첫째로, 전자기음향변환기신호의 웨블레트곁수에 대한 통계적모형화를 진행하였다. 연구에서는 가우스-라쁠라스혼합분포가 잡음없는 전자기음향변환기신호의 웨블레트곁수들의 통계적모형과 잘 정합된다는것을 증명하였다.
둘째로, 가우스-라쁠라스혼합분포에 기초한 닫긴 형식의 수축함수인 GaussLapMixShrinkGMAP를 유도하고 베이시얀 MAP추정자의 해석적인 풀이를 제기하였다. GaussLapMixShrinkGMAP수축함수는 련속함수이며 단조증가함수이다. 이것은 이 수축함수가 불련속성과 상수오차문제를 해결하였다는것을 보여주었다.
셋째로, GaussLapMixShrinkGMAP를 리용한 웨블레트잡음제거방법의 성능을 Hard와 Soft턱값처리, GaussShrinkGMAP, GaussMixShrinkGMAP, LapMixShrinkGMAP수축함수를 리용한 여러가지 잡음제거방법들과 비교하여 평가하였다.
결과들은 여러가지 배경잡음준위에서 잡음섞인 전자기음향변환기수신신호에 대하여 제기한 방법의 ISNR가 존재하는 다른 잡음제거방법들중에서 가장 높고 RMSE와 EN값이 가장 작다는것을 보여주었다. 이것은 GaussLapMix ShrinkGMAP수축함수를 리용한 배경잡음제거성능이 존재하는 6가지 잡음제거방법들중에서 제일 좋다는것을 의미한다. 이리하여 GaussLap MixShrinkGMAP수축함수를 리용한 웨블레트잡음제거방법이 잡음섞인 전자기음향변환기수신신호에 대하여 다른 5가지 잡음제거방법들보다 배경잡음을 제거하는데 보다 합리적이다.
연구결과는 2023년에 잡지 《International Journal of Wavelet, Multiresolution and Information Processing》(Vol.21 No.4, 2023, 2250061)에 《Closed-form shrinkage function based on mixture of Gauss–Laplace distributions for dropping ambient noise》(https://doi.org/10.1142/S0219691322500618)의 제목으로 출판되였다.
