• 한국음향학회지
• /
• 제26권3호
• /
• pp.123-128
• /
• 2007

본 논문에서는 수중 천이 신호에 대한 식별 알고리즘을 제안한다. 일반적으로 해양의 배경잡음은 스펙트럼 특성 및 에너지 변화가 적은 정재성을 갖는 반면에 천이 신호는 스펙트럼 및 에너지 변화가 큰 비정재성을 가진다. 따라서 수중 천이 신호 식별을 위하여 선행되어져야 하는 수중 천이 신호 탐지에서는 프레임 단위로 스펙트럼 변이와 에너지 변화를 이용한다. 제안한 수중 천이 신호 식별 알고리즘에서는 특징 벡터를 추출하기 위하여 위그너-빌 분포 함수를 기반으로 고유치 분해를 이용한다. 추출된 특징 벡터를 기반으로 탐지된 수중 천이 신호의 특징 벡터와 식별하고자 하는 데이터베이스에 있는 기준 신호의 특징 벡터와의 상관 값을 프레임 단위로 계산하고, 각 클래스별로 프레임 사상도를 산출하여 최대 값을 갖는 기준 신호로 탐지된 수중 천이 신호를 식별한다.

• 한국통신학회논문지
• /
• 제32권8C호
• /
• pp.675-680
• /
• 2007

일반적으로 천이 신호의 식별은 지진학이나 상태 모니터링 분야, 특히 수중 음향 신호 처리 분야에서 활발한 연구가 이루어지고 있다. 수중 환경에서 발생하는 천이 신호로는 돌고래와 같은 해양 생물이 내는 천이 신호와 선박, 잠수함 등에서 발생하는 인위적인 천이 신호 등이 있으며, 수중 감시 체계에서 이러한 수중 천이 신호를 식별하는 문제는 매우 중요한 연구 주제이다. 본 논문에서는 음성 인식 분야에서 우수한 인식 성능을 보이는 MFCC(Mel Frequency Cepstral Coefficient)를 기반으로, 천이 신호로 탐지된 입력 신호에 대하여 분석 프레임 단위로 MFCC 특징 벡터를 추출하고, 식별하고자 하는 데이터베이스에 있는 모든 참조 신호들의 MFCC 특징 벡터와의 유클리디언 거리(euclidean distance)를 계산한 후, 가장 작은 값을 갖는 참조 신호로 입력 프레임들을 사상(mapping)시킴으로써 사상이 가장 많이 된 참조 신호로 탐지된 수중 천이신호를 식별하는 프레임 기반의 식별 알고리즘을 제안한다.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2009년도 춘계학술발표논문집
• /
• pp.781-784
• /
• 2009

본 논문에서는 실제 수중 환경에서 선박 또는 잠수함으로부터 발생하는 인위적인 천이신호와 돌고래, 새우 등의 해양 생물로부터 발생하는 천이신호들을 식별하기 위한 특징벡터 추출 기법을 제안하였다. MFCC와 엔트로피 기반의 웨이블릿 패킷 기법을 이용하여 특징을 추출하고, 이 두 특징들을 동시에 적용하여 수중 천이신호를 식별하고자 한다. 기존의 방법인 MFCC와 웨이블릿 패킷 기법과 이 두 방법을 동시에 적용했을 때의 식별률을 비교하였고, 전방향 신경회로망(feed-forward neural network)을 그 특징벡터의 성능을 평가하기 위한 식별기로 사용하였다.

• 한국정보통신학회논문지
• /
• 제16권9호
• /
• pp.1870-1877
• /
• 2012

천이신호는 지속시간이 짧으면서 길이의 변화가 크고, 시변성 및 비정재성 특성을 갖는다. 이러한 천이신호의 식별에는 분석 프레임 단위로 참조신호에 대한 기준패턴을 만들어 입력신호와의 유사도를 비교하는 방법이 효과적일 수 있다. 본 연구에서는 참조신호의 기준패턴으로 프레임 기반의 특징벡터들에 대해 확률통계 모형인 정규혼합모델을 적용하는 방법을 제안하고, 다양한 수중 천이신호에 대한 식별 실험을 통해 제안한 방법의 타당성을 검증하였다.

• 한국통신학회논문지
• /
• 제34권2C호
• /
• pp.181-185
• /
• 2009

프레임 단위로 식별 데이터베이스에 저장된 참조 신호의 특징 벡터와 유사성을 비교하여 입력 신호를 식별하는 경우에, 참조 신호의 특징 벡터로 데이터베이스를 어떻게 구성하는가에 따라 식별 성능은 영향을 받을 수 있다. 즉, 식별 데이터베이스의 구성 방법에 따라 데이터베이스의 크기와 식별을 위한 계산량, 식별 성능 등이 결정되며, 이것은 실제로 수중 천이신호 식별 시스템을 구성할 때 중요한 문제이다. 본 논문에서는 LBG 벡터 양자화 기법을 이용하여 식별 데이터베이스의 크기를 줄여 줌으로써 프레임 기반 수중 천이신호 식별 기법의 효율성을 증가시킬 수 있는 방법을 제안하고, 실험을 통하여 제안한 방법의 타당성을 검증하였다.

• 한국음향학회지
• /
• 제14권3호
• /
• pp.71-81
• /
• 1995

본 논문에서는 수중에서 발생되는 전이 신호의 자동 식별을 위하여 특징벡타를 추출하는 기법과 식별 알고리즘에 대하여 논한다. 특징벡타 추출기법으로 적은 계수로도 우수한 성능을 보이는 wavelet 변환을 사용한 방법을 제안하고 기종의 고전적인 방법들과 비교한다. 자동식별을 위해서는 MLP (Multilayer Perceptron), RBF (radial Basis Function), MLP-클래스 등 세 종류의 신경회로망을 사용하고, 성능 및 신뢰성을 높이기 위해서 두가지 특징벡타 및 세 식별기를 결합하는 방법을 사용한다. Traco의 표준 천이 데이터 집합 (standard transient data set) I과 모의 실험 데이터를 사용하여, 주어진 천이신호가 배경잡음에 비하여 충분히 에너지가 크고, 유한개의 소음원이 존재하며, 동시에 둘 이상의 소음원이 존재하지 않는다는 가정하에서 제안된 특징벡타 추출기법과 식별 알고리즘의 우수성을 확인한다.

• 한국음향학회지
• /
• 제21권6호
• /
• pp.576-584
• /
• 2002

본 논문에서는 함정의 주요 식별인자인 천이소음을 측정하기 위하여 웨이브렛 패킷을 이용한 수중 배경잡음 및 외부 잡음을 제거하는 새로운 방법을 제안한다. 함정 천이소음은 해양환경 특성상 낮은 신호대 잡음비를 가지므로, 개별센서로 측정하기 위해서는 잡음 제거가 필수적으로 요구된다. 배경잡음을 제거하기 위해 웨이브렛 임계치를 각 노드에 일괄적으로 적용하는 기존의 잡음제거 방법은 다양한 외부 잡음이 존재하는 수중환경에서는 적합하지 못하다. 따라서 본 연구에서는 배경잡음 및 외부 잡음을 제거하기 위해 신호와 잡음을 구분하여 각 노드별 임계치를 차별 적용하며, 이러한 임계치에 따른 변형된 소프트임계처리법을 제안한다. 제안 기법의 타당성은 모의 시뮬레이션과 다중 개별센서를 이용한 해상실험을 통하여 확인한다.

• 한국음향학회지
• /
• 제15권1호
• /
• pp.87-92
• /
• 1996

수중에서 발생하는 천이 신호는 강한 비정재성을 갖고 다양한 천이 신호원이 함께 존재하기 때문에 분석 및 식별에 어려움이 있다. 본 논문에서는 디지털 신호처리 기법을 천이 신호의 분석에 적용하여 특징벡타를 추출하는 기법에 대하여 논하고 기존의 고전적인 방법보다 더 좋은 인식률을 얻을 수 있는 wavelet 변환을 이용한 특징벡타 추출 방법을 제안한다. 모의실험을 통하여 제안된 방법이 고전적이 방법보다 더 적은 특징 벡타 수로도 좋은 성능을 보임을 확인한다. 특히, Daubechies 계수를 필터계수로 하는 PR-QMF wavelet 변환을 이용한 특징벡타 추출 방법은 구현방법이 용이하고 잡음 환경 하에서도 우수한 성능을 보인다.

• 한국해양공학회지
• /
• 제28권6호
• /
• pp.552-559
• /
• 2014

In general, the number of underwater transient signals is very limited for research on automatic recognition. Data-dependent feature extraction is one of the most effective methods in this case. Therefore, we suggest WPCC (Wavelet packet ceptsral coefficient) as a feature extraction method. A wavelet packet best tree for each data set is formed using an entropy-based cost function. Then, every terminal node of the best trees is counted to build a common wavelet best tree. It corresponds to flexible and non-uniform filter bank reflecting characteristics for the data set. A GMM (Gaussian mixture model) is used to classify five classes of underwater transient data sets. The error rate of the WPCC is compared using MFCC (Mel-frequency ceptsral coefficients). The error rates of WPCC-db20, db40, and MFCC are 0.4%, 0%, and 0.4%, respectively, when the training data consist of six out of the nine pieces of data in each class. However, WPCC-db20 and db40 show rates of 2.98% and 1.20%, respectively, while MFCC shows a rate of 7.14% when the training data consists of only three pieces. This shows that WPCC is less sensitive to the number of training data pieces than MFCC. Thus, it could be a more appropriate method for underwater transient recognition. These results may be helpful to develop an automatic recognition system for an underwater transient signal.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2008년도 하계종합학술대회
• /
• pp.883-884
• /
• 2008

This paper presents a method for classification of underwater transient signals using, which employs a binary image pattern of the mel-frequency cepstral coefficients(MFCC) as a feature vector and a neural network as a classifier. A feature vector is obtained by taking DCT and 1-bit quantization for the square matrix of the MFCC sequences. The classifier is a feed-forward neural network having one hidden layer and one output layer, and a back propagation algorithm is used to update the weighting vector of each layer. Experimental results with some underwater transient signals demonstrate that the proposed method is very promising for classification of underwater transient signals.