• 한국음향학회지
• /
• 제28권8호
• /
• pp.815-821
• /
• 2009

소음이 존재하고, 신호의 전달 시스템이 가변적인 환경에서 신호처리는 일반적으로 적응 알고리즘에 의해 이뤄진다. 다양한 적응 알고리즘들 중에서 LMS 알고리즘은 연산량이 적고, 구현이 쉬우며, 성능이 훌륭해 가장 널리 쓰이는 알고리즘이 되었다. LMS 알고리즘의 성능에 영향을 미치는 가장 중요한 요소 중 하나가 Step Size이다. 일반적으로, Step Size가 크면, 알고리즘 수렴 속도는 빨라지지만, 수렴 오차는 커지게 되고, Step Size가 작으면 수렴 오차는 작아지지만, 수렴 속도는 느려진다. Step Size의 이러한 특성을 상호 보완하고자 많은 방법들이 제안되어 오고 있다. 본 논문에서는 오차 제곱 변화 곡선의 기울기로부터 현재 상태에 대한 카테고리를 분류하여, Step Size를 매 단계마다 적절하게 가변시킴으로써, 결과적으로 수렴 속도와 정확도, 연산량을 향상시킨 새로운 개념의 Categorized 가변 스텝 사이즈 LMS 알고리즘을 제시하고, 그 성능은 실험을 통하여 수렴 속도와 Excessive Mean Square Error (EMSE), 연산량의 관점에서 향상되었음을 검증하였다.

• 전기전자학회논문지
• /
• 제15권3호
• /
• pp.235-240
• /
• 2011

지상파 DTV 표준인 DVB-T에 채택된 분산 파일럿은 블록 형태와 빗 형태의 파일럿 배치의 장점을 모두 가지며 전송 효율을 증가시킨다. 데이터 부반송파에 대한 채널 추정을 위해 파일럿 부반송파를 이용한 시간 및 주파수 영역 추정이 필요하다. MSE (mean square error) 관점에서 최적인 2D Wiener 추정기는 너무 복잡하여 실현성이 떨어진다. 본 논문에서는 가산 백색 가우스 잡음의 전력을 추정하여 이를 채널 추정치에서 제거하는 새로운 채널 추정 방식을 제안한다. 또한 모의 실험을 통해 제안된 방식이 페이딩 채널에서 2차원 선형 보간 방식보다 채널 추정 성능이 우수함을 보인다.

• 방송공학회논문지
• /
• 제15권1호
• /
• pp.63-75
• /
• 2010

본 논문에서는 8VSB 기반의 DTV 방송시스템에서 동일 채널 중계기에 적용 가능한 등화기 알고리즘에 대해 분석하고, 이를 통해 궤환신호에 의한 에러 전파를 감소 시키는 동시에, 수신 성능을 향상 시킬 수 있는 있는 등화기 구조를 제안한다. 궤환 신호의 효율적 제거 여부를 확인하기 위하여 LMS (Least Mean Square) 기반의 DFE (Decision Feedback Equalizer) 와 Correlation LMS 등의 알고리즘 분석을 통해, 이와 연동할 수 있는 다중레벨의 상관 LMS 기법을 제안하고, 이를 기존 방식들과 비교해 봄으로써 효율적으로 에러전파 현상을 크게 감소 시키는 것을 확인할 수 있었다. 컴퓨터 모의실험 수행시, DTV 방송 시스템 환경에 널리 사용되는 브라질 채널 모델을 적용하여 등화기 알고리즘을 서로 비교 분석하여 그 결과를 도출하였다. DTV 방송시스템에서 동작 수신 SNR 값인 15~25dB 까지 범위에서의 심볼 에러율 및 MSE (Mean Square Error) 등을 살펴보았다. 기존의 방식들과 비교해 본 결과 제안방식이 동일한 비트 에러 오류 정정 성능을 유지하는데 필요한 신호대 잡음비가 약 2~5 dB 정도 감소 했고, MSE 를 통한 수렴속도 측면에서도 필요시간이 감소하였음을 알 수 있었다.

• 한국통신학회논문지
• /
• 제18권3호
• /
• pp.355-359
• /
• 1993

본 논문에서는 echo canceller에서 LMS 알고리즘을 이용할 때 원하는 MSE하에서 가장 빠른 수렴 속도를 가져오는 최적 수렴상수에 대한 공식을 유도하였다. White 입력 데이터에 대해서 최저 수렴상수는 필터의 탭수, 입력신호 분산, 초기 MSE, 원하는 MSE의 간단한 폐쇄 형태(closed-form)의 함수가 되고 이런 특성으로 인해 실제 적용에서 쉽게 디자인될 수 있다. 또한 컴퓨터 시뮬레이션을 통해서 유도된 결과의 정확성과 유효성을 검증하였다.

• 음성과학
• /
• 제10권2호
• /
• pp.77-84
• /
• 2003

In this research, we seek the beginning of the speech and detect the stationary speech region using lip information. Performing running average of the estimated speech signal in the stationary region, we reduce the effect of musical noise which is inherent to the conventional MlMSE (Minimum Mean Square Error) speech enhancement algorithm. In addition to it, SFM (Spectral Flatness Measure) is incorporated to reduce the speech signal estimation error due to speaking habit and some lacking lip information. The proposed algorithm with Wiener filtering shows the superior performance to the conventional methods according to MOS (Mean Opinion Score) test.

• Journal of information and communication convergence engineering
• /
• 제8권2호
• /
• pp.155-158
• /
• 2010

In this article, we proposed a new interference canceller using the adaptive algorithm. We designed constant modulus algorithm-correlation normailized least mean square (CMA-CNLMS) for wireless system. This structure is normalized LMS algorithm using correlation between the desired and input signal for cancelling the interference signals in the wideband code division multiple access (WCDMA) system. We showed that the proposed algorithm could improve the Mean Square Error (MSE) performance of LMS algorithm. MATLAB (Matrix Laboratory) is employed to analyze the proposed algorithm and to compare it with the experimental results. The MSE value of the LMS with mu=0.0001 was measured as - 12.5 dB, and that of the proposed algorithm was -19.5 dB which showed an improvement of 7dB.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2002년도 ITC-CSCC -3
• /
• pp.1475-1478
• /
• 2002

This paper presents a performance analysis of an improved adaptive algorithm proposed by the authors recently. It is based on the normalized least mean square (NLMS) algorithm, which Is one of the major techniques to adapt the cofficients of a transversal filter. Generally, the performance of an adaptive algorithm is often discussed by investigating the mis-adjustment. In this paper, unlike these approaches, a novel analytical method is considered. letting the parameters so that the residual mean square error (MSE) after the convergence of the algorithm is equal to that of the NLMS algorithm, the MSE level is compared. It is shown that the theoretical analysis is agreed with the simulation results.

• Journal of Information Display
• /
• 제5권1호
• /
• pp.41-46
• /
• 2004

In this paper, a new stereo 3D moving-target tracking system using the MSE (mean square error) and BPEJTC (binary phase extraction joint transform correlator) algorithms is proposed. A moving target is extracted from the sequential input stereo image by applying a region-based MSE algorithm following which, the location coordinates of a moving target in each frame are obtained through correlation between the extracted target image and the input stereo image by using the BPEJTC algorithm. Through several experiments performed with 20 frames of the stereo image pair with $640{\times}480$ pixels, we confirmed that the proposed system is capable of tracking a moving target at a relatively low error ratio of 1.29 % on average at real time.

• Journal of the Korean Statistical Society
• /
• 제31권4호
• /
• pp.433-445
• /
• 2002

Using some available information about the unknown variance $\sigma$$^2$ of a normal distribution with mean $\mu$, a sequential approach is used to estimate $\sigma$$^2$. Two cases have been considered regarding the mean $\mu$ being known or unknown. The mean square error (MSE) of the new estimators are compared to that of the usual estimator of $\sigma$$^2$, namely, the sample variance based on a sample of size equal to the expected sample size. Simulation results indicates that, the new estimator is more efficient than the usual estimator of $\sigma$$^2$whenever the actual value of $\sigma$$^2$ is not too far from the prior information.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.120-126
• /
• 2019

최근 에너지 인터넷에서 지능형 원격검침 인프라를 이용하여 확보된 대량의 전력사용데이터를 기반으로 효과적인 전력수요 예측을 위해 다양한 기계학습기법에 관한 연구가 활발히 진행되고 있다. 본 연구에서는 전력량 데이터와 같은 시계열 데이터에 대해 효율적으로 패턴인식을 수행하는 인공지능 네트워크인 Gated Recurrent Unit(GRU)을 기반으로 딥 러닝 모델을 제안하고, 실제 가정의 전력사용량 데이터를 토대로 예측 성능을 분석한다. 제안한 학습 모델의 예측 성능과 기존의 Long Short Term Memory (LSTM) 인공지능 네트워크 기반의 전력량 예측 성능을 비교하며, 성능평가 지표로써 Mean Squared Error (MSE), Mean Absolute Error (MAE), Forecast Skill Score, Normalized Root Mean Squared Error (RMSE), Normalized Mean Bias Error (NMBE)를 이용한다. 실험 결과에서 GRU기반의 제안한 시계열 데이터 예측 모델의 전력량 수요 예측 성능이 개선되는 것을 확인한다.