다양한 매체를 통해 전달되는 멀티미디어 정보신호를 처리하는 과정에서 시스템 내 외부적인 원인에 의해 잡음이 발생하고 있으며, 이러한 잡음은 정보신호에 대한 인지도를 저하시킨다. 따라서 잡음을 제거하고 신호를 복원하기 위한 많은 연구들이 진행되고 있으며, 최근에는 레이브렛의 시간-주파수 국부성을 이용한 잡음제거 방법들이 많은 응용분야에 적용되고 있다. 한편, 두 개의 웨이브렛 기저가 힐버트 변환쌍을 형성하도록 설계될 때, 웨이브렛은 신호의 특징을 검출하기 위해 보다 효과적으로 적용될 수 있다. 따라서 본 논문에서는 잡음에 의해 훼손된 신호를 복원하기 위해, 웨이브렛의 힐버트 변환쌍을 이용한 잡음제거 알고리즘을 제안하였다.
다양한 매체를 통해 전달되는 멀티미디어 정보신호를 처리하는 과정에서 시스템 내 외부적인 원인에 의해 잡음이 발생하고 있으며, 이러한 잡음은 정보신호에 대한 인지도를 저하시킨다. 따라서 잡음을 제거하고 신호를 복원하기 위한 많은 연구들이 진행되고 있으며, 최근에는 레이브렛의 시간-주파수 국부성을 이용한 잡음제거 방법들이 많은 응용분야에 적용되고 있다. 한편, 두 개의 웨이브렛 기저가 힐버트 변환쌍을 형성하도록 설계될 때, 웨이브렛은 신호의 특징을 검출하기 위해 보다 효과적으로 적용될 수 있다. 따라서 본 논문에서는 잡음에 의해 훼손된 신호를 복원하기 위해, 웨이브렛의 힐버트 변환쌍을 이용한 잡음제거 알고리즘을 제안하였다.
In the step processing multimedia information signals transmitted by a variety of mediums, noises are generated by the internal or exterior causes of systems and these noises degrade the perception about information signals. Therefore, in order to remove noises and restore signals a great number of ...
In the step processing multimedia information signals transmitted by a variety of mediums, noises are generated by the internal or exterior causes of systems and these noises degrade the perception about information signals. Therefore, in order to remove noises and restore signals a great number of researches have been progressed and recently, many noise removal methods using time-frequency localization of wavelet have been applied in wide applications. Moreover, when two wavelet bases are designed to accomplish the Hilbert transform pair, wavelet can be efficiently applied to detect characteristics of signals. Therefore, in this paper, in order to restore the corrupted signal by noises, a noise removal algorithm using the Hilbert transform pair of wavelet was proposed.
In the step processing multimedia information signals transmitted by a variety of mediums, noises are generated by the internal or exterior causes of systems and these noises degrade the perception about information signals. Therefore, in order to remove noises and restore signals a great number of researches have been progressed and recently, many noise removal methods using time-frequency localization of wavelet have been applied in wide applications. Moreover, when two wavelet bases are designed to accomplish the Hilbert transform pair, wavelet can be efficiently applied to detect characteristics of signals. Therefore, in this paper, in order to restore the corrupted signal by noises, a noise removal algorithm using the Hilbert transform pair of wavelet was proposed.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 논문에서는 복합적인 잡음에 의해 훼손된 신호를 복원하기 위해, 웨이브렛의 힐버트 변환쌍을 이용한 잡음제거 알고리즘을 제안하였다.
본 논문에서는 복합적인 잡음에 의해 훼손된 신호를 복원하기 위해, 웨이브렛의 힐버트 변환쌍을 이용한 잡음제거 알고리즘을 제안하였다.
본 논문에서는 웨이브렛의 힐버트 변환쌍을 이용한 복합적인 잡음제거 알고리즘을 제안하였다. 결과로부터, 기존의 방법들은 복합적인 잡음 성분과 신호의 에지성분을 분리하기 위한 판단기준을 제시하지 않음에 따라, 전체적인 잡음제거 효과가 저하하였으며, 특히 SWT는 전 이불 변성에 의해 DWT보다 낮은 SNR 특성을 나타내었다.
제안 방법
Donoho와 Johnstonee 웨이브렛을 이용하여 AWGN을 제거하기 위해, 아래의 두 식과 같이 임계 값에 기반한 방법을 제안하였으며, 가장 일반적으로 사용되고 있다[1].
또한 We 필터의 차수이며, 일반적으로 전역통과 필터의 계수값이 n의 증가에 따라 급격히 감소하므로, 인 차수 M을 선택한다. 그리고 웨이브 렛 기저가 힐버트 변환쌍을 형성하도록 하기 위해, 전역통과 필터를 포함하여 설계한다.
대상 데이터
그리고 성능평가를 위해 테스트 신호로서 주파수 변조신호를 사용하였으며, 이때 신호의 길이는 2048 sample이다. 또한 웨이브렛 기저를 생성하기 위해 사용된 파라메타는 각각 K=N=3, M=N+1 이며, 웨이브렛 분해 레벨은 顶 = 3을 적용하였다.
성능/효과
)는 AWGN에 대한 SNR이다. 결과로부터 제안한 방법이 모든 영역에서 기존의 방법들보다 우수한 결과를 나타내었다.
제안하였다. 결과로부터, 기존의 방법들은 복합적인 잡음 성분과 신호의 에지성분을 분리하기 위한 판단기준을 제시하지 않음에 따라, 전체적인 잡음제거 효과가 저하하였으며, 특히 SWT는 전 이불 변성에 의해 DWT보다 낮은 SNR 특성을 나타내었다. 그러나 본 논문에서 제안한 방법은 힐버트 변환 쌍에 의한 웨이브렛 기저를 적용하여, noisy 신호로부터 복합적인 잡음성분을 효과적으로 분리함에 따라 우수한 SNR 특성을 나타내었다.
결과로부터, 기존의 방법들은 복합적인 잡음 성분과 신호의 에지성분을 분리하기 위한 판단기준을 제시하지 않음에 따라, 전체적인 잡음제거 효과가 저하하였으며, 특히 SWT는 전 이불 변성에 의해 DWT보다 낮은 SNR 특성을 나타내었다. 그러나 본 논문에서 제안한 방법은 힐버트 변환 쌍에 의한 웨이브렛 기저를 적용하여, noisy 신호로부터 복합적인 잡음성분을 효과적으로 분리함에 따라 우수한 SNR 특성을 나타내었다. 따라서 제안한 방법은 잡음환경에서 획득되는 신호를 처리하기 위해 유용하게 적용되리라 사료된다.
후속연구
그리고 두 개의 웨이브렛 기저가 힐버트 변환쌍을 형성할 때, 웨이브렛은 신호의 특징을 검출하기 위해 보다 효과적으로 적용될 수 있다. 따라서 본 논문에서는 복합적인 잡음에 의해 훼손된 신호를 복원하기 위해, 웨이브렛의 힐버트 변환쌍을 이용한 잡음제거 알고리즘을 제안하였다.
그러나 본 논문에서 제안한 방법은 힐버트 변환 쌍에 의한 웨이브렛 기저를 적용하여, noisy 신호로부터 복합적인 잡음성분을 효과적으로 분리함에 따라 우수한 SNR 특성을 나타내었다. 따라서 제안한 방법은 잡음환경에서 획득되는 신호를 처리하기 위해 유용하게 적용되리라 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.