MFCC 시퀀스 파라미터화와 DNN 기반 음성 장애 탐지

초록

**
본 논문은 지속 모음 /a:/ 녹음으로부터 MFCC 시퀀스를 다항식·스플라인·FFT로 압축하고, jitter와 cyclestarts 특성을 결합한 221차원 특징을 DNN에 입력해 네 가지 음성 상태(정상·음성병변 3종)를 분류한다. 5‑fold 교차검증에서 78.52점, 테스트 셋에서는 77.44점의 점수를 기록하였다.

**

상세 분석

**
이 연구는 음성 병리 진단에서 흔히 사용되는 MFCC 기반 특성에 시간적 변화를 명시적으로 모델링한다는 점에서 의미가 있다. 저자는 각 MFCC 채널을 4차 다항식으로 피팅하거나, 초기 50프레임(≈0.5 s) 구간에 균등하게 배치된 내부 노드를 갖는 스플라인을 적용하고, 150프레임 구간에 대해 FFT를 수행해 변화율을 추출한다. 이러한 세 가지 파라미터화 방식은 서로 보완적인 정보를 제공한다는 가정하에 설계되었으며, 실제로 다항식·스플라인·FFT를 모두 포함한 최종 모델이 가장 높은 교차검증 점수를 얻었다는 점에서 가설이 어느 정도 입증되었다.

특히, jitter와 cyclestarts와 같은 전통적인 음성 변동성 지표를 추가함으로써 스펙트럼 기반 특성만으로는 포착하기 어려운 비선형·비정상적인 진동 패턴을 보완한다. jitter는 기본 주파수 변동을, cyclestarts는 음성 시작/종료 시의 에너지 변화를 반영한다. 두 특성을 9차원으로 축소해 MFCC 파라미터와 결합한 것은 차원 폭발을 방지하면서도 정보 손실을 최소화한 설계라 할 수 있다.

데이터 전처리 단계에서 저자는 Hilbert envelope 기반의 에너지 임계값 검출과 0.15 s 전/0.25 s 후 여유를 두는 크롭 방식을 적용해 음성 시작점을 정밀히 맞추었다. 이는 지속 모음의 시작·종료 특성을 일관되게 포착하려는 의도로, 이후 시간적 특성 모델링에 긍정적인 영향을 미친다. 다만, 1000 Hz 이하 저역 필터링이 적용되었는데, 이는 고주파 잡음 제거에는 유리하지만 병변에 따라 고주파 성분이 중요한 경우 정보 손실 위험이 있다.

데이터 증강에서는 볼륨 변조, 피치 시프트, 타임 스트레칭을 무작위로 적용해 4배(원본+3증강)로 샘플을 늘렸다. 이는 클래스 불균형(정상 50 vs 병변 150) 완화와 모델 일반화에 기여했을 것으로 보인다. 그러나 증강 파라미터가 병변 특성을 왜곡할 가능성도 존재한다. 예를 들어, 피치 시프트 표준편차 0.5 semitone은 실제 병변에 따른 기본 주파수 변동과 혼동될 수 있다.

네트워크 구조는 2개의 은닉층(각 128노드, ELU, 배치 정규화)과 드롭아웃(첫 층 55~60%, 두 번째 25%, 출력 전 10%)을 사용한다. 드롭아웃 비율이 상당히 높아 과적합 방지에 초점을 맞춘 것으로 보이며, 실제로 100 epoch 학습 후에도 검증 손실이 크게 증가하지 않았다. Adam 옵티마이저와 0.001 초기 학습률, 0.985 감쇠를 적용한 점은 학습 안정성을 높였다. 다만, 하이퍼파라미터 탐색이 수동 최적화에 머물렀으며, 자동화된 베이지안 최적화나 그리드 서치와 비교했을 때 최적 수준에 도달했는지는 불투명하다.

성능 평가는 Sensitivity(0.4), Specificity(0.2), UAR(0.4) 가중 평균인 “score”를 사용한다. 교차검증에서 최종 모델은 92.0% Sensitivity, 85.9% Specificity, 62.0% UAR을 기록해 78.52점을 얻었으며, 테스트 셋에서는 77.44점으로 2위에 올랐다. 특히 Sensitivity가 높아 병변을 놓치지 않는 면에서는 강점이 있지만, Specificity가 상대적으로 낮아 정상 음성을 오분류하는 경향이 있다. 이는 임상 현장에서 과다 양성 경보를 유발할 수 있어 추가적인 후처리(예: 임계값 조정)나 다중 모델 앙상블이 필요함을 시사한다.

전체적으로 이 논문은 MFCC 시퀀스의 시간적 변화를 수학적 파라미터(다항식·스플라인·FFT)로 압축하고, 전통적인 jitter·cyclestarts와 결합해 DNN에 입력하는 독창적인 파이프라인을 제시한다. 장점은 특징 차원을 크게 늘리지 않으면서도 풍부한 시간‑주파수 정보를 제공한다는 점이며, 한계는 파라미터화 방식이 고정된 차수·노드 수에 의존해 다양한 병변 유형을 충분히 포착하지 못할 가능성이다. 향후 연구에서는 다항식 차수 자동 선택, 가변 길이 스플라인, 혹은 시계열 전용 모델(LSTM, Transformer)과의 혼합을 통해 성능을 더욱 향상시킬 수 있을 것이다.

**