GPS 재밍 대응을 위한 2차원 MUSIC과 Root-MUSIC 알고리즘의 성능 비교

진미현(Mi-Hyun Jin),이주현(Ju-Hyun Lee),최헌호(Heon-Ho Choi),이상정(Sang-Jeong Lee),신영철(Young-Cheol Shin),이병환(Byung-Hwan Lee),안우근(Woo-Gwun Ahn),박찬식(Chan-Sik Park) 대한전기학회 2011 전기학회논문지 Vol.60 No.11

GPS is vulnerable to jamming because of extremely low signal power. Many anti-jamming techniques are studied for complement this vulnerability. Anti-jamming techniques using array antenna are most effective technique and these techniques are required the DOA estimates. MUSIC algorithm and Root-MUSIC Algorithm are typical algorithms used in DOA estimation. Two algorithms have different characteristics, so the choice of an algorithm may depends on many factors such as the environment and the system requirements. The analysis and performance comparison of both algorithms is necessary to choose the best method to apply. This paper summarizes the theory of MUSIC and Root-MUSIC algorithms. And this paper extends both algorithm to estimate two-dimensional angles. The software simulator of both algorithms are implemented to evaluate the performance. Root-MUSIC algorithm has the computational advantage on ULA. MUSIC algorithm is applicable to any antenna array. MUSIC shows better estimation performance when number of array element is small while the computational load of MUSIC is much higher than Root-MUSIC.

소비자 감성 분석 기반의 음악 추천 알고리즘 개발

이승준,서봉군,박도형 한국지능정보시스템학회 2018 지능정보연구 Vol.24 No.4

Music is one of the most creative act that can express human sentiment with sound. Also, since music invoke people’s sentiment to get empathized with it easily, it can either encourage or discourage people’s sentiment with music what they are listening. Thus, sentiment is the primary factor when it comes to searching or recommending music to people. Regard to the music recommendation system, there are still lack of recommendation systems that are based on customer sentiment. An algorithm’s that were used in previous music recommendation systems are mostly user based, for example, user’s play history and playlists etc. Based on play history or playlists between multiple users, distance between music were calculated refer to basic information such as genre, singer, beat etc. It can filter out similar music to the users as a recommendation system. However those methodology have limitations like filter bubble. For example, if user listen to rock music only, it would be hard to get hip-hop or R&B music which have similar sentiment as a recommendation. In this study, we have focused on sentiment of music itself, and finally developed methodology of defining new index for music recommendation system. Concretely, we are proposing “SWEMS” index and using this index, we also extracted “Sentiment Pattern” for each music which was used for this research. Using this “SWEMS” index and “Sentiment Pattern”, we expect that it can be used for a variety of purposes not only the music recommendation system but also as an algorithm which used for buildup predicting model etc. In this study, we had to develop the music recommendation system based on emotional adjectives which people generally feel when they listening to music. For that reason, it was necessary to collect a large amount of emotional adjectives as we can. Emotional adjectives were collected via previous study which is related to them. Also more emotional adjectives has collected via social metrics and qualitative interview. Finally, we could collect 134 individual adjectives. Through several steps, the collected adjectives were selected as the final 60 adjectives. Based on the final adjectives, music survey has taken as each item to evaluated the sentiment of a song. Surveys were taken by expert panels who like to listen to music. During the survey, all survey questions were based on emotional adjectives, no other information were collected. The music which evaluated from the previous step is divided into popular and unpopular songs, and the most relevant variables were derived from the popularity of music. The derived variables were reclassified through factor analysis and assigned a weight to the adjectives which belongs to the factor. We define the extracted factors as “SWEMS” index, which describes sentiment score of music in numeric value. In this study, we attempted to apply Case Based Reasoning method to implement an algorithm. Compare to other methodology, we used Case Based Reasoning because it shows similar problem solving method as what human do. Using “SWEMS” index of each music, an algorithm will be implemented based on the Euclidean distance to recommend a song similar to the emotion value which given by the factor for each music. Also, using “SWEMS” index, we can also draw “Sentiment Pattern” for each song. In this study, we found that the song which gives a similar emotion shows similar “Sentiment Pattern” each other. Through “Sentiment Pattern”, we could also suggest a new group of music, which is different from the previous format of genre. This research would help people to quantify qualitative data. Also the algorithms can be used to quantify the content itself, which would help users to search the similar content more quickly. 음악은 인간의 감성을 소리로 표현하는 창조적 예술 행위이다. 음악은 사람들의 기분을 우울하게 혹은 기쁘게 변화시킬 수 있다. 따라서 음악을 감상하는 데 있어 감성은 소비자에게 적합한 음악을 찾고 들려주는 데 매우 중요한 요소인데, 다양한 음원 서비스에서 제공하는 추천 알고리즘은 사용자의 기본적인 정보(성별, 나이, 감상 횟수 등)와 사용자의 플레이 기록에 기반한 음악 추천 방식을 주로 사용하고 있다. 본 연구에서는 음악을감상하는 개인의 감성을 고려하여 각 음원이 가지는 고유의 감성을 기본으로 한 음악 추천 알고리즘을 제안해보고자 한다. 구체적으로, 사용자들이 자주 듣는 음악과 그렇지 않은 음악을 기준으로 ‘감정 패턴’을 추출 후 상관관계를 확인하고자 하며, 앞선 결과를 기반으로 사용자들이 원하는 노래에 대한 검색과 사용자 감성 기반 추천 방법을 도출해내보고자 한다. 이를 위해 본 연구에서는 사례기반추론 기법을 이용하여 사람들이 주로 듣는음악과 비슷한 ‘감성 패턴’을 갖는 특정한 곡을 추천해주는 알고리즘을 개발하였다. 먼저, 분석에 필요한 감정형용사를 정리하여 변수화 시키고, 의미 있는 것끼리 묶어 음악 감성지수를 개발하였고, 분석의 대상이 될 음원에 대해 고유의 감성지수 점수를 측정하였다. 마지막으로 도출된 점수의 결과를 통해 유사한 감정 패턴이 나오는 곡들을 유사 곡 리스트로 분류하고 사용자들에게 추천하는 과정을 거친다. 앞선 일련의 과정을 거처 도출된결과는 음원 추천 시스템뿐만 아니라, 인기 있는 곡과 아닌 곡에 영향을 미치는 변수 도출 및 음원 출시 전, 해당 곡의 스트리밍 수 예측 모형 구축 등 다양한 용도로 사용될 수 있을 것으로 기대한다.

배열 안테나의 상관성 신호에서 원하는 신호 추정 방법에 대한 연구

이민수(Lee, Min-Soo) 한국정보전자통신기술학회 2015 한국정보전자통신기술학회논문지 Vol.8 No.4

본 논문에서는 수정된 MUSIC 도래 방향 추정 알고리즘에 대해서 연구 하였다. 수정된 MUSIC 알고리즘은 특이 값 행렬과 베이즈 방법을 적용시켜 공 분산행렬을 최적화 시키고 가중치를 갱신하여 원하는 신호를 추정하는 방법이다. 그리고 MUSCI 알고리즘의 신호 부 공간 방법을 적용시켜 원하는 신호를 정확히 추정하였다. 무상관 신호가 수신 시스템에 입사하면 기존의 MUSIC알고리즘으로 원하는 신호를 추정 할 수 있다. 그러나 일반적으로 수신 시스템에는 상관성 신호가 입사하므로 기존의 MUSIC알고리즘으로 원하는 도래 방향 신호를 추정할 수 있는 능력이 현저히 떨어진다. 모의실험을 통해서 상관성 신호인 경우에 본 연구에서 제안된 MUSIC알고리즘과 기존의 MUSIC알고리즘의 성능을 비교 분석한다. In this paper, we studied for modified MUSIC algorithm of direction of arrival (DOA)estimation. Modified MUSIC algorithm search optimal covariance matrix using singular value decomposition and Bayes method, and desired signals are estimated by updating weight. In order to estimation of desired signals, we used sub spatial method of MUSIC algorithm. General MUSIC algorithm can estimate a desired signal in case of non-correlation signal. But, general MUSIC algorithm in case of correlation signal can not estimate a desired signals and resolution is decreased. Though simulation in case of correlation signal, we analyze to compare proposed MUSIC algorithm with general MUSIC algorithm.

국악의 기하학적 구조와 인공지능 작곡

이동진,TRAN MAI LAN,JUNG JAE HUN(정재훈) 서울대학교 동양음악연구소 2022 동양음악 Vol.51 No.-

In this paper, we explain our preliminary studies on geometric analysis of Korean music and the methodology that utilizes the proposed geometric analysis for the machine composition of Korean music. In our preliminary research, we first transformed Korean music into a music network, with which we tried to understand the Korean music composition principles. This analysis provides a way of geometric visualization of Korean music and we proposed a machine composition algorithm that learns the pattern of such visualization. Unlike the music composition algorithm based on artificial intelligent networks, which is basically a blackbox optimization algorithm, our proposed method provides an explainable composition algorithm. In this paper, as an example we used <Suyeonjangjigok>, a Dodeuri type Korean music, and show how to generate the music. Particularly, we also provide discussion on how to reflect the “Jangdan” structure in the generated music pieces when composing using the proposed algorithm. 본 논문에서는 국악을 구조적으로 분석한 최근 선행 연구를 소개하고 이를 활용한 인공지능 작곡 방법론을 설명한다. 최근 선행 연구에서는 국악을 음악 네트워크화하고 이 네트워크의 기하학적 구조를 연구함으로써 국악 작곡 원리를 이해하는 새로운 방법론을 제시하였다. 또한 이러한 기하학적 구조에서 발견되는 패턴을 시각화하고 학습하여 새로운 음악을 생성해 내는 기계작곡 방법론을 제시하였다. 기존의 인공지능 작곡 알고리즘이 다량의 음악을 입력하여 비슷한 음악을 출력하는 방식의 블랙박스 최적화 형식의 작곡법이라고 한다면 본 논문에서 소개할 방법론은 음악의 구조를 학습하는 설명 가능한 작곡 방법론이라고 할 수 있다. 본 논문에서는 <수연장지곡>의 기하학적 구조를 이용하여 작곡의 원리를 시각화하고 장단을 고려한 데이터 생성 방법과 이를 이용한 실제 작곡 과정을 <수연장지곡>의 예를 이용하여 설명한다.

독일에서 진행 중인 디지털 시대의 음악 논쟁

신혜수 ( Hyesu Shin ) 서울대학교 서양음악연구소 2016 음악이론연구 Vol.26 No.-

본고에서는 2010년 독일에서 진행되기 시작한 디지털 시대의 음악에 대한 논쟁을 소개한다. 논쟁의 중심에는 철학자 레만과 작곡가 크라이들러, 그리고 작곡가이자 음악학자인 만코프가 있다. 디지털 혁명이후 음악이 변해야 한다고 주장하는 레만의 견해에 디지털 세대인 크라이들러는 동의하지만 1960-70년대 작곡가로 성장한 만코프는 격렬하게 반대한다. 먼저 이들 각자의 입장을 소개하여 이들의 견해가 크게 두 진영으로 나뉘는 지점을 알아본다. 이후 신음악, 음악재료의 진보, 음악 내적 구조 및 음악의 민주화 등의 개념을 살펴보면서 각 진영의 주장에 좀 더 깊이 접근해 보고자 한다. 끝으로 디지털 혁명으로 인해 목격되는 현상들을 기준으로 두 진영의 견해를 비판적으로 바라보며 디지털 시대의 음악에 대한 상이한 견해를 확인해 보고자 한다. 디지털 혁명이 음악에 미친 영향은 뉴 미디어, 샘플링, 알고리즘 작곡 등을 포함하며 기계가 예술 또는 음악을 창조할 수 있는지에 대한 질문으로 귀결된다. 과학 기술 분야의 현 동향은 인공지능의 창의력을 향하고 있지만 아직은 디지털 시대의 음악이란 무엇인지에 대한 질문에 보편적인 동의를 얻을만한 답안을 제시할 수 있는 시점은 아니다. 따라서 본고의 목적은 두 진영이 추구하고 옹호하는 음악 중 어떠한 음악이 좀 더 미래의 음악에 가까운 입장이라고 옹호하는 데 있지 않고 아직 진행 중에 있는 독일에서의 논쟁을 계기로 우리 시대의 음악에 대해 생각해보는 기회를 제공하는데 있다. This paper introduces the current debate in the philosophy of music which took place 2010 between Harry Lehmann (philosopher), Johannes Kreidler (composer) and Claus-Steffen Mahnkopf (composer and musicologist) on music after the digital revolution. First, the positions of the debaters are presented. After that terms like new music, material progress, internal structure, democratization of music are examined in order to gain a better understanding of the respective positions of each debaters. Finally, the debate was commented on referring to current developments in the field of computer technology. The debate on the impact of the digital revolution on music, involving technologies such as new media, sampling and algorithmic composition, amounts to the question of whether machines could be capable of making art and music. The trends in the field of science and technology indicate that computational creativity could become the definitive technology of 21th century. But still, we can not say how the future will look like. Music written and played by humans for humans could still exist in the future. The purpose of this paper is not to decide which party is right or wrong. Rather, it takes the dispute as an opportunity to think about the music of our time.

시간 가중치와 가변형 K-means 기법을 이용한 개인화된 음악 추천 시스템

김재광(Jaekwang Kim),윤태복(Taebok Yoon),김동문(Dongmoon Kim),이지형(Jee-Hyong Lee) 한국지능시스템학회 2009 한국지능시스템학회논문지 Vol.19 No.4

근래 들어 개인 적응형 서비스에 대한 관심이 높아지고 있으나 아직 음악에 관련된 서비스는 보편화되어 있지 않다. 그 이유는 음악의 관련 정보를 분석하는 것이 텍스트 기반의 자료에 비해 어렵기 때문이다. 이에 본 논문은 사용자가 선택했던 음악을 분석해서 사용자의 성향을 파악하고 그와 유사한 음악을 추천해주는 시스템을 제안한다. 음악의 속성을 추출하는 방법으로 음파 분석 기법을 사용한다. 음파에서 세 가지의 수치화된 속성을 추출하여 이를 특성 공간에 나타낸다. 이 때 사용자가 선택한 음악이 많이 모여 있는 군집을 분석한다면, 사용자의 취향을 파악할 수 있다. 하지만 몇 개의 군집이 형성될 것인지를 예측하기란 쉽지 않다. 이를 해결하기 위하여 군집의 수를 상황에 따라 유동적으로 변경할 수 있는 가변형 K-means 기법을 제시한다. 이 기법은 군집의 직경 크기를 제한하여, 일정치 이상일 때 군집의 수를 늘리는 방법으로 데이터의 범위를 알고 있을 때 매우 효율적으로 적용할 수 있다. 이 방법을 이용하여 군집의 중심을 찾고 이와 가까운 음악을 추천한다. 또한 사용자의 성향은 꾸준하게 변화하므로 본 논문은 사용자가 근래에 선택한 음악의 반영 비율을 높이고자 무게의 개념을 이용한 시간 가중치 기법을 적용하였다. 그리고 음악의 발매 시기도 고려하여 음악을 추천하는 시스템을 제안한다. 제안 방법의 검증을 위하여 100개의 음악 조각을 통한 실험적 검증을 하였으며 그 결과 제안 방법이 효과적인 것을 보인다. Recently, personalized-adaptive services became the center of interest in the world. However the services about music are not widely diffused out. That is because the analyzing of music information is more difficult than analyzing of text information. In this paper, we propose a music recommendation system which provides personalized services. The system keeps a user's listening list and analyzes it to select pieces of music similar to the user's preference. For analysis, the system extracts properties from the sound wave of music and the time when the user listens to music. Based on the properties, a piece of music is mapped into a point in the property space and the time is converted into the weight of the point. At this time, if we select and analyze the group which is selected by user frequently, we can understand user's taste. However, it is not easy to predict how many groups are formed. To solve this problem, we apply the K-means clustering algorithm to the weighted points. We modified the K-means algorithm so that the number of clusters is dynamically changed. This manner limits a diameter so that we can apply this algorithm effectively when we know the range of data. By this algorithm we can find the center of each group and recommend the similar music with the group. We also consider the time when music is released. When recommending, the system selects pieces of music which is close to and released contemporarily with the user's preference. We perform experiments with one hundred pieces of music. The result shows that our proposed algorithm is effective.

대중음악 화성 편곡에 활용되는 인공지능 기술 연구

강영근(Kang, Young Gun) 한국대중음악학회 2021 대중음악 Vol.- No.27

현재 대중음악 산업에서는 인간과 인공지능의 협업을 통해 음악 제작이 이루어지며 이러한 결과물은 상용화가 진행되고 있다. 이는 인공지능이 가지는 기계적 창의성을 통해 인간이 가진 예술적 창의성의 가치를 효율적으로 확장하는것이며, 나아가 인간과 인공지능의 협업 구조를 통해 새로운 창작물이 표현되는 과정인 것이다. 연구자는 4차 산업혁명 시대의 이 같은 현상을 견지하여 인간과인공지능의 협업 구조에서 실제적인 창의적 상호 협력 가능성을 심도 있게 고찰하기 위해 인공지능 기술을 활용해 대중음악을 편곡하는 연구를 진행하였다. 연구의 진행을 위해 대중음악 화성 편곡에 적합한 새로운 알고리즘을 개발하고적용하였으며 이를 통해 다음과 같은 연구 결과를 확인하였다. 첫째, 음악의 화성학을 인공지능 알고리즘을 통해 데이터로 재구성하여 편곡에 적용하는 것이 가능하였으며 둘째, 대중음악 화성 편곡의 특징을 알고리즘을 통해 코드로 구현하고체계화하는 것이 가능하였다. 마지막으로 급변하는 대중음악 산업의 양상을 견지하여 인간과 인공지능의 창의적 협업 체계를 여러 형태로 확장할 수 있음을 확인한 것에 그 의미를 둔다. Currently in the popular music industry music is produced through cooperation between humans and artificial intelligence, and these results are commercialized in the popular music industry. This effectively expands the value of human artistic creativity through the mechanical creativity of artificial intelligence, and further expresses new creations through the structure of collaboration between humans and artificial intelligence. The researcher carried out a study of arranging popular music using artificial intelligence technology in order to in-depth examine the possibility of practical creative mutual cooperation in the cooperative structure of human and artificial intelligence in keeping with this phenomenon in the era of the 4th industrial revolution. To proceed with the research, a new algorithm suitable for popular music harmony arrangement was developed and applied, and the following research results were confirmed through this. First, it was possible to reconstruct the technology of music into data through an artificial intelligence algorithm and apply it to the arrangement. Second, it was possible to implement and systematize the characteristics of popular music harmony arrangements as chord through the algorithm. Lastly, it is meaningful to confirm that the creative cooperation system between humans and artificial intelligence can be expanded in various forms by maintaining the aspect of the rapidly changing popular music industry.

MUSIC-type imaging of perfectly conducting cracks in limited-view inverse scattering problems

Joh, Y.D.,Kwon, Y.M.,Park, W.K. Elsevier [etc.] 2014 Applied Mathematics and Computation Vol.240 No.-

Although standard MUltiple SIgnal Classification (MUSIC) algorithm has been considered a promising non-iterative imaging technique for cracks, its application is restricted to the full-view inverse scattering problems. Many experimental results revealed that MUSIC can be applied to the imaging of perfectly conducting cracks with small length in limited-view inverse scattering problem. On the other hand, MUSIC is not applicable for imaging of extended cracks in limited-view problems but the reason behind this restricted application has not been theoretically investigated. This gave an impetus for this study to attempt to identify the structure of MUSIC-type algorithm that appears in the limited-view inverse scattering problems by establishing a relationship between MUSIC and Bessel functions of integer order of the first kind. Some numerical experiments are illustrated to support the identified structure of MUSIC.

Determining Key Features of Recognition Korean Traditional Music Using Spectrogram

Kim Jae Chun,Kwak Kyung Sup The Acoustical Society of Korea 2005 한국음향학회지 Vol.24 No.e2

To realize a traditional music recognition system, some characteristics pertinent to Far East Asian music should be found. Using Spectrogram, some distinct attributes of Korean traditional music are surveyed. Frequency distribution, beat cycle and frequency energy intensity within samples have distinct characteristics of their own. Experiment is done for pre-experimentation to realize Korean traditional music recognition system. Using characteristics of Korean traditional music, $94.5\%$ of classification accuracy is acquired. As Korea, Japan and China have the same musical roots, both in instruments and playing style, analyzing Korean traditional music can be helpful in the understanding of Far East Asian traditional music.

음악 제작에 도입된 기술과 인공지능에 관한 역사적 관점에서의 고찰

박재록 ( Park Jaerock ) 서울대학교 음악이론연구 2019 음악이론연구 Vol.33 No.-

Music and technology have penetrated each other and influenced each other. Currently, the most notable technology as of 2019 is artificial intelligence. AI technology is now being applied and tried in many parts of real life. There are also many experimental studies on music, some commercial products, and services using AI. This study mainly discussed how artificial intelligence related to music can be accepted and how to replace existing musical work. To this end, the factors of technology acceptance in the theory of TAM(Technology Acceptance Model) in the field of management information system and the concept of substitution and complementation in the field of media research were introduced, and the historical cases of the past were analysed from the these perspective. And I discussed how artificial intelligence has been introduced in music production and how far it will be able to replace musicians’ work. Although the possibility of artificial intelligence was discussed, this is only one of many possibilities and this is the limitation of this paper. But it's a possibility that's in front of the people who are doing music, who are trying to do music, and who are listening to music.