초록
웨이브렛 변환 데이터는 신호의 상세 정보를 포함하고 있으므로 주파수 대역별로 필터링할 수 있다. 따라서, 본 논문에서는 중요한 두 가지 잡음을 웨이브렛을 사용하여 제거하였다. AWGN 환경에 대해서 hard-threshold를 적용한 UDWT(undecimated discrete wavelet transform)를 사용하였으며, 임펄스 잡음환경에 대해서는 임계치에 의한 잡음 제거와 웨이브렛에 의한 신호의 slope를 이용하여, 잡음 제거 효과를 최대로 함과 동시에 원신호의 edge를 인식하도록 하였다. 이러한 잡음 제거 효과의 판단 기준으로 SNR을 사용하였으며, 테스트 신호로서 Blocks와 DTMF(dual tone multi frequency)를 사용하였다.
Wavelet transformed data can filter signal with each frequency band, because it includes detail information about original signal. Therefore, in this paper, important two noises were removed by wavelet. About AWGN environment UDWT(undecimated discrete wavelet transform), applying hard-threshold, was used and about impulse noise environment, it can be possible to recognize edge of original signal as well as superior denoising effect by using two methods, denoising by threshold and slope of signal by wavelet. SNR was used as a judgemental criterion of a denoising effect and Blocks and DTMF(dual tone multi frequency) were used as a test signal.
