KR100712867B1 - 데이터 처리 방법 및 장치 - Google Patents

데이터 처리 방법 및 장치 Download PDF

Info

Publication number
KR100712867B1
KR100712867B1 KR1020000005719A KR20000005719A KR100712867B1 KR 100712867 B1 KR100712867 B1 KR 100712867B1 KR 1020000005719 A KR1020000005719 A KR 1020000005719A KR 20000005719 A KR20000005719 A KR 20000005719A KR 100712867 B1 KR100712867 B1 KR 100712867B1
Authority
KR
South Korea
Prior art keywords
reliability
input
data
output
input data
Prior art date
Application number
KR1020000005719A
Other languages
English (en)
Other versions
KR20000076616A (ko
Inventor
곤도데츠지로
오타고지
고바야시나오끼
Original Assignee
소니 가부시끼 가이샤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 소니 가부시끼 가이샤 filed Critical 소니 가부시끼 가이샤
Publication of KR20000076616A publication Critical patent/KR20000076616A/ko
Application granted granted Critical
Publication of KR100712867B1 publication Critical patent/KR100712867B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Picture Signal Circuits (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Noise Elimination (AREA)
  • Complex Calculations (AREA)

Abstract

입력 데이터를 처리하고, 출력 데이터로서 상기 처리된 데이터를 출력하기 위한 데이터 처리 장치는 효과적인 잡음 감소를 달성한다. 입력-신뢰도 계산기는 상기 입력 데이터의 신뢰성을 표시하는 입력 신뢰도를 계산한다. 출력-신뢰도 계산기는 상기 출력 데이터의 신뢰성을 표시하는 출력 신뢰도를 계산한다. 보정치 계산기는 상기 입력 신뢰도를 보정하기 위한 보정치를 계산한다. 데이터 처리 유닛은 상기 보정치로 보정된 상기 입력 신뢰도 및 상기 출력 신뢰도에 기초한 입력 데이터를 처리하며, 그에 의해 상기 출력 데이터를 얻는다.
입력 신뢰도, 출력 신뢰도, 가중치, 보정치, 잡음 감소

Description

데이터 처리 방법 및 장치{Data processing method and apparatus}
도 1은 본 발명의 일실시예에 따른 잡음 감소(NR) 처리 회로의 구성을 도시한 블록도.
도 2a는 도 1에 도시된 NR 처리 회로에 의해 처리될 입력 데이터를 도시한 도면.
도 2b는 도 2a에 도시된 입력 데이터의 신뢰도를 도시한 도면.
도 3은 도 1에 도시된 출력-신뢰도 계산기(13)의 구성을 도시한 블록도.
도 4는 임시 진리값(X') 및 진리값(X) 사이의 관계를 도시한 도면.
도 5는 도 1에 도시된 입력-신뢰도 계산기(12)의 구성을 도시한 블록도.
도 6은 도 1에 도시된 NR 처리 회로의 동작을 도시한 흐름도.
* 도면의 주요부분에 대한 부호의 간단한 설명*
111 내지 114 : 래치 회로 12 : 입력 신뢰도 계산기
13 : 출력 신뢰도 계산기 14, 25 : 래치 회로
15 : 가중치 계산기 21, 23 : 가중치 유닛
22, 24 : 동작 유닛 31 : 입력-신뢰도 계산 회로
32 : 보정항 계산 회로 33 : 보정 회로
1. 발명의 분야
본 발명은 일반적으로 데이터 처리 방법들 및 장치들에 관한 것으로, 특히 데이터내에 포함된 잡음을 효과적으로 제거되도록 하기 위한 데이터 처리 방법 및 데이터 처리 장치에 관한 것이다.
2. 관련 기술의 설명
정상적으로, 영상 데이터 또는 음성 데이터와 같은 데이터를 전송하거나 또는 판독할 때에는 시변(time-varying) 잡음을 포함한다. 종래에, 데이터내에 포함된 잡음을 제거하기 위하여, 전체 입력 데이터가 평균화되거나(아래에서 종종 "전체 평균"으로 언급됨) 또는 "이동 평균(moving average)"으로 설명되는 국부 입력 데이터가 평균화될 수 있다.
그러나, 잡음을 제거하는 전술한 종래 기술들은 다음과 같은 문제점들이 존재한다.
만일 데이터내에 포함된 잡음의 정도 즉, 신호 대 잡음(S/N)비가 일정하다면 전체 평균을 계산하는 기술은 효과적이다. 그러나, S/N 비가 변화할 때, 반대로 불량한 S/N 비를 갖는 데이터는 양호한 S/N 비를 갖는 데이터와 반대로 영향을 미치며, 그것에 의해 잡음을 효과적으로 제거하는 것을 어렵게 만든다.
이동 평균들을 계산하는 기술에 따르면, 입력 데이터에 일시적으로 가까워진 데이터의 평균이 얻어지며, 따라서, 처리 결과는 S/N 비의 변경에 영향을 받기 쉬어진다. 즉, 높은 S/N 비를 갖는 입력 데이터에 있어서, 처리 결과는 역시 높은 S/N 비를 갖는다. 낮은 S/N 비를 갖는 입력 데이터에 있어서, 처리 결과는 역시 낮은 S/N 비를 갖는다.
따라서, 본 발명의 목적은 전술한 문제점들을 해결하는데 있다.
상기 목적을 달성하기 위하여, 본 발명의 일면에 따르면, 입력 데이터를 처리하고 출력 데이터로서 그 처리된 데이터를 출력하기 위한 데이터 처리 장치를 제공한다. 데이터 처리 장치는 입력 데이터의 신뢰성을 표시하는 입력 신뢰도를 계산하기 위한 입력-신뢰도 계산기를 포함한다. 출력-신뢰도 계산기는 출력 데이터의 신뢰성을 표시하는 출력 신뢰도를 계산한다. 보정치 계산기는 입력 신뢰도를 보정하기 위한 보정치를 계산한다. 데이터 처리 장치는 그 보정치로 보정된 입력 신뢰도에 기초한 입력 데이터 및 그 출력 신뢰도에 기초하여 출력 데이터를 출력한다.
본 발명의 또다른 면에 따르면, 입력 데이터를 처리하고 출력 데이터로서 그 처리된 데이터를 출력하기 위한 데이터 처리 방법을 제공한다. 데이터 처리 방법은 입력 데이터의 신뢰성을 표시하는 입력 신뢰도를 계산하는 입력-신뢰도 계산 단계, 출력 데이터의 신뢰성을 표시하는 출력 신뢰도를 계산하는 출력-신뢰도 계산 단계, 입력 신뢰도를 보정하기 위한 보정치를 계산하는 보정치 계산 단계, 및 보정치로 보정된 입력 신뢰도에 기초하여 입력 데이터를 처리하며, 출력 신뢰도에 기초하여 출력 데이터를 출력하는 데이터 처리 단계를 포함한다.
도 1은 본 발명의 일실시예에 따른 잡음 감소(NR) 처리 회로의 구성을 도시한다. 이 NR 처리 회로에서, 잡음을 포함한 입력 데이터에 응답하여 자기-적응(self-adaptive) 처리가 수신된 입력 데이터상에서 수행되며, 그것에 의해 효과적으로 감소된 잡음을 갖는 출력 데이터를 얻는다.
예컨대, 간단한 설명을 위해, 도 2a에 도시된 것과 같은, 일정한 진리값 및 시변 잡음을 갖는 입력 데이터가 시변 잡음을 제거하기 위하여 평균화된다고 지금 가정한다. 효과적으로 잡음을 제거하기 위하여, 더욱 작은 가중치가 더욱 높은 레벨의 잡음(즉, 불량한 S/N 비)을 갖는 입력 데이터에 적용되며, 반면에 더욱 큰 가중치가 더욱 낮은 레벨의 잡음(즉, 양호한 S/N 비)을 갖는 입력 데이터에 적용된다.
도 1에 도시된 NR 처리 회로에서, 다음과 같은 처리가 잡음을 효과적으로 제거하도록 수행된다. 입력 데이터를 구하기 위하여, 진리값에 대한 입력 데이터의 유사성 즉, 도 2b에 도시된 바와 같은 진리값에 관련된 입력 데이터의 신뢰도가 실시간 습득(learning)에 의해 우선 결정되며, 그리고 나서 그 입력 데이터는 결정된 신뢰도에 따라 가중된다. 따라서, 가중된 입력 데이터의 평균이 얻어진다.
따라서, 도 1에 도시된 NR 처리 회로에서, 신뢰도에 따른 가중들(가중치 계수들)을 이용함으로써 입력 데이터의 가중치 평균이 결정되며 출력 데이터로서 출력된다. 입력 데이터, 출력 데이터, 및 시간 t에서 입력 데이터의 신뢰도가 x(t), y(t), 및 αx(t)로 표시되며, 출력 데이터 y(t)는 다음 수학식으로 표현된다.
Figure 112000002226107-pat00001
더욱 큰 가중치가 더욱 높은 레벨의 신뢰도αx(t)를 갖는 입력 데이터에 적용된다.
수학식 1을 이용함으로써, 현재 시간 t에 대하여 시간 t-1에서의 출력 데이터 y(t-1)는 다음 수학식에 의해 결정된다.
Figure 112000002226107-pat00002
동일한 것은 출력 데이터 y(t)에 적용한다. 더욱 특히, 출력 데이터 y(t)를 구하기 위하여, 진리값에 대한 출력 데이터의 유사성 즉, 진리값에 대하여 출력 데이터의 신뢰도αy(t)가 이용되며, 시간 t-1에서 출력 데이터 y(t-1)의 신뢰도αy(t-1)는 다음 수학식에 의해 정의된다.
Figure 112000002226107-pat00003
출력 데이터 y(t) 및 신뢰도 αy(t)는 수학식 3을 통하여 수학식 1로부터 얻어진 다음 수학식에 의해 표현된다.
Figure 112000002226107-pat00004
시간 t에서 출력 데이터 y(t)를 얻기 위해 사용된 가중치는 w(t)에 의해 표시되며 다음 수학식에 의해 정의된다.
Figure 112000002226107-pat00005
수학식 5로부터, 다음 수학식은 참(true)으로 유지한다.
Figure 112000002226107-pat00006
수학식 5 및 6을 이용함으로써, 수학식 4에서 출력 데이터 y(t)는 다음 가중 치 평균으로 표현된다.
Figure 112000002226107-pat00007
수학식 7에서 이용된 가중치 w(t) [및 1-w(t)]는 시간 t-1에서 이전 출력 데이터 y(t-1)의 신뢰도 αy(t-1) 및 수학식 5에 따른 현재 입력 데이터 x(t)의 신뢰도 αx(t)에 의해 결정될 수 있다. 수학식 4에서 현재 출력 데이터 y(t)의 신뢰도 αy(t)는 시간 t-1에서 이전 출력 데이터 y(t-1)의 신뢰도 αy(t) 및 현재 입력 데이터 x(t)의 신뢰도 αx(t)에 의해 역시 결정될 수 있다.
입력 데이터 x(t)의 신뢰도 αx(t) 또는 출력 데이터 y(t)의 신뢰도 αy(t)로서, 편차의 역수 σx(t) 2 또는 σy(t) 2 가 이용된다. 즉, 신뢰도 αx(t) 및 신뢰도 αy(t)는 다음 수학식들에 의해 표현된다.
Figure 112000002226107-pat00008
따라서, 수학식 7에서 가중치 w(t)는 다음 수학식에 의해 표현될 수 있다.
Figure 112000002226107-pat00009
이 경우에, 수학식 7에서 1-w(t)는 다음 수학식에 의해 결정될 수 있다.
Figure 112000002226107-pat00010
σy(t) 2 는 다음 수학식에 의해 결정될 수 있다.
Figure 112000002226107-pat00011
도 1에 도시된 NR 처리 회로에서, 가중치 w(t) (및 1-w(t))는 수학식 5 ( 및 수학식 6)에 따라서 실시간 습득을 수행함으로써 결정되며, 결과 가중치 w(t)를 이용함으로써, 이전 출력 데이터 y(t-1) 및 현재 입력 데이터 x(t) 사이에 가중치 평균은 수학식 7에 따라 계산된다. 그러므로, 입력 데이터 x(t)는 적응적으로 처리되며, 그것에 의해 입력 데이터 x(t)에 포함된 잡음을 효과적으로 제거한다. 결과적으로, NR 처리 회로로부터 얻어진 출력 데이터 y(t)의 S/N 비는 시간에 관하여 향상된다.
더욱 특히, 도 1에서, 입력 데이터는 예컨대, 시간-연속 순서로 래치 회로(111)에 공급된다. 래치 회로(111)는 예컨대 입력 데이터가 공급될 때의 타이밍에 동기하여 입력 데이터를 래치하며(기억하며), 다음의 래치 회로(112) 및 입력-신뢰도 계산기(12)에 그것을 공급한다. 래치 회로(114)는 이전 래치 회로(113)로부터 입력 데이터 출력을 래치하며, 입력 신뢰도 계산기(12)에 그것을 공급한다.
유사하게, 래치 회로(112) 및 래치 회로(113)는 래치 회로들(111 및 11 2) 각 각으로부터 입력 데이터 출력을 래치하며, 다음의 래치 회로(113) 및 래치 회로(114) 각각에, 그리고 입력 신뢰도 계산기(12)에 그것을 공급한다.
래치 회로들 111 내지 114내에 래치된 입력 데이터 뿐만 아니라 래치 회로(111)에 공급된 데이터와 동일한 입력 데이터도 역시 입력 신뢰도 계산기(12)에 공급된다. 따라서, 만일 입력 데이터(주어진 입력 데이터)(x(t))는 래치 회로(111) 및 입력-신뢰도 계산기(12)에 공급된다면, 래치 회로(111 내지 114)내에 래치된 입력 데이터 x(t-1) 내지 x(t-4)도 역시 입력-신뢰도 계산기(12)에 공급된다. 입력-신뢰도 계산기(12)는 예컨대, 입력 데이터 x(t) 내지 x(t-4)의 편차를 계산하며, 그 편차의 역수를 출력-신뢰도 계산기(13)에 공급하며, 입력 데이터 x(t)의 신뢰도 αx(t)(하기에 "입력 신뢰도"로 종종 설명됨)로서 가중치 계산기(15)에 공급한다.
그 다음, 출력-신뢰도 계산기(13)는 수학식 4에 따른 입력-신뢰도 계산기(12)로부터 입력 신뢰도 αx(t) 및 래치 회로(14)로부터의 출력을 이용함으로써 출력 데이터 y(t)의 신뢰도 αy(t)(하기에 "출력 신뢰도"로 종종 설명됨)를 계산한다. 출력-신뢰도 계산기(13)는 래치 회로(14)로 계산된 출력 신뢰도를 출력한다.
다음에, 래치 회로(14)는 예컨대, 입력 데이터 x(t)에 동기하여 출력 신뢰도 αy(t) 를 래치하며, 출력-신뢰도 계산기(13) 및 가중치 계산기(15)에 그것을 공급한다. 따라서, 이전 출력 신뢰도 αy(t-1)는 래치 회로(14)로부터 출력-신뢰도 계산기(13) 및 가중치 계산기(15)로 공급된다.
가중치 계산기(15)는 수학식 5에 따른 입력-신뢰도 계산기(12)로부터의 입력 신뢰도 αx(t) 및 래치 회로(14)로부터의 출력 신뢰도 αy(t-1)를 이용함으로써 가중치 w(t)를 결정하며, 가중치 유닛(21) 및 동작 유닛(22)으로 결정된 가중치 w(t)를 출력한다.
가중치 유닛(21)은 래치 회로(25)의 출력을 가중치 계산기(15)로부터 가중치 w(t) 출력과 곱하며, 동작 유닛(24)에 그 결과치를 공급한다. 동작 유닛(22)은 1 에서 가중치 계산기(15)로부터의 가중치 w(t) 출력을 빼며 그 결과치 1-w(t)를 가중치 유닛(23)에 공급한다. 동작 유닛(22)의 출력 뿐만아니라 입력 데이터 x(t)는 가중치 유닛(23)에 공급된다. 다음에, 가중치 유닛(23)은 동작 유닛(22)의 출력과 입력 데이터 x(t)를 곱하며 그 결과치를 동작 유닛(24)에 공급한다. 동작 유닛(24)은 가중치 유닛(21)의 출력 및 가중치 유닛(23)의 출력을 가산하며, 그 결과치를 출력 데이터 y(t)로서 출력한다. 출력 데이터 y(t)도 역시 래치 회로(25)에 공급된다. 래치 회로(25)는 예컨대, 입력 데이터 x(t)에 동기하여 동작 유닛(24)으로부터 출력 데이터를 래치하며, 가중치 유닛(21)에 그것을 공급한다.
즉, 가중치 유닛(21), 동작 유닛(22), 가중치 유닛(23), 동작 유닛(24), 및 래치 회로(25)는 수학식 7에 따라 가중치 평균을 계산하며 그것을 출력 데이터 y(t)로서 출력한다.
도 3은 도 1에 도시된 출력-신뢰도 계산기(13)의 구성을 도시한다. 출력 신뢰도 계산기(13)는 동작 유닛(41)으로 형성된다. 동작 유닛(41)에 공급되는 것은 입력-신뢰도 계산기(12)로부터의 현재 입력 신뢰도 αx(t) 및 래치 회로(14)로부터의 이전 출력 신뢰도 αy(t-1) 이다. 다음에, 동작 유닛(41)은 입력 신뢰도 αx(t) 및 수학식 4에 따른 이전 출력 신뢰도 αy(t-1) 을 가산하며, 그 가산치를 현재 출력 신뢰도 αy(t) 로서 출력한다.
도 1에 도시된 NR 처리 회로의 동작은 다음과 같다.
NR 처리 회로에서, 편차 σx(t) 2 는 5개의 샘플들 즉, 현재 입력 데이터 x(t) 및 선행 입력 데이터 x(t-1) 내지 x(t-4)를 이용함으로써 결정되며, 게다가 편차 σx(t) 2 의 역수는 입력 신뢰도 αx(t) 로서 결정된다.
다음에, 가중치 w(t)는 입력 신뢰도 αx(t) 및 이전 출력 신뢰도 αy(t-1) 로부터 결정된다. 그 결정된 가중치 w(t)에 기초하여, 입력 데이터 x(t) 및 이전 출력 데이터 y(t-1) 사이에 가중치 평균이 계산되며, 출력 데이터 y(t)로서의 다음의 출력이다.
즉, 입력 데이터 x(t)는 래치 회로(111)에 공급되며, 입력-신뢰도 계산기(12), 및 가중치 유닛(23)에 공급되며, 입력 신뢰도 αx(t) 는 입력-신뢰도 계산기(12)에서 우선 결정된다.
더욱 특히, 래치 회로(111)는 입력 데이터가 공급되는 타이밍에 동기하여 공 급된 입력 데이터를 래치하며, 래치된 데이터를 다음의 래치 회로(112) 및 입력 신뢰도 계산기(12)에 공급한다. 마찬가지로, 래치 회로들(112 및 113)은 이전 래치 회로들(111 및 112) 각각으로부터의 입력 데이터 출력을 래치하며, 그것을 다음의 래치 회로들(113 및 114) 각각에 공급하며, 입력-신뢰도 계산기(12)에 공급한다. 래치 회로(114)는 이전 래치 회로(113)로부터 입력 데이터 출력을 래치하며, 그것을 입력-신뢰도 계산기(12)에 공급한다. 따라서, 입력 데이터 x(t) 뿐만아니라 래치 회로들(111 내지 114) 각각으로부터의 입력 데이터 x(t-1) 내지 x(t-4) 출력은 입력-신뢰도 계산기(12)에 공급된다. 전술한 바와 같이, 입력-신뢰도 계산기(12)는 입력 데이터 x(t) 내지 x(t-4)를 사용함으로써 입력 신뢰도 αx(t)를 결정하며, 그것을 출력-신뢰도 계산기(13) 및 가중치 계산기(15)에 공급한다.
입력-신뢰도 계산기(12)로부터 가중치 계산기(15)로 입력 신뢰도 αx(t) 의 공급과 동시에, 시간 t-1에서 출력-신뢰도 계산기(13)로부터의 출력 신뢰도 αy(t-1) 출력은 래치 회로(14)내에 래치된다. 그러므로, 가중치 계산기(15)는 입력-신뢰도 계산기(12)로부터의 입력 신뢰도 및 수학식 5에 따른 래치 회로(14)내에 래치된 출력 신뢰도 αy(t-1)를 이용함으로써 가중치 w(t)를 계산한다. 다음에, 가중치 w(t)는 가중치 유닛(21) 및 동작 유닛(22)에 공급된다.
다음에, 가중치 계산기(15), 가중치 유닛(21), 동작 유닛(22), 가중치 유닛(23), 동작 유닛(24)으로부터의 가중치 w(t) 출력을 이용함으로써, 래치 회로(25)는 입력 데이터 x(t) 및 수학식 7에 따른 이전 출력 데이터 y(t-1) 사이에 가중치 평균을 계산한다.
특히, 가중치 유닛(21)은 래치 회로(25)의 출력을 가중치 계산기(15)로부터의 가중치 w(t) 출력을 곱하며, 그 결과치를 동작 유닛(24)에 공급한다. 이 경우에, 가중치 계산기(15)가 가중치 w(t)를 출력하는 타이밍에서, 래치 회로(25)는 시간 t-1에서 동작 유닛(24)으로부터의 이전 출력 데이터 y(t-1) 출력을 래치한다. 따라서, 가중치 유닛(21)은 출력 데이터 y(t-1) 및 가중치 w(t)와의 곱 w(t)y(t-1)을 계산하며, 그것을 동작 유닛(24)에 공급한다.
한편, 동작 유닛(22)은 1 에서 가중치 계산기(15)로부터의 가중치 w(t) 출력을 빼며, 그 뺀 값 1-w(t)를 가중치 유닛(23)에 공급한다. 다음에, 가중치 유닛(23)은 동작 유닛(22)으로부터의 출력 1-w(t)를 입력 데이터 x(t)와 곱하며, 그 결과치 (1-w(t))x(t)를 동작 유닛(24)에 공급한다.
동작 유닛(24)은 가중치 유닛(21)으로부터의 출력 w(t)y(t-1)와 가중치 유닛(23)으로부터의 출력 (1-w(t))x(t)를 가산하며 즉, 동작 유닛(24)은 수학식 7에 따른 가중치 계산기(15)로부터의 가중치 w(t) 출력을 이용함으로써 입력 데이터 x(t) 및 이전 출력 데이터 y(t-1) 사이에 가중치 평균을 계산한다.
다음에, 계산된 가중치 평균은 출력 데이터 y(t)로서 출력된다. 출력 데이터 y(t)도 역시 래치 회로(25)에 공급되고 래치된다.
출력 신뢰도는 출력-신뢰도 계산기(13)내에서 갱신된다. 더욱 특히, 출력 신 뢰도 계산기(13)는 입력-신뢰도 계산기(12)에 의해 계산된 입력 신뢰도 αx(t) 와 수학식 4에 따른 래치 회로(14)내에 래치된 이전 출력 신뢰도 αy(t-1)를 가산하여, 래치 회로에서 출력인 현재 출력 신뢰도 αy(t) 를 결정한다. 그 후에, 전술한 처리에 유사한 처리는 다음 입력 데이터상에 반복적으로 수행된다.
위에서 논의한 바와 같이, 현재 입력 데이터 x(t)의 신뢰도(입력 신뢰도) αx(t) 는 우선 결정되며, 이전 출력 신뢰도 αy(t-1) 는 그것에 가산되며, 그것에 의해 가중치 w(t)를 계산한다. 가중치 w(t)를 이용함으로써, 현재 입력 데이터 x(t) 및 이전 출력 데이터 y(t-1) 사이에 가중치 평균이 계산되며 입력 데이터 x(t)에 응답하여 출력 데이터 y(t)로서의 출력이 된다. 다음에, 출력 데이터 y(t)의 신뢰도(출력 신뢰도)는 현재 입력 신뢰도 αx(t) 및 이전 출력 신뢰도 αy(t-1)를 가산함으로써 결정되며, 그것에 의해 다음 입력 데이터 x(t+1)를 처리한다. 따라서, 가중치 w(t)의 적용은 습득되어, 단지 작은 가중치 w(t)만이 높은 레벨의 잡음을 갖는 데이터 성분들에 적용되고, 반면에 충분히 큰 가중치 w(t)는 낮은 레벨의 잡음을 갖는 데이터 성분들에 적용되며 즉, 가중치 w(t)는 입력 데이터에 응답하여 적응적으로 결정된다. 결과적으로, 출력 데이터는 가중치 w(t)의 습득의 진보를 가지면서 지속적으로 향상되며, 그것에 의해 효과적으로 감소된 잡음을 갖는 출력 데이터를 얻는다.
삭제
전술한 실시예에서, 편차 σx(t) 2 는 입력 데이터 x(t) 내지 x(t-4)로 이루어 진 5개의 샘플들을 이용함으로써 계산한다. 따라서, 편차 σx(t) 2 의 역수 즉, 입력 신뢰도 αx(t) 는 5개의 샘플들을 처리하기 위한 시간이 입력 데이터의 수신 시작으로부터 경과될 때까지 결정될 수 없다. 대안으로, 입력 신뢰도와 출력 신뢰도 모두가 5개의 샘플들을 처리하기 위한 시간이 경과될 때까지는 계산될 수 없으며, 지금까지 입력된 데이터의 단순한 평균은 결정되며 출력 데이터로서 출력한다. 입력 데이터의 수신 후에 데이터를 즉시 처리하기 위한 방법은 이러한 변경으로 제한되지 않는다.
전술한 실시예에서, 입력 데이터 x(t) 내지 x(t-4)의 편차 σx(t) 2 가 계산되며, 편차 σx(t) 2 의 역수는 입력 데이터 x(t)의 입력 신뢰도αx(t)가 되도록 결정된다. 그러나, 진리값에 대한 입력 데이터의 신뢰도를 표시하는 입력 신뢰도αx(t)를 결정하기 위하여, 다음 수학식 12에 의해 표현되는 것과 같은, 진리값 X 에 관련하여 입력 데이터 x(t)의 에러를 반영하는 값이 이상적으로 이용될 수 있다. 수학식 12에서, 진리값 X에 관련하여 입력 데이터 x(t)의 에러의 제곱의 역수는 입력 데이터 x(t)내에 포함된 잡음 전원의 제곱의 역수와 동일한 입력 신뢰도 αx(t)가 되도록 설정된다.
Figure 112000002226107-pat00012
그러나, 입력 데이터 x(t)의 진리값 X가 알려져 있지 않기 때문에, 진리값 X를 이용함이 없이 입력 신뢰도 αx(t)를 결정하는 것이 필요하다. 따라서, 임시 진리값 X'가 설정된다고 지금 가정하고, 임시 진리값 X'에 관련하여 입력 데이터 x(t)의 에러의 제곱의 역수가 입력 신뢰도 αx(t) 로서 이용된다. 다음에, 입력 신뢰도 αx(t)는 다음 수학식에 의해 표현된다.
Figure 112000002226107-pat00013
수학식 13에서 Δx(t) 2 가 임시 진리값 X'에 관련하여 입력 데이터 x(t)의 에러의 제곱 (x(t)-X')2 이기 때문에, 입력 데이터 x(t)내에 포함된 잡음의 레벨은 대략 추정될 수 있다. 그러나, Δx(t) 2 는 진리값 X에 관련하여 임시 진리값 X'의 에러를 포함하지 않으며, 따라서, 도 4에 도시된 바와 같이, 진리값 X에 관련하여 입력 데이터 x(t)의 에러의 제곱 (x(t)-X)2 과는 기본적으로 상이하다.
그러므로, 에러의 제곱 (x(t)-X)2 에 관련하여 에러의 제곱의 신뢰도 Δx(t) 2 즉, 진리값 X에 관련하여 임시 진리값 X'의 신뢰도를 표시하는 임시 진리값 신뢰도가 입력 신뢰도αx(t)를 보정하기 위한 보정항(보정치) σx' 2 로서 도입된다. 이러한 보정항을 이용함으로써, 임시 입력치 X'에 관련하여 입력 데이터 x(t)의 에러 제곱의 역수 Δx(t) 2 에 의해 표시되는 입력 신뢰도 αx(t) 는 보정되며, 그것에 의해 더욱 높은 정밀도의 입력 신뢰도 αx(t) (진리값 X 에 관련하여 입력 데이터 x(t)의 더욱 정밀한 신뢰도를 표시하는)를 얻는다.
더욱 특히, 다음의 수학식 14에 의해 표현되는 바와 같이, 입력 데이터 x(t)를 포함하는 입력 데이터 x(t) 내지 x(t-(N-1))의 N 수의 평균치(이동 평균)는 임시 진리값 X' 로서 이용된다.
Figure 112000002226107-pat00014
수학식 14에서, 입력 데이터 x(t) 내지 x(t-(N-1))의 평균을 지시하는 바아(-)를 갖는 x 는 하기에 "" 로서 설명된다.
이 경우에, 다음의 수학식에 의해 표현된 바와 같이, 보정항 σx' 2 로서, 입력 데이터 x(t)를 포함하는 입력 데이터 x(t) 내지 x(t-(N-1))의 N 수의 편차의 평균 σ
Figure 112000002226107-pat00038
2 이 이용될 수 있다.
Figure 112000002226107-pat00017
N-1로 수학식 15에서의 오른편 분자를 나누기함으로써 얻어진 값은 수학식 15에서 N으로 더 나누어진 입력 데이터 x(t) 내지 x(t-(N-1))의 편차와 동일하며, 그것에 의해 입력 데이터 x(t) 내지 x(t-(N-1))의 편차의 평균 σ
Figure 112000002226107-pat00039
2 을 결정한다. 통계적으로, 수학식 15에 의해 계산된 σ
Figure 112000002226107-pat00040
2 은 "평균의 편차"로서 설명된다. 그러나, 실질상 편차는 N에 의해 나누어지기 때문에, σ
Figure 112000002226107-pat00041
2 은 "편차의 평균"으로서 더욱 쉽게 이해될 수 있으며, 따라서 하기에 사용될 수 있다.
이 경우에, 입력 신뢰도 αx(t)는 다음의 수학식에 의해 보정될 수 있다.
Figure 112000002226107-pat00021
수학식 16에서, 임시 진리값 X'에 관련하여 입력 데이터 x(t)의 에러 제곱 Δx(t) 2(이전-보정된 입력 신뢰도)는 보정항 σx' 2 에 의해 보정되며, 그 보정값의 역수는 보정된 입력 신뢰도 αx(t)가 되도록 결정된다. 즉, 에러 제곱 Δx(t) 2에 보정항 σx' 2를 가산함으로써 얻어진 값의 역수가 보정된 입력 신뢰도 αx(t)가 되도록 결정된다.
통계적으로, 임시 진리값 X'에 대한 입력 데이터 x(t)의 에러 제곱 Δx(t) 2 는 진리값 X에 대한 입력 데이터 x(t)의 에러 제곱 (x(t)-X)2 보다 더 작게 되도록 계산된다. 따라서, 수학식 16에 의해 표시된 바와 같이, 보정항 σx' 2 은 에러 제곱 Δx(t) 2 에 가산되며, 그 가산된 값의 역수는 입력 신뢰도 αx(t)가 되도록 설정된다. 따라서, 그 결과 입력 신뢰도 αx(t)는 진리값 X에 대한 입력 데이터 x(t)의 더욱 정밀한 신뢰도를 표시한다.
도 5는 보정된 입력 신뢰도 αx(t)가 상기 방법으로 결정될 때 입력-신뢰도 계산기(12)의 구성을 도시한다.
이러한 실시예에서, 전술한 바와 같이, 입력 데이터 x(t)를 포함한 이전 5개 입력 데이터 x(t) 내지 x(t-4)는 입력-신뢰도 계산기(12)에 공급된다. 따라서, 숫자 5는 수학식 14 및 15에서 N 으로 대체되며, 그것에 의해 입력 신뢰도 αx(t)를 결정한다.
도 5를 참조하면, 입력 데이터 x(t) 내지 x(t-4)는 입력-신뢰도 계산 회로(31) 및 보정항 계산 회로(32)에 공급된다. 입력-신뢰도 계산 회로(31)는 수학식 14에 따라 입력 데이터 x(t) 내지 x(t-4)의 5개의 샘플들의 평균치
Figure 112000002226107-pat00042
를 계산한다. 입력-신뢰도 계산 회로(31)는 평균치
Figure 112000002226107-pat00043
가 임시 진리값 X'이 되도록 결정하며, 더욱이 수학식 13에 따라 입력 신뢰도 αx(t)를 계산한다. 입력 신뢰도 αx(t) 는 보정 회로(33)에 공급된다. 입력 데이터 x(t) 내지 x(t-4)의 평균치
Figure 112000002226107-pat00044
도 역시 입력-신 뢰도 계산 회로(31)로부터 보정항 계산 회로(32)에 공급된다.
보정항 계산 회로(32)는 입력 데이터 x(t) 내지 x(t-4) 및 입력-신뢰도 계산 회로(31)로부터의 평균치
Figure 112000002226107-pat00045
출력을 이용함으로써 입력 데이터 x(t) 내지 x(t-(N-1))의 편차의 평균치 σ
Figure 112000002226107-pat00046
2 를 계산하며, 보정항 σx' 2 로서 평균치 σ
Figure 112000002226107-pat00047
2 를 보정 회로(33)에 출력한다.
다음에, 보정 회로(33)는 입력-신뢰도 계산 회로(31)로부터의 입력 신뢰도αx(t) 출력을 보정항 계산 회로(32)로부터의 보정항 σx' 2 으로 보정하며, 최종 입력 신뢰도(보정된 입력 신뢰도) αx(t) 로서 그 보정치를 출력한다. 즉, 보정 회로(33)는 에러 제곱 Δx(t) 2 에 즉, 입력 신뢰도 αx(t)의 역수에 보정항 σx' 2 을 가산하며, 수학식 16에 따른 최종 입력 신뢰도 αx(t) 로서 그 가산된 값의 역수를 출력한다.
입력-신뢰도 계산기(12)가 도 5에 도시된 바와 같이 구성될 때 도 1에 도시된 NR 처리 회로의 동작을 도 6의 흐름도를 참조하여 지금 설명되어진다.
단계(S11)에서, 입력 데이터 x(t)는 래치 회로(111), 입력-신뢰도 계산기(12), 및 가중치 유닛(23)에 공급된다. 다음에, 단계(S12)에서, 입력 신뢰도 αx(t)는 입력-신뢰도 계산기(12)에서 계산된다.
더욱 특히, 전술한 바와 같이, 입력 데이터 x(t)의 공급과 동시에, 입력 데 이터 x(t-1) 내지 x(t-4)는 래치 회로들(111 내지 114) 각각으로부터 입력-신뢰도 계산기(12)에 공급된다. 입력-신뢰도 계산기(12)에서, 입력 데이터 x(t) 내지 x(t-4)의 5개 샘플들의 평균치
Figure 112000002226107-pat00048
가 수학식 14에 따른 임시 진리값 X'이 되도록 결정되며, 입력 신뢰도 αx(t) 는 수학식 13에 따라 결정된다.
이후, 단계(S13)에서, 입력-신뢰도 계산기(12)는 수학식 15에 따라 입력 데이터 x(t) 내지 x(t-4)로부터 보정항 σx' 2 이 되도록 편차의 평균치σ
Figure 112000002226107-pat00049
2 을 결정한다. 단계(S13)에서, 수학식 13에 따라 계산된 입력 신뢰도 αx(t) 는 수학식 16에 따른 보정항 σx' 2 로 보정되며, 그 보정된 입력 신뢰도 αx(t) 는 출력-신뢰도 계산기(13) 및 가중치 계산기(15)에 공급된다.
전술한 바와 같이, 입력 신뢰도 αx(t) 가 입력-신뢰도 계산기(12)로부터 가중치 계산기(15)에 공급되는 타이밍에서, 시간 t-1에서 출력-신뢰도 계산기(13)로부터의 이전 출력 신뢰도 αy(t-1) 출력이 래치 회로(14)내에 래치된다. 그러므로, 단계(S14)에서, 가중치 계산기(15)는 입력-신뢰도 계산기(12)로부터의 입력 신뢰도 αx(t) 출력 및 수학식 5에 따른 래치 회로(14)내에 래치된 출력 신뢰도 αy(t-1) 로부터의 가중치(t)를 계산한다. 다음에, 가중치 w(t)는 가중치 유닛(21) 및 동작 유닛(22)에 공급된다.
삭제
단계(S15)에서, 전술한 바와 같이, 가중치 계산기(15), 가중치 유닛(21), 동 작 유닛(22), 가중치 유닛(23), 동작 유닛(24), 및 래치 회로(25)를 이용함으로써 수학식 7에 따라 입력 데이터 x(t) 내지 이전 출력 데이터 y(t-1) 사이에 가중치 평균을 계산한다.
단계(S16)에서, 그 계산된 가중치 평균은 출력 데이터 y(t)로서 출력되며 더욱이 래치 회로(25)에 공급되고 래치된다.
다음에, 모든 입력 데이터가 처리되었는지를 단계(S17)에서 판단한다. 만일 단계(S17)의 결과가 아니오 라면, 그 처리는 출력 신뢰도가 출력-신뢰도 계산기(13)내에 갱신되는 단계(S18)로 진행한다. 더욱 특히, 출력-신뢰도 계산기(13)는 래치 회로(14)로의 출력인 현재 출력 신뢰도 αy(t) 을 결정하기 위해서 단계(S13)에서 입력-신뢰도 계산기(12)로부터의 그 보정된 입력 신뢰도 αx(t)를 수학식 4에 따라 래치 회로(14)내에 래치된 이전 출력 신뢰도 αy(t-1) 에 가산한다. 다음에, 처리는 관련 처리가 후속의 입력 데이터상에서 실행되도록 단계(S11)로 되돌아간다.
만일 처리될 데이터가 없다는 것을 단계(S17)내에서 알게되면, 그 처리는 완전하게 된다.
전술한 설명에 따라서, 현재 입력 데이터 x(t)의 신뢰도(입력 신뢰도) αx(t) 가 결정되며, 입력 신뢰도 αx(t) 를 보정하기 위한 보정항 σx' 2 도 역시 결정된다. 보정항 σx' 2 을 이용함으로써 입력 신뢰도 αx(t)가 보정된다. 그러므로, 진리값 X와 관련하여 입력 데이터 x(t)의 더욱 정밀한 신뢰도를 표시하는 입력 신뢰도 αx(t)를 얻을 수 있는 것이 가능하며, 그것에 의해 더욱 효과적인 잡음 감소가 달성된다.
본 발명은 화상 데이터, 음성 데이터, 및 다른 형태의 데이터로부터 잡음을 제거하는데 이용될 수 있다.
앞선 실시예에서, 본 발명은 잡음 감소를 달성하는 관점에서 설명되었다. 본질적으로, 출력 데이터가 입력 데이터를 적응적으로 처리함으로써 시간을 넘어서 향상될 수 있도록 가중치 w(t)는 실시간으로 습득되며, 그 결과 가중치 w(t)를 이용함으로써 그 처리는 적절히 수행되며, 즉, 입력 데이터가 자기-적응적으로 실행된다. 따라서, 본 발명을 이용함으로써, 입력 데이터의 파형 형태가 수행될 수 있다.
전술한 실시예에서, 출력 데이터 y(t)는 출력 데이터 y(t-1)를 가중치 w(t)와 곱함으로써 또한 수학식 7에서 입력 데이터 x(t)를 가중치 1-w(t)를 곱함으로써 결정된다. 그러나, 출력 데이터 y(t)를 결정하기 위하여 출력 데이터 y(t-1) 및 입력 데이터 x(t) 중 단지 하나가 가중치 w(t)와 곱하여진다.
앞선 실시예에서 보정된 입력 신뢰도 αx(t)가 수학식 16에 따라서 결정된다 할 지라도, 또다른 기술들이 입력 신뢰도 αx(t)를 얻기 위하여 사용될 수 있다.
입력 데이터 x(t)의 임시 진리값 X'로서, 현재 입력 데이터 x(t)를 포함한 선행 입력 데이터의 평균치가 사용된다. 대안으로, 이전 출력 데이터 y(t-1)는 임시 진리값 X' 로서 이용될 수 있으며, 이 경우에, 입력 신뢰도 αx(t)는 이전 출력 데이터 y(t-1)의 출력 신뢰도 αy(t-1) 로 보정될 수 있으며, 보정항으로서 역할을 한다.
전술한 실시예에서, 임시 진리값 X'에 관련하여 입력 데이터 x(t)의 에러 제곱의 역수가 보정될 입력 신뢰도 αx(t)가 되도록 설정된다. 그러나, 또다른 값이 보정될 입력 신뢰도 αx(t)에 대해 사용될 수 있다.
전술한 바에서 보여지는 것처럼, 본 발명의 데이터 처리 방법 및 장치에서, 입력 데이터의 신뢰성을 표시하는 입력 신뢰도 및 출력 데이터의 신뢰성을 표시하는 출력 신뢰도가 계산되며, 그것에 의해 입력 신뢰도를 보정하기 위한 소정의 보정치를 결정한다. 다음에, 입력 신뢰도는 보정치로 보정되며, 입력 데이터는 보정된 입력 신뢰도 및 출력 신뢰도에 기초하여 처리되고, 그것에 의해 출력 데이터를 얻는다. 그러므로, 진리값에 관한 입력 데이터의 더욱 정밀한 신뢰성을 표시하는 입력 신뢰도를 얻는 것이 가능하다. 이러한 더욱 높은 정밀 입력 신뢰도를 사용함으로써, 더욱 효과적인 잡음 감소가 달성될 수 있다.

Claims (12)

  1. 입력 데이터를 처리하고, 상기 처리된 데이터를 출력 데이터로서 출력하기 위한 데이터 처리 장치에 있어서,
    상기 입력 데이터의 신뢰성을 표시하는 입력 신뢰도를 계산하기 위한 입력-신뢰도 계산 수단;
    상기 출력 데이터의 신뢰성을 표시하는 출력 신뢰도를 계산하기 위한 출력-신뢰도 계산 수단;
    상기 입력 신뢰도를 보정하기 위한 보정치를 계산하기 위한 보정치 계산 수단; 및
    상기 출력 신뢰도에 기초하고 상기 보정치로 보정된 상기 입력 신뢰도에 기초하여 상기 입력 데이터를 처리하며, 상기 출력 데이터를 출력하기 위한 데이터 처리 수단을 포함하는, 데이터 처리 장치.
  2. 제 1 항에 있어서,
    상기 보정된 입력 신뢰도 및 상기 출력 신뢰도에 기초하여 가중치 계수를 계산하기 위한 가중치-계수 계산 수단을 더 포함하며,
    상기 데이터 처리 수단은, 상기 가중치-계수 계산 수단에 의해 계산된 상기 가중치-계수에 기초하여, 주어진 입력 데이터 및 이전에 얻어진 출력 데이터에 가중치를 적용하며, 상기 가중된 주어진 입력 데이터 및 상기 가중된 이전에 얻어진 출력 데이터를 가산하여, 상기 입력 데이터에 응답하는 출력 데이터를 얻는, 데이터 처리 장치.
  3. 제 1 항에 있어서,
    상기 입력-신뢰도 계산 수단은, 주어진 입력 데이터의 임시 진리값으로서 상기 입력 데이터의 평균치를 계산하고, 상기 임시 진리값에 따라 상기 입력 신뢰도를 결정하는, 데이터 처리 장치.
  4. 제 3 항에 있어서,
    상기 보정치 계산 수단은 상기 보정치로서, 상기 입력 데이터의 임시 진리값의 신뢰성을 표시하는 임시 진리값 신뢰도를 계산하는, 데이터 처리 장치.
  5. 제 1 항에 있어서,
    상기 보정치 계산 수단은 상기 보정치로서 상기 입력 데이터의 편차의 평균치를 계산하는, 데이터 처리 장치.
  6. 제 5 항에 있어서,
    상기 입력-신뢰도 계산 수단은 상기 입력 데이터의 평균치가 상기 주어진 입력 데이터의 임시 진리값이 되도록 결정하고, 상기 입력 신뢰도로서 상기 임시 진리값에 대한 상기 입력 데이터 에러의 제곱의 역수를 계산하며,
    상기 데이터 처리 수단은 상기 입력 신뢰도의 역수에 상기 입력 데이터의 편차의 평균치를 가산하며, 상기 가산된 값의 역수가 상기 보정된 입력 신뢰도가 되도록 결정하는, 데이터 처리 장치.
  7. 입력 데이터를 처리하고, 출력 데이터로서 상기 처리된 데이터를 출력하기 위한 데이터 처리 방법에 있어서,
    상기 입력 데이터의 신뢰성을 표시하는 입력 신뢰도를 계산하는 입력-신뢰도 계산 단계;
    상기 출력 데이터의 신뢰성을 표시하는 출력 신뢰도를 계산하는 출력-신뢰도 계산 단계;
    상기 입력 신뢰도를 보정하기 위한 보정치를 계산하는 보정치 계산 단계; 및
    상기 출력 신뢰도에 기초하고 상기 보정치로 보정된 상기 입력 신뢰도에 기초하여 상기 입력 데이터를 처리하며, 상기 출력 데이터를 출력하는 데이터 처리 단계를 포함하는, 데이터 처리 방법.
  8. 제 7 항에 있어서,
    상기 보정된 입력 신뢰도 및 상기 출력 신뢰도에 기초하여 가중치 계수를 계산하는 가중치-계수 계산 단계를 더 포함하고,
    상기 데이터 처리 단계에서, 가중치들이 상기 가중치-계수 계산 단계에서 계산된 상기 가중치 계수에 기초하여, 주어진 입력 데이터 및 이전에 얻어진 출력 데이터에 적용되고, 상기 가중된 주어진 입력 데이터 및 상기 가중된 이전에 얻어진 출력 데이터가 가산되어, 상기 입력 데이터에 응답하는 출력 데이터를 얻는, 데이터 처리 방법.
  9. 제 7 항에 있어서,
    상기 입력-신뢰도 계산 단계에서, 상기 입력 데이터의 평균치는 주어진 입력 데이터의 임시 진리값으로서 계산되고, 상기 입력 신뢰도는 상기 임시 진리값에 따라 결정되는, 데이터 처리 방법.
  10. 제 9 항에 있어서,
    상기 보정치 계산 단계에서, 상기 입력 데이터의 임시 진리값의 신뢰성을 표시하는 임시 진리값 신뢰도는 상기 보정치로서 계산되는, 데이터 처리 방법.
  11. 제 7 항에 있어서,
    상기 보정치 계산 단계에서, 상기 입력 데이터의 편차의 평균치는 상기 보정치로서 계산되는, 데이터 처리 방법.
  12. 제 11 항에 있어서,
    상기 입력-신뢰도 계산 단계에서, 상기 입력 데이터의 평균치는 상기 주어진 입력 데이터의 임시 진리값이 되도록 결정되고, 상기 임시 진리값에 대한 상기 입력 데이터 에러의 제곱의 역수는 상기 입력 신뢰도로서 계산되며,
    상기 데이터 처리 단계에서, 상기 입력 데이터의 편차의 평균치는 상기 입력 신뢰도의 역수에 가산되고, 상기 가산된 값의 역수는 상기 보정된 입력 신뢰도가 되도록 결정되는, 데이터 처리 방법.
KR1020000005719A 1999-02-09 2000-02-08 데이터 처리 방법 및 장치 KR100712867B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP99-031120 1999-02-09
JP03112099A JP4164712B2 (ja) 1999-02-09 1999-02-09 データ処理装置およびデータ処理方法

Publications (2)

Publication Number Publication Date
KR20000076616A KR20000076616A (ko) 2000-12-26
KR100712867B1 true KR100712867B1 (ko) 2007-05-03

Family

ID=12322567

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020000005719A KR100712867B1 (ko) 1999-02-09 2000-02-08 데이터 처리 방법 및 장치

Country Status (3)

Country Link
US (1) US6430524B1 (ko)
JP (1) JP4164712B2 (ko)
KR (1) KR100712867B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4517409B2 (ja) * 1998-11-09 2010-08-04 ソニー株式会社 データ処理装置およびデータ処理方法
JP4344964B2 (ja) 1999-06-01 2009-10-14 ソニー株式会社 画像処理装置および画像処理方法
JP4344968B2 (ja) * 1999-10-28 2009-10-14 ソニー株式会社 画像処理装置および画像処理方法、並びにデータ処理装置およびデータ処理方法
DE102005012632A1 (de) * 2005-03-18 2006-09-21 Infineon Technologies Ag Verfahren und Schaltungsanordnung zur geschützten Übertragung von Datenworten
CN106095732B (zh) * 2016-06-08 2018-08-24 北京普杰生物技术有限公司 一种适用于实验数据的降噪处理方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5038388A (en) * 1989-05-15 1991-08-06 Polaroid Corporation Method for adaptively sharpening electronic images
US5136529A (en) * 1989-09-29 1992-08-04 Hitachi, Ltd. Digital signal weighting processing apparatus and method
US5620761A (en) * 1984-05-22 1997-04-15 Southpac Trust International, Inc. Article forming system

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5602761A (en) * 1993-12-30 1997-02-11 Caterpillar Inc. Machine performance monitoring and fault classification using an exponentially weighted moving average scheme
US6038272A (en) * 1996-09-06 2000-03-14 Lucent Technologies Inc. Joint timing, frequency and weight acquisition for an adaptive array
US5694342A (en) * 1996-10-24 1997-12-02 The United States Of America As Represented By The Secretary Of The Navy Method for detecting signals in non-Gaussian background clutter
US6278961B1 (en) * 1997-07-02 2001-08-21 Nonlinear Solutions, Inc. Signal and pattern detection or classification by estimation of continuous dynamical models
US5909178A (en) * 1997-11-28 1999-06-01 Sensormatic Electronics Corporation Signal detection in high noise environments

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5620761A (en) * 1984-05-22 1997-04-15 Southpac Trust International, Inc. Article forming system
US5038388A (en) * 1989-05-15 1991-08-06 Polaroid Corporation Method for adaptively sharpening electronic images
US5136529A (en) * 1989-09-29 1992-08-04 Hitachi, Ltd. Digital signal weighting processing apparatus and method

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Bataillou et al., Weighted Averaging with Adaptive
Bataillou et al., Weighted Averaging with Adaptive Weight Estimation, IEEE, 1992. *
Unser et al., Weighted Averaging of a Set of Noisy
Unser et al., Weighted Averaging of a Set of Noisy Images for Maximum Signal-to-Noise Ratio, IEEE, 1990. *

Also Published As

Publication number Publication date
KR20000076616A (ko) 2000-12-26
JP2000232383A (ja) 2000-08-22
US6430524B1 (en) 2002-08-06
JP4164712B2 (ja) 2008-10-15

Similar Documents

Publication Publication Date Title
US7454083B2 (en) Image processing apparatus, image processing method, noise-amount estimate apparatus, noise-amount estimate method, and storage medium
EP1924082B1 (en) Image processing apparatus and image processing method
JP3008763B2 (ja) 適応フィルタによるシステム同定の方法および装置
Kim et al. Adaptive 3-D median filtering for restoration of an image sequence corrupted by impulse noise
KR100712867B1 (ko) 데이터 처리 방법 및 장치
KR100848849B1 (ko) 가장 가까이 인접한 분류된 필터링을 통해 해상도를 향상시키는 방법 및 장치와, 가장 가까이 인접한 분류된 필터링을 통해 해상도를 향상시키기 위한 명령을 갖는 컴퓨터 판독가능 매체
EP1175089A2 (en) A method for suppressing noise in image signals and an image signal processing device adopting the same
JP2000232384A (ja) データ処理装置およびデータ処理方法
JPH0651009A (ja) ノイズ測定方法および装置
KR960015390B1 (ko) 고스트제거방법 및 장치
US20230087076A1 (en) Apparatus and method for symbol time recovery using feedback loop
JP3391373B2 (ja) 適応等化器
JP3305669B2 (ja) 誤差拡散方法および誤差拡散装置
RU2119267C1 (ru) Устройство подавления многолучевого сигнала
EP0903884B1 (en) Phase estimating circuit and demodulating circuit
JP4258045B2 (ja) ノイズ低減装置、ノイズ低減方法、および記録媒体
US6757443B1 (en) Picture processing apparatus, picture processing method, learning apparatus, and learning method
JP3986457B2 (ja) 入力信号推定方法、及び装置、入力信号推定プログラムならびにその記録媒体
JP2006293756A (ja) 演算回路及び画像認識装置
EP1001372B1 (en) Data processing apparatus and data processing methods
JP2000348020A (ja) データ処理装置およびデータ処理方法、並びに媒体
JPH0832628A (ja) 微弱信号再現処理装置
JPH0354981A (ja) 振幅評価装置
KR100664017B1 (ko) 자동 이득 제어 장치
JPH11163678A (ja) ディジタル信号処理回路

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20120416

Year of fee payment: 6

LAPS Lapse due to unpaid annual fee