센서로부터 수집된 방대한 데이터는 가우시안 잡음 특성을 보이므로, 잡음 제거 및 관련 처리가 매우 중요하다. 그러나 데이터의 부족은 과적합을 유발하여, 딥러닝 기반 잡음 제거 방법의 학습에 어려움을 초래할 수 있다. 다양한 데이터 증강 방법이 제안되어 왔음에도 불구하고, 정확한 잡음 분포를 보존하면서 원본 데이터를 대규모 데이터로 증강할 수 있는 수단은 제공되지 못한다. 이를 해결하기 위해, 가산 백색 가우시안 잡음(additive white Gaussian noise, AWGN)을 갖는 데이터에 대한 새로운 데이터 증강 방법을 제안한다. 우리의 방법은 두 가지의 핵심 전제에 기반한다. 첫째, 직교 변환은 AWGN의 확률 분포를 보존한다. 둘째, 우리가 복원하고자 하는 신호는 대체로 잡음과 달리 매끄러운(smooth) 특성을 보인다. 이러한 전제에 토대를 두고, 제한된 기존 데이터를 증강하기 위한 적응적 매끄러움 유도 직교 변환(adaptive smoothness-promoting orthogonal transforms)을 제안한다. 제한된 데이터 환경에서 가우시안 잡음 제거 태스크를 통해 제안된 방법을 평가하였으며, 이는 충분한 데이터로 얻은 성능과 비교 가능한 수준으로 딥러닝 모델 성능을 실질적으로 향상시킨다는 점을 확인하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.