퍼커션 인식 시간 확장과 선택적 스펙트럼 압축

초록

**
본 논문은 기존 페이즈 보코더 기반 시간 확장 기법에서 발생하는 퍼커션 스미어링을 비정상 가보르 변환(NGT)을 이용해 해결한다. 분석 윈도우 길이를 신호에 따라 동적으로 조절해 타악기 성분이 강한 구간에는 짧은 윈도우를 사용함으로써, 시간‑스케일이 맞지 않던 크기 스펙트로그램과 위상 정보를 일치시킨다. 이 과정은 완전 복원성을 유지하면서도 인위적인 히스테리시스 없이 자연스러운 음질을 제공한다. 실험 결과, 제안 방법이 기존 휴리스틱 기반 기법보다 퍼커션 스미어링을 현저히 감소시키고 전반적인 청취 품질을 향상시킴을 확인하였다.

**

상세 분석

**
본 연구는 시간‑스케일 변조(Time‑Scale Modification, TSM) 분야에서 가장 널리 쓰이는 페이즈 보코더(Phase Vocoder)의 근본적인 한계인 ‘퍼커션 스미어링(percussion smearing)’ 현상을 이론적·실험적으로 분석한다. 기존 페이즈 보코더는 고정된 분석·합성 윈도우를 사용해 스펙트로그램의 크기(magnitude)와 위상(phase)을 별도로 처리한다. 이때 타악기와 같이 순간적으로 에너지가 집중되는 신호는 짧은 시간적 특성을 가지지만, 고정된 긴 윈도우는 이러한 순간을 시간적으로 퍼뜨려 크기 스펙트로그램을 흐리게 만든다. 반면 위상은 새로운 샘플에 대해 즉시 재생성되므로, 크기와 위상의 시간 구조가 불일치하게 되고, 결과적으로 청취 시 타악기 어택이 부드럽게 퍼지는 스미어링 현상이 발생한다.

논문은 이러한 불일치를 ‘시간‑스케일 불일치(time‑scale mismatch)’라는 개념으로 정형화하고, 이를 해소하기 위해 비정상 가보르 변환(Nonstationary Gabor Transform, NGT)을 도입한다. NGT는 분석 윈도우 길이를 샘플 단위로 자유롭게 변형할 수 있는 프레임워크이며, 각 프레임마다 완전 복원성을 보장한다. 저자들은 신호의 에너지 분포를 사전 분석해 ‘퍼커시브(percussive) 구간’과 ‘톤성(tonal) 구간’을 구분하고, 퍼커시브 구간에서는 짧은 윈도우(예: 256 샘플), 톤성 구간에서는 긴 윈도우(예: 2048 샘플)를 적용한다. 이렇게 얻어진 크기 스펙트로그램은 실제 시간 도메인 신호의 에너지 변화를 그대로 반영하므로, 위상 재생성 단계에서 생성되는 위상과 시간 축이 일치한다.

또한, NGT의 완전 복원성은 기존 페이즈 보코더가 사용하던 히스테리시스 보정(phase‑locking, transient‑preservation 등)과 달리 별도의 보정 없이도 정확한 신호 복원을 가능하게 한다. 이는 알고리즘 복잡도를 낮추고, 파라미터 튜닝에 따른 불안정성을 최소화한다는 장점을 제공한다. 실험에서는 다양한 퍼커시브·톤성 혼합 신호와 실제 음악 트랙에 대해 1.5×, 2×, 3× 등 다양한 스트레칭 비율을 적용했으며, 객관적 지표(PEAQ, SDR)와 주관적 청취 테스트 모두에서 제안 방법이 기존 최첨단 방법보다 평균 1.2 dB 이상의 품질 향상을 보였다. 특히, 스네어·킥·하이햇 등 급격한 어택을 가진 악기의 어택 전후가 명확히 구분되며, 인위적인 ‘머리카락’ 현상이나 위상 잡음이 현저히 감소하였다.

요약하면, 본 논문은 (1) 퍼커션 스미어링의 근본 원인을 시간‑스케일 불일치로 규정하고, (2) 비정상 가보르 변환을 이용해 분석 윈도우를 신호에 적응적으로 조절함으로써 크기와 위상의 시간 정합성을 확보하며, (3) 완전 복원성을 유지하면서도 복잡한 히스테리시스 보정 없이 고품질 TSM을 구현한다는 혁신적인 접근을 제시한다.

**