[논문]0.18㎛ CMOS 공정을 이용한 MEMS 마이크로폰용 이중 채널 음성 빔포밍 ASIC 설계

장영종; 이재학; 김동순; 황태호

doi:10.13067/jkiecs.2018.13.5.949

0.18㎛ CMOS 공정을 이용한 MEMS 마이크로폰용 이중 채널 음성 빔포밍 ASIC 설계
An ASIC implementation of a Dual Channel Acoustic Beamforming for MEMS microphone in 0.18㎛ CMOS technology 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.13 no.5, 2018년, pp.949 - 958

장영종 (전자부품연구원 SoC플랫폼연구센터) , 이재학 (전자부품연구원) , 김동순 (전자부품연구원) , 황태호 (전자부품연구원)

초록
AI-Helper

음성 인식 제어 시스템은 사용자의 음성을 인식하여 주변 장치를 제어하는 시스템이다. 최근 음성 인식 제어 시스템은 스마트기기 뿐만 아니라, IoT(: Internet of Things), 로봇, 차량에 이르기까지 다양한 환경에 적용되고 있다. 이러한 음성 인식 제어 시스템은 사용자의 음성 외에 주변 잡음에 의한 인식률 저하가 발생한다. 이에 본 논문은 사용자의 음성 외에 주변 잡음을 제거하기 위하여 MEMS(: Microelectromechanical Systems) 마이크로폰용 이중 채널 음성 빔포밍 하드웨어 구조를 제안하였으며, 제안한 하드웨어 구조를 TowerJazz $0.18{\mu}m$ CMOS(: Complementary Metal-Oxide Semiconductor) 공정을 이용하여 ASIC(: Application-Specific Integrated Circuit)을 설계하였다. 설계한 이중 채널 음성 빔포밍 ASIC은 $48mm^2$의 Die size를 가지며, 사용자의 음성에 대한 지향성 특성을 측정한 결과 4.233㏈의 특성을 보였다.

Abstract ▼ AI-Helper

A voice recognition control system is a system for controlling a peripheral device by recognizing a voice. Recently, a voice recognition control system have been applied not only to smart devices but also to various environments ranging from IoT(: Internet of Things), robots, and vehicles. In such a voice recognition control system, the recognition rate is lowered due to the ambient noise in addition to the voice of the user. In this paper, we propose a dual channel acoustic beamforming hardware architecture for MEMS(: Microelectromechanical Systems) microphones to eliminate ambient noise in addition to user's voice. And the proposed hardware architecture is designed as ASIC(: Application-Specific Integrated Circuit) using TowerJazz $0.18{\mu}m$ CMOS(: Complementary Metal-Oxide Semiconductor) technology. The designed dual channel acoustic beamforming ASIC has a die size of $48mm^2$, and the directivity index of the user's voice were measured to be 4.233㏈.

주제어

표/그림 (15)

그림 그림 1. PDM/PCM 컨버터 Fig. 1 PDM/PCM convertor
그림 그림 2. PDM/PCM 컨버터 주파수 응답 Fig. 2 PDM/PCM convertor frequency response
그림 그림 3. RGSC 기반의 이중 채널 음성 빔포밍 하드웨어 구조 Fig. 3 RGSC based dual channel acoustic beamforming hardware architecture
그림 그림 4. FBF(: Fixed Beamformer) 블록 하드웨어 구조 Fig. 4 FBF(: Fixed Beamformer) block hardware architecture
그림 그림 5. CCAF coefficient limit 블록 하드웨어 구조 Fig. 5 CCAF coefficient limit block hardware architecture
그림 그림 6. CCAF Euclid Norm 및 CCAF FBF Delay 블록 하드웨어 구조 Fig. 6 CCAF Euclid Norm and CCAF FBF Delay block hardware architecture
그림 그림 7. CCAF Operation 및 CCAF Coefficient Adaptation 블록 하드웨어 구조 Fig. 7 CCAF Operation and CCAF Coefficient Adaptation block hardware architecture
그림 그림 8. NCAF Euclid Norm 및 NCAF FBF Delay 블록 하드웨어 구조 Fig. 8 NCAF Euclid Norm and NCAF FBF Delay block hardware architecture
그림 그림 9. NCAF Operation 블록 하드웨어 구조 Fig. 9 NCAF Operation block hardware architecture
그림 그림 10. NCAF Coefficient Adaptation 블록 하드웨어 구조 Fig. 10 NCAF Coefficient Adaptation block hardware architecture
그림 그림 11. 이중 채널 음성 빔포밍 ASIC 레이아웃 및 패키지 Fig. 11 Dual channel acoustic beamforming ASIC layout and package
그림 그림 12. 이중 채널 음성 빔포밍 ASIC 실험 환경 Fig. 12 Dual Channel acoustic beamforming ASIC experiment environment
그림 그림 13. 뉴스 스피치와 화이트 잡음 실험 Fig. 13 News speech and white noise experiment
그림 그림 14. -90 ~ 90도, 5도 단위 회전 Fig. 14 –90 ~ 90 degree rotation by 5 degree
그림 그림 15. 이중 채널 음성 빔포밍 ASIC의 지향성 이득 Fig. 15 Directivity Index of dual channel acoustic beamforming ASIC

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문은 음성 인식 제어 시스템에서 주변 잡음 신호 제거를 위한 이중 채널 음성 빔포밍 ASIC 설계에 대한 연구이다. MEMS 마이크로폰의 출력 PDM 음성 신호를 이중 채널 음성 빔포밍 ASIC에서 사용하기 위해 PDM/PCM 컨버터를 내장하였다.
또한, RGSC 알고리즘은 MIC(: Multiple-Input Canceller) 부분 최적화에 따라 LCMV 알고리즘보다 나은 성능을 가진다[10]. 이에 본 논문에서는 RGSC 알고리즘 기반의 이중 채널 음성 빔포밍 하드웨어 구조를 제안하였다. 제안한 이중 채널 음성 빔포밍 입력은 PCM(: Pulse-Code Modulation) 형태의 음성 신호를 사용하며, 이를 위해 MEMS 마이크로폰의 출력 PDM(: Pulse-Density Modulation) 음성 신호를 PDM/PCM 컨버터를 설계하여 처리하였다.

제안 방법

027㎒, 1bit PDM 데이터를 96㎑, 24bis PCM 데이터로 변환하기 위하여 그림 1과 같이 2단의 CIC(: Cascaded Integrator-Comb) 데시메이션 필터를 사용하였다. 1단 CIC 데시메이션 필터는 16:1 다운 샘플링을 위하여 5 stage, 1 샘플 방식으로 구성하였으며, 2단 CIC 데시메이션 필터는 2:1 다운 샘플링을 위하여 2 stage, 1 샘플 방식을 사용하였다.
본 논문은 음성 인식 제어 시스템에서 주변 잡음 신호 제거를 위한 이중 채널 음성 빔포밍 ASIC 설계에 대한 연구이다. MEMS 마이크로폰의 출력 PDM 음성 신호를 이중 채널 음성 빔포밍 ASIC에서 사용하기 위해 PDM/PCM 컨버터를 내장하였다. 또한, RGSC 기반 이중 채널 음성 빔포밍 하드웨어 구조를 제안하였으며, 제안한 하드웨어 구조를 기반으로 TowerJazz 0.
MIC 블록은 BM 블록에서 생성한 각 채널별 오류값을 반영 비율에 따라 계산하고 이를 모두 합한 뒤, FBF 블록에서 생성한 가상 음성 빔포밍 데이터에 빼서 최종 음성 빔포밍 데이터를 구한다, 이 때, 8 단 NCAF(: Norm-Constrained Adaptive Filter) 필터를 사용하여 오류값 반영 비율을 실시간으로 변경하여 필터 계수가 점차 안정화되도록 설계하였다. MIC 블록의 오류값 반영은 식(9)로 표현된다.
본 논문에서 제안하는 이중 채널 음성 빔포밍 하드웨어 구조에서 MIC 블록은 8 단 NCAF 필터를 사용하였기 때문에 그림 8과 같이 BM 블록에서 출력되는 오류 값과 FBF 블록에서 출력되는 가상 음성 빔포밍 데이터를 8 샘플 지연시켜 저장한 후 처리 해야 된다. MIC 블록의 최종 음성 빔포밍 출력 연산은 그림 9와 같이 하드웨어 크기를 최소화하기 위하여 1개의 연산 블록을 8번 반복하여 처리하는 공유형 구조로 설계하였다. MIC 블록에서 최종 음성 빔포밍 데이터가 결정되면, 이를 바탕으로 NCAF 필터 계수에 대한 갱신을 진행한다.
두 번째 실험은 설계한 이중 채널 음성 빔포밍 ASIC의 지향성 이득(directivity index)을 측정하였다. 전방 0도 방향 스피커에서 70㏈ 음압의 뉴스 소리를 출력시키고, 그림 14와 같이 –90도에서 90도까지 5도 단위로 회전시켜 이중 채널 음성 빔포밍 ASIC의 출력 음성 37개를 획득하였다.
정상성 잡음 제거에는 위너 필터나 칼만 필터를 많이 사용하나, 이러한 필터들은 비정상성 잡음 제거에는 효과가 적어 LCMV(: Linearly Constrained Minimum Variance) 알고리즘이나 RGSC(: Robust Generalized Sidelobe Canceller) 알고리즘을 주로 사용한다[4, 7-9]. 두 알고리즘 모두 사용자 음성을 고속 푸리에 변환시켜 주파수 영역으로 처리가 가능하나, ASIC 하드웨어 크기의 최소화를 위하여 시간 영역에서의 알고리즘 수식을 바탕으로 설계하였다. 또한, RGSC 알고리즘은 MIC(: Multiple-Input Canceller) 부분 최적화에 따라 LCMV 알고리즘보다 나은 성능을 가진다[10].
MEMS 마이크로폰의 출력 PDM 음성 신호를 이중 채널 음성 빔포밍 ASIC에서 사용하기 위해 PDM/PCM 컨버터를 내장하였다. 또한, RGSC 기반 이중 채널 음성 빔포밍 하드웨어 구조를 제안하였으며, 제안한 하드웨어 구조를 기반으로 TowerJazz 0.18㎛ CMOS 공정을 사용하여 ASIC 칩으로 설계하였다. 설계한 ASIC 칩의 성능을 측정하여 지향성 이득 4.
이중 채널 음성 빔포밍 ASIC 칩 검증용 보드, 5 ㎝간격으로 장착된 2개 의 MEMS 마이크로폰 및 5도 단위로 회전이 가능한 회전 장치로 구성된다. 또한, 스피커에서 출력되는 소리의 음압을 MEMS 마이크로폰과 동일한 위치에서 음압 측정기로 측정하였다.
즉, m개의 마이크로폰에서 입력되는 PCM 데이터를 더한 다음 채널의 수로 나누어 출력을 구한 다. 본 논문에서 설계한 FBF 블록은 그림 4와 같이, MEMS 마이크로폰 간의 거리가 5 ^~ 50 ㎝의 가변적인 환경에서도 처리 가능하도록 설계되었다.
본 논문에서 설계한 RGSC 기반 이중 채널 음성 빔포밍 하드웨어 구조는 RGSC 알고리즘을 시간 영역에서의 수식으로 풀어 음성 빔포밍을 처리하도록 설계하였으며, 그림 3과 같이 FBF(: Fixed Beamformer) 블록, BM(: Blocking Matrix) 블록, MIC(: Multiple-Input Canceller) 블록으로 구성된다. 본 논문에서 제안한 하드웨어 구조는 각 연산 단계에 서 24 bits 소수부를 가지는 고정 소수점 연산을 수행하도록 설계되었다.
5를 K 값으로 사용하였다. 본 논문에서 제안하는 이중 채널 음성 빔포밍 하드웨어 구조에서 MIC 블록은 8 단 NCAF 필터를 사용하였기 때문에 그림 8과 같이 BM 블록에서 출력되는 오류 값과 FBF 블록에서 출력되는 가상 음성 빔포밍 데이터를 8 샘플 지연시켜 저장한 후 처리 해야 된다. MIC 블록의 최종 음성 빔포밍 출력 연산은 그림 9와 같이 하드웨어 크기를 최소화하기 위하여 1개의 연산 블록을 8번 반복하여 처리하는 공유형 구조로 설계하였다.
본 논문에서 설계한 RGSC 기반 이중 채널 음성 빔포밍 하드웨어 구조는 RGSC 알고리즘을 시간 영역에서의 수식으로 풀어 음성 빔포밍을 처리하도록 설계하였으며, 그림 3과 같이 FBF(: Fixed Beamformer) 블록, BM(: Blocking Matrix) 블록, MIC(: Multiple-Input Canceller) 블록으로 구성된다. 본 논문에서 제안한 하드웨어 구조는 각 연산 단계에 서 24 bits 소수부를 가지는 고정 소수점 연산을 수행하도록 설계되었다.
제안한 이중 채널 음성 빔포밍 입력은 PCM(: Pulse-Code Modulation) 형태의 음성 신호를 사용하며, 이를 위해 MEMS 마이크로폰의 출력 PDM(: Pulse-Density Modulation) 음성 신호를 PDM/PCM 컨버터를 설계하여 처리하였다. 본 논문에서는 이중 채널 PDM/PCM 컨버터와 이중 채널 음성 빔포밍 하드웨어를 통합하여, TowerJazz 0.18㎛ CMOS 공정을 통해 ASIC 칩을 설계하였으며, 설계한 ASIC 칩의 성능을 검증하였다.
BM 블록은 FBF 블록에서 생성한 가상 음성 빔포밍 데이터와 각 채널에서 입력되는 음성 데이터를 이용하여 각 채널별 오류 값을 생성한다. 이 때, 8 단 CCAF(: Coefficient-Constrained Adaptive Filter) 필터를 사용하여 오류값 생성 비율을 실시간으로 변경하여 필터 계수가 점차 안정화되도록 설계하였다. BM 블록의 오류 값 생성은 식(2)로 표현된다.
이에 본 논문에서는 RGSC 알고리즘 기반의 이중 채널 음성 빔포밍 하드웨어 구조를 제안하였다. 제안한 이중 채널 음성 빔포밍 입력은 PCM(: Pulse-Code Modulation) 형태의 음성 신호를 사용하며, 이를 위해 MEMS 마이크로폰의 출력 PDM(: Pulse-Density Modulation) 음성 신호를 PDM/PCM 컨버터를 설계하여 처리하였다. 본 논문에서는 이중 채널 PDM/PCM 컨버터와 이중 채널 음성 빔포밍 하드웨어를 통합하여, TowerJazz 0.
식(10)의 W_m(K)는 m번째 채널의 NCAF 필터 계수 벡터이며, 식(11)의 Y_m(k)는 BM 블록에서 출력된 오류 값을 8 샘플 지연시켜 저장한 벡터이다. 즉, 8개 오류 값을 8 단 NCAF 필터 계수와 곱하여 FBF 블록에서 생성한 가상 음성 빔포밍 데이터에 뺄 셈 연산하여 최종 음성 빔포밍 데이터를 추출한다. MIC 블록 NCAF 필터 계수 갱신에 관한 수식은 식 (12), 식(13), 식(14)로 표현하며, NLMS(: Normalized Least Mean Squares) 알고리즘을 사용한다.
첫 번째 실험은 전방 0도 방향 스피커에서 70㏈ 음압으로 뉴스 소리, 45도 방향 스피커에서 같은 음압의 화이트 잡음을 출력시켜 이중 채널 음성 빔포밍 ASIC의 잡음 제거 성능을 측정하였다. 그림13은 MEMS 마이크로폰을 통해 입력된 음성과 이중 채널 음성 빔포밍 ASIC의 출력 음성을 스펙트럼 아날라이저로 측정한 차트이다.

대상 데이터

본 논문에서 제안한 RGSC 기반의 이중 채널 음성 빔포밍 ASIC 칩은 TowerJazz 0.18㎛ CMOS 공정을 사용하여 설계되었으며, 4.8㎟의 다이 크기를 가진다. 패키지는 64 핀의 QFN 타입으로 제작되었다.
출력된 PDM 데이터는 이중 채널 음성 빔포밍 하드웨어 구조에 입력되기 전에 PCM 형태의 데이터로 변환되어야 한다. 본 논문에서는 MEMS 마이크로폰의 3.027㎒, 1bit PDM 데이터를 96㎑, 24bis PCM 데이터로 변환하기 위하여 그림 1과 같이 2단의 CIC(: Cascaded Integrator-Comb) 데시메이션 필터를 사용하였다. 1단 CIC 데시메이션 필터는 16:1 다운 샘플링을 위하여 5 stage, 1 샘플 방식으로 구성하였으며, 2단 CIC 데시메이션 필터는 2:1 다운 샘플링을 위하여 2 stage, 1 샘플 방식을 사용하였다.
본 논문에서 설계한 이중 채널 음성 빔포밍 ASIC의 실험 환경은 그림 12와 같다. 이중 채널 음성 빔포밍 ASIC 칩 검증용 보드, 5 ㎝간격으로 장착된 2개 의 MEMS 마이크로폰 및 5도 단위로 회전이 가능한 회전 장치로 구성된다. 또한, 스피커에서 출력되는 소리의 음압을 MEMS 마이크로폰과 동일한 위치에서 음압 측정기로 측정하였다.
전방 0도 방향 스피커에서 70㏈ 음압의 뉴스 소리를 출력시키고, 그림 14와 같이 –90도에서 90도까지 5도 단위로 회전시켜 이중 채널 음성 빔포밍 ASIC의 출력 음성 37개를 획득하였다.

데이터처리

전방 0도 방향 스피커에서 70㏈ 음압의 뉴스 소리를 출력시키고, 그림 14와 같이 –90도에서 90도까지 5도 단위로 회전시켜 이중 채널 음성 빔포밍 ASIC의 출력 음성 37개를 획득하였다. 획득한 37개의 음성 데이터를 사용하여 매트랩에서 지향성 이득을 계산하였으며, 그림 15와 같은 사용자 음성에 대한 지향성 이득 4.233㏈를 도출하였다.

이론/모형

즉, 8개의 가상 음성 빔포밍 데이터와 8 단 CCAF 필터 계수를 곱하여 마이크로폰에서 입력된 데이터에 뺄셈 연산하여 오류 값을 추출한다. BM 블록 CCAF 필터 계수 갱신에 관한 수식은 식(5), 식(6)으로 표현하며, NLMS(: Normalized Least Mean Squares) 알고리즘을 사용한다.
즉, 8개 오류 값을 8 단 NCAF 필터 계수와 곱하여 FBF 블록에서 생성한 가상 음성 빔포밍 데이터에 뺄 셈 연산하여 최종 음성 빔포밍 데이터를 추출한다. MIC 블록 NCAF 필터 계수 갱신에 관한 수식은 식 (12), 식(13), 식(14)로 표현하며, NLMS(: Normalized Least Mean Squares) 알고리즘을 사용한다.
잡음의 종류는 자동차 엔진 소리와 같이 주기적으로 발생되는 정상성 잡음과 사람의 음성, 음악 소리와 같이 주기적인 특징이 없는 비정상성 잡음으로 분류된다. 정상성 잡음 제거에는 위너 필터나 칼만 필터를 많이 사용하나, 이러한 필터들은 비정상성 잡음 제거에는 효과가 적어 LCMV(: Linearly Constrained Minimum Variance) 알고리즘이나 RGSC(: Robust Generalized Sidelobe Canceller) 알고리즘을 주로 사용한다[4, 7-9]. 두 알고리즘 모두 사용자 음성을 고속 푸리에 변환시켜 주파수 영역으로 처리가 가능하나, ASIC 하드웨어 크기의 최소화를 위하여 시간 영역에서의 알고리즘 수식을 바탕으로 설계하였다.

성능/효과

18㎛ CMOS 공정을 사용하여 ASIC 칩으로 설계하였다. 설계한 ASIC 칩의 성능을 측정하여 지향성 이득 4.233㏈를 도출하였으며, 사용자 음성과 화이트 잡음이 섞여있는 환경에서 사용자의 음성이 10㏈ 증가하는 것을 확인하였다. 이를 통해 설계한 ASIC 칩이 사용자의 음성 외에 주변 잡음을 제거하는데 효과적임을 확인하였다.
아래 3개 차트 중 LEFT, RIGHT는 뉴스 소리와 화이트 잡음이 섞인 입력 음성을 측정한 차트이고, BF는 음성 빔포밍 처리 후 출력 음성을 나타낸 차트이다. 스펙트럼 차트를 통해 화이트 노이즈 대비 뉴스 소리가 10㏈ 증가한 것을 확인할 수 있었다.
233㏈를 도출하였으며, 사용자 음성과 화이트 잡음이 섞여있는 환경에서 사용자의 음성이 10㏈ 증가하는 것을 확인하였다. 이를 통해 설계한 ASIC 칩이 사용자의 음성 외에 주변 잡음을 제거하는데 효과적임을 확인하였다.
73㏈의 Normalized Gain을 가진다. 이를 통해 설계한 PDM/PCM 컨버터가 20㎐부터 20㎑의 가청주파수 내에서 손실 없이 변환이 가능한 것을 확인할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	잡음의 종류 중 정상성 잡음 제거에 사용되는 것은?	잡음의 종류는 자동차 엔진 소리와 같이 주기적으로 발생되는 정상성 잡음과 사람의 음성, 음악 소리와 같이 주기적인 특징이 없는 비정상성 잡음으로 분류된다. 정상성 잡음 제거에는 위너 필터나 칼만 필터를 많이 사용하나, 이러한 필터들은 비정상성 잡음 제거에는 효과가 적어 LCMV(: Linearly Constrained Minimum Variance) 알고리즘이나 RGSC(: Robust Generalized Sidelobe Canceller) 알고리즘을 주로 사용한다[4, 7-9]. 두 알고리즘 모두 사용자 음성을 고속 푸리에 변환시켜 주파수 영역으로 처리가 가능하나, ASIC 하드웨어 크기의 최소화를 위하여 시간 영역에서의 알고리즘 수식을 바탕으로 설계하였다.
	잡음의 종류는?	잡음의 종류는 자동차 엔진 소리와 같이 주기적으로 발생되는 정상성 잡음과 사람의 음성, 음악 소리와 같이 주기적인 특징이 없는 비정상성 잡음으로 분류된다. 정상성 잡음 제거에는 위너 필터나 칼만 필터를 많이 사용하나, 이러한 필터들은 비정상성 잡음 제거에는 효과가 적어 LCMV(: Linearly Constrained Minimum Variance) 알고리즘이나 RGSC(: Robust Generalized Sidelobe Canceller) 알고리즘을 주로 사용한다[4, 7-9].
	비정상성 잡음 제거에 사용되는 것은?	잡음의 종류는 자동차 엔진 소리와 같이 주기적으로 발생되는 정상성 잡음과 사람의 음성, 음악 소리와 같이 주기적인 특징이 없는 비정상성 잡음으로 분류된다. 정상성 잡음 제거에는 위너 필터나 칼만 필터를 많이 사용하나, 이러한 필터들은 비정상성 잡음 제거에는 효과가 적어 LCMV(: Linearly Constrained Minimum Variance) 알고리즘이나 RGSC(: Robust Generalized Sidelobe Canceller) 알고리즘을 주로 사용한다[4, 7-9]. 두 알고리즘 모두 사용자 음성을 고속 푸리에 변환시켜 주파수 영역으로 처리가 가능하나, ASIC 하드웨어 크기의 최소화를 위하여 시간 영역에서의 알고리즘 수식을 바탕으로 설계하였다.

참고문헌 (11)

M. Brandstein and D. Ward, Microphone arrays: signal processing techniques and applications. Berlin, Heidelberg: Springer Science & Business Media, 2013.
P. C. Loizou, Speech enhancement: theory and practice. New York: CRC press, 2013.
J. Benesty, C. Jingdong, and H. Yiteng, Microphone array signal processing, Berlin, Heidelberg: Springer Science & Business Media, 2008.
O. Frost, "An algorithm for linearly constrained adaptive array processing," Proc. of the IEEE, vol. 60, no. 8, Aug. 1972, pp. 926-935.

상세보기
V. Yoganathan and T. Joir, "Multi-microphone adaptive neural switched Griffiths-Jim beamformer for noise reduction," In Signal Processing (ICSP), 2010 IEEE 10th Int. Conf. on. IEEE, Beijing, China, Oct. 2010, pp. 299-302.
C. Lee and D. Kim, "Adaptive Noise Reduction of Speech Using Wavelet Transform," J. of the Korea Institute of Electronic Communication Sciences, vol. 4, no. 3, Sept. 2009, pp. 190-196.
J. Choi, "Noise Reduction Algorithm in Speech by Wiener Filter," J. of the Korea Institute of Electronic Communication Science, vol. 8, no. 9, Sept. 2013. pp. 1293-1298.

원문보기 상세보기
O. Hoshuyama, A. Sugiyama, and A. Hirano, "A Robust Adaptive Beamformer with a Blocking Matrix Using Coefficient-constrained Adaptive Filters," IEICE Trans. Fundamentals, vol. E82-A, no. 4, Apr. 1999, pp. 640-647.
O. Hoshuyama, A. Sugiyama, and A. Hirano, "A robust adaptive beamformer for microphone arrays with a blocking matrix using constrained adaptive filters," IEEE Trans. Signal Processing, vol. 47, no. 10, Oct. 1999, pp. 2677-2684.

상세보기
S. Gannot, D. Burshtein, and E. Weinstein, "Signal enhancement using beamforming and nonstationarity with applications to speech," IEEE Trans. Signal Processing, vol. 49, no. 8, Aug. 2001, pp. 1614-1626.

상세보기
E. Hogenauer, "An economical class of digital filters for decimation and interpolation," IEEE Trans. Acoustics, Speech, and Signal Processing, vol. 29, no. 2, Apr. 1981, pp. 155-162.

상세보기

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증