| 1 |
1
압축 센싱 기반 도래각 추정 시스템으로서,외부로부터 수신되는 음향 신호의 신호 벡터를 가우시안 함수에 맵핑하여 연속 함수로 근사된 희소 최적화 문제에 대해 다중 스냅샷을 이용한 SL0(Smoothed norm) 알고리즘을 사용하여 전역 최적해를 산출하는 희소 최적화부,상기 희소 최적화부에 의해 생성되는 전역 최적해에 놈(norm)을 취해서 도래각 추정 스펙트럼을 생성하는 스펙트럼 생성부, 그리고상기 스펙트럼 생성부에 의해 생성되는 도래각 추정 스펙트럼의 성분 중에서 가장 큰 값을 갖는 성분의 인덱스를 통해 도래각을 추정하는 도래각 추정부를 포함하는 압축 센싱 기반 도래각 추정 시스템
|
| 2 |
2
제1항에 있어서,상기 희소 최적화부는,상기 다중 스냅샷을 이용한 SL0 알고리즘에서 사용되는 각각의 변수들의 초기값을 설정하는 초기값 설정부,상기 초기값 설정부에 의해 설정된 적어도 하나의 초기값을 사용하여 상기 다중 스냅샷을 이용한 SL0 알고리즘에 따라 상기 연속 함수로 근사된 희소 최적화 문제에 대한 전역 최적해를 산출하는 최적해 산출부, 그리고상기 최적해 산출부에 의해 산출되는 전역 최적해가 실현 가능한 집합에 속하도록 보정을 행하여 최종 전역 최적해를 출력하는 보정부를 포함하는, 압축 센싱 기반 도래각 추정 시스템
|
| 3 |
3
제2항에 있어서,상기 초기값은 상기 가우시안 함수의 분산의 초기값, 상기 신호 벡터의 초기값, 상기 분산의 최소값 및 상기 분산의 변경 단위를 포함하는,압축 센싱 기반 도래각 추정 시스템
|
| 4 |
4
제3항에 있어서,상기 최적해 산출부는,상기 분산의 초기값에서 상기 분산의 최소값까지 상기 분산의 변경 단위만큼 변경하면서 상기 연속 함수로 근사된 희소 최적화 문제에 대해 내리막 경사법을 이용하여 상기 전역 최적해를 산출하는,압축 센싱 기반 도래각 추정 시스템
|
| 5 |
5
제4항에 있어서,상기 연속 함수로 근사된 희소 최적화 문제는 다음의 관계식에 따라 함수()의 최대화 문제로 근사하여 상기 전역 최적해를 산출하며,여기서 는 상기 수신되는 음향 신호인 측정 벡터이고, 는 상기 신호 벡터이며, 는 주파수 성분의 특성을 나타내는 어레이 매니폴드이고, 상기 함수()는 다음의 관계식 을 따르며,여기서 은 센서 개수이고, 는 탐색 각도의 개수이며, 는 상기신호 벡터()의 행 열 성분을 나타내는,압축 센싱 기반 도래각 추정 시스템
|
| 6 |
6
제5항에 있어서,상기 함수()의 최대화 문제는 다음의 희소 최적화 비용 함수 에서 의 놈(norm)을 나타내는 을 다음의 관계식 으로 근사함으로써 구성되며,여기서 는 상기 신호 벡터()의 성분 중에서 0이 아닌 성분의 개수를 나타내고, 은 다중 스냅샷의 개수를 나타내는,압축 센싱 기반 도래각 추정 시스템
|
| 7 |
7
제5항에 있어서,상기 보정부는 상기 최적해 산출부에 의해 산출되는 전역 최적해에 대해 다음의 관계식 에 따라 보정을 수행하며,여기서 는 의 의사 역행렬(pseudo inverse matrix)인,압축 센싱 기반 도래각 추정 시스템
|
| 8 |
8
제6항에 있어서,상기 희소 최적화부에 의해 생성되는 전역 최적해는 '탐색 각도의 개수()×다중 스냅샷 개수()'의 사이즈를 갖는 행렬이고,상기 스펙트럼 생성부는 상기 '탐색 각도의 개수()×다중 스냅샷 개수()'의 사이즈를 갖는 행렬에 놈(norm)을 취해서 도래각 추정 스펙트럼을 생성하는,압축 센싱 기반 도래각 추정 시스템
|
| 9 |
9
압축 센싱 기반 도래각 추정 방법으로서외부로부터 수신되는 음향 신호의 신호 벡터를 가우시안 함수에 맵핑하여 연속 함수로 근사된 희소 최적화 문제에 대해 다중 스냅샷을 이용한 SL0(Smoothed norm) 알고리즘을 사용하여 전역 최적해를 산출하는 단계,상기 전역 최적해에 놈(norm)을 취해서 도래각 추정 스펙트럼을 생성하는 단계, 그리고상기 도래각 추정 스펙트럼의 성분 중에서 가장 큰 값을 갖는 성분의 인덱스를 통해 도래각을 추정하는 단계를 포함하는 압축 센싱 기반 도래각 추정 방법
|
| 10 |
10
제9항에 있어서,상기 전역 최적해를 산출하는 단계는,상기 다중 스냅샷을 이용한 SL0(Smoothed norm) 알고리즘에서 사용되는 초기값을 설정하는 단계 - 상기 초기값은 상기 가우시안 함수의 분산의 초기값, 상기 분산의 최소값 및 상기 분산의 변경 단위를 포함함 -,상기 초기값에 기초하여, 내리막 경사법에 따라 상기 연속 함수로 근사된 희소 최적화 문제에 대한 전역 최적해를 산출하는 단계, 상기 전역 최적해가 실현 가능한 집합에 속하도록 보정을 행하는 단계,상기 분산의 초기값에 대해 상기 분산의 변경 단위가 적용된 후의 분산이 상기 분산의 최소값에 도달하였는지의 여부를 판단하는 단계, 그리고상기 분산의 변경 단위가 적용된 후의 분산이 상기 분산의 최소값에 도달한 경우 상기 보정이 행해진 전역 최적해를 최종 최적해로 출력하거나, 또는 상기 분산의 변경 단위가 적용된 후의 분산이 상기 분산의 최소값에 도달하지 않은 경우 상기 분산의 변경 단위가 적용된 후의 분산이 상기 분산의 최소값에 도달할 때까지 상기 전역 최적해를 산출하는 단계 및 상기 보정을 행하는 단계를 반복 수행하는 단계를 포함하는, 압축 센싱 기반 도래각 추정 방법
|
| 11 |
11
제9항에 있어서,상기 연속 함수로 근사된 희소 최적화 문제는 다음의 관계식 의 최대화 문제로 근사되어 상기 전역 최적해가 산출되며,여기서 은 센서 개수이고, 는 탐색 각도의 개수이며, 는 상기신호 벡터()의 행 열 성분을 나타내고,상기 전역 최적해는 '탐색 각도의 개수()×다중 스냅샷 개수()'의 사이즈를 갖는 행렬인,압축 센싱 기반 도래각 추정 방법
|
