트러스티스 오브 다트마우스 칼리지 / 미합중국, 뉴햄프셔주 *****-****, 하노버, 로프 페리 로드 **
대리인 / 주소
조의제
(JO, Eui Je)
서울 강남구 역삼동 ***번지 혜천빌딩 ****호(탑국제특허법률사무소)
심사진행상태
취하(심사미청구)
법적상태
취하
초록▼
본발명은 피드포워드 적응성 노이즈 상쇄 시스템에서 안정성 및 노이즈 감소 성능을 최대화시키도록 자동적으로 적응성있게 리키, 정상화 최소-평균-자승 (LEAKY, NORMALIZED LEAST-MEAN-SQUARE (LNLMS)) 알고리즘을 튜닝시키는 방법을 개시한다. 자동 튜닝 방법은 순간 측정 음향 노이즈 신호, 무게 벡터 길이 및 측정 노이즈 분산의 함수인 시간-변화 튜닝 파리미터 ΛK 및 ΜK에 대한 방법을 제공한다. 본방법은 LMS 알고리즘의 비고정적 노이즈 필드, 영향을 미치는 안정성, 수렴 및 정상상태 노이즈 상쇄 성
본발명은 피드포워드 적응성 노이즈 상쇄 시스템에서 안정성 및 노이즈 감소 성능을 최대화시키도록 자동적으로 적응성있게 리키, 정상화 최소-평균-자승 (LEAKY, NORMALIZED LEAST-MEAN-SQUARE (LNLMS)) 알고리즘을 튜닝시키는 방법을 개시한다. 자동 튜닝 방법은 순간 측정 음향 노이즈 신호, 무게 벡터 길이 및 측정 노이즈 분산의 함수인 시간-변화 튜닝 파리미터 ΛK 및 ΜK에 대한 방법을 제공한다. 본방법은 LMS 알고리즘의 비고정적 노이즈 필드, 영향을 미치는 안정성, 수렴 및 정상상태 노이즈 상쇄 성능으로 인해 신호-대-노이즈 비가 상당히 변화하는 상황을 처리한다. 본방법은 특히 통신 헤드셋의 능동 노이즈 상쇄와 관련하여 구체화된다. 그렇지만, 본방법은, 소나, 레이다, 에코 상쇄, 및 전화통신을 포함하는, 비고정적, 즉, 시간-변화 노이즈 필드에 처한 광범위한 시스템에 응용가능하다는 점에서 포괄적이다. 또한, 본명세서에서 또한 개시된 바와 같은, 피드백 콘트롤러를 갖는, 개시된 LYAPUNOV-튜닝된 피드포워드 LMS 필터의 하이브리다이제이션은 안정성 마진, 강도 및 또한 성능을 향상시킨다.
대표청구항▼
다음의 행위를 포함하는, 적응성 피드포워드 노이즈 상쇄 알고리즘을 튜닝하는 방법:능동 노이즈 감소 (active noise reduction, ANR) 에러 신호를 제공하기 위해, 피드백 ANR 회로를 제공하는 단계|다음의 식을 포함하고, 최소한 제 1 및 제 2 시간 변화 파라미터를 포함하는 피드포워드 LMS 튜닝 알고리즘을 제공하는 단계| 및순간 측정 음향 노이즈, 중량 벡터 길이 및 측정 노이즈 분산의 함수로서 상기 최소한 제 1 및 제 2 시간 변화 파라미터를 조정하는 단계로서, 여기서 중량 벡터 길이 및 측정 노이즈 분산은
다음의 행위를 포함하는, 적응성 피드포워드 노이즈 상쇄 알고리즘을 튜닝하는 방법:능동 노이즈 감소 (active noise reduction, ANR) 에러 신호를 제공하기 위해, 피드백 ANR 회로를 제공하는 단계|다음의 식을 포함하고, 최소한 제 1 및 제 2 시간 변화 파라미터를 포함하는 피드포워드 LMS 튜닝 알고리즘을 제공하는 단계| 및순간 측정 음향 노이즈, 중량 벡터 길이 및 측정 노이즈 분산의 함수로서 상기 최소한 제 1 및 제 2 시간 변화 파라미터를 조정하는 단계로서, 여기서 중량 벡터 길이 및 측정 노이즈 분산은 다음을 포함하는 단계:식 중, Xk=Xk+Qk는 측정 기준 신호| Qk는 전자적 노이즈 및 양자화 노이즈를 포함하는 측정 노이즈| σq2는 측정 노이즈의 공지된 또는 측정된 분산| L은 중량 벡터 Wk의 길이| 및 ek는 피드포워드 방법 및 피드백 회로 모두의 총 결과인 에러 신호임.제 1항에 있어서, 필터의 출력 yk가 피드포워드 비례 상수 Kff에 의해 곱해져서 피드포워드 음향 노이즈 상쇄 신호 Kffyk를 생성하고, 또한 에러 신호 ek는 디지털 무한 임펄스 응답 필터에 의해 작용개시되어 상쇄 신호 γk를 생성하고, 이는 피드백 비례 상수 Kfb에 의해 곱해지고, 피드포워드 및 피드백 성분의 합 Kffyk + Kfbγk는 총 노이즈 상쇄 신호를 제공하는 방법.제 2항에 있어서, 피드백 능동 노이즈 감소 (ANR) 회로의 상기 ANR 에러 신호 및 상기 피드포워드 LMS 튜닝 알고리즘은 각각 상기 ANR 회로 및 상기 LMS 튜닝 알고리즘의 합보다 큰 능동 노이즈 감소 성능치를 제공하는 방법.다음의 행위를 포함하는, 노이즈 상쇄를 제공하기 위한 알고리즘을 튜닝하는 방법:공지 분산의 측정 노이즈 값을 갖는 측정 노이즈 성분을 포함하는 측정 기준 신호를 수신하는 단계|다음 식에 따라 음향 노이즈 상쇄 신호를 발생시키는 단계| 식 중 시간 변화 파라미터 λk 및 μk는 다음 식에 따라 결정된다:식 중, Xk=Xk+Qk는 측정 기준 신호|Qk는 전자적 노이즈 및 양자화|σq2는 측정 노이즈의 공지된 분산|L은 중량 벡터 Wk의 길이| 및ek는 피드포워드 튜닝 방법 및 피드백 능동 노이즈 감소 방법 모두의 총 결과인 에러 신호임.다음의 행위를 포함하는, 최소 평균 자승 (LMS) 필터를 튜닝하는 방법:능동 노이즈 감소 (active noise reduction, ANR) 에러 신호를 제공하기 위해, 피드백 ANR 회로를 제공하는 단계|LMS 필터 중량 벡터, 기준 입력 신호, 측정 기준 입력 신호에 대한 측정 노이즈, 시간 변화 누출 파라미터 λk, 및 스텝 사이즈 파라미터 μk의 Lyapunov 함수를 만드는 단계| 및결과의 Lyapunov 함수를 사용하여 다음 결과의 LMS 필터 중량 벡터 업데이트 등식의 안정성 및 성능을 최대화하는, 시간 변화 누출 파라미터 λk, 및 스텝 사이즈 파라미터 μk를 계산하기 위한 식을 알아내는 단계:식 중 상기 결정된 시간 변화 파라미터는 다음과 같다:식 중, Xk=Xk+Qk는 측정 기준 신호|Qk는 전자적 노이즈 및 양자화|σq2는 측정 노이즈의 공지된 분산|L은 중량 벡터 Wk의 길이| 및ek는 ANR 회로 및 LMS 필터 모두의 총 결과인 에러 신호임.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.