| 1 |
1
(a) 시간 프레임 n 및 주파수 k 에서의 잡음이 섞인 입력 신호(Xn,k)를 수신하는 단계;(b) 입력 신호에서 잡음을 제거한 목표 신호(Yn,k)가 시간-주파수 영역에서 평균이 0인 complex generalized Gaussian 분포 또는 complex Gamma distribution을 따른다고 가정하여, 상기 목표 신호(Yn,k)에 대한 확률 밀도 함수()를 결정하는 단계;(c) 상기 확률 밀도 함수에 대한 로그 우도를 최대화시키도록 상기 목표 신호의 분산(λn,k)을 추정하는 단계;(d) 상기 확률 밀도 함수에 대한 로그 우도를 최대화시키도록 비용함수를 최대화하는 필터(wk)를 추정하는 단계;(e) 상기 필터(wk)가 수렴될 때가지 상기 (c) 단계와 (d) 단계를 반복적으로 추정하여, 최종적으로 필터(wk)를 얻는 단계;를 구비하는 것을 특징으로 하는 우도 최대화를 이용한 빔포밍 방법
|
| 2 |
2
제1항에 있어서, 상기 필터(wk)는 아래의 수학식에 따라 입력 신호(Xn,k)로부터 목표 신호(Yn,k)를 얻기 위한 필터인 것을 특징으로 하는 우도 최대화를 이용한 빔포밍 방법
|
| 3 |
3
제1항에 있어서, 상기 (b) 단계에서의 확률 밀도 함수()는 아래의 수학식으로 나타내며,여기서, α는 가 확률밀도함수가 되도록 하는 상수이며, 양수 c 는 가우시안 분포의 Shape 파라미터로서, c = 1 인 경우 complex Gaussian 분포를 나타내고 c 003c# 1 인 경우 가우시안 분포보다 sparse한 분포를 나타내고 c 003e# 1 인 경우 가우시안 분포보다 덜 sparse 한 분포를 나타내는 것을 특징으로 하는 우도 최대화를 이용한 빔포밍 방법
|
| 4 |
4
제1항에 있어서, 상기 (b) 단계에서의 확률 밀도 함수()는 아래의 수학식으로 나타내며,여기서, α는 │α│003e# 0 인 복소수 상수이며, β는 양의 실수인 것을 특징으로 하는 우도 최대화를 이용한 빔포밍 방법
|
| 5 |
5
제1항에 있어서, 상기 (c) 단계 및 (d) 단계에서 (여기서, ak 는 방향 벡터임)의 제한 조건을 만족하는 로그 우도를 최대화시켜, 상기 필터와 분산을 추정하는 것을 특징으로 하는 우도 최대화를 이용한 빔포밍 방법
|
| 6 |
6
제1항에 있어서, 상기 분산(λn,k)은 를 포함한 주변 프레임들의 평균값을 사용하고, 초기화를 위하여 필요시 MVDR 빔포밍 또는 MPDR 빔포밍으로 얻어진 를 이용하는 것을 특징으로 하는 우도 최대화를 이용한 빔포밍 방법
|
