실용적인 웨어러블 마이크 어레이를 이용한 바이노럴 신호 매칭의 신호 정보 활용에 대한 통찰
웨어러블 마이크 어레이를 이용한 바이노럴 신호 매칭 기법에서 직접음과 잔향음 성분을 모델링하여 성능을 향상시킬 수 있다.
지표면 탄성파 기록에서 합성곱 신경망 기반의 지표면파 분리
합성곱 신경망 모델을 이용하여 지표면파와 반사파를 효과적으로 분리할 수 있다.
음성 오디오 스플라이싱 탐지를 위한 신호 포인터 네트워크
신호 포인터 네트워크를 활용하여 음성 오디오 스플라이싱 위치를 효율적으로 탐지할 수 있다.
심전도 분류를 위한 기저선 변동 내성 신호 인코딩
기저선 변동, 크기 변화, 잡음과 같은 일반적인 인공 산물에 강인한 비매개변수 기반 "유도 피크(Derived Peak, DP)" 인코딩 기법을 제안하였다. DP 인코딩은 신호의 1차 및 2차 시간 미분의 영점 교차를 이용하여 부호화된 스파이크를 생성하며, 이를 통해 진폭 변화와 기저선 변동에 대한 불변성을 달성한다.
레이더 신호 특성화를 위한 다중 작업 학습
본 연구는 레이더 신호 분류와 특성화를 다중 작업 학습 문제로 다루는 접근법을 제안한다. 제안된 IQ 신호 변환기 모델은 원시 IQ 데이터에서 직접 특징을 추출할 수 있으며, 동시에 분류 및 회귀 작업을 최적화할 수 있다.
최적의 강인한 정확한 1차 미분기 - 리프 쉬츠 연속 출력
이 논문은 측정 노이즈에 강인하고, 노이즈가 없는 경우 정확하며, 최적의 최악의 경우 미분 오차를 가지며, 조정 가능한 리프 쉬츠 상수를 가지는 리프 쉬츠 연속 출력을 가지는 1차 미분기를 개발한다.
ESPRIT 알고리즘의 높은 잡음 환경에서의 최적 오차 스케일링과 잡음 초해상도
ESPRIT 알고리즘은 높은 잡음 환경에서도 최적의 오차 스케일링을 달성할 수 있으며, 이는 기존의 Nyquist 한계를 뛰어넘는 잡음 초해상도 성능을 보여준다.
정확한 임의 차수 강인 정확 미분기의 적절한 암시적 이산화
본 논문은 샘플링된 측정값이 있는 경우 Levant의 임의 차수 강인 정확 미분기의 암시적 오일러 이산화를 다룹니다. 기존의 암시적 이산화는 무한한 편향 오차 또는 암시적 이산화에도 불구하고 이산화 채터링을 나타내는 것으로 확인되었습니다. 이러한 두 가지 해로운 효과를 모두 나타내지 않는 새로운 적절한 암시적 이산화가 제안됩니다. 이는 미분기의 출력을 상태 변수의 적절히 설계된 선형 조합으로 계산함으로써 달성됩니다. 수치 미분기 구현이 논의되고 임의 미분 차수에 대한 폐쇄형 안정성 조건이 제공됩니다. 유한한 측정 잡음 및 수치 근사 오류의 영향이 공식적으로 분석됩니다. 수치 시뮬레이션은 얻은 결과를 확인합니다.
반복적인 이산 푸리에 변환 및 역 이산 푸리에 변환 실행을 통한 스파시피케이션을 이용한 신호 제거
이산 푸리에 변환 불확실성 원리에 기반하여, 실 영역과 주파수 영역에서의 스파시피케이션을 반복적으로 적용하여 안정적인 스파시티 패턴을 달성함으로써 주기적 스파이크 신호를 효과적으로 복원할 수 있다.
© 2024 by Linnk AI