DSP를 이용한 적응보상기가 있는 적응잡음제거기의 하드웨어 구현 ( Hardware Implementation of Adaptive Noise Canceller with Adaptive Compensator Using DSP Chip )

Q: 이 논문에서 정의한 보상된 LMS 알고리듬이란 무엇인가?

보상된 LMS 알고리듬은 기존 적응 잡음제거기의 출력단에 적응보상기를 삽입하여 진동적 수렴 문제를 해결하고 잡음 제거 성능을 향상시킨 알고리듬이다. 적응필터의 파라미터 벡터와 적응보상기의 파라미터 벡터를 동시에 갱신하며, 적응보상기는 추정 오차 신호의 주파수 스펙트럼을 상쇄시켜 출력을 영으로 수렴시킨다.

Q: DSP를 활용한 보상된 LMS 알고리듬이 기존 LMS 알고리듬보다 어떤 성능 개선을 보이는가?

연구 결과, DSP를 사용하여 하드웨어로 구현된 보상된 LMS 알고리듬은 음성 신호에 대한 잡음 제거 성능이 기존 LMS 알고리듬보다 우수하다. 특히, 입력 신호대 잡음비가 -2dB일 때 고정소수점 컴퓨터 시뮬레이션에서 약 2.6dB의 신호대 잡음비 개선 효과를 보였다. 이는 음성 구간을 구분하지 않고도 잡음 제거가 가능함을 의미한다.

김대경; 박장식; 김형순; 김재호; 손경식

추천

검색

질문

자료유형: 학술저널

저자정보: 김대경 박장식 김형순 김재호 손경식

저널정보: 한국통신학회 한국통신학회논문지 한국통신학회논문지 제20권 7호

발행연도: 1995.7

수록면: 1,885 - 1,895 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

In this paper, adaptive noise cancellation system based on the compensated LMS(least mean square) algorithm was implemented by using digital signal processor. Before the hardware implementation with fixed-point programmable DSP, the performance of the compensated LMS algorithm was verified through the fixed-point computer simulation for the speech signals. In the fixed-point computer simulation, the compensated LMS algorithm results in the improvement of SNR(signal-to-noise ratio) about 2.6dB compared with LMS algorithm as the case of floating point computer simulation. The hardware-implemented compensated LMS algorithm has better performance than the conventional LMS algorithm for speech signals.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-567-012232994

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)