[논문]신경망 구조의 적응 Wiener 필터를 이용한 비선형 잡음감쇠기

이행우

doi:10.13067/jkiecs.2023.18.1.71

[국내논문] 신경망 구조의 적응 Wiener 필터를 이용한 비선형 잡음감쇠기
Nonlinear Noise Attenuator by Adaptive Wiener Filter with Neural Network 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.18 no.1, 2023년, pp.71 - 76

초록
AI-Helper

본 논문은 음향잡음감쇠기에서 신경망 구조의 Wiener 필터를 이용하여 비선형 잡음을 감쇠시키는 방법에 대하여 연구하였다. 이 시스템은 기존의 적응필터를 이용하는 대신 신경망 위너필터를 이용한 심층학습 알고리즘으로 비선형 잡음감쇠 성능을 개선한다. 128-neuron, 8-neuron 은닉층과 오차 역전파(back propagation) 알고리즘을 이용하여 비선형 잡음이 포함된 단일입력 음성신호로부터 음성을 추정한다. 본 연구에서 비선형 잡음에 대한 감쇠 성능을 검증하기 위하여 Keras 라이브러리를 사용한 시뮬레이션 프로그램을 작성하고 모의실험을 수행하였다. 모의실험 결과, 본 시스템은 비선형 잡음이 포함되어 있는 경우에도 위너필터 대신 FNN 필터를 사용하면 잡음감쇠 성능이 상당히 개선되는 것을 볼 수 있다. 이는 FNN 필터의 복잡한 구조가 어떤 형태의 비선형 특성도 잘 표현하기 때문이다.

Abstract ▼ AI-Helper

This paper studied a method of attenuating nonlinear noise using a Wiener filter of a neural network structure in an acoustic noise attenuator. This system improves nonlinear noise attenuation performance with a deep learning algorithm using a neural network Wiener filter instead of using a conventional adaptive filter. A voice is estimated from a single input voice signal containing nonlinear noise using a 128-neuron, 8-neuron hidden layer and an error back propagation algorithm. In this study, a simulation program using the Keras library was written and a simulation was performed to verify the attenuation performance for nonlinear noise. As a result of the simulation, it can be seen that the noise attenuation performance of this system is significantly improved when the FNN filter is used instead of the Wiener filter even when nonlinear noise is included. This is because the complex structure of the FNN filter expresses any type of nonlinear characteristics well.

주제어

표/그림 (6)

그림 그림 1. 위너필터 기반 비선형 잡음감쇠기 Fig. 1 Wiener filter based nonlinear noise attenuator
그림 그림 2. FNN 신경망 구조 Fig. 2 Structure of FNN
그림 그림 3. 선형 위너필터의 NMSE 특성곡선 Fig. 3 NMSE curve of Wiener filter
그림 그림 4. 선형 위너필터의 SNR 특성곡선 Fig. 4 SNR curve of Wiener filter
그림 그림 5. 비선형 FNN 필터의 NMSE 특성곡선 Fig. 5 NMSE curve of FNN filter
그림 그림 6. 비선형 FNN 필터의 SNR 특성곡선 Fig. 6 SNR curve of FNN filter

참고문헌 (19)

M. R. Sambur, "Adaptive noise canceling for speech signals," IEEE Trans. Acoust., Speech, Signal Processing, vol. ASSP-26, Oct. 1978, pp. 419-423.？

상세보기
K. Lashkari, "A novel Volterra-Wiener model for equalization of loudspeaker distortions," In 2006 IEEE international conference on acoustics speech and signal processing proceedings, Toulouse, France, 2006, pp. V.？
X. Guo, Y. Li, J. Jiang, C. Dong, S. Du, and L. Tan, "Sparse modeling of nonlinear secondary path for nonlinear active noise control," IEEE Transactions on Instrumentation and Measurement, vol. 67, no. 3, 2018, pp. 482-496.？

상세보기
L. Tan and J. Jiang, "Adaptive Volterra filters for active control of nonlinear noise processes," IEEE Trans. Signal Processing, vol. 49, no. 8, Aug. 2001, pp. 1667-1676.？

상세보기
R. Napoli and L. Piroddi, "Nonlinear active noise control with NARX models," IEEE Transactions on Audio, Speech and Language Processing, vol. 18, no. 2, Feb. 2010, pp. 286-295.？

상세보기
S. Ghasemi, R. Kamil, and M. H. Marhaban, "Nonlinear THF-FXLMS algorithm for active noise control with loudspeaker nonlinearity," Asian Journal of Control, vol. 18, no. 3, 2016, pp. 502-513.？

상세보기
S. M. Kuo and H.-T. Wu, "Nonlinear adaptive bilinear filters for active noise control systems," IEEE Transactions on Circuits and Systems, vol. 52, no. 3, 2005, pp. 617-624.？

상세보기
D. P. Das and G. Panda, "Active mitigation of nonlinear noise processes using a novel filtered-s LMS algorithm," IEEE Transactions on Speech and Audio Processing, vol. 12, 2004, pp. 313-322.？

상세보기
O. J. Tobias and R. Seara, "Leaky-FXLMS algorithm: stochastic analysis for Gaussian data and secondary path modeling error," IEEE Transactions on Speech and Audio Processing, vol. 13, no. 6, 2005, pp. 1217-1230.？

상세보기
N. V. George and G. Panda, "Advances in active noise control: A survey, with emphasis on recent nonlinear techniques," Signal Processing, vol. 93, 2013, pp. 363-377.？

상세보기
S. D. Snyder and N. Tanaka, "Active control of vibration using a neural network," IEEE Transactions on Neural Networks, vol. 6, no. 4, 1995, pp. 819-828.？

상세보기
M. Bouchard, B. Paillard, and C. T. Le Dinh, "Improved training of neural networks for the nonlinear active control of sound and vibration," IEEE Transactions on Neural Networks, vol. 10, no. 2, Mar. 1999, pp. 391-401.？

상세보기
C. Y. Chang and F. B. Luoh, "Enhancement of active noise control using neural-based filtered-x algorithm," Journal of Sound and Vibration, vol. 305, no. 1-2, 2007, pp. 348-356.？

상세보기
T. Krukowicz, "Active noise control algorithm based on a neural network and nonlinear input-output system identification model," Archives of Acoustics, vol. 35, no. 2, 2010, pp. 191-202.？

상세보기
G. Panda and D. P. Das, "Functional link artificial neural network for active control of nonlinear noise processes," In 2003 international workshop on acoustic echo and noise control, Kyoto, Japan, 2003, pp. 163-166.？
J. Schmidhuber, "Deep learning in neural networks: An overview," Neural Networks, vol. 61, 2015, pp. 85-117.？

상세보기
J. S. Choi, "Speech and Noise Recognition System by Neural Network," Journal of the Korea Institute of Electronic Communication Sciences, vol. 5, Aug. 2010, pp. 357-362.？
H. W. Lee, "Optimization of the kernel size in CNN noise attenuator," Journal of the Korea Institute of Electronic Communication Sciences, vol. 15, Dec. 2020, pp. 987-994.？

원문보기 상세보기
H. W. Lee, "Optimization of the number of filter in CNN noise attenuator," Journal of the Korea Institute of Electronic Communication Sciences, vol. 16, Aug. 2021, pp. 625-632.

원문보기 상세보기

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