A DCT Adaptive Subband Filter Algorithm Using Wavelet Transform

웨이브렛 변환을 이용한 DCT 적응 서브 밴드 필터 알고리즘

Adaptive LMS algorithm has been used in many application areas due to its low complexity. In this paper input signal is transformed into the subbands with arbitrary bandwidth. In each subbands the dynamic range can be reduced, so that the independent filtering in each subbands has faster convergence rate than the full band system. The DCT transform domain LMS adaptive filtering has the whitening effect of input signal at each bands. This leads the convergence rate to very high speed owing to the decrease of eigen value spread Finally, the filtered signals in each subbands are synthesized for the output signal to have full frequency components. In this procedure wavelet filter bank guarantees the perfect reconstruction of signal without any interspectra interference. In simulation for the case of speech signal added additive white gaussian noise, the suggested algorithm shows better performance than that of conventional NLMS algorithm at high SNR.

적응 LMS 알고리즘은 그 구조적 간결성으로 인해 많은 방면엣 활용되어 오고 있다. 이 논문에서는 입력 신호를 임의의 대역폭을 가진 서브밴드로 분할하여 처리한다. 각 서브밴드엣 신호의 동적범위가 줄어들 수 있으며 각 대역에서 독립적으로 수행되는 적응 필터링은 이로 인해 기존의 LMS 필터링보다 빠른 수렴 속도를 얻을 수 있다. 각 대역에서의 적응 필터링은 DCT 변환을 잉용하여 입력 신호의 백색화후 수행되며 이에 따라 탭입력 공분산 행렬의 고유치 분포율이 작아져 빠른 수렴 속도를 얻게 된다. 최종적으로, 각 서브밴드에서 필터링된 출력신호는 전 대역에 걸쳐 주파수 성분을 가지도록 합성 과정을 거쳐야 한다. 이 과정에서 웨이브렛 필터 뱅크는 스펙트럼 상에 간섭이 없는 완벽한 신호 복원을 가능하게 한다. 전산 모의 실험에서 가산성 백색 잡음이 가해진 음성신호 입력의 경우 제안된 알고리즘은 신호대 잡음비가 높아질수록 기존의 정규화 LMS(normalized LMS)보다 우수한 성능을 보였다.