Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   9 , No .   5 ,  Octo ber   201 9 , pp.  4010 ~4 019   IS S N: 20 88 - 8708 ,  DOI: 10 .11 591/ ijece . v9 i 5 . pp4010 - 40 19       4010       Journ al h om e page :  http: // ia es core .c om/ journa ls /i ndex. ph p/IJECE   A n ovel  and  inte grated  a rc hit ecture for  id entific ation and  c an ce ll ation of  n oise fr om GS M si gn al       Rekha  N 1 ,  Fa t hima  Jabeen 2   1 Depa rtment of  El e ct ron i cs  and   Com m unic at ion Engi ne eri ng ,  K. S.  Inst it u te of  T e chnol og y ,   Indi a   2 Islamiah  Inst i tu te   of   T ec hnolog y ,   Indi a       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   Des   20 , 201 8   Re vised  A pr   18 , 2 01 9   Accepte d  Apr   28 , 201 9       The re  are   m ult ip le   re asons  for  the   evol ut ion  as  w el l  as  th e  pre sen ce   of  nois e   over   tra nsm it t ed   GS M  signal .   In  spite   of  var ious  appr oac h es  towar ds  noise   ca nc el l at ion   t echnique s,  the r e  a re  l ess  appl i ca b l e  t ec hniqu es  for   cont ro ll ing   noise  in  ac ousti c  GS M  sign al .   The ref or e,   th e  proposed  m anusc ript   pre sents   an  in te gra te d   m odel li ng   which   per form s  m odel li ng  of   noise   id ent ifica ti on   tha t  coul d  signif ic an tly   assist  in  succ essful  noise   ca ncellation .   T he  proposed  s y stem  uses  thre e  different   app roa ch  viz.  i)  sto cha sti c  base d  a pproa ch  for   noise  m odel li ng ,   ii )  ana l y t ical - b a sed  appr oa ch  wh ere   al lo ca t ed  po wer  acts  as  one  of  the   prom ine nt  fa ct ors  of  noise,   and  ii i)  wave let - base d  a pproa ch  for   eff ective   de compos it ion  of  GS M   signal   for  assist ing  bet te r  noise  ca nc el l at io n   te chn iq ue  fo ll o wed  b y   be tt e r   retent ion   of  s igna l   qualit y .   Sim ula te d  in  MA TL AB,  the  stud y   ou tc om e  show s  tha t  it   offe rs  a   co st - eff ectiv e   implementa t ion,   A  Prac ti cal  Approac h  for  Noise  ide nti f icati on ,   an d  Eff ec t ive   Noise  Canc e ll a tion  with  Signal   q ual ity   retent ion .   T he  proposed  s ystem  offe rs  appr oximatel y   2 4%  of  enh ance m ent   in  nois e  re duct ion  as  comp are d  to  a n y   exi sting   digital f il te rs   with  1 . 6  se conds  faste r   in   p roc essing  spee d .   Ke yw or d s :   Acousti c   Denoisi ng    Fil te r   GS M  s i gn al   Wh it e  n oise   Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .    Al l   rights re serv ed .   Corres pond in g  Aut h or :   Re kh a   N ,   Re search  Sc ho la r,   Dep a rtm ent o f  Elec tro nics  and   C omm un i cat ion  E nginee rin g ,     K. S . Instit ute  of Tec hnology,  B eng al uru , I ndia .   Em a il :  rek ha phd2014@ gm ail.co m       1.   INTROD U CTION   Since  la st  few  ye ars,   the  G SM - base d  wi r el ess  com m un ic at ion   has  be en  acco un te d  for  em erg ing  grow t h  in  the  te le com   ind us t ries.  The  GSM   was  introd uc ed  as  a  pro gressi on   of   sec ond - gen e rati on   cel lular  te chnolo gy  sp e ci fied  with  digi ta l  m od ulati on   ser vice .  At  present,  t he  devel op m ent  of   th e  GS M  sta nda r d  ha s   reache d  the  le ve l  of   m eet ing   da il y  need s  of users  a nd   e nter pri ses  by p r ov i di ng   c os t - e ff ect i ve  voic e  se rv ic es  as   well   as  eff ic ie nt  data  ser vices  w hich  can  be  acce s sed  24 x7   ir r es pecti ve  of  us er' s  locat io n  [ 1].   GS M  te c hnology  s upports  va rio us   feature s  f or  it s  global  ac ceptance   an d  rich  popula rity   [ 2].  S uc h  feat ures  ar e   li ke  it   has  eff ic ie nt  sp ect ru m ,  good  voic e  qual it y  serv ic e  su pport s  low - cos t  cel lular  dev ic es,  com patible   wit h  IS D N  a nd   ne w   serv ic es  a nd   pro vid es  ro am ing   ser vices  gl obal ly .  W it h  the  evo l ution   of  G SM,  there  a re  m any  adv a nces  m ade  in  di gital   de vices,  s uc h  as  per s onal   di gital   assist ants,  P Cs,  m ob il e  phon e s,  wireless  LA N s,     et c  [3 ] .  T hese  dev ic es  a re  en abled  with  the   su pp or t  of   ce ll ular  com m un ic at ion   m od ule   in  orde r  to  de li ver     on - dem and   ser vices  a nd   ente rtai nm ent  in  va rio us   fiel ds   of  ap plica ti on  s uch  as  sc hools ,  office,   healt hc are,   trans port,  Ind ust rial  area,  a nd  m any  m or e [ 4] .    In   a  cel lular  com m un ic at ion   syst e m ,  the  sp eech  a nd   data  inform ation   transm itted  via  a  rad io  li nk   com m un ic at ion   c hannel  wh e re  the  qual it y  of   t ran sm it te d  data  s uffer s  from   m any  deg r adati on  fact or s   su c h  a s   backg rou nd  noise   a nd  c hannel  inter fere nc es  [ 5].  T he  ‘t erm '   no ise   a nd  i nterf e ren c e   basical ly   re f ers  t o  unwa nted  destr uctive  si gn al s   intr oduce d  int o  us e - f ull  sp eec h  an d  data  sig na ls.  The   s ources   of  no ise   are  va rie d  in  natu re  it   can   be  ge ner at e d  f ro m   an  env i ronm ental   factor   su c h  as  aco us ti c  disturba nc e  f or m   traff ic ,  bl owin g  Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       A novel   and  i ntegr ated arc hitec ture for  ide ntif ic ation   and ca ncell atio n of noise f rom  G SM  sig na l ( Rek ha  N )   4011   the  en gin e ,  wi nd,  lo ud   m us ic ,  cr ow e d,   et c.  as  well   as  f rom   m echan ic al   syst e m s  su ch  a s  quantiz at ion,   channel   interfe ren ce ,  hum m ing ,  a nd  hand off.  The   occurre nces   of   noise   i n  us e - fu ll   si gn al s   af fect  the   qual it y  an d  intel li gib il it y  of   t he  s peec h  and   le a d  to  ca us e  cal l  drop   factor,  instabil it y  in  vo ic e  and   data  ser vic es  and   m aking   data  re cepti on   dif ficu lt .  It  has  been   fou nd   that  s om e  of   the  rese arch   works  ha ve  ad dr e ssed  di ff ere nt  so urces  and le vels  of   noise  in  which  so m e o f  them  are  av oid able a nd s ome  are  t hem  are  un a voida ble [6 ] .    The  rese arc hers  hav e  present ed  va rio us   te c hn i qu e s  to  ha ndle   su c h  ki nds   of   prob le m   in  the  cel lular  syst e m .  The  a vo i dab le   ty pe   no ise   can  be   reco gniz e d  and   el im inate d  by  util iz ing   var i ou s  a nd   di ff ere nt   te chn iq ues   s uc h  as   s peech  pr ocessin g  al gori thm ,  no ise   filt erin g  a nd  cl ass ific at ion   te c hn i qu e   [ 7 - 9].  Wh ereas,  un a voida ble  ty pe  noise   (si gn a l - fluctuati on)  c an  be  c on t ro ll e d  by  ba ndwi dth   ad justm ents  t echn i qu e  a nd  s ign al   aver a ging  m echan ism .  But  st il l,  it   is  ver y  c halle ng i ng  f or  the  resea rc her s   an d  the   pract it ion ers   to  de pl oy  an   eff ic ie nt  a nd  r obus t  te c hn i que  to  m eet   the  use r  sat isfact io n  an d  qu al it y  of   ex per ie nce.  It  is  al so   bee n  se en  tha t   as  the  nu m bers  of   use rs  inc reases,  the  de m and   of  qual it y  of   vo ic e  a nd  data  ser vice   al so   increase s  and  therefo re  due  to  the  co ns trai nt   of   the  sp ect r um   and   network   re source  th e  te le co m m un ic at ion   operat ors  al so  felt  a ch al le nge  in  te rm s o f  m a rk et  c om petency and u ser  e xp ect at ion  fo rm  t heir  se r vices [ 10] .    Ther e f or e,   ther e  is  need  of  ef fici en t  noise   re m ov al   te chn iq ue  f or m   the  re searche rs  i n  or der   t o  m eet   the  us er  e xpe ct at ion   an d  upcom ing   dem and   of   s upply   becau se  wire le ss  com m un i cat ion   m ark et   is  sti l l   grow i ng  ve ry  f ast   wh e re  dif fe ren t  wireless - c omm un ic at ion   base d  ap plica ti on s   will   re quir e  div e r s  featu r e  an d  char act e risti cs. I n t he fut ur e , t he 5G   will  intr oduce as  a  new com m un ic at ion  tech nolo gy, whic h wil l t ransform   the  patte r n  of   existi ng   c omm un ic at ion   syst e m s  in  m any  adv a nced   a pp li c at io ns   are a  (h eal thca re - s yst e m ,   real - ti m e  syste m s,  autom at i on  i ndust ries,   et c).  T he refo re,  t his  pa pe r   has  prese nted  a  s ol ution  towa r ds   denoisin g  of  th e  noise s  a pp ea rin g  in  GS M   sign al .   Disc us si on  of  the   li te ratur e  has  bee n  c arr ie d  out  in   S ect io n  1.1  fo ll owe d  by   br ie f  highli ghts  of  ide ntifie d  researc h  pro blem s  in  Sect io n  1.2 .  Propos ed  m et ho dolo gy   of   denoisin g  GSM   sign al   is  br i efed   i n  Sect io n  1.3 .  Sect io n  2  il lustrate s  th e  pro po s ed  al gorithm   desig n  and   it s   i m ple m entat io n  w hile  res ult  discuss i on  is  c arr ie d  out  in  se ct ion   3.   Fi nally ,  the  su m m ary  of   the   pa pe r  is  giv e n  in Sec ti on  4.   This  par t  of   t he   stud y  is  a  c onti nu at io n  of  our  pr i or   re view   [11].  T he  wor k  car ried  out  by   Norholm   et   al .  [ 12 ] ,   ha ve  e xp l or e d  noise   el im inati on   iss ue  i n  the   tim e  do m ai n   and  use d  co va riance  m at rices  a nd   op ti m al   filt erin g  ap proac h  for   sing le - cha nnel   no ise   m ini m izati on .  T he  perf or m ance  analy sis  of   t he  prese nte d  syst e m   is  com par e d  with   the  W ie ne r  filt er  in  te rm s  of  S N R.  Be rtra nd  et   al .  [ 13 ]   a da ptive  noise   m ini m iz at ion  al gori thm   based   on  an   overla p - a dd  m echan ism   fo r  s peech  enh a ncem ent  and  delay   reduc ti on   in   the  ac ousti c   wireless  sen sor  syst e m .   Sayo ud  et   al .  [14]  fo c us es  on   the  prob le m   of   aco us ti c  no ise   a nd   pr e sente d    du al - cha nnel   le ast   m ean  sq ua re   (LMS )  bas ed  noise   re du c ti on   p ro ce dure   fo r  s peec h  en han cem ent.  Th e  study   ou tc om es  resu lt   in  the  superi or  pe rfor m ance  of   t he  prese nted  te ch nique  in  te rm s  of   SN R,   MSE,  an d  ce pst ral   distance  w hen  com par ed  t o  tr aditi on al  sim ilar  a ppro ac hes .    Si m il arly ,  the  work   of  Ra him a  et   al .  [15]  use d  a   joint  a ppr oach   base d  on   blind   sig nal  separ at io n  a nd   adap ti ve  tra ns ve rsal filt erin g  t echn i qu e  for  t he  r ed uctio n of   acoust ic  n oise   and sp eec h  e nh ancem ent. Lehm ann   et  al. [ 16]  h a ve  d esi gne d  a m od ifie d ve rsion  of   Ed ge recei ve r  in  orde r  to  r edu ce  co - ch an nel in te r fer e nc e eff ect   for  the   ra ndom   li near   m odulati on .  The   w ork   of  Ham ida  and   Am ro uc he  [ 17 ]   ha s   stu died  the   pe r form a nce   of   Ech o  ca ncell er   syst e m   in  pr esence  of  nois y  channel.   Sa dok  et   al .  [ 18 ]   hav e   intr oduc ed  im pr oved   no ise   cancel le r  syst em   fo r  si ng le   a nten na   inter fere nce  us in g  V ol te rr a  filt ers  up - t o  3 rd  or der .   The  st ud y  of   Viha ri   et   al .  [ 19]   has   car ried  a n  as sessm ent  of   va rio us   noise   r edu ct io n  ap proach e s  a nd  pe rfor m ed  pe rfo r m ance  analy sis wit h r espect t o dif fe r ent noise cat e gory a nd S NR.   Kalam ani  et   al.   [ 20]   us e d  im pro ved  LMS  de pende nt  no ise   m ini m iz ation   te chn iq ue   f or  s peech  sig nal   enh a ncem ent.  Thro ugh  pe rfo rm ance  analy sis  presente d  m e chan ism   found   to  be  ef fecti ve   in  te rm s  of   PSNR   and   MS E.  U pa dh ya y  an d  Ja iswal   [21]  us e   an  it erati ve  noise   assessm e nt  proce dure  w it h  W ie ner   f il te ring  appr oach  f or  e nh a ncin g  sin gle  cha nn el   sp ee ch.   Pr em anand a  an d  Um a  [2 2]   hav e   intr oduc ed  a  ps yc ho ac ou sti c - base d  gai n  re gu la to r  for  ba ckgr ound  nois e  rem ov al   an d  sp eec h  si gn al   i m pr ovem ent  in  m ob il e  te le phony  com m un ic at ion .  A nothe r  w ork  car r ie d  by  S hukla  et   al .  [23 ]   hav e  desi gn e d  an  ec ho   ca nc el la ti on   syst e m   base d  on th reshold  f il te r  f or im pr ov i ng voice si gn al  in  a  ha ndsf ree  com m un ic at ion  e nv i ronm ent.    The  wor k  of   Afro z   et   al .  [ 24 ]   a nd  G upta   et   al   [25]  ha ve  c onduct ed   a  com par at iv e  analy sis  of   diff e re nt  adap t ive  filt er  fo r  e valuati ng  it s  per f or m ance  for   sp eech  en ha nc e m ent  in  te r m s  of   PS NR,  S NR,  an d   MSE.  Gb a da m os i  et   al .  [2 6]  desig ne d  sign al - de nois ing   fr am ewor k  based  on  Four ie r   tra ns f or m   and     non - pa ram et ric   m od el ing   f or   no ise   el i m inati on   in  G SM  s peec h  signa l.   Bi tz er  and   Ra dem acher  [27 ]   hav e  introd uced   t w o - way  ap proa ch  i.e  fi ng e r pri nt  m echan ism   fo r  detect ion   a nd  inter pola ti on   al gorithm s  fo r   cancel la ti on   of  bum blebee  no ise .   Ma hbub  an d  Fatt a h  [28]  presente d  gr a dient  a nd  adap ti ve  LM S  base d  acoust ic  ec ho c ancell at ion  sys tem  f or   voic e s ign al  e nh a nce m ent.    Wang  et   al .   [ 29]   an d  C hen  [ 30]   ha ve   al s o  c on ce ntrate d  on  bac kgr ound  noise   prob le m   and  prese nted   an  inte gr at e d  sp eec h  e nh a nc e m ent  fr am ewo r k  base d  on  du al   m ic ro ph one  a rr ay ,  H 2   e stim at or ,  an d  sp eec h  m od el i ng   syst e m   for  pro vid in g  a   cl ean   sig nal  in   a   m ob il e  co m m un ic at ion   dev ic e.   Sh a kee b  an d   Evaluation Warning : The document was created with Spire.PDF for Python.
            IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19  :   4 0 1 0   -   4 0 1 9   4012   Sayi dm arie   [31 ]   hav e  pr ese nted  the  c onfigurati on  of   a  cel lular   base  s ta ti on   anten na   fo r  e rr at ic   co ver a ge .   Ko ll em   et   a l.  [32 ]   ha ve  il lustrate d  a  vie wpoint  wh ic h  is  m od ifie d  par am et er  in  S - G ra dient  Hi stogra m   protect ion   denoisin g  te chn i que.   A wa d  [ 33 ]   hav e  dem onstrat ed  a  nove l  app r oac h  f or  renov at in g  im ages   defor m ed  by  fi xed - value d  im pu lse  noise.    The  si gn i ficant  r esea rch p robl e m s ar e as  fo ll ow s:   -   Existi ng  re sear ch  te c hn i qu es   are  m or e  f oc use d  on  dev el op i ng  a  s ophisti ca te d  an d  ne w  fi lt er  w hich  is   not  on ly  e xp e ns i ve  but also  ef fecti ve  f or a s pecif ic  set of noises .   -   Ther e  a re  fe w er  resea rch   work s  bein g  car ried  out  co ns ide rin g  pote ntial   no ise   prob le m s  in   GS M  sig na l  wh ic h  is c har a ct erized  by d i fferent  form s o f no ise s .    -   The  i nclusi on  of  stoc hastic   c har act erist ic s  over   a  no ise   is  s om et hin g  that  has  ne ver  eve r   bee n  c onside r ed  in the e xisti ng  syst e m  f or   w hich reaso n  t he  s olu ti ons a re  not app li ca ble for  r eal - ti m e app li cat ion .    -   Existi ng   a ppr oa ches  are  m or e   sp eci fic  to  ta r geted  no ise   on ly   wh ereas  i n  r eal it y  there  are  var i ou s  ty pe s  of   no ise s  that a ff e ct  the GSM si gnal .   Ther e f or e,   the   pro blem   sta teme nt  of   t he  pro posed   stu dy  can  be  sta te d  as  “De velo pi ng  a  noise   filt e rin g  m echan ism   that  can  perform   rob us t  ide ntific at ion   of  the  dy nam ic   beh a vi or   of  no ise   pre sent  in  GS M   s ign al  and offe r  a  co s t - eff ect ive  s olut ion  to  m itigate i t” .   The  propose d  work   is  a  c onti nu at io n  of  our  pri or   im ple m entat ion   [3 4 ,  3 5 ]   wh e re  a n  e nh a ncem ent  has  bee n  car rie d  ou t  by  c on st r ucting  an   integ rated  m od el   in   orde r  to   em ph asi ze  on  the   no ise - relat ed  pro blem   ov e r GSM si gnal . Th e  over al l archite ct ure  of   the pr opos e d  s yst e m  is a s f ollow s  in Fi gure   1 .       N o i s e   c a n c e l l a t i o n   u s i n g   S t o c h a s t i c   A p p r o a c h W a v e l e t - b a s e d   D e n o i s i n g   T e c h n i q u e D a t a   S e g m e n t a t i o n L o c a l / g l o b a l   o p t i m a   m a t r i x N e w   d i g i t a l   l o w   p a s s   f i l t e r H e n k e l   m a t r i x R e p r e s e n t o r   W a v e P o w e r   f a c t o r   ( g o o d / b a d ) N o i s e   I d e n t i f i c a t i o n D e c o m p o s i t i o n   o f   G S M   s i g n a l   ( w a v e l e t ) T h r e s h o l d i n g C o m p r e h e n s i v e   D e t e c t i o n   /   c a n c e l l a t i o n   o f   N o i s e I n v e r s i n g   T r a n s f o r m a t i o n     Figure  1 .  Pro pose d  A rc hitec ture  of  GS M Si gn al   De no isi ng       The  pri m e  des ign   co nce pt  of  the  propose d  syst e m   is  that  el i m inati on   of   no ise   is  on e  of   the  m os t   chall eng i ng  ta s ks   es pecial ly   if  it s  GS M  au di o  sig nal  as  t here  is  al ways  a  presence   of  no is e  on  the  pro gr e ss  of   t i m e  of   com m un ic at ion   from   so ur ce  to   the  destinat i on   de vice.  He nce,  the  pro pose d  syst em   offer s  a n  integrate d  arc hi te ct ur e that progressi vely  r ed uces th e  pr ese nc e o f diffe re nt ty pes  of   noise s  p rese nt in  the  GS M   sign al .   Th e  upper  bl ock  of  t he   arc hitec ture  i nt r oduces  a   st och a sti c  m od el ing   a ppr oac h  wh e re  t he  no is es  are   offer e d  a   sim pl e  featu re  on  th e  basis  of  local   an d  global  op t i m a  in  orde r  to   assist s  in   ide nt ific at ion .  T he  log i c   beh i nd   t his  is  if  the  identifi cat ion   proc ess   is  recti fied  than  ca ncell at ion   proces s  ha s  to  pr eci se  a nyhow .    The  m idd le   bl ock  of  ar chite ct ur e  us es  a   novel  c oncept  of   re pr ese ntin g  wav e  w her e   the  G SM  sig nal  is   char act e rized  with  res pect  to  power   fact or   com pu te d  fro m   i ts  base  sta t ion .  Hen ce  the   no ise   ide ntific at ion   is   carried  out  with  resp e ct  t o power  f eat ure.     The  final  /  bo t tom   blo ck  of  the  arc hitec ture   i m ple m ents  wav el et   trans f or m at ion   sche m e  as  it   can   deco m po se  t he   sign al   with ou t   act ually   aff ect ing   t he  qu al it y  of  the  si gn al .   The  c on t rib ution  of  the   pro pose d  schem e  is  that  the  uppe r  la ye r   ad dr es ses  r andom   no ise ,  m idd le   la ye r  addresses  Ga ussi an  noise ,  w hi le   the   bo tt om   la ye r  addresses  TD MA  noise .  T he refor e ,  the  propose d  syst em   offer s  t he  en han ce d  ca pab i li ty   of   identify in g  di fferent  var ia nts  of   noise   in  G S M  aud i o  sig nals  an d  is  capa bl e  enou gh   t o  el im inate   it   at   the  en d  of the  de no isi ng  process . T he next  sect ion di scusses  alg or it hm  i m ple m entat ion .   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       A novel   and  i ntegr ated arc hitec ture for  ide ntif ic ation   and ca ncell atio n of noise f rom  G SM  sig na l ( Rek ha  N )   4013   2.   SY STE M DESIGN   The  c ore  inte nt ion   of  the   pr opose d  syst em   desig n  is   to   ex plore  the   e xtent  of  possi ble  no ise   in   the   GS M  si gn al   f ol lowed  by  a  s uccess fu l  re duct ion   of  the   noise   without  di storting  the   qual it y  of  the  r ecei ve d  sign al .       2.1.   St age - 1:  N oise ca ncel la tio n  using  st ochast ic  a ppr oach   This  is  the  first   sta ge  of   pr opose d  m od el   design   that  em ph as iz es  the  gen e ra ti on   of  noise   f ollow e d  by  a  reducti on   of   the  no ise .  For  this  pur po se ,  a  Henkel  m a trix  is  con str ucted  wh ic h  act s  as  a  reposit or y  f or   GS M  sign al s  an d  se gm ented  dat a.  The  segm ented  data  is  then  cl assifi ed  into  no isy   sig nals  and   no ise - f ree  sign al s .   The  no ise - f ree   sign al s  ar e  th en  tra ns f or m ed  to  a n  in div i du al   si gn al   ret ai nin g  l ocal  optim a  m at rix  wh ic h  is  aggre gated  f or   const ru ct in g  gl ob al   opti m a   m at rix.   Finall y,  the  no ise - fr ee  s ign al   is  app li e d  with  the  stoc hastic   base d  a ppro ac h wh e re t he de sign e d ne w  lo w pass  filt er is  app li ed  for t he   el i m inati on   of  the noise.   On e  of   the  i nteresti ng   c ontribu ti ons  of   this   op e rati on   is  that  it   is  capab le   of   ide ntifyi ng  the  resi du a l   no ise   e ve n  aft er  noise   cance ll at ion   op e rati on   has  been   c arr ie d  out.  Ac cordin g  to  this   con ce pt,  a  sto chasti c   process  is  i ntr oduce d  in  t he   pro po se d  sys tem   in  order   t o  re duce  the  art ifact s  of  th e  no isy   c om po ne nts.   The  pro pose d  syst e m   a lso  app li es  a  dig it al   filt er  in  or de r  to  carry  out  nor m al iz ation   al ong  with  sm oo theni ng  op e rati on  ove r  the  data  with  a n  ai d  of  the  sta ti sti c  at tribu te .  Fo r   this  purpos e,  the  pro po se d  syst em   m akes  use   of   the  di gital   fi lt ers  that  are  also   de pende nt  on  the  siz e  of   m ulti ple  fr am es  al ong  w it h  de grees  of   po ly no m ial   functi on. T he  prop os ed  syst em , th erefore, u ses a  un i qu e  no ise  cancell at ion  tech nique  as  sh ow n belo w:     Algori th m  for  Noise C ance ll at i on   Inpu t : A  (Aud io File )   Out p ut :  A den   ( denoise d  a ud i o fil e)   St ar t   1.   i nit   A   2.   A f 1 ( x , F s )   3.   N oise 2*ra nd( x) - 1   4.   Sta te   Sele ct edFilt er Case   5.   If   (c onditi on=t ru e)   6.   H d ge n lp f (F pass )|gen hp f (F pass )|ge n bpf (F pass ))   7.   En d   8.   Sta te   Sele ct edFilt er Case   9.   A den f 2 (H d )   End       Algorithm   Operati on :   T his  al gorithm   ta kes  the  input  of   GS M  file   w hich  is  in  the  w ave  f or m at   A   (Line - 1).  A  s pe ci fic  functi on  f 1 (x )  is  c onstr uc te d.   T his  f ur t her   process   the   input  of  the  G SM  sign al   i n  orde r  to   ob ta in  a  s am pl ed  data  x   a nd   sam ple  rate  f s   (Line - 2)  f ollo wed   by  co ns tr uction  of  hypo theti cal   ran do m   no ise   ov e r  t he  sam pled  data  (Line - 3).  A  functi on   ran d   ()   is  appl ie d  ov er sam pl ed  data  x   in  order   to  ge ner at e  this  rand om   no ise .  The  ne xt  pa rt  of  the  al gorith m   is  about  a pply ing   di ff e ren t  form s  of   the   fil te r  in  t he  form   of  use   case sel ect ed fil te r  (Line - 4)  t ha t offers  the  use r  sel ect  a m echan ism  to  ap pl y  m ulti ple co ndit ion s  of the  f i lt er.    In   t he  case  of  the  low - pass  fi lt er ,  the  syst em   check s  if  th e  low  pass  fr e qu e ncy  F pass   is   m or e  than  0  first.  I f  the   F pass  value  is  fou nd   t o  be  l ess  than  (F s /2 - 30)  tha n  sta rt   an d  sto p  f requen cy   is  c onfi gure d.   This  op e rati on   is  f ollow e d  by   ap plyi ng   a   dis crete  f un ct i on  gen lp f (x)  c onsideri ng  in pu t  a r gu m ents  as  sta rt  an d  stop   fr e qu e ncy   and   sam ple  rate  F s   (Line - 6).  A  sim il ar   m eth od  is  al so   a ppli ed  f or   high - pa s s  fi lt er   wh e re  the  conditi on  ap pl ic able  f or   it   is   if  the  value   of   F pass   is  le ss  than   (F s /2 - 30)  f ollo wed  by   ap plyi ng   a  s pecific  functi on  ge n hp f (x)  w hile  the  sam e  pr ocess  is  al so   car ried   ou t  t o  co ns tr uct  a  ba nd - pa ss  filt er   us i ng   gen bp f   (Line - 6).  Final ly , th e pr ocess of  in ver si on is  init ia te d  in  ord er to ge ner at e  a  noisy  sig nal as  foll ow s:     A noise = m o  ( 1/10po w  ( SN R/ 10))   *(N oise - m ean) *st d_de v(x) /  std _d e v (Nois e)     In   t he  a bove  e xpressi on,  the v aria ble  N oise is  const ru ct e d  by  a pply ing   a   r especti ve  filt er  over  H d   a nd   Noise   com po ne nt  w hile  the  sta nd a rd - dev ia ti on   of  sam ple d  data  an d  no i se  is  al so   us e d  for  co ns tr ucting  t he   no isy   sig nal.  The  final  ste p  is  to  app ly   ano t her   f unct ion   f 2 (x)  to  the  no is y  sign al   in  or de r  to  ob ta in  de no is e d   sign al   A den   (Li ne - 9). T he  esse ntial  co nt rib ution o f  this al gor it h m  is that i t assi sts i n  ide ntif yi ng  the  prese nc e o f   rand om   no ise s  and   it   is  al so   c apab le   of   m inim iz ing   the  le ve l  of   no ise .   A nothe r  sig nifica nt  co ntributi on   of   t his  al gorithm   is  th at   it  of fer s  a  on e - wind ow   f ra m ewo r k  that  is  capab le   of   nor m al iz ing   any  fo rm   of   sp eech/ aud i o  file   in  the  GSM   sign al   with  custom iz ed  low  fr e quency  a s  well   as  it   a lso  offe rs  the  ca pab il it y  to  cancel   no ise   against  any  s pe ci fic  sign al - to - noise   rati o  val ue.   He nce,  a  si m pl i fied  stoch ast ic   no ise   can cel la ti on   approac h  is   i m ple m ented  in this  stage  of  researc h w ork.     Evaluation Warning : The document was created with Spire.PDF for Python.
            IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19  :   4 0 1 0   -   4 0 1 9   4014   2.2.   St age - 2:  C om prehensi ve  de tection/ cancell at i on   of n oise   This  sta ge  of  w ork  is   ba sic al ly   an  exte nsi on  of  t he  pri or   sta ge  w he re  a   ra ndom   wav e f or m   i s   gen e rated   in  orde r  to   re pr e s ent  the  de noise d  si gn al   obta ined  from   the  pri or  ste p.  It   i m pr oves  t he   pri or   op e rati on  by  con si der i ng  the  powe r  fact or   a sso ci at ed  with  the  G SM  sig na l  that  is  ge nerat ed  by  t he  m ovi ng   veh ic le .   This   pa rt  of  t he  im pl e m entat ion   c o ns ide rs  t he  power  facto r  a ss ociat ed  with  good  GS M   sig na l  al ong  with  hi gh e r  fe asi ble  powe r  s cor e  dem and .  The  pr opos e d  syst e m   m akes  us e  of  tim e  as   well   as  fr eq ue ncy - base d  trans for m at ion s  syst em   in  or der   to   i m ple m ent  the  power   fact ors.  Finall y,  a  rev ise d  al go rithm   is   i m ple m ented  in  order t o pe rfor m  d et ect ion   of noise  whose  sig nificant ste ps  a re as  d isc usse d belo w:       Algori th m  for  o b ta ini ng a  t r an sie n t  si gn al   Inp ut:  s   (s ourc e nod e ),  f 3 (funct ion   for  a dd i ng  no ise ),   A den   ( sp eec h  sig nal)   Ou t pu t:   A t   (t ra ns ie nt si gn al )   Start   1.   s f 3 (A den )   2.   If α< T   3.   flag   a ;   4.   Else   5.   flag   b ;   6.   A t f 4 ( σ )   En d      Algorithm   Op e rati on :   The  al gorithm   sta rts  with  the  baseli ne   of   co ns tr uctin g  a  un i qu e  at tri bu te   cal le d  as  repre sent   wh ic h  is  a  ty pical   am ou nt  of   GS M  sig na ls  colle ct ed  f r om   the  so urce   node .  T he  e m pirica l   com pu ta ti on   of  the   re present   can   be   car rie d  ou t   by   di vidi ng  the  powe r   qua ntit y  of   good  sig nal  by  powe r  qu a ntit y  of   noisy   sign al .  H owever,  f or  bette r   pr eci si on   i n  i den ti fyi ng  t he  GS M  sig nals,   the  propose d  sy stem   rev ise d  the  po wer   fact or   for  a  no isy   signa l  with  m axi m u m   po we r  at   a  reg ula r  tim e  int erv al .  Af te r  obta inin g  the  re pr ese ntator  patte rn,  the   seco nd - or der  at tribu te s  are   extracte d  t oo.  The  pro po s e d  syst em   con sider s   pr im ary  and   se conda ry  at tribut e  as  the  m ini m al   value  of  th e  diff e re nt  va riants  of  the  GSM   sign al   a nd   c orrup t   sign al .  T he  pr opos e d  syst em   carries  out  the   m ini m a   est i mati on   with  a n  a id  of   a  th res holded  value  w he re  al l  the num erical  v al ues  lesser t ha n  th res ho l d ed   value  is  obtai ne d.     The  e valuati on   of  the   pr opos e d  al go rithm   is  carried   ou t  c on siderin g  a   f re quency  of  2.4  G Hz  a nd  this  config ur at io n  represe nts  a  window  of  1m s   slots  of   tim e.  The  pr opose d  al gorith m   e m ph asi zes  ov er   encapsulat in g  the  qua ntit y  of   the  tran sie nt  G SM  sign al   that   has  the  lo wes t  du rati on   due  to  the  f reque nc y  of   gr a nula r  sam pling   facto r.  Th e  im ple m entat i on  of  t he  al gorithm   is  carried  ou t   co ns ide r   20ns  of  f requ ency .   The  im plica ti o n  of   t he  al gorit hm   resu lt s  in  i niti at ing   com m un ic at ion   bet ween  the  s our ce  de vices  in  orde r  to   pr eci sel y  c onfigure  t he  GS M  sign al .   T he  pro po s ed   stu dy  m akes  us e   of  a ddit ive  wh it e  G aussian   no ise   f or  th e   pur po se  of   in c lud in g  the  tra nsi ent  no ise   in  t he  GS M  si gn a l  that  is  con ti nu ed  by  com puti ng   al l  so rts  of  the   error  rates.   T he   syst em   al so   carries  out  the   identific at ion  of  a  cl ass   of  the   noise   in   order  to  perf or m   ind exi ng  of the si gn al  t ha t i s ex tract e d.     The  pro posed   syst e m   per f orm s  an  evalua ti on   of   t he  no ise   co ntent  within  the   du rati on  of  the   1  m illi secon d  th at   is  f ur t her   f oll ow e d  by  dr a fting   a  c onditi onal   sta tem ent  for  bo t h  th e  cat e gory  of  noise   f or  th e   pur po se  of  pe rfor m ing   the  s up erior  f or m   ind e xing  of  th e  m e asur em ent  signa ls  associat ed  with  the  GS M  no is e   connecte d wit h t he  tra ns ie nt  noise . T he  i niti al  co ndit ion al   sta tem ent  of fe rs a su gg e sti on th at  in  case t he  ra te  of   error   is  fou nd   to  be  lowe r  th an  the  thres holded  value  tha n  it   is  assum ed  to  be  a  su pe ri or   f or m   of   the   GS M  sign al .   O n  t he  oth e r  hand,  if  t he  rate  of   e rro r   e   is  fou nd  to   be  higher   tha n  the  th res ho l de d  value   tha n  i t  is  sti ll  consi der e d  as  an  erro r - pro ne  sign al .  T he  rat e  of   er ror  as  a  sp eci fic  f or m   of   the  rate  that  ha s  su r faced  ow ing   to   the  oth e r  ty pes  of   er rors  tha t  are  cor recte d.   On ce  the  at tr ibu te   of  the  m ini m a,  as  well  as  a  su m m a tio n  of  at tribu te s  of  second  m ini m a ,  are  ob ta i ned  via  no rm al   un it   evaluati on,  the  pro pos ed  syst e m   ultim at ely  evaluates al l t he se v al ues.     Finall y,  the  al gorithm   gen erates  a  transient  GS M  sig nal  us in g  f unct ion   f 4 (x)  tha t  us es  input   argum ents  as  t he  durati on  of  tim e,  a m plit ud e,  un it   ste p  fun ct ion ,   rin se  tim e,  fr e qu e ncy.  On e  of   the  inte resti ng  us a ges  of   t his   al gorithm   is  it s  threshol d  value  T ,  w hich  ca n  be  al te red   a s  per   dif fer e nt  spe ech - base d  app li cat io n.   T he refor e ,  this  al gorithm   can  be   su it ably   us ed   for  ide ntifyi ng   dif fer e nt  ty pe s  an d  le ve l s  of   noise   in  the   G SM  si gn al   an d  it   ca n  al s o  diff e re nt ia te   good  sig nal  f r om   the  ba d  si gn al .   T he   pro posed   stu dy   al so   assum es  that  t her e  is  two  dis ti ng uis he d  for m   of   GS M  sig nal  of   tra ns ie nt   char act erist ic s   that  are  con si der e d  to   be  e xtracted  from   the  fast - mo ving  veh ic le .  E xactl y,  a  sim il a r  f or m   of   t he  ti m e  interval  is  us e d  that  is  re porte d  to  be  us e d  in   GS M  sign al   as  the  or ie ntat ion   ba se  is  con side red   for  the  pro posed  s tud y.  T he  pro po s ed   al gorithm   al so   carries  ou t  a n  equ i valent  co m pu ta ti on al   operati on   t hat  is   al so   re ported  t o  be  a ppli ed  towa r ds  the  de viati on  of  the  sig nals  to   noise   rati o.  T he refor e ,  the   pr opos e d  syst em   is  capa ble  to  i den ti fy  a nd  el im inate   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       A novel   and  i ntegr ated arc hitec ture for  ide ntif ic ation   and ca ncell atio n of noise f rom  G SM  sig na l ( Rek ha  N )   4015   the  no ise   el em ents  f r om   the  ov e rall   co nte nt s  of  the   nois y  GS M  si gnal   i n  a   m uch   c ost - eff ect iv e  m ann e r.   The  al gorithm  is ap plica ble fo r  ide ntifyi ng a nd elim inati ng   no ise s  fro m  all G SM  sig nals s ta ti c o r  tra ns ie nt.      2.3.   St age - 3:  Wav el et - b as ed   den oising  t ech niq ue   T he  pr im e  obje ct ive  of  this   sta ge  of  im ple m entat ion   is  a pp li ed   to   a  wa velet - base d  tra ns f or m at ion   te chn iq ue   f or  a ssist ing   i n  the   el i m inati on   of  no ise   f ro m   on e   dim ension al   GS M  si gn al   t o  rec on st ru ct e d  sign al   fr ee  f ro m   no is e.  It  is  a  fact  t hat  there  is  a  presen ce  of   real - tim e  no ise   over  al l  the  ran ge s  of   f re qu e nci es  an d  hen ce   it   is  qu i te   chall en ging  to  el im inate   th e  noise   from   t he  GS M  sig na l.  O ne  of  the   adv a ntage s  of  us in g  wav el et - base d  trans form ation  schem e  is  tha t  it   is  capa ble  of  a ddressi ng  de no isi ng  pro blem s   of   al m os t  al l  ty pes  of  noise s   e.g.  el ect r onic   noise ,  el ect r om agn et ic   noise ,  ac ou sti c  noise ,  a nd  el ect ro st at ic   no ise .   I n  orde r  t o  perform   den oi sing   on  GS M  aud i o  sig nal,  t he  pr opos e d  al gorithm   is  su bject ed  t o  serie s  of   m echan is m   viz.  deco m po sit io n  of   GS M  si gn al ,  a pp ly in g  dif fer e nt  va riants  of  thr esh old in g  m e chan ism ,  and  finall y  reconstr uctio n  of   t he  or i gin al   sign al   by  an   el i m inati on   of  noise .  T he  flo w   of  the  al gorith m   is  to  co ns id er  the   or i gin al   sig nal  wh ic h  is  f ur t he r  co rru pted  by  sta nd a rd   w hite  no ise   fo ll o we d  by  deco m posit ion   te ch n iq ue   and  thres ho l ding.  The  rec onstruc ti on   is  ob ta ined  afte r  pe rfor m ing   an  inv e rting   op e rati on   on   wa velet   trans form ation .  Th e  sig nifican t st eps of t he p rop os ed  alg or it hm  are  as foll ows:     Algori th m  for  wav el e t - b as e d d en oising   Inpu t :   A t   (tra nsi ent audio  sig nal)   Out p ut :  A densig (d e noise d si gn al )   St ar t   1.   [t sig   F s   n b ] f 1 (A t )   2.  t sigN no ise ( a m p* t sig , SNR)   3.   Sele ct   f 4 (x) wt   4.   [a 1   a 2   a 3   a 4 ] f 5 (w t )   5.   [b 1   b 2 ] f 6 (t s igN ,  le v , a 1 , a 2 )   6.   [ c ] f 7 (b 1 , b 2 ,w t,  le v )   7.   [d 1   d 2   d 3 ] f 8 (b 1 ,  b 2 )   8.   [E 1 ,   E 2 , E 3 , E 4 ] f 9 (c, b 1 , b 2 , a 3 , a 4 ,  n )   9.   Sele ct  t selRule   10.   Th 1 th Sel (E 2 , E 3 , E 4 , [t selRule ])   11.   th n f 10 (E,  th op , th 1 )   12.   A densig E 1 +t h n   13.   err a rg m ax (|t signN - A densig |)   End       Algorithm   Operati on :  T his   above - sho wn   ste ps   of  al gori thm   per fo rm   t he  ap plica ti on  of   disc rete   wav el et   tra nsf or m s  in  orde r  t o  perform   denoisin g  ope rati on  on   t he  GS M  sp eec h  sig nal.  Si m il ar  fu nctio n  f 1 ( x)  is  app li ed  to  the  transie nt  au dio   sig nal  A t   ( Line - 1)   in  or de r  to  ob ta i n  true  sig nal  t sig ,  sa m ple  rate  F s ,  and   a   nu m ber   of  bits  n b .   Th e  nex t  st ep  of  this  al gor it h m   is  to  ad d  up  an   a dd it ive  wh it e  Gaussi an  no ise   ove r  th e  tru e   sign al   that  is  ob ta ine d  f ro m   pro du ct   of  init ia li zed  a m plit u de  amp ,  sign al - to - noise   rati o  SN R,  an d  t sig   valu e   (Lin e - 2).   He nc e,  a  noisy   sig na l  t sigN   is  no w  ob ta ine d.  T he  nex t  process   is   to  ap ply  wa ve le t  deco m po s it ion   us in g  a  discret e  functi on   f 4 ( x),  wh ic h  can  be   any  form   of   transfo rm ation   in  orde r  to  obta in  differe nt  for m s   of   wav el et s  wt   (Line - 4).  This  process  is  f ur t h er  f ollo wed   up   by  app ly in g  a  functi on  f 5 (x)  w hich  pe rfor m s  a  filt ering   proce ss  for  the  gi ve n  wa ve  an d  le ads  to  the  ge ner at io n  of  f our  dif fe ren t  f or m s  of   coe ff i ci ents  deco m po se d  l ow a nd   high  pas s f il te r  (a 1   a nd  a 2 )  w hile rec onstructed  lo w  a nd  high p a ss f il t er ( a 3   a nd a 4 ) ( Line - 4).  Deco m po si ti on   of   the  wa velet   is  carried  out  us in g  functi on   f 6 ( x)   on   no isy   sign al   t sigN   and   deco m po s ed   coeffic ie nts  of  filt ers  a 1   an d a 2   with  res pect to  the  giv e n ran ge  of level  of de com po sit ion   le v   (Line - 5) .     This  operati on  le ads  to  the  ge ner at io n  of  dec om po sit ion   an d  book keep i ng  vector   b 1   and   b 2   (Line - 5) .   Appro xim ation  of  the  c oeffic ie nt  is  then   ca rr ie d  out  us in g  f unct ion  f 7 (x)  ove r  b 1   an d  b 2   as  well   as  with  wav el et   wt   with  res pect  to  the   def ine d  le vel o f  deco m po sit ion   le v   (Li ne - 6).  Extracti on  of the  detai l  coef f ic ie nt  is t hen  carr ie d  ou t usi ng a f un ct ion  w it h  res pe ct  to  b 1   and   b 2   in o r der  to  ge ne rate  m ulti ple  coeffic ie nts  c   ( Line - 7).  Finall y,  the  reco nst ru ct i on  pr oce ss  is  carr ie d  ou t  over  b 1 ,  b 2 ,  an d  recon stru ct ed  c oeffici ent  filt er  a 3   a nd   a 4   us in g  functi on  f 9 (x ) .   T he  propose d  syst em   also   a pp li es  a  di screte  sel ect io n  of   t hr es hold  strat egy  t selRule   wh ic h  is  app li ed  over   E 2 ,  E 3 ,  a nd   E 4   (all   reconstr uc te d  coe ff ic ie nt )  (Line - 10 - 11 ).   Fi nally ,  the  pro po se d  al gor it h m   app li es  tw o  disti nct  form s  of   thre sholdi ng  i.e.  ha rd   a nd  so ft  th res ho l din g  us i ng   funct ion   f 10 ( x)   (Lin e - 11) .   Althou gh,  ha r d  thres ho l ding  is  one  of  the  ea sie st  m et ho ds   of   im ple m entation   for  co ntr ol li ng   th reshold   factor  sti ll  the  pr op ose d  syst e m   adv ocates  the   us e  of   s of t  thres ho lding   m echan is m   as  it   of fer s  bette r  com patib il it ies   with  m at he m a ti cal   pr ope rtie s.  T he  ac qu isi ti on   of  de noise d  si gn al   A den sig   is  ob ta i ned  by  s umm ing  up  a   Evaluation Warning : The document was created with Spire.PDF for Python.
            IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19  :   4 0 1 0   -   4 0 1 9   4016   reconstr ucted  coeffic ie nt  filt er  at   the  3 rd   l evel  of  ap pro xim a ti on   an d  the   ne wly  ob t ai ned   th res ho l d  val ue   (Line - 12) .  T he   propose d  syst e m   al so   com pu te s  the  error   va lue  err   by  obta ining   t he  dif fe r ence  of  noisy   s ign al   t sigN   with d e no i sed  si gn al   A densig   (Line - 13 ).       3.   RESU LT   A N ALYSIS   The  im ple m entat ion   of   the  pro posed  st ud y  has  bee n  a sses sed  over  norm al   windows  syst e m   wh ere   MATLAB  is  use d  f or   scri ptin g  the  al gorith m .   A  cal l  reco rd in g  ap p  was  us e d  for  extrac ti ng   the  voic e  sign al s   ov e r  the  4G  ne twork  w ho se  siz e  is  60   kilo byte s  an d  bitra te   is  256  kil obyt e  per   sec onds.   The   overall   GSM   sign al   co ntent   of   au dio   is  a rou nd   3  seco nds,  wh ic h  is  ba sic al ly   of   wav e  file   form at  wh ic h  ca n  be   easi ly  processe d by  MATLAB  u si ng it s in buil t fun ct ion .    Fig ure  2(a)  highli gh ts t he  s pe ct ru m  o f  the o r iginal GSM sig nal, which  w he n  ap plied to  al gorithm - 1  yi el ds   an  ou tc om e  of   the  deno ise d  i m age.  Th e  sp ect ro m et er  of   the  G SM  sign al   co rru pted  with  noise   is  sh ow n   in  Fig ur e   2(b ) ,  w hile  the  de no ise d  si gn al   in  the  form   of   th e  s pectr om et er  is  sh ow cased  in   Fig ure  2( c ).   The  sp ect ro m et er  visu al iz at io n  ex hib it s  that  m axi m u m   i.e.  85%  of   no ise s  are  act ually   rem ov ed  in  this  ph a se  it sel f.   This  ou tpu t  of  the  de no ise d  sig nal  wh e n  s ubj ect e d  to  the  al gor it h m - 2  yi el ds   furthe r  bette r  no ise   reducti on  perf or m ance.  Algo rithm - 1  was  focuse d  m or e  on  ran dom   no ise   el i m inati on   w hile  al go rithm - 2  was   m or e  fo c us e d  on  the  el i m inatio n  of  wh it e  G aussian   noise .   This  ca n  be  se en  in   the   outc om e  of   Fig ur e   3  w hic h  is  basical ly   a  scat te red   pl ot  to  s how  that  t he   de ns it y  of   t he   no ise - relat e d  com po ne nts  i s  sign i ficantl y  getti ng   reduce d  with t he  pr ogress of t he  su m  o f  m ini m a. Con side ring  a t hr es holde d  val ue  of  1m s  d urat io n,  the  s econd   al gorithm   of fer  arou nd  92%  of  el i m inati on   of  the  noisy   co m po nen ts  from   the  G SM  sig n al s.  A par t  fro m   this,   the  processi ng  o f  the p r opos e d  al gorithm   is  al so   fou nd   t o  be   yi el din g  a  res ult  in  m uch   fas te r  track  irres pe ct ive  of any  form s o f  c ut - off  v al ues  b ei ng  us e d  i n  t he  a naly sis.         (a)     (b)     (c)     Figure  2 .   Vis ua l  ou tc om es o f st age - 1   im plem entat ion           Figure  3 .   Vis ua l  ou tc om es  of  sta ge - 2  im plem entat ion       Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       A novel   and  i ntegr ated arc hitec ture for  ide ntif ic ation   and ca ncell atio n of noise f rom  G SM  sig na l ( Rek ha  N )   4017   The  pri m e  rea so n  be hind  thi s  is  the  us age   of   the  re pres ent  that  offer s   the  bette r  capab il it y  to   disti nguish   bet ween   si gn al s .  Anothe r  intere sti ng   fact  ab out  this  ou tc ome   is  that  co m plete   ou tc om e  c an  be   analy zed  just  f ro m   the  sign al s   receive d  from   the  base  s ta ti on  with out  ha vin g  a ny  de pe ndencies  to  ca pture  an y   GS M  sig nals  r igh t  f ro m   the  m ov ing   ve hicle .  This  ope rati on   m akes  a  fas te r  analy sis  of   the  noise   in  th e  GS M  sign al   with m or e  pr eci se ness  t o detec t t he  s puri ou s  sig nal.   Fig ure  4   highli gh ts  the   vis ua l  ou tc o m e  of   the  visu al   ou tc om e  of   the  al gorithm - 3whe re   it   is  sh ow n  that  the  or igi na l  GS M  sig nal  i s  f ur the r  s ubj e ct ed  to  T DM A   noise .  T his  pa rt  of  the  a naly s is  consi ders  T DMA  no ise   as  it   include s  var i ous  ot her   f or m s  of   no ise s  to o  wit hin   a  GS M  si gnal .  The  visu al   ou tc om e  al so   sh ows   the  ou tc om e  wav ef or m   as  well   as  sp ect ro gr a m   to  be  fr ee  from   TDMA  no ise .  F or   an  e f fecti ve  analy sis,  the   pro po se d  syst e m   is al so  s ubj e ct ed  to c om parat ive an al ysi s  with a n  e xisti ng syst em .                         Figure  4 .   Vis ua l ou tc om es o f St age - 3  i m plem entat ion       Table  1  highli gh t  t hat  the   pro po s ed   syst em   offer s   be tt er  noise   reducti on  perform ance  as  com par e d  t o  al l  the  m ajo r   denoisin g  ap proac hes  in  e xisti ng   a ppr oa ches.  Ap a rt  from   per centi le   of   noise   re duct ion  par am et ers,   th e  pro posed   sys tem   is  al so   wit nesse d  to   offe r   faster   proc essi ng  tim e  in  co r e  i7  process .  E ven  in  lowe r  process or   ve rsion,  the n  the  dif fer e nc e  in  no ise   reducti on   in  te rm s  of   SN R  is  ve ry  m uch   neg l igible .   Hen ce ,  the   pro po s ed  syst e m   can  be  cl ai m ed  to  offe r  h ig hly  extensi ble,  c ost - eff ect ive ,  a nd  pr act ic al   deno isi ng  appr oach usi ng one  window  operati on i n ord er to ad dr e ss th e noise  prob le m s in  GS M si gnal s.         Evaluation Warning : The document was created with Spire.PDF for Python.
            IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  9 , N o.   5 ,  Oct ober  20 19  :   4 0 1 0   -   4 0 1 9   4018   Table  1 .   C om par at ive  a naly sis   Sl.  No .   Den o isin g  App roa ch es   % o f  Nois e Red u ctio n   Proces sin g  T i m e  ( s )   1   Bu tterworth  Filter   7 5 .21 %   1 .98 2   2   Ch eb y sh ev  f ilter   6 7 .98 %   2 .56 1 1   3   Elliptical f ilter   73%   1 .48 8 2   4   W ein er  f ilter   71%   0 .96 7 2   5   Ad ap tiv e Nois e ca n cellatio n   82%   2 .67 7 1   6   Prop o sed  Sy ste m   98%   0 .32 8 7       4.   CONCL US I O N     N oi s e   c a nc e l l a ti on   f r om   t he   a co us t i c   G S M   s i gn a l   i s   de f i ni t e l y   no t   a n  e a s y   t a s k.   A t   pr e s e n t ,   ba s i c a ll y ,  t he   ha r dw a r e - b a s e d  a pp r oa c h e s   a r e   us e d  f o r   e ns ur i n g  t ha t   t he r e   i s   no   no i s e   em be dd e d  w i t h  t he   t r a nsm it t e d  G S M   s i gn a l .   H ow e ve r ,   t he r e   a r e   l e s s   e f f e c t iv e   m o de l i ng   f o un d  f or   t hi s   r e a s on .   T he r e f or e ,   t hi s   pa pe r   pr e s e nt s   a n  i nt e gr a t e d m od e li ng   w he r e   t he   n oi s e   c a n c e l l at i on   i s   do n e   i n  a  pr og r e s s i ve   m a nn e r .   T h e   no ve l t y   of   t hi s   pa pe r   a r e   i )   m ul t i pl e   f or m s   of   no i s e   e . g.   r a n do m   no i s e ,   w hi t e   no i s e ,   T D M A   no i s e   a r e   po s s i b l e   t o  be   i de nt i f i ed   a n d   c a nc e l e d,   2)   t he   im pl em e nt at i on   of   pr op os e d  s y s t em   i s   no t   ba s e d  o n  a ny   s op hi s t i c a te d  f i l t e r   w i t h  hi gh e r   r e s ou r c e   de pe n de nc i e s   a nd   he nc e   i t  i s  c os t   ef f e c t i ve ,   3)   a pa r t   f r om   no i s e   ca nc e l l a ti on ,   pr op os e d  s y s t em   of f e r s   hi gh e r   r e t e nt i on   o f   s i g na l   qu a l i ty   t oo ,   a nd   4 )   pr op os e d  s y s t em   of f e r s   a   hi g hl y   pr a c t i c a l   ap pr oa c h  w he r e   po w e r   a l l oc a ti on   ov e r   t r a nsm it t i ng   de vi c e   i s   c on s i de r e d  a s   o ne   pr om i ne nt   po i nt   i n  n oi s e   c a nc e l l at i on.       REFERE NCE S     [1]   Q .   S .   M a h d i ,   e t   a l . ,   “ A v a i l a b i l i t y  a n a l y s i s   o f   G S M   n e t w o r k   s ys t e m s ,”   A n t e n n as   P r op a g a t i o n   a n d   E M   T h e o r y   ( I S A P E) ,   2 0 1 0   9 th   I n t e r n a t i o n a l   S y m p o s i um   o n .   I E E E ,   2 0 1 0 .   [2]   G u   G .   a n d   P e ng   G . ,   “ T h e   s urv e y   o f   G S M   wi r e l e s s   c o m m u n ica t i o n   s y s t e m ,”   In   C o mp u t e r   a n d   I n f o rm a t i o n   A p p l i c a t i o n   ( I CC I A ) ,   2 0 1 0   I n t e rn a t i o n a l   C o n f e r e n c e   o n ,   I E E E ,   p p .   1 2 1 - 124 ,   D e c   2010 .   [3]   Š k r b i ć   M . ,  e t   a l . ,   “ W e b - b a s e d   se r v i c e   i m p l e m e n t a t i o n   v i a   G S M   n e t w o r k ,”   In   T e l e c o m m u n i c a t i o n s   F o r u m   T e l f o r  ( T E L F O R) ,   2 0 1 4  2 2 nd ,   I E E E ,   p p .   2 5 2 - 255 ,  2014 .   [4]   V .   P .   V e n k a t e s a n ,   “ A r c h i t e c t u r a l   P a t t e r n   o f   H e a l t h   C a r e   S y s t e m   U s i n g   GS M   N e t w or k s ,”   a r X i v   p r e p r i n t   a r X i v : 1 3 1 2 . 2 3 2 3 ,   2013 .   [5]   N .   R e k h a   a n d   F .   J a b e e n ,   “ S t u d y   o n   a p p r o a c h e s   of   n o i s e   c a n c e l l a t i o n   i n   GS M  c om m u n i c a t i o n   c ha n n e l ,”   C o m m u n.   A p p l .   E l e c t r o n ,   v o l / i s s u e :   3 ( 5 ) ,   p p .   5 - 11 ,  2015 .   [6]   S .   C .   M o ho n t a ,   e t   a l . ,   “ S t u d y   o f   D i f f e r e n t   T y p e s   o f   N o is e   a n d   I t s   E f f e c t s   i n   C om m u n i c a t i o n   S y s t e m s ,”   I n t e rn a t i o na l   J o u r n a l   o f   E n g i n e e r i n g   a n d   M a n ag e m e n t   R e s e a r c h   ( I J E M R ) ,   v o l / i ss u e :   5 ( 2 ) ,   p p .   410 - 413 ,  2015 .   [7]   I .   C l a e s s o n   a n d   A .   N i l s so n ,   “ C a nc e l l a t i o n   o f   h u m m i n g   G SM   m o b ile   t e l e p h o n e   n o i s e ,”   I n f o r m a t i o n ,   C o m mu n i c a t i o n s   a n d   S i g n a l   Pr o ces s i n g ,   2 0 03   a nd   F o u r t h   P a c i f ic  R i m   C o n f e r e nc e   o n   M u l t i m e d i a .   P r o c e e d i n g s   o f   t h e   2 0 0 3   J o in t   C o n f e r e n c e   o f   t h e   F o u r t h   I n t e r n a t i o n a l   C o n f e r e n c e   o n . ,   I E E E ,   v o l .   1 ,   2 0 0 3 .   [8]   M .   A .   Ru d e r ,   e t   a l . ,   “ S i n g l e   A n ten n a   I n t e r f e r e n c e   C a n c e l l a t i o n   f o r   GS M /V AM OS / E D G E   U s i ng   $   L _   { p }  $ - N o rm   D e t e c t i o n   a n d   D e c o d i n g ,”   I E E E   T r a ns a c t i o n s   o n   W i r e l e s s   C o mm un i c a t i o n s ,   v o l / i s su e :   14 ( 5 ) ,   p p .   2 4 1 3 - 2425 ,  2015 .    [9]   J .   B i t z e r   a n d   J .   R a d e m a c h e r ,   “ De t e c t i o n ,   I n t e r p o l a t i o n   a n d   C a n c e l l a t i o n   A l g o r i t h m s   f o r   G SM   b ur s t   R e m o v a l   f o r   F o r e n s i c   A u d i o , ”   R e s e a r c h   G a t e ,   2 0 1 5 .   [ 1 0]   H .   M e h t a ,   e t   a l . ,   “ 0 G  t o   5 G   m ob i l e   t e c h n o l o g y :   A   s u r v e y ,”   J .   o f   B a s i c   a n d  A p p l i e d   E n g i n e e r i n g   R e se a r c h ,   v o l / i s su e :   1 ( 6 ) ,   p p .   56 - 60 ,  2014 .   [ 1 1]   R e k h a   N .   a n d   F .   J a b e e n ,   “ S t u d y   o n   A p p r o a c h e s   o f   N o i s e   C a n c e l l a t i o n   i n   G SM   C o m m un i c a t i o n   C h a n n e l , ”  C o m mu n i c a t i o n s  o n   A p p l i e d   E l e c t r o n i c s ,  v ol / i s s u e :   3 ( 5 ) ,   N o v   2 0 1 5 .   [ 1 2]   S .   M .   Nø r h o lm ,   e t   a l . ,   “ S i n g l e - c h a n n e l   n o i s e   r e du c t i o n   u s i n g   un i f i e d   j o i n t   d i a g o n a l i z a t i o n   a n d   o p t i m a l   f i l t e r i n g ,”   E U R A S I P   J o u r n a l   o n   A d v a n c e s   i n   S i g n a l   P r o c e s si n g ,   v o l / i s s u e :   2014 ( 1 ),   p p .   37 ,  2014 .   [ 1 3]   B e r t r a n d   A . ,  e t   a l . ,   “ A d a p t i v e   d i s t r i b u t e d   n o i s e  r e d u c t i o n   f o r   sp e e c h   e n h a n c e m e n t   i n   w i r e l e s s   a c o u s t i c   s e n s o r   n e t w o r k s ,”   I n p r oc .   O f   t h e   I n t e r n a t i o n a l   W o r k s h o p   o n   A c o u s t i c   E c h o   a n d   N o i s e   C o nt r o l   ( I W A E N C) ,   J a n   2010.   [ 1 4]   S a y o u d   A . ,  e t   a l . ,   “ A   t wo - c h a n ne l   f a s t   N L MS   alg o r i t h m   f or   sp e e c h   e n h a n c e m e n t   a n d   a c o u s t i c   no i s e   r e d u c t i o n ,”   I n e l e c t r i c a l   E n g i n e e r i n g - B o u m e rd e s   ( IC E E - B ) ,   20 1 7   5 t h   I n t e r n a t i o n a l   C o n f e r e n c e   o n ,   I E E E ,   p p .   1 - 4 ,   O c t   2017 .   [ 1 5]   H .   R a h i m a ,   e t   a l . ,   “ B l i n d   s p e e c h   e n h a n c e m e n t   a n d   a c o u s t i c   n o i s e   r e d u c t i o n   b y   S F T F   a d a p t i v e   a l g o r i t h m ,”   E l e c t r i c a l   E n g i n e e r i n g - B o um e r d e s   ( I C E E - B) ,   2 0 1 7   5 t h   I n t e rn a t i o n a l   C o n f e r e n c e   o n ,   I E E E ,   2 0 1 7 .   [ 1 6]   L e h m a n n   A .  M . ,  e t   a l . ,   “ S i n g l e - a n t e n n a   i n t e r f e r e n c e   c a n c e l l a t i o n   f o r   c o m p l e x - va l u e d   s i g n a l   c o n s t e l l a t i o n s   w i t h  a p p l i c a t i o n s   t o   G SM / E D G E .   I np e r s o n a l   I n d o or   a n d   M o b i l e   R a di o   C o m m un i c a t i o n s   (P I MR C ) , ”   2 0 1 1   I E E E   2 2 nd   I n t e r n a t i o n a l   S y m p o s i um   o n ,   I E E E ,   p p .   1 4 1 7 - 1422 ,   S e p   2011 .   [ 1 7]   M.   H am i d i a   a n d   A .   Am r o u c h e ,   “ In f l u e n c e   o f   n o i sy  c h a n n e l   o n   a c o u s t i c   e c h o   c a n c e l l a t i o n   i n   m o b i l e   c o m m u n i c a t i o n ,”   M i c r o e l e c t r o n i c s   ( I C M) ,   2 0 1 2   2 4 th   I n t e r n a t i o n a l   C o n f e r e n c e   o n,   I E E E ,   2 0 1 2 .   [ 1 8]   S a d o k   M . ,  e t   a l . ,   “ E n h a n c e d   s i ng l e   a n t e n n a   i n t e r f e r e n c e   c a n c e l l a t i o n   f r o m   MM S E   t h i r d - o r d e r  c o m p l e x   V o l t e r r a   f i l t e r s ,”   I n a c o u s t i c s ,   S p e e c h   a n d   S i g n a l   P r o c e s s i n g   ( I C A S S P) ,   2 0 1 7   I E E E   I n t e r n a t i o n a l   C o n f er e n c e   o n ,   I E E E ,   p p .   4 1 9 7 - 4201 ,   M a r   2017 .   [ 1 9]   S .   V i h a r i ,   e t   a l . ,   “ C om p a r i so n   o f   s p e e c h   e n h a n c e m e n t   a l g o r i t h m s ,”   P r o c e d i a   c o m p u t e r   s c i e n c e ,   v o l .   89 ,   p p .   666 - 676 ,  2016 .   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N: 20 88 - 8708       A novel   and  i ntegr ated arc hitec ture for  ide ntif ic ation   and ca ncell atio n of noise f rom  G SM  sig na l ( Rek ha  N )   4019   [ 2 0]   M.   K a l a m a n i ,   et  a l . ,   “ M o d i f i e d  N o i s e  R e d u c t i o n   A l g o r i t hm   fo r   S p e e c h   E n h an c e m e n t ,”   A p p l i e d   M a t h e m a t i c al   S c i e n c e s ,   v o l / i s s u e :   8 ( 89 ) ,   p p .   4 4 4 7 - 4452 ,  2014 .   [ 2 1]   N .   U p a d h y a y  a n d   R .  K .   J a i sw a l ,   “ S i ng l e   c h a n n e l   s p e e c h   e n h a n c e m e n t :   u s i n g  W i en e r   f i l t e r i n g   w i t h   r e c u r s i v e   n o i se   e s t i m a t i o n ,”   P r o c e d i a   C o m p u t e r   S c i e n c e ,   v o l .   84 ,   p p .   22 - 30 ,  2016 .   [ 2 2]   B .   S .   P r e m a n a nd a   a n d   B .   V .   U m a ,   “ S p e e c h   e n h a n c e m e n t   a l g o r i t h m   t o   r e d u c e   t h e   e f f e c t   o f   b a c k g r o u n d   n o is e   i n  m o b i l e   p h o n e s ,”   I n t e r n a t i o n a l   J o u r n a l   o f   W i r e l e s s  &   M ob i l e   N e t w o r k s ,   v o l / i s s u e :   5 ( 1 ) ,   p p .   177 ,  2013 .   [ 2 3]   A .   S h u k a l a ,   e t   a l . ,   “ N o i s e   R e d u c tio n   a n d   E c h o   C a n c e l l a t i o n   U s i n g   T h r e s h o l d   F i l t e rs   i n   H a n ds   Fr e e   C o m m u n i c a t i o n  S y s t e m s , ”  J o u r n a l   o f   E n g i n e e r i n g   R e s e a r c h   a n d   A p p l i c a t i o n ,   2018 .   [ 2 4]   F .   A f r o z ,   e t   a l . ,   “ P e r f o rm a n c e   a n a l y s i s   o f   a d a p t i v e   n o i s e   c a n c e l l e r   e m p l o y i n g   N L M S  A l g or i t h m ,”   I n t e r n a t i o nal  J o u r n a l   o f   W i r e l e s s   &   M o b i l e   N e t w o r k s ,   2015 .   [ 2 5]   P.   G up t a ,   e t   a l . ,   “ P e r f o rm a n c e   a n a l y s i s   o f   s p e ech   e n h a n c e m e n t   u s i n g  L MS ,   NL M S   a n d  UN AN R   a l g o r i t hm s ,”   C o m p u t e r ,   C o mm u n i c a t i o n ,   a n d   C o n t r o l   ( I C 4) ,   20 1 5   I n t e r n a t i o n al   C o n f e r e n c e   o n .   I E E E ,   2 0 1 5 .     [ 2 6]   G b a d a m os i   S .  A . ,   e t   a l . ,   “ N o n - In t r u s i v e   N o is e   R e d u c t i o n   I n   Gs m   Vo i c e   S i g n a l   U s i n g   N o n - P a ra m e t r i c   M o d e l i n g   T e c h n i q u e ,”   2 0 1 5 .   [ 2 7]   J.   B i t z e r   a n d   J .   R a d e m a c h e r ,   “ De t e c t i o n ,   I n t e r p o l a t i o n   a n d   C a n c e l l a t i o n   A l g o r i t h m s   f o r   G SM   b u r s t   R e m o v a l   f o r   F o r e n s i c   A u d i o ,”   C o n f e r e n c e   o f   t h e   I n t ' l .   A s s o c .   F o r   F o r e n s i c   P h o ne t i c s   ( I A F P   2 0 0 3 ) ,  n o .   2 1 ,   2 0 0 3 .   [ 2 8]   U.   M a h b u b   a n d   S .   A .   F a t t a h ,   “ G r a d i e n t   B a s e d   A d a p t i v e   A l g o r i t h m   f o r   E c h o   C a n c e l l a t i o n   f r o m   R e c o r d e d   E c h o   C o r r u p t e d   S p e e c h ,”   A d v a n c e s   i n   E l e c t r i c a l   E n g i n e e r i n g ,   2014 .   [ 2 9]   D .   X .   Wa n g ,   e t   a l . ,   “ S p e e c h   E n h a n c e m e n t   C o n t r o l   D e s i g n   A l g o r i t hm   f o r   D u a l - M i c r o p h o n e   S y s t e m s   U s i n g   β - NM F   in   a   C o m p l e x   E n v i r o n m e n t ,”   C o m p lex i t y ,   2018 .   [ 3 0]   Y .   Y .   C h e n ,   “ Spe e c h   E n h a n c e m e n t   o f   Mo b i l e   D ev i c e s   B a s e d   o n  t h e   I n t e g r a t i o n   o f  a   D u a l   M i c r o pho n e   A r r a y   a n d   a   B a c k g r o u n d   N o is e   E l i m i n a t i o n   A l g o r i t h m ,”   S e n s or s ,   v o l / i s s u e :   18 ( 5 ) ,   p p .   1467 ,  2018 .   [31]   A .  R .   Shakee b   and   K.  H.  Sa y i dm ari e,   “ A  ce llular  base   stat io n  ant enna   conf i gura ti on  for  var ia bl e  cove rag ,”   Inte rnational   Jo urnal  of El e ct ri c al  &   Co mputer  Engi ne ering,   vol /i ss ue:   9 ( 3 ) ,   201 9 .   [32]   S.  Kolle m ,   et   a l.,   “ Im age   Denoising  b y   using  Modifie d  SG HP   A lgori thm ,”   Int ernati onal  Journal   of  El ectric a l  &   Computer  Engi n ee ring ,   vol/is sue:  8 ( 2 ),   2018 .   [33]   A.  Aw ad,   “ Re m oval   of  Fixe d - val ued   Im pulse  Noise  base d  on  Probabi lit y   o f  Exi sten c e  of  the   Im ag e   Pixel ,”   Int ernational  Journal   of   El e ct rica l  and   C omputer  Engi n e ering ,   vo l/ issue:   8 ( 4 ),   pp .   2106 ,  2 018 .   [ 3 4]   N .   R e k h a   a n d   F .   J a b e e m ,   “ S AN C :   S t o c h a s t i c   a p p r o a c h   f o r   n o i s e  c a n c e l l a t i o n   i n   G SM   s i g n a l s , ”   20 1 5   I n t e r n a t i o n al   C o n f e r e n c e   o n   A p p l i e d   a n d   T h e o re t i c a l   C o m p u t i n g   a n d   C o mm u n i ca t i o n   T e c h n o l o gy   ( i C A T c c T) ,   D av a n g e r e ,   p p .   7 0 1 - 707 ,  2015 .   [35]   R e k h a   N .   a n d   F .   J a b e e n ,   “ N o ve l   T e c h n i q u e   f o r   C o m p r e h e ns i ve   N o i s e   I d e n t i f i c a t i o n   a n d   C a n c e l l a t i o n   i n   G S M   S i g n a l , ”   I n t e r n a t i o n a l   J o u r n a l   o f   E l e c t r i c a l   a n d   C o m p u t e r   E n g i n e e r i n g ,  v ol / i s s u e :   8 ( 2 ) ,  p p .   1 2 2 2 - 1229 ,  A p r   2018 .       BIOGR AP H I ES   OF  A UTH ORS          Rekh a  N.   is   Ass oci a te   Profess or  in  Depa rtment  o f  Te lecom m unic at ion  Engi n ee r in g,   K.  S.  Instit ute   of  Technol og y ,   Benga luru ,   Ka rna ta k a ,   Ind ia.  She  recei ved   B .   E  d egr e e  in   El e ct roni cs  and   Com m unic at ion  Engi ne eri ng  fro m   Vi svesvara y a  Te chno logi c al   Univer sit y ,   B el ag a vi,   Karna t aka   in   the   y ea r  2002  an d  M.T ec h  degr ee i n  Digit al   El e ct r onic s,  from   the   sam e  unive rsit y   i n  the   y ea r  2009 .   She  is  cur r en tly   pursuing  her   Ph. D.  degr e e  in  the  Depa rtment  of  El e ct roni cs  and  Com m unic at ion   Engi ne eri ng,   Vi svesvara y a  Tec hnologi c al   Univer sit y ,   Be la gav i.  Her  rese arc h  i nte rests  inc lud e   wire le ss   comm unic a ti on,   sec ur e  comm unic atio n  net works ,   D at a   Com m unic a ti on,   MA T LAB  m odel ing  and   si m ula ti on .     Fathima  Jabee n,  Ph. D. ,   is  Prin ci pa l  of  Isl amia h  Instit ut e  of  Technol og y ,   Beng al uru,  Karna ta ka ,   India .   She   is  a  Supervisor  for  t he  Ph.D.  schol a rs  under   Visvesvara y a  Technol ogic a l  Univer si t y ,   Bel ag avi ,   Dr.  M GR  Univer sity ,   Jain  Univ ersity   and  al so  a n  ext ern al   exam ine r  for  The s is   eva lu at ion /  Publi c  Viva - vo ce   o f  Ph.D.  studen ts.  Sh e  has  b ee n  in  th e   teac hing   for  pro fession  cour ses   under   UG /PG  le vel   for  nea rl y   2 9  y ea rs .   She  is  a  rev ie wer  of  se ver al   Nat iona l  a nd  Int ern ationa l   journa ls.  Dr .   Fat hima  Jabe en  is  a   Fell ow  Mem ber   of  the   Insti tut io n  of  Engi ne ers  ( IND IA).  She  is  al so  a  li fe  m ember  of  seve ral   profe ss iona l  bodie s,  inc lud in g  India n  Socie t y   for  Te chn ical   Educ a ti on  (IST E)  and  m ember  IEE E . She  has  nea rl y   35  publica t ions  under   her   name.   Her  area  of   int er est  includes   Com m unic at ion ,   Instrum ent a ti o n,   Embedde d  S ystems ,   W ire le ss   comm unic at ion,  Autom oti ve  E le c troni cs  and  VLS I.     Evaluation Warning : The document was created with Spire.PDF for Python.