• 한국소음진동공학회논문집
• /
• 제15권2호
• /
• pp.192-198
• /
• 2005

Empirical mode decomposition(EMD) method has been recently proposed to analyze non-linear and non-stationary data. This method allows the decomposition of one-dimensional signals into intrinsic mode functions(IMFs) and is used to calculate a meaningful multi-component instantaneous frequency. In this paper, it is assumed that each mode of damped vibration signal could be well separated in the form of IMF by EMD. In this case, we can have a new powerful method to calculate natural frequencies and dampings from damped vibration signal which usually has multiple modes. This proposed method has been verified by both simulation and experiment. The results by EMD method whichhas used only output vibration data are almost identical to the results by FRF method which has used both input and output data, thereby proving usefulness and accuracy of the proposed method.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2009년도 추계학술대회 논문집
• /
• pp.99-105
• /
• 2009

Crack detection method of a rotating blade was suggested in this paper. A rotating blade was modeled with a cantilever beam connected to a hub undergoing rotating motion. The existence and the location of crack were able to be recognized from the vertical response of end tip of a rotating cantilever beam by employing Discrete Hidden Markov Model (DHMM) and Empirical Mode Decomposition (EMD). DHMM is a famous stochastic method in the field of speech recognition. However, in recent researches, it has been proved that DHMM can also be used in machine health monitoring. EMD is the method suggested by Huang et al. that decompose a random signal into several mono component signals. EMD was used in this paper as the process of extraction of feature vectors which is the important process to developing DHMM. It was found that developed DHMMs for crack detection of a rotating blade have shown good crack detection ability.

• 한국전자파학회논문지
• /
• 제25권6호
• /
• pp.700-708
• /
• 2014

제트엔진 변조(Jet Engine Modulation: JEM)는 회전하는 제트엔진 터빈으로부터의 전자기 산란에 따른 레이더 신호의 주파수 변조 현상이다. JEM은 표적의 고유한 정보를 제공하여 대표적인 레이더 표적 인식 수단으로 활용되나, JEM 성분이 미약하게 존재하는 레이더 관측 범위에서는 JEM에 의한 레이더 표적 인식 성능이 저하될 수 있다. 이에 본 논문에서는 복소 신호의 경험적인 모드분리법(Complex Empirical Mode Decomposition: CEMD)를 이용하여 레이더 신호를 여러 기본성분인 고유 모드 함수(Intrinsic Mode Function: IMF)로 분리하고, 신호의 이심률을 기반으로 이들 IMF를 조합하는 근거를 제공하여 JEM 성분을 추출하는 기법을 제시한다. 다양한 신호에 대한 적용 결과를 통하여 제안된 기법이 JEM의 명확성을 개선하는 한편, JEM 해석의 유효 관측 범위를 확장시킬 수 있음을 입증하였다.

• 한국전자파학회논문지
• /
• 제25권6호
• /
• pp.690-699
• /
• 2014

제트엔진변조(Jet Engine Modulation: JEM) 식별기법은 제트엔진의 주기적인 회전에 의해 변조되는 레이더 반사 신호로부터 제트엔진의 종류를 식별하는 기법이다. 본 논문에서는 JEM의 새로운 접근법으로서, 제트엔진의 특성을 추출하기 위한 자동화 알고리즘을 제안한다. 먼저 복소 신호의 경험적인 모드 분리법(Complex Empirical Mode Decomposition: CEMD)을 거친 JEM 신호의 자기상관도로부터 제트엔진의 회전 주기를 산출한다. 그 후 DM(Divisor-Multiplier) 규칙 및 'Scoring' 개념을 JEM 스펙트럼 해석에 도입하여 최종적인 날개개수를 추정한다. 시뮬레이션 및 측정 JEM 신호로의 적용 결과를 통해 제안된 알고리즘이 정확하고 자동적인 제트엔진 정보 추출에 효과적임을 입증하였다.

• 전자공학회논문지SC
• /
• 제44권5호
• /
• pp.45-54
• /
• 2007

시/주파수 분석은 생체 신호 처리에서 널리 사용되어왔다. 전기 생리학적 신호로부터 중요한 특징들을 추출함으로써 이 방법들은 특정 질병의 임상 병리학적 기전 해석이 가능하다. 하지만 이 방법은 신호가 안정하다는 가정 아래 적용되었으며 불안정한 시스템에서의 적용은 제한이 되어 있다. 본 연구에서는 비선형적이고 비정상적인 심실세동 심전도 파형의 분석을 위해 Hilbert-Huang 변환을 사용한 새로운 신호처리 방법을 제안하였다. Hilbert-Huang 변환은 경험모드분리법(EMD)과 힐버트 변환으로 크게 두 가지로 구성된다. Hilbert-Huang 변환은 EMD를 사용하여 각각의 특성을 지니고 있는 독립적인 내부모드함수들로 나누어지며, 힐버트 변환에 의해 순간 주파수와 크기를 구할 수 있게 된다. 이런 특성으로 신호의 국부적인 작용에 대하여 정확하게 설명할 수 있게 된다. 본 연구에서는 Hilbert-Huang 변환을 기반으로 심실세동 심전도 파형으로부터 두 종류의 파라미터(EMD-IF, EMD-FFT)를 추출하고 서포트 벡터 머신(Support Vector Machine)을 이용하여 소생성공 및 실패 여부 예측에 관하여 연구하였다. 평균적으로 민감도와 특이도는 각각 87.57%와 76.92%로 나타났다. Hilbert-Huang 변환은 더욱 정확하게 심실세동에서의 소생성공 예측을 가능하게 하였다.

• 핵의학기술
• /
• 제12권3호
• /
• pp.222-228
• /
• 2008

목적 : 게이트심장혈액풀 스캔의 각 단위 영상에서 심실내 방사능치를 측정하여 좌심실의 시간-방사능 곡선을 구하여 심박출계수를 구하고 있다. 이를 위하여 좌심실과 배후방사능 관심영역을 정해야 하는데 올바른 관심영역 설정은 심박출계수의 정확도와 밀접한 관련이 있다. 관찰자에 의한 수동 관심영역을 설정 시 시간이 많이 걸리고 많은 경험을 필요로 하며 주관적인 측면이 포함되어 관찰자간의 오차가 발생하는 이유로 대부분의 컴퓨터에는 자동 및 반자동으로 각 단위영상 내 좌심실 외형을 그릴 수 있는 방법이 있다. 본 연구에서는 자동 관심영역 설정과 수동 관심영역 설정에 따른 좌심실 심박출계수를 비교 분석하여 컴퓨터 자동 관심영역 설정 방법이 수동 관심영역 설정보다 객관적이고 재현성이 높은 방법으로 이용될 수 있는지를 알아보고자 하였다. 실험재료 및 방법 : 항암화학요법 치료 대상 환자 33명을 대상으로 PHILIPS사의 ADAC laboratories, Argus Single head Gamma Camera를 이용하여 영상을 획득하였으며, 사용된 방사성 의약품은 체내 표지법을 이용하여 $^{99m}Tc$-RBC를 사용하였다. 영상획득 조건은 다중 게이트 획득 방식으로 매 R-R간격마다 서로 상응하는 단위 영상을 600초 동안 계수치를 얻어 24개의 단위영상을 획득하였다. 앙와위 자세에서 좌전사위 30~45도, 10~20도의 미측경사(caudal tilt) 조건으로 영상 획득 한 후 방사선사 3명이 각각 1회씩 컴퓨터 자동관심영역 설정 모드와 수동 관심영역 설정 모드를 이용하여 좌심실의 심박출계수를 구하여 비교 분석하였다. 결과 : 컴퓨터 자동 관심영역 설정과 수동 관심영역 설정 방법에서의 좌심실 심박출계수 평균은 각각 $65.8{\pm}5.9%$와 $71.4{\pm}12.4%$였다. 두 평균 간의 차이는 $5.5{\pm}9.9%$로 두 관심영역 설정 방법 간의 유의한 차이가 있었다(p=0.003). 또한 관찰자간의 신뢰도 검정에서는 수동 관심영역 설정 방법으로 분석하였을 때 보다 자동 관심영역 설정 방법이 관찰자간 일관성이 높은 것으로 나타났다($\gamma^{MROI}=0.793$, Cronbach's $\alpha$ $M^{ROI}=0.911$ Vs $\gamma^{AROI}=0.964$, Cronbach's $\alpha^{AROI}=0.986$). 영상분류에 따른 분석에서는 최적 중격상에서 두 관심영역 방법에 따른 좌심실 심박출계수는 통계적으로 유의한 차이를 보이지 않았으며(${\Delta}LVEF^{BSV}=0.7{\pm}2.3%$, p=0.233), 좌심실 분리가 잘 안 된 영상에서는 좌심실 심박출계수가 자동 관심영역 설정방법에서 더 높게 나타나는 차이를 보였다(${\Delta}LVEF=10.9{\pm}11.4%$, p=0.001). 또한 신뢰도 검정에서는 두 관심영역 설정 방법 모두 좌심실 분리가 잘 안 된 영상보다 최적 중격상에서 일관성이 높게 나타났다(수동 관심영역 설정 방법 $\gamma^{BSV}=0.836$, Cronbach's $\alpha^{BSV}=0.936$ Vs $\gamma=0.748$, Cronbach's $\alpha=0.888$ / 자동 관심영역 설정 방법 $\gamma^{BSV}=0.939$, Cronbach's $\alpha^{BSV}=0.978$ Vs $\gamma=0.948$, Cronbach's $\alpha=0.981$). 결론 : 최적 중격상을 획득하여 분석한다면 수동과 자동 관심영역 설정 방법 따른 좌심실 심박출계수가 큰 차이가 없는 것으로 나타났다. 또한 수동과 자동 관심영역 설정 방법에 대한 일관성을 비교하였을 때 자동 관심영역 설정 방법에서 높은 일관성을 나타냈다. 결국 영상획득 시 좌심실 최적 중격상의 좌전 사위상을 획득하여 관심영역을 설정한다면 수동 관심영역 설정 방법보다 자동 관심영역 설정 방법이 객관적이고, 재현성이 높은 방법으로 이용될 수 있을 것으로 사료된다.