論文の概要: Active Noise Control Portable Device Design
- arxiv url: http://arxiv.org/abs/2311.00535v1
- Date: Wed, 1 Nov 2023 14:13:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 13:30:16.523678
- Title: Active Noise Control Portable Device Design
- Title（参考訳）: アクティブノイズ制御携帯機器の設計
- Authors: kai Wu and Yuanyuan Chen
- Abstract要約: 騒音は作業効率だけでなく、人間の健康にも影響を及ぼす。
そこで,環境騒音を検知するセンサによるノイズ低減システムを提案する。
このシステムは睡眠トラッキングや音楽プレイヤーのアプリケーションとも統合されている。
- 参考スコア（独自算出の注目度）: 14.705052505734479
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While our world is filled with its own natural sounds that we can't resist
enjoying, it is also chock-full of other sounds that can be irritating, this is
noise. Noise not only influences the working efficiency but also the human's
health. The problem of reducing noise is one of great importance and great
difficulty. The problem has been addressed in many ways over the years. The
current methods for noise reducing mostly rely on the materials and
transmission medium, which are only effective to some extent for the high
frequency noise. However, the effective reduction noise method especially for
low frequency noise is very limited.
Here we come up with a noise reduction system consist of a sensor to detect
the noise in the environment. Then the noise will be sent to an electronic
control system to process the noise, which will generate a reverse phase
frequency signal to counteract the disturbance. Finally, the processed smaller
noise will be broadcasted by the speaker. Through this smart noise reduction
system, even the noise with low-frequency can be eliminated.
The system is also integrated with sleep tracking and music player
applications. It can also remember and store settings for the same environment,
sense temperature, and smart control of home furniture, fire alarm, etc. This
smart system can transfer data easily by Wi-Fi or Bluetooth and controlled by
its APP.
In this project, we will present a model of the above technology which can be
used in various environments to prevent noise pollution and provide a solution
to the people who have difficulties finding a peaceful and quiet environment
for sleep, work or study.
- Abstract（参考訳）: 私たちの世界は、楽しむのに抵抗できない独自の自然の音で満たされていますが、刺激的な他の音もたくさん聞こえますが、これはノイズです。
騒音は作業効率だけでなく、人間の健康にも影響を及ぼす。
ノイズを低減させることの問題は、非常に重要かつ大きな困難の1つです。
その問題は長年にわたり多くの方法で解決されてきた。
現在のノイズ低減法は主に材料と伝送媒体に依存しており、これは高周波ノイズに対してある程度有効である。
しかし、特に低周波雑音に対する有効低減ノイズ法は非常に限られている。
そこで本稿では,環境騒音を検知するセンサを用いた騒音低減システムを提案する。
その後、ノイズを電子制御システムに送信してノイズを処理し、逆位相周波数信号を生成して外乱を反動させる。
最後に、処理された小さなノイズをスピーカーによってブロードキャストする。
このスマートノイズ低減システムにより、低周波ノイズであっても除去することができる。
このシステムは睡眠トラッキングや音楽プレーヤーアプリケーションとも統合されている。
また、同じ環境の設定を記憶したり、温度を感知したり、ホーム家具や火災報知器をスマートに制御したりすることもできる。
このスマートシステムは、Wi-FiやBluetoothで簡単にデータを転送でき、APPで制御できる。
本研究は, 様々な環境において, 騒音汚染を防止し, 安らかで静かな睡眠や作業, 研究の環境を見つけるのに苦労している人々にソリューションを提供するための, 上記の技術のモデルを提案する。
関連論文リスト
- NoiseTransfer: Image Noise Generation with Contrastive Embeddings [9.322843611215486]
本稿では,複数のノイズ分布を持つ雑音像を合成できる新しい生成モデルを提案する。
我々は、雑音の識別可能な潜在特徴を学習するために、最近のコントラスト学習を採用する。
本モデルでは,単一の基準雑音画像からのみノイズ特性を伝達することにより,新しい雑音画像を生成することができる。
論文 参考訳（メタデータ） (2023-01-31T11:09:15Z) - Positive-incentive Noise [91.3755431537592]
騒音は様々な分野、例えば工学や学習システムにおいて深刻な問題と見なされている。
本稿では,従来の提案が常に成立するかどうかを検討することを目的とする。
$pi$-noiseは、いくつかのモデルに新しい説明を提供し、マルチタスク学習や逆トレーニングなど、いくつかの分野に新しい原則を提供する。
論文 参考訳（メタデータ） (2022-12-19T15:33:34Z) - The Effect of Non-Gaussian Noise on Auto-correlative Weak-value
Amplification [3.7637002490536804]
自動相関弱値増幅法(AWVA)における非ガウス雑音の影響について検討した。
特に、負のdB信号対雑音比、周波数定常雑音、周波数非定常雑音の2種類のノイズについて検討した。
論文 参考訳（メタデータ） (2022-09-26T14:34:42Z) - Denoising Induction Motor Sounds Using an Autoencoder [2.1555945141027983]
本稿では,ノイズの多い機械音をクリーンな音にマッピングする自動エンコーダを作成する手法について述べる。
音声は音声処理、音声イベント分類、機械故障検出システムに多くの応用がある。
論文 参考訳（メタデータ） (2022-08-08T23:14:51Z) - Learning to Generate Realistic Noisy Images via Pixel-level Noise-aware
Adversarial Training [50.018580462619425]
我々は,PNGAN(Pixel-level Noise-aware Generative Adrial Network)という新しいフレームワークを提案する。
PNGANは、トレーニング済みのリアルデノイザーを使用して、フェイク画像とリアルノイズ画像をほぼノイズのないソリューション空間にマッピングする。
より優れたノイズフィッティングを実現するため,ジェネレータとしてSimple Multi-versa-scale Network (SMNet) を提案する。
論文 参考訳（メタデータ） (2022-04-06T14:09:02Z) - Rethinking Noise Synthesis and Modeling in Raw Denoising [75.55136662685341]
センサの実際の雑音を直接サンプリングすることで、ノイズを合成する新しい視点を導入する。
それは本質的に、異なるカメラセンサーに対して正確な生画像ノイズを発生させる。
論文 参考訳（メタデータ） (2021-10-10T10:45:24Z) - Removing Noise from Extracellular Neural Recordings Using Fully
Convolutional Denoising Autoencoders [62.997667081978825]
ノイズの多いマルチチャネル入力からクリーンなニューロン活動信号を生成することを学習する完全畳み込みデノイングオートエンコーダを提案する。
シミュレーションデータを用いた実験結果から,提案手法はノイズ崩壊型ニューラルネットワークの品質を大幅に向上させることができることがわかった。
論文 参考訳（メタデータ） (2021-09-18T14:51:24Z) - Adaptive noise imitation for image denoising [58.21456707617451]
本研究では,自然雑音画像からノイズデータを合成できる新しいテキストバッファ適応ノイズ模倣(ADANI)アルゴリズムを開発した。
現実的なノイズを生成するため、ノイズ発生装置はノイズ発生のガイドとなる雑音/クリーン画像を入力として利用する。
ADANIから出力されるノイズデータとそれに対応する基盤構造とを結合すると、デノイングCNNは、完全に教師された方法で訓練される。
論文 参考訳（メタデータ） (2020-11-30T02:49:36Z) - Enhancing and Learning Denoiser without Clean Reference [23.11994688706024]
本稿では,ノイズ伝達タスクの特別事例として,ノイズ低減タスクに関する新しいディープイメージデノベーション手法を提案する。
実世界のデノナイジングベンチマークの結果から,提案手法は現実的な雑音を除去する上で有望な性能を実現することを示す。
論文 参考訳（メタデータ） (2020-09-09T13:15:31Z) - CITISEN: A Deep Learning-Based Speech Signal-Processing Mobile
Application [63.2243126704342]
本研究では,CitisENと呼ばれる深層学習に基づく音声信号処理モバイルアプリケーションを提案する。
CitisENは、音声強調(SE)、モデル適応(MA)、背景雑音変換(BNC)の3つの機能を提供している。
雑音の多い音声信号と比較すると、改良された音声信号の約6%と33%の改善が達成された。
論文 参考訳（メタデータ） (2020-08-21T02:04:12Z) - NoiseBreaker: Gradual Image Denoising Guided by Noise Analysis [5.645552640953684]
本稿では,画像中の支配雑音を反復的に検出し,調整したデノイザを用いて除去する段階的なデノイズ戦略を提案する。
本手法は, 遭遇した騒音の性質を把握し, 既存の騒音を新しいノイズ特性で拡張することを可能にする。
論文 参考訳（メタデータ） (2020-02-18T11:09:03Z)
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。