二重選択性チャネルにおけるチャネル推定のために、オーバーサンプリングされた低アンビギュイティ領域(O-LAZ)シーケンスを提案する。従来のLAZシーケンスでは整数ドップラーシフトしか考慮できないが、O-LAZシーケンスは整数およびフラクショナルドップラーシフトの両方を考慮できる。
スペックル雑音を含む環境での関数推定の理論的限界を明らかにした。スペックル雑音の除去は加算性雑音の除去と同程度の難しさがあることを示した。
本研究では、高ダイナミックレンジ信号の準ナイキスト周波数推定のための新しい手法を提案する。提案手法は、無限センシングフレームワーク (USF) に基づいており、わずか 6K + 4 個の剰余サンプルから K 個の正弦波成分を正確に復元できることを示す。これは、サンプリング周波数や折り返し閾値に依存せず、従来手法に比べて大幅な性能向上を実現する。
本論文は、未知の色付きノイズの存在下で信号数を正確に推定するための強化RMT推定器を提案する。
提案した一貫性保持損失関数は、位相の直接推定を必要とせず、推定された振幅スペクトログラムと位相スペクトログラムの一貫性を確保することで、高品質な音声信号の生成を可能にする。
RNNベースのオーディオ効果処理では、学習時のサンプルレートが推論時に変更できないという課題がある。本研究では、RNNの状態フィードバックループに補間フィルタを導入することで、サンプルレート変換を実現する手法を提案する。
任意のマイクロフォンアレイを用いて、事前情報なしで早期反射音の到来方向を推定する手法を提案し、その性能と限界を分析した。
クリップされた測定値のみを使用して、オーディオ信号を効率的に復元する自己教師あり学習手法を提案し、その性能を評価する。
小型マイクロホンアレイを使用して、特定の指向性パターンを持つ音声信号を取得する深層学習ベースのアプローチ
本論文では、有限次元状態と無限次元計測を持つ線形時不変離散時間システムに対する最適線形フィルタを導出する。ワイド感統計的定常ランダムフィールドとしての計測ノイズをモデル化することで、カルマンフィルタに類似した最適ゲイン関数を明示的に導出できることを示す。