Design of LMS based adaptive equalizer using Discrete Multi-Wavelet Transform

Q: 이 논문에서 정의한 Discrete Multi-Wavelet Transform(이)란 무엇인가?

여러 개의 스케일링 함수와 웨이블릿 함수를 동시에 사용하여 신호를 분석하는 다중 웨이블릿 변환 방법이다. 이는 신호의 전처리와 다중 필터 뱅크 구조를 통해 입력 신호의 특성을 효율적으로 분리하고 분석함으로써 적응 등화기의 성능을 향상시키는 역할을 수행한다.

Q: DMWT-LMS 적응 등화기가 기존 등화기보다 빠른 수렴 속도를 보이는 이유는 무엇인가?

연구 결과, DMWT-LMS 등화기는 기존 알고리즘에 비해 입력 신호의 자기 상관 행렬에서 더 작은 고유값 확산을 가지기 때문이다. 특히 SF 전처리 필터를 적용했을 때 가장 우수한 성능을 나타내며, 이는 짧은 훈련 심볼 환경에서도 효율적인 채널 보상을 가능하게 한다.

Yun-Seok Choi; Hyung-Kun Park

추천

검색

질문

자료유형: 학술저널

저자정보: Yun-Seok Choi Hyung-Kun Park

저널정보: 한국정보통신학회 한국정보통신학회논문지 한국정보통신학회논문지 제11권 제3호

발행연도: 2007.3

수록면: 600 - 607 (8page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

In the next generation mobile multimedia communications, the broad band short-burst transmissions are used to reduce end-to-end transmission delay, and to limit the time variation of wireless channels over a burst. However, training overhead is very significant for such short burst formats. So, the availability of the short training sequence and the fast converging adaptive algorithm is essential in the system adopting the symbol-by-symbol adaptive equalizer. In this paper, we propose an adaptive equalizer using the DWMT (discrete multi-wavelet transform) and LMS (least mean square) adaptation. The proposed equalizer has a faster convergence rate than that of the existing transform-domain equalizers, while the increase of computational complexity is very small.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)