http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
dSPACE 보드에 의한 적응소음제거의 실시간 시뮬레이션
정원용,이영철,김태효 慶南大學校 附設 工業技術硏究所 1999 硏究論文集 Vol.17 No.-
정보통신망의 급격한 발전으로 더욱더 정확하고 빠른 정보통신시스템이 그 어느 때보다 요구되나 통신망에 존재하는 여러 가지 소음 등으로 양질의 정보를 취득, 전송하는 것이 쉽지 않다. 본 논문에서는 dSPACE DS 1103보드와 적응소음제거(ANC) 알고리즘으로 여러 가지 소음 중 가장 일반적인 백색잡음에 오염된 음성신호로부터 원래의 깨끗한 음성신호를 실시간적으로 추출하려고 한다. 결과적으로 DS 1103보드의 실시간 처리 구현의 편리함은 탁월하게 보여졌으나, NLMS 알고리즘의 계산속도의 한계로 정확하게 소음이 제거된 원래의 음성신호 파형을 얻을 수 없었지만 어느 정도 음성의 내용을 인지 할 수 있는 수준의 신호 파형을 얻을 수 있었다. Because of the extremely fasts growing expansion of the information communication networks, the more accurate and fast information transfer between communication systems is required more than ever. It is desired to denoise in the networks to transfer and store the good qualify information. In this paper, dSPACE DS 1103 real-time DSP board is used to denoise the white noise which contaminate the original speech signal with the Adaptive Noise Cancellation (ANC) algorithm. As a results, dSPACE board is a very powerful device for the noise reduction, because of the easy processing, simple manipulation and fast implementation of the ANC system. The simulation result also give us a significant noise reduction from the contaminated speech signal with the real-time processing.
백정원,김태효,이영철 경남대학교 공업기술연구소 2000 硏究論文集 Vol.18 No.-
본 논문에서는, 영상의 패턴인식에서 에지의 경계를 확실하게 결정하기 위해 주어진 구간의 중앙 값과 서브픽셀(sub-pixel) 처리를 실행하는 알고리즘을 제안하였다. 본 알고리즘은 에지 부근의 기울기 값과 중앙값을 구하기 위하여 램프에지를 일차원 미분을 사용하여 루프에지의 형태로 변환하고, 서브픽셀 단위의 경계위치를 구하기 위하여 CoM(center of Mass)의 오프셋 값을 선정된 기준좌표에 적용하였다. 본 알고리즘을 평가하기 위해서 표준편차 값, 처리시간 및 예측되는 에지의 위치를 Tabatabai 및 Lyvers 알고리즘과 비교하였다. In this paper, a new edge detection algorithm which uses CoM(Center of Mass) method and sub-pixel algorithm is proposed. The procedure of this detector is as fellows; If a edge is ramp edge, we change it to roof edge by the gradient edge detector. To obtain the edge location to sub-pixel resolution, we apply CoM, then applied offset information to the result from CoM procedure. In order to evaluate the performance of this algorithm, we analyzed the standard deviation and the distance between the estimated edge location and the real edge location. We compared the performance with the Tabatabai and Lyvers algorithms.