 사격 시스템
- 2개 세트의 마이크로폰에 도착하는 shock wabe 차이를 측정해서 어떻게 사격을 명중하는지 찾는 것이다.
- Muzzle blast는 이용하지 않는다.
10. 패턴 인식 (Pattern Recognition)
- 데이터의 특징을 추출하고 이를 이용해 분류, 식별, 예측을 수행하는 과정
패턴 인식 과정
1) 학습 단계 (Training)- 1) Feature Vector 추출 : 원본 데이터 (예 : 음악)에서 의미 있는 특성 추출 (리듬, 음 높이, 음색, 템포)
- 2) Feature Optimization (특징 최적화) : 추출한 특정이 너무 많으면 처리 비용이 커지기 때문에, 중요한 특징만을 선별하는 최적화 과정
- 3) DB 저장 : 최적화된 특징 백터를 메타데이터 형태로 데이터 베이스에 저장
2) Testing
- 1) 새로운 샘플 데이터 준비하여 학습 단계와 동일한 방식으로 특징 벡터를 추출하고, 학습 DB에 저장된 특징 벡터와 비교하여 가장 적합한 패턴을 찾는다
- 2) 이때, 완벽히 일치하지 않을 수 있으며, 잡음이 있으면 정확도가 낮아질 수 있다.
9. DSP - Smart Device App
- 1) Music search
- 패턴 인식 (Pattern Recognition)을 통해 Music search
- 2) Guitar tuner
- 3) Music Equalizer
- 4) Audio stretch - 동영상 배소
- 5) FingerPiano Plus
- 6) Pic Collage
- 7) Moldiv - photo image editing
10. DSP 역사적 관점
- Sampling Theory : 아날로그 신호 -> 디지털 신호
- Frequency Sepectrum Analysis : 주파수 스펙트럼 분석
- 1980년대 DSP 하드웨어 발전 => 고속 실시간 처리 가능, 저전력 개발
11. DSP 공부 영역
-
(1) 시스템 I/O
• 주어진 입력(input)으로부터 출력(output)을 어떻게 얻을 것인가?
• DSP system은 선형이여야지 Convolution 활용 가능
• ℎ[𝑛], y[𝑛]
• 컨볼루션(Convolution) 활용 -
(2) 주파수 영역 스펙트럼 분석
• 시간 영역(time-domain)의 디지털 음성 파형만으로는 남성/여성 음성을 구분하기 어려움
• 파형만 보면 예쁘게 보이지만, 성별 판단은 불가능 ⇒ 주파수 스펙트럼 사용
• 일반적으로 여성의 목소리가 남성보다 높게(또는 날카롭게) 들린다고 말함
• 여기서 말하는 높다는? 여성의 목소리는 남성보다 높은 주파수를 포함
• 성별 결정(Gender Decision)
• 시간 영역의 신호를 주파수 영역 스펙트럼으로 변환
• 고주파 성분이 포함되어 있는지, 저주파 성분이 포함되어 있는지 확인
⇒ DSP에서는 대부분의 신호 분석이 주파수 영역에서 수행됨 -
(3) 디지털 필터 설계 (Digital Filter Design)
• 잡음이 있는 음성에서 노이즈 제거
• 예: 노이즈가 고주파에 분포되어 있다면, 원래 음성을 어떻게 재구성할 것인가?
⇒ 저역통과 필터(Low Pass Filter, LPF) 설계
• 노이즈가 저주파에 분포되어 있다면?
• fan 소리는 저주파도, 고주파도 아님 => 따라서 Low Pass Filter과 high pass Filter 둘 다 사용 불가
