KR102028071B1 - 주파수 영역 nlms 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법 및 그 장치 - Google Patents

주파수 영역 nlms 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법 및 그 장치 Download PDF

Info

Publication number
KR102028071B1
KR102028071B1 KR1020170020859A KR20170020859A KR102028071B1 KR 102028071 B1 KR102028071 B1 KR 102028071B1 KR 1020170020859 A KR1020170020859 A KR 1020170020859A KR 20170020859 A KR20170020859 A KR 20170020859A KR 102028071 B1 KR102028071 B1 KR 102028071B1
Authority
KR
South Korea
Prior art keywords
mean
input signal
convergence factor
square
adaptive filter
Prior art date
Application number
KR1020170020859A
Other languages
English (en)
Other versions
KR20180094571A (ko
Inventor
김현우
정호영
박전규
이윤근
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020170020859A priority Critical patent/KR102028071B1/ko
Publication of KR20180094571A publication Critical patent/KR20180094571A/ko
Application granted granted Critical
Publication of KR102028071B1 publication Critical patent/KR102028071B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • H03H17/0223—Computation saving measures; Accelerating measures
    • H03H17/0227—Measures concerning the coefficients
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H21/0043—Adaptive algorithms
    • H03H2017/0211—

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Filters That Use Time-Delay Elements (AREA)

Abstract

주파수 영역 NLMS(Normalized Least Mean Square) 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법이 개시된다. 본 개시의 일 실시 예에 따른 적응 필터의 수렴 인자 최적화 방법은, 이산 푸리에 변환을 이용하여, 복수의 프레임으로 분할된 입력 신호를 시간 영역에서 주파수 영역으로 변환하는 단계, 상기 변환된 입력 신호의 파워를 산출하는 단계, 외부로부터 제공되는 목적 신호의 제곱 평균을 추정하는 단계, 상기 변환된 입력 신호의 파워, 상기 목적 신호의 제곱 평균, 이전 프레임의 시스템 오차의 제곱 평균 및 시스템 변화량의 분산을 이용하여 현재 프레임의 수렴 인자의 최적값을 산출하는 단계, 상기 현재 프레임의 수렴 인자의 최적값, 상기 변환된 입력 신호의 파워, 상기 목적 신호의 제곱 평균, 상기 이전 프레임의 시스템 오차의 제곱 평균 및 상기 시스템 변화량의 분산을 이용하여 현재 프레임의 시스템 오차의 제곱 평균을 계산하는 단계를 포함할 수 있다.

Description

주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법 및 그 장치 {A METHOD FOR OPTIMIZING A STEP-SIZE OF AN ADAPTIVE FILTER USING A FREQUENCY DOMAIN NLMS ALGORITHM AND AN APPARATUS THEREOF}
본 개시는 NLMS(Normalized Least Mean Square) 알고리즘을 사용하는 적응 필터에 관한 것으로, 보다 구체적으로, 시변(time-varying) 시스템 식별을 위한 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법 및 그 장치에 관한 것이다.
시스템 식별(system identification)은, 입력과 출력 신호를 사용하여 그 시스템의 수학적 모델을 추정하는 기술로, 적응 필터(adaptive filter)가 사용된다.
대표적인 응용 사례는 음향 반향 제거기(acoustic echo canceller)이다. 음향 반향 제거기는 스피커로부터 나온 음성 신호가 직접 혹은 벽이나 주변 물체와의 반사를 통해 마이크로 재입력되어 발생하는 음향의 반향을 제거하는 기능을 수행한다. 음향 반향 제거기는 적응 필터를 사용하여 음향 반향 생성 시스템(room impulse response)을 식별하고, 그 식별된 시스템으로 음향 반향을 추정하는 과정을 수행한다.
시스템 식별을 위한 적응 필터의 계수를 갱신하는 방식에는 순환 최소 제곱 알고리즘(recursive least square algorithm), 최소 평균 제곱 알고리즘(least mean square algorithm), 정규 최소 평균 제곱 알고리즘(Normalized Least Mean Square(NLMS) algorithm), 인접 투사 알고리즘(affine projection algorithm) 등이 있다. 일반적으로 간단한 구조와 적은 연산량으로 인해 정규 최소 평균 제곱 알고리즘(이하, NLMS 알고리즘)이 많이 사용되고, 시간 영역과 주파수 영역에서 구현된다.
주파수 영역 NLMS 알고리즘은 시간 영역에 비해 연산량을 현저하게 줄일 수 있고 음성 신호와 같이 고유치 분포율이 큰 입력 신호에 대해 보다 나은 수렴 성능을 갖는다.
한편, 적응 필터 계수를 갱신할 때에는 수렴 인자(step-size)가 필요하다. 여기서, 수렴 인자가 크면 빠르게 시스템을 추정할 수 있지만, 추정된 시스템과 실제 시스템의 오차는 커진다. 반대로 수렴 인자가 작으면 정확하게 시스템 추정을 할 수 있지만 추정하는 데에 많은 시간이 소요된다.
주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자를 결정하는 많은 기술들이 제안되어 왔지만, 시불변(time invariant) 시스템 식별에 한정되어 왔다.
본 개시의 기술적 과제는 시변(time-varying) 시스템 식별에서 수렴 속도와 성능을 향상시키기 위한 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법 및 그 장치를 제공하는 것이다.
본 개시에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 일 양상에 따르면 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법이 제공 될 수 있다. 상기 적응 필터의 수렴 인자 최적화 방법은, 입력 신호를 복수의 프레임으로 분할하는 단계; 이산 푸리에 변환을 이용하여, 상기 복수의 프레임으로 분할된 입력 신호를 시간 영역에서 주파수 영역으로 변환하는 단계; 상기 변환된 입력 신호의 파워를 산출하는 단계; 외부로부터 제공되는 목적 신호의 제곱 평균을 추정하는 단계; 및 상기 변환된 입력 신호의 파워, 상기 목적 신호의 제곱 평균, 이전 프레임의 시스템 오차의 제곱 평균 및 시스템 변화량의 분산을 이용하여 현재 프레임의 수렴 인자의 최적값을 산출하는 단계; 및 상기 현재 프레임의 수렴 인자의 최적값, 상기 변환된 입력 신호의 파워, 상기 목적 신호의 제곱 평균, 상기 이전 프레임의 시스템 오차의 제곱 평균 및 상기 시스템 변화량의 분산을 이용하여 현재 프레임의 시스템 오차의 제곱 평균을 계산하는 단계를 포함할 수 있다.
본 개시에 대하여 위에서 간략하게 요약된 특징들은 후술하는 본 개시의 상세한 설명의 예시적인 양상일 뿐이며, 본 개시의 범위를 제한하는 것은 아니다.
본 개시에 따르면, 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자를 최적화하여 시변(time-varying) 시스템 식별에서 수렴 속도와 성능을 향상시킬 수 있다.
또한, 본 개시에 따르면, 적은 연산량으로 시변 시스템을 식별해야 하는 환경(예를 들어, 이동 중에 모바일 디바이스를 이용하여 통화하는 환경)에서 뛰어난 수렴 속도와 성능을 보여줄 수 있다
또한, 본 개시에 따르면, 본 발명을 이용하여 산출된 최적의 적응 필터의 수렴 인자는 목적 신호의 제곱의 평균과 반비례하기 때문에 목적 신호가 크면 수렴 인자가 작아질 수 있다. 따라서, 본 발명을 이용하여 음향 반향 제거 시, 더블토크 상황에서 근화자 음성의 왜곡을 방지하는 효과를 제공할 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시의 일 실시 예에 따른 중첩-보류(overlap-save) 방식의 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터를 포함하는 시스템 식별 장치를 나타내는 도면이다.
도 2는 본 개시의 일 실시 예에 따른 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터를 포함하는 시스템 식별 장치를 나타내는 도면이다.
도 3은 본 개시의 일 실시 예에 따른 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법을 나타내는 순서도이다.
도 4는 본 개시의 일 실시 예에 따른 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법을 나타내는 순서도이다.
이하에서는 첨부한 도면을 참고로 하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
본 개시의 실시 예를 설명함에 있어서 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다. 그리고, 도면에서 본 개시에 대한 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 개시에 있어서, 어떤 구성요소가 다른 구성요소와 "연결", "결합" 또는 "접속"되어 있다고 할 때, 이는 직접적인 연결관계뿐만 아니라, 그 중간에 또 다른 구성요소가 존재하는 간접적인 연결관계도 포함할 수 있다. 또한 어떤 구성요소가 다른 구성요소를 "포함한다" 또는 "가진다"고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 배제하는 것이 아니라 또 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 개시에 있어서, 제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 특별히 언급되지 않는 한 구성요소들간의 순서 또는 중요도 등을 한정하지 않는다. 따라서, 본 개시의 범위 내에서 일 실시 예에서의 제1 구성요소는 다른 실시 예에서 제2 구성요소라고 칭할 수도 있고, 마찬가지로 일 실시 예에서의 제2 구성요소를 다른 실시 예에서 제1 구성요소라고 칭할 수도 있다.
본 개시에 있어서, 서로 구별되는 구성요소들은 각각의 특징을 명확하게 설명하기 위함이며, 구성요소들이 반드시 분리되는 것을 의미하지는 않는다. 즉, 복수의 구성요소가 통합되어 하나의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있고, 하나의 구성요소가 분산되어 복수의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있다. 따라서, 별도로 언급하지 않더라도 이와 같이 통합된 또는 분산된 실시 예도 본 개시의 범위에 포함된다.
본 개시에 있어서, 다양한 실시 예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들은 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 일 실시 예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시 예도 본 개시의 범위에 포함된다. 또한, 다양한 실시 예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시 예도 본 개시의 범위에 포함된다.
이하, 첨부한 도면을 참조하여 본 개시의 실시 예들에 대해서 설명한다.
도 1은 본 개시의 일 실시 예에 따른 중첩-보류(overlap-save) 방식의 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터를 포함하는 시스템 식별 장치를 나타내는 도면이다.
도 1을 참고하면, k 번째 프레임에서의 시간 영역의 입력 신호인 x(k)에 이산 푸리에 변환(Discrete Fourier Transform, DFT)을 적용하여 주파수 영역의 입력 신호 X(k)를 생성할 수 있다.
아래의 수학식 1을 이용하여 시간 영역의 입력 신호
Figure 112017015951766-pat00001
를 주파수 영역의 입력 신호
Figure 112017015951766-pat00002
로 변환할 수 있다.
Figure 112017015951766-pat00003
여기서,
Figure 112017015951766-pat00004
는 2N x 2N의 이산 푸리에 변환 행렬이고,
Figure 112017015951766-pat00005
는 대각 행렬을 생성하는 연산자이며,
Figure 112017015951766-pat00006
는 전치 행렬 연산자이다.
그리고, 아래와 같은 수학식 2와 같이 주파수 영역의 입력 신호
Figure 112017015951766-pat00007
에 적응 필터
Figure 112017015951766-pat00008
를 적용하여
Figure 112017015951766-pat00009
를 생성할 수 있다.
Figure 112017015951766-pat00010
또한, 아래와 같은 수학식 3과 같이 주파수 영역의 입력 신호
Figure 112017015951766-pat00011
에 실제 시스템
Figure 112017015951766-pat00012
를 적용하여
Figure 112017015951766-pat00013
를 생성할 수 있다.
Figure 112017015951766-pat00014
외부로부터 시간 영역의 목적 신호
Figure 112017015951766-pat00015
가 제공될 때, 아래와 같은 수학식 4를 이용하여 주파수 영역의 출력 신호
Figure 112017015951766-pat00016
를 생성할 수 있다.
Figure 112017015951766-pat00017
여기서,
Figure 112017015951766-pat00018
는
Figure 112017015951766-pat00019
의 영 행렬을 나타내고
Figure 112017015951766-pat00020
는
Figure 112017015951766-pat00021
의 항등 행렬을 나타낸다고 할 때,
Figure 112017015951766-pat00022
과
Figure 112017015951766-pat00023
은
Figure 112017015951766-pat00024
와
Figure 112017015951766-pat00025
로 정의할 수 있다. 그리고,
Figure 112017015951766-pat00026
은 역행렬의 연산자이고,
Figure 112017015951766-pat00027
는
Figure 112017015951766-pat00028
로 주파수 영역의 목적 신호이다.
한편, 주파수 영역 NLMS 알고리즘으로 적응 필터의 계수
Figure 112017015951766-pat00029
는 아래와 같은 수학식 5와 같이 갱신할 수 있다.
Figure 112017015951766-pat00030
여기서,
Figure 112017015951766-pat00031
는 에르미트(Hermitian) 연산자이고,
Figure 112017015951766-pat00032
는 적응 필터의 수렴 인자이며,
Figure 112017015951766-pat00033
주파수 영역에서 입력 신호의 파워이다. 적응 필터의 수렴 인자
Figure 112017015951766-pat00034
와 주파수 영역에서의 입력 신호의 파워
Figure 112017015951766-pat00035
는 아래와 같은 수학식 6 및 수학식 7을 각각 이용하여 획득할 수 있다.
Figure 112017015951766-pat00036
Figure 112017015951766-pat00037
도 2는 본 개시의 일 실시 예에 따른 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터를 포함하는 시스템 식별 장치를 나타내는 도면이다.
전술한 도 1의 시스템 식별 장치보다 도 2의 시스템 식별 장치는 목적 신호의 제곱 평균을 추정하는 구성과 적응 필터의 수렴 인자를 최적화하고, 시스템 오차
Figure 112017015951766-pat00038
의 제곱의 평균을 산출하는 구성이 더 추가될 수 있다. 여기서, 시스템 오차
Figure 112017015951766-pat00039
는 각 주파수 빈에서 실제 시스템과 적응 필터의 차이를 의미할 수 있다.
적응 필터의 수렴 인자를 최적화하고, 시스템 오차
Figure 112017015951766-pat00040
의 제곱의 평균을 산출하는 구성은 아래와 같은 방법을 통해 구현될 수 있다.
우선, 수학식 8과 같이 시변 시스템을 1차 마르코프(Markov)로 모델링할 수 있다.
Figure 112017015951766-pat00041
여기서,
Figure 112017015951766-pat00042
의 평균은 영 벡터이고 공분산은
Figure 112017015951766-pat00043
이다.
그리고, 다른 주파수 빈(frequency bin) 은 서로 독립이라고 가정하고,
Figure 112017015951766-pat00044
및
Figure 112017015951766-pat00045
인 것과 같이 근사값을 가정하면, 수학식 4 및 수학식 5로부터 m번째 주파수 빈에서 대한 다음 수학식 9가 성립할 수 있다.
Figure 112017015951766-pat00046
여기서,
Figure 112017015951766-pat00047
는 서로 비상관(uncorrelated)라고 가정한다. 그리고,
Figure 112017015951766-pat00048
,
Figure 112017015951766-pat00049
는 아래와 같은 수학식 10, 11 및 12에 의해 각각 정의될 수 있다.
Figure 112017015951766-pat00050
Figure 112017015951766-pat00051
Figure 112017015951766-pat00052
그리고, 시스템 오차의 제곱의 평균을 최소화하기 위해, 수학식 9에서 양변을 제곱하여 평균을 취한 후, 수렴 인자에 대해 미분값이 0이 되는
Figure 112017015951766-pat00053
을 아래와 같은 수학식 13을 이용하여 산출할 수 있다.
Figure 112017015951766-pat00054
여기서,
Figure 112017015951766-pat00055
는 현재 프레임의 수렴 인자,
Figure 112017015951766-pat00056
은 입력 신호의 파워,
Figure 112017015951766-pat00057
은 이전 프레임의 시스템 오차의 제곱 평균,
Figure 112017015951766-pat00058
은 현재 프레임의 시스템 오차의 제곱 평균,
Figure 112017015951766-pat00059
은 목적 신호의 제곱 평균,
Figure 112017015951766-pat00060
은 시변 시스템의 변화량의 분산을 나타낼 수 있다.
위와 같이 산출된
Figure 112017015951766-pat00061
는 본 발명의 일 실시 예에 따른 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 최적의 수렴 인자일 수 있으며, 이는 목적 신호의 제곱의 평균
Figure 112017015951766-pat00062
과 반비례하기 때문에 목적 신호가 크면 수렴 인자가 작아질 수 있다. 따라서, 음향 반향 제거 시, 더블토크 상황에서 근화자 음성의 왜곡을 방지하는 효과를 제공할 수 있다.
그리고, 1차 마르코프 모델링을 이용하여 시스템 오차의 제곱 평균을 최소화하는 기준치로 수렴 인자를 최적화 함으로써, 시변 시스템 식별에 있어 적은 연산량으로 좋은 수렴 속도와 성능을 가질 수 있다. 따라서, 적은 연산량으로 시변 시스템을 식별해야 하는 환경(예를 들어, 이동 중에 모바일 디바이스를 이용하여 통화하는 환경)에서 뛰어난 수렴 속도와 성능을 보여줄 수 있다.
한편, 아래와 같은 수학식 14를 이용하여 현재 프레임의 시스템 오차의 제곱 평균
Figure 112017015951766-pat00063
을 산출할 수 있다.
Figure 112017015951766-pat00064
도 3은 본 개시의 일 실시 예에 따른 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법을 나타내는 순서도이다.
도 3을 참고하면, 본 발명에 따른 시스템 식별 장치는 이산 푸리에 변환을 이용하여, 복수의 프레임으로 분할된 입력 신호를 시간 영역에서 주파수 영역으로 변환할 수 있다(S310). 구체적으로, 전술한 수학식 1을 이용하여 입력 신호를 시간 영역에서 주파수 영역으로 변환할 수 있다.
S310단계 이후, 시스템 식별 장치는 주파수 변환된 입력 신호의 파워를 산출하고(S320), 외부로부터 제공되는 목적 신호의 제곱 평균을 추정할 수 있다(S330).
S320 및 S330 단계 이후, 시스템 식별 장치는 변환된 입력 신호의 파워, 목적 신호의 제곱 평균, 이전 프레임의 시스템 오차의 제곱 평균 및 시스템 변화량의 분산을 이용하여 현재 프레임의 수렴 인자의 최적값을 산출할 수 있다(S340). 최적의 수렴 인자를 산출하는 구체적인 설명은 도 2에서 전술하였는바, 중복 설명은 생략한다.
S340 단계 이후, 시스템 식별 장치는 현재 프레임의 수렴 인자의 최적값, 변환된 입력 신호의 파워, 목적 신호의 제곱 평균, 이전 프레임의 시스템 오차의 제곱 평균 및 시스템 변화량의 분산을 이용하여 현재 프레임의 시스템 오차의 제곱 평균을 계산할 수 있다(S350). 최적의 수렴 인자를 산출하는 구체적인 설명은 도 2에서 전술하였는바, 중복 설명은 생략한다.
도 4는 본 개시의 일 실시 예에 따른 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법을 나타내는 순서도이다.
도 4를 참고하면, 시스템 식별 장치는 입력 신호를 복수의 프레임으로 분할하고, 이산 푸리에 변환을 이용하여 입력 신호를 시간 영역에서 주파수 영역으로 변환할 수 있다(S410).
그리고, 시스템 식별 장치는 S410단계에서 변환된 입력 신호에 적응 필터를 적용할 수 있다(S420).
그리고, 시스템 식별 장치는 적응 필터가 적용된 입력 신호, 시스템이 적용된 입력 신호, 목적 신호로부터 출력 신호를 산출할 수 있다(S430).
여기서, S410단계 및 S420단계는 전술한 수학식 1 및 수학식 2를 각각 이용하여 수행될 수 있으며, S430단계는 전술한 수학식 3 및 수학식 4를 이용하여 수행될 수 있다.
그리고, 시스템 식별 장치는 S410단계에서 변환된 입력 신호의 파워를 산출하고(S440), 출력 신호, 변환된 입력 신호, 변환된 입력 신호의 파워 및 이전 프레임의 수렴 인자를 이용하여 주파수 영역 NLMS 알고리즘 기반으로 적응 필터의 계수를 갱신할 수 있다(S450). 여기서, S450단계는 전술한 수학식 5를 이용하여 수행될 수 있다.
그리고, 시스템 식별 장치는 목적 신호의 제곱 평균을 추정하고(S460), 입력 신호의 파워, 목적 신호의 제곱 평균, 이전 프레임의 시스템 오차의 제곱 평균 및 시변 시스템의 변화량의 분산을 이용하여 현재 프레임의 시스템 오차의 제곱 평균을 최소화하는 기준치로 현재 프레임의 수렴 인자를 최적화하고, 현재 프레임의 시스템 오차의 제곱 평균을 산출할 수 있다(S470). 여기서, S470단계는 전술한 수학식 8, 9, 10, 11, 12 및 13을 이용하여 수행될 수 있다.
그리고, 시스템 식별 장치는 현재 프레임의 수렴 인자의 최적값, 변환된 입력 신호의 파워, 목적 신호의 제곱 평균, 이전 프레임의 시스템 오차의 제곱 평균 및 시스템 변화량의 분산을 이용하여 현재 프레임의 시스템 오차의 제곱 평균을 산출할 수 있다(S480). 여기서 S480단계는 전술한 수학식 14를 이용하여 수행될 수 있다.
한편, 본 개시의 일 양상에 따르면 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법을 수행하기 위해 실행가능한 명령들(executable instructions)을 가지는 소프트웨어 또는 컴퓨터-판독가능한 매체(computer-readable medium)가 제공될 수 있다. 상기 실행가능한 명령들은, 이산 푸리에 변환을 이용하여, 복수의 프레임으로 분할된 입력 신호를 시간 영역에서 주파수 영역으로 변환하는 단계, 상기 변환된 입력 신호의 파워를 산출하는 단계, 외부로부터 제공되는 목적 신호의 제곱 평균를 추정하는 단계 및 상기 변환된 입력 신호의 파워, 상기 목적 신호의 제곱 평균, 이전 프레임의 시스템 오차의 제곱 평균 및 시스템 변화량의 분산을 이용하여 현재 프레임의 수렴 인자의 최적값을 산출하는 단계, 상기 현재 프레임의 수렴 인자의 최적값, 상기 변환된 입력 신호의 파워, 상기 목적 신호의 제곱 평균, 상기 이전 프레임의 시스템 오차의 제곱 평균 및 상기 시스템 변화량의 분산을 이용하여 현재 프레임의 시스템 오차의 제곱 평균을 계산하는 단계를 포함할 수 있다.
본 개시는 시변 시스템 식별을 위한 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법 및 그 장치에 관한 기술로, 적은 연산량으로 높은 수렴을 가질 수 있다. 따라서, 본 발명이 적용된 시변 시스템 식별장치는 적은 연산량으로 시변 시스템을 식별해야 하는 환경(예를 들어, 이동 중에 모바일 디바이스를 이용하여 통화하는 환경)에서 뛰어나 수렴 속도와 성능을 보여줄 수 있다.
또한, 본 개시에 따르면, 본 발명을 이용하여 산출된 최적의 적응 필터의 수렴인자는 목적 신호의 제곱의 평균과 반비례하기 때문에 목적 신호가 크면 수렴 인자가 작아질 수 있다. 따라서, 본 발명을 이용하여 음향 반향 제거 시, 더블토크 상황에서 근화자 음성의 왜곡을 방지하는 효과를 제공할 수 있다.
본 개시의 예시적인 방법들은 설명의 명확성을 위해서 동작의 시리즈로 표현되어 있지만, 이는 단계가 수행되는 순서를 제한하기 위한 것은 아니며, 필요한 경우에는 각각의 단계가 동시에 또는 상이한 순서로 수행될 수도 있다. 본 개시에 따른 방법을 구현하기 위해서, 예시하는 단계에 추가적으로 다른 단계를 포함하거나, 일부의 단계를 제외하고 나머지 단계를 포함하거나, 또는 일부의 단계를 제외하고 추가적인 다른 단계를 포함할 수도 있다.
본 개시의 다양한 실시 예는 모든 가능한 조합을 나열한 것이 아니고 본 개시의 대표적인 양상을 설명하기 위한 것이며, 다양한 실시 예에서 설명하는 사항들은 독립적으로 적용되거나 또는 둘 이상의 조합으로 적용될 수도 있다.
또한, 본 개시의 다양한 실시 예는 하드웨어, 펌웨어(firmware), 소프트웨어, 또는 그들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 범용 프로세서(general processor), 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
본 개시의 범위는 다양한 실시 예의 방법에 따른 동작이 장치 또는 컴퓨터 상에서 실행되도록 하는 소프트웨어 또는 머신-실행가능한 명령들(예를 들어, 운영체제, 애플리케이션, 펌웨어(firmware), 프로그램 등), 및 이러한 소프트웨어 또는 명령 등이 저장되어 장치 또는 컴퓨터 상에서 실행 가능한 비-일시적 컴퓨터-판독가능 매체(non-transitory computer-readable medium)를 포함한다.

Claims (4)

  1. 주파수 영역 NLMS(Normalized Least Mean Square) 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법에 있어서,
    이산 푸리에 변환을 이용하여, 복수의 프레임으로 분할된 입력 신호를 시간 영역에서 주파수 영역으로 변환하는 단계;
    상기 변환된 입력 신호의 파워를 산출하는 단계;
    외부로부터 제공되는 목적 신호의 제곱 평균을 추정하는 단계;
    상기 변환된 입력 신호의 파워, 상기 목적 신호의 제곱 평균, 이전 프레임의 시스템 오차의 제곱 평균 및 시스템 변화량의 분산을 이용하여 현재 프레임의 수렴 인자의 최적값을 산출하는 단계; 및
    상기 현재 프레임의 수렴 인자의 최적값, 상기 변환된 입력 신호의 파워, 상기 목적 신호의 제곱 평균, 상기 이전 프레임의 시스템 오차의 제곱 평균 및 상기 시스템 변화량의 분산을 이용하여 현재 프레임의 시스템 오차의 제곱 평균을 계산하는 단계를 포함하는 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법.
  2. 제1항에 있어서,
    상기 현재 프레임의 수렴 인자의 최적값은,
    상기 시스템 오차의 제곱 평균을 최소화하는 수렴 인자인 것을 특징으로 하는 적응 필터의 수렴 인자 최적화 방법.
  3. 제1항에 있어서,
    상기 현재 프레임의 수렴인자의 최적값은,
    Figure 112019051437149-pat00069

    의 수학식을 이용하여 산출되며,
    여기서,
    Figure 112019051437149-pat00070
    는 상기 현재 프레임의 수렴 인자,
    Figure 112019051437149-pat00080
    은 상기 변환된 입력 신호의 파워,
    Figure 112019051437149-pat00074
    은 상기 이전 프레임의 시스템 오차의 제곱 평균,
    Figure 112019051437149-pat00076
    은 상기 목적 신호의 제곱 평균,
    Figure 112019051437149-pat00078
    은 상기 시스템의 변화량의 분산인 것을 특징으로 하는 적응 필터의 수렴 인자 최적화 방법.
  4. 주파수 영역 NLMS(Normalized Least Mean Square) 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법에 있어서,
    이산 푸리에 변환을 이용하여, 복수의 프레임으로 분할된 입력 신호를 시간 영역에서 주파수 영역으로 변환하는 단계;
    상기 변환된 입력 신호에 적응 필터를 적용하는 단계;
    상기 적응 필터가 적용된 입력 신호 및 외부로부터 제공되는 목적 신호를 이용하여 출력 신호를 산출하는 단계;
    상기 변환된 입력 신호의 파워를 산출하는 단계;
    상기 출력 신호, 상기 변환된 입력 신호, 상기 변환된 입력 신호의 파워 및 이전 프레임의 수렴 인자를 이용하여 상기 적응 필터의 계수를 갱신하는 단계;
    상기 목적 신호의 제곱 평균을 추정하는 단계;
    상기 변환된 입력 신호의 파워, 상기 목적 신호의 제곱 평균, 이전 프레임의 시스템 오차의 제곱 평균 및 시스템 변화량의 분산을 이용하여 현재 프레임의 수렴 인자의 최적값을 산출하는 단계; 및
    상기 현재 프레임의 수렴 인자의 최적값, 상기 변환된 입력 신호의 파워, 상기 목적 신호의 제곱 평균, 상기 이전 프레임의 시스템 오차의 제곱 평균 및 상기 시스템 변화량의 분산을 이용하여 현재 프레임의 시스템 오차의 제곱 평균을 계산하는 단계를 포함하는 주파수 영역 NLMS 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법.
KR1020170020859A 2017-02-16 2017-02-16 주파수 영역 nlms 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법 및 그 장치 KR102028071B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170020859A KR102028071B1 (ko) 2017-02-16 2017-02-16 주파수 영역 nlms 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170020859A KR102028071B1 (ko) 2017-02-16 2017-02-16 주파수 영역 nlms 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20180094571A KR20180094571A (ko) 2018-08-24
KR102028071B1 true KR102028071B1 (ko) 2019-10-02

Family

ID=63454207

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170020859A KR102028071B1 (ko) 2017-02-16 2017-02-16 주파수 영역 nlms 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR102028071B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109842115A (zh) * 2019-02-01 2019-06-04 南京理工大学 一种改进的平均一致性算法
CN113225112B (zh) * 2021-04-30 2023-04-18 内蒙古大学 一种毫米波联合波束选择和功率分配优化方法
CN113507279B (zh) * 2021-06-11 2024-05-03 西安空间无线电技术研究所 一种高精度星间距离观测数据的降速率滤波方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6011880B2 (ja) 2011-10-14 2016-10-19 パナソニックＩｐマネジメント株式会社 ハウリング抑圧装置、補聴器、ハウリング抑圧方法、及び集積回路

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101182889B1 (ko) * 2007-03-16 2012-09-13 주식회사 케이티 직접변환수신기의 적응형 자기 이미지 제거방법 및 그 장치
KR102033069B1 (ko) * 2012-10-23 2019-10-16 한국전자통신연구원 음향 반향 제거 방법 및 장치, 그리고 음향 반향 제거 장치의 적응 필터 계수 업데이트 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6011880B2 (ja) 2011-10-14 2016-10-19 パナソニックＩｐマネジメント株式会社 ハウリング抑圧装置、補聴器、ハウリング抑圧方法、及び集積回路

Also Published As

Publication number Publication date
KR20180094571A (ko) 2018-08-24

Similar Documents

Publication Publication Date Title
US10403299B2 (en) Multi-channel speech signal enhancement for robust voice trigger detection and automatic speech recognition
US8462962B2 (en) Sound processor, sound processing method and recording medium storing sound processing program
JP6837099B2 (ja) 音響エコーキャンセルのための室内インパルス応答の推定
KR102028071B1 (ko) 주파수 영역 nlms 알고리즘을 사용하는 적응 필터의 수렴 인자 최적화 방법 및 그 장치
JP7003153B2 (ja) マルチチャネル干渉除去のための装置および方法
JP6225245B2 (ja) 信号処理装置、方法及びプログラム
KR102194165B1 (ko) 에코 제거기
JP5982069B2 (ja) オーディオ処理のための方法及び装置
Yang et al. Optimal step-size control of the partitioned block frequency-domain adaptive filter
US20180301160A1 (en) Signal processing apparatus and method
EP2930917A1 (en) Method and apparatus for updating filter coefficients of an adaptive echo canceller
KR101568937B1 (ko) 볼테라 필터를 이용한 비선형 반향 신호 억제 장치 및 방법
KR102033069B1 (ko) 음향 반향 제거 방법 및 장치, 그리고 음향 반향 제거 장치의 적응 필터 계수 업데이트 방법
KR102137016B1 (ko) 적응 모듈들 및 보정 모듈들을 포함하는 분할 블록 주파수 도메인 적응 필터 디바이스
JP5524316B2 (ja) パラメータ推定装置、エコー消去装置、パラメータ推定方法、及びプログラム
Jo et al. Robust Blind Multichannel Identification based on a Phase Constraint and Different ℓ p-norm Constraints
Helwani et al. On the robust and efficient computation of the Kalman gain for multichannel adaptive filtering with application to acoustic echo cancellation
KR102045953B1 (ko) 칼만필터 기반의 다채널 입출력 음향학적 반향 제거 방법
JP6343585B2 (ja) 未知伝達系推定装置、未知伝達系推定方法、およびプログラム
Valero et al. Coherence-aware stereophonic residual echo estimation
JP6648436B2 (ja) エコー抑圧装置、エコー抑圧プログラム、及びエコー抑圧方法
WO2018087855A1 (ja) エコーキャンセラ装置、エコー消去方法、及びエコー消去プログラム
Khong et al. A lowcomplexity fast converging partial update adaptive algorithm employing variable step-size for acoustic echo cancellation
Yang et al. Fast implementation of a family of memory proportionate affine projection algorithm
Hongxing et al. Simplified RPE algorithm and its fixed-point implementation

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