論文の概要: A survey on active noise control techniques -- Part I: Linear systems

• arxiv url: http://arxiv.org/abs/2110.00531v1
• Date: Fri, 1 Oct 2021 16:54:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-04 14:21:38.749809
• Title: A survey on active noise control techniques -- Part I: Linear systems
• Title（参考訳）: アクティブノイズコントロール技術に関する調査研究 -その1:リニアシステム-
• Authors: Lu Lu, Kai-Li Yin, Rodrigo C. de Lamare, Zongsheng Zheng, Yi Yu, Xiaomin Yang, Badong Chen
• Abstract要約: アクティブノイズコントロール (ANC) は、電気音響・電気機械系のノイズレベルを低減する効果的な方法である。 本稿では,過去10年間のANC技術の発展について論じる。
• 参考スコア（独自算出の注目度）: 39.64241809388008
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Active noise control (ANC) is an effective way for reducing the noise level in electroacoustic or electromechanical systems. Since its first introduction in 1936, this approach has been greatly developed. This paper focuses on discussing the development of ANC techniques over the past decade. Linear ANC algorithms, including the celebrated filtered-x least-mean-square (FxLMS)-based algorithms and distributed ANC algorithms, are investigated and evaluated. Nonlinear ANC (NLANC) techniques, such as functional link artificial neural network (FLANN)-based algorithms, are pursued in Part II. Furthermore, some novel methods and applications of ANC emerging in the past decade are summarized. Finally, future research challenges regarding the ANC technique are discussed.
• Abstract（参考訳）: アクティブノイズコントロール(ANC)は、電気音響・電気機械系のノイズレベルを低減する効果的な方法である。 1936年に初めて導入されて以来、このアプローチは大きく発展してきた。 本稿では,過去10年間のANC技術の発展について論じる。 フィルタx最小平均二乗法(FxLMS)に基づく線形ANCアルゴリズムと分散ANCアルゴリズムについて検討・評価を行った。 関数リンクニューラルネットワーク(FLANN)ベースのアルゴリズムのような非線形ANC(NLANC)技術がパートIIで追求されている。 さらに、過去10年間に出現したANCの新しい方法と応用について要約する。 最後に,ANC技術に関する今後の研究課題について論じる。

関連論文リスト

• Robust Gradient Descent for Phase Retrieval [13.980824450716568]
  入力(cos)と入力(cos)の両方において、第4モーメント境界雑音に対処する能力について検討する。 従来のシナリオに適合しない新しいステップフォーマットを提案する。
  論文  参考訳（メタデータ） (2024-10-14T15:29:11Z)
• Unsupervised learning based end-to-end delayless generative fixed-filter active noise control [22.809445468752262]
  遅延のないノイズ制御は、我々の初期の生成固定フィルタアクティブノイズ制御(GFANC)フレームワークによって実現されている。 コプロセッサの1次元畳み込みニューラルネットワーク(1D CNN)は、ラベル付きノイズデータセットを使用した初期トレーニングを必要とする。 本稿では,1次元CNNトレーニングプロセスを簡素化し,その実用性を高めるために,教師なしGFANCアプローチを提案する。
  論文  参考訳（メタデータ） (2024-02-08T06:14:12Z)
• Performance Evaluation of Selective Fixed-filter Active Noise Control based on Different Convolutional Neural Networks [19.540619271798455]
  選択的固定フィルタアクティブノイズコントロール (SFANC) 法は, 広く普及する候補の1つである。 ディープラーニング技術は、より柔軟な制御フィルタの選択を可能にするために、SFANCメソッドで使用することができる。 本稿では1次元および2次元の畳み込みニューラルネットワークに基づくSFANCの性能について検討する。
  論文  参考訳（メタデータ） (2022-08-17T05:47:38Z)
• A survey on active noise control techniques -- Part II: Nonlinear systems [39.64241809388008]
  第1部:過去10年間の線形アクティブノイズコントロール(ANC)技術の発展を振り返る。 Part II: 過去10年間のNLANCアルゴリズムの開発についてレビューする。 パートIII: 線形および非線形視点を含むANC技術の応用。
  論文  参考訳（メタデータ） (2021-10-19T00:41:20Z)
• A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
  本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。 得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
  論文  参考訳（メタデータ） (2021-04-19T14:43:07Z)
• Reinforcement Learning as Iterative and Amortised Inference [62.997667081978825]
  我々は、この制御を推論フレームワークとして使用し、償却および反復推論に基づく新しい分類スキームを概説する。 この観点から、比較的探索されていないアルゴリズム設計空間の一部を特定できることを示す。
  論文  参考訳（メタデータ） (2020-06-13T16:10:03Z)
• Parallelization Techniques for Verifying Neural Networks [52.917845265248744]
  検証問題に基づくアルゴリズムを反復的に導入し、2つの分割戦略を探索する。 また、ニューラルネットワークの検証問題を単純化するために、ニューロンアクティベーションフェーズを利用する、高度に並列化可能な前処理アルゴリズムも導入する。
  論文  参考訳（メタデータ） (2020-04-17T20:21:47Z)
• Simultaneous Denoising and Dereverberation Using Deep Embedding Features [64.58693911070228]
  ディープ埋め込み特徴を用いた同時発声・発声同時学習法を提案する。 ノイズ発生段階では、DCネットワークを利用してノイズのないディープ埋込み特性を抽出する。 残響段階では、教師なしのK平均クラスタリングアルゴリズムの代わりに、別のニューラルネットワークを用いて無響音声を推定する。
  論文  参考訳（メタデータ） (2020-04-06T06:34:01Z)
• InSAR Phase Denoising: A Review of Current Technologies and Future Directions [9.475024122649288]
  インターフェロメトリ合成開口レーダ(InSAR)は情報取得の強化によるリモートセンシングにおいて強力なツールである。 干渉電図の位相分解は、トポグラフィーマッピングと変形モニタリングの必須ステップである。 本稿では,InSAR位相分解法の概要を概説し,確立されたアルゴリズムと新興アルゴリズムを4つの主要なカテゴリに分類する。
  論文  参考訳（メタデータ） (2020-01-03T09:36:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。