• Journal of the Korean Society for Nondestructive Testing
• /
• v.23 no.3
• /
• pp.254-262
• /
• 2003

In this study, acoustic emission (AE) signals due to surface cracking and moisture movement in the flat-sawn boards of oak (Quercus Variablilis) during drying under the ambient conditions were analyzed and classified using the principal component analysis. The AE signals corresponding to surface cracking showed higher in peak amplitude and peak frequency, and shorter in rise time than those corresponding to moisture movement. To reduce the multicollinearity among AE features and to extract the significant AE parameters, correlation analysis was performed. Over 99% of the variance of AE parameters could be accounted for by the first to the fourth principal components. The classification feasibility and success rate were investigated in terms of two statistical classifiers having six independent variables (AE parameters) and six principal components. As a result, the statistical classifier having AE parameters showed the success rate of 70.0%. The statistical classifier having principal components showed the success rate of 87.5% which was considerably than that of the statistical classifier having AE parameters.

• Journal of the Institute of Convergence Signal Processing
• /
• v.4 no.1
• /
• pp.15-26
• /
• 2003

Ultrasonic inspection methods are widely used for detecting flaws in materials. The signal analysis step plays a crucial part in the data interpretation process. A number of signal processing methods have been proposed to classify ultrasonic flaw signals. One of the more popular methods involves the extraction of an appropriate set of features followed by the use of a neural network for the classification of the signals in the feature space. This paper describes an alternative approach which uses the least mean square (LMS) method and expectation maximization (EM) algorithm with the model based deconvolution which is employed for classifying nondestructive evaluation (NDE) signals from steam generator tubes in a nuclear power plant. The signals due to cracks and deposits are not significantly different. These signals must be discriminated to prevent from happening a huge disaster such as contamination of water or explosion. A model based deconvolution has been described to facilitate comparison of classification results. The method uses the space alternating generalized expectation maximization (SAGE) algorithm In conjunction with the Newton-Raphson method which uses the Hessian parameter resulting in fast convergence to estimate the time of flight and the distance between the tube wall and the ultrasonic sensor Results using these schemes for the classification of ultrasonic signals from cracks and deposits within steam generator tubes are presented and showed a reasonable performances.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06a
• /
• pp.334-336
• /
• 2012

EEG 신호에 대한 연구는 의학, 신경과학, 심리학, 컴퓨터과학, 전자 공학 등 여러 학문 분야에서 많은 연구가 진행되고 있다. EEG 신호는 추출하는데 있어서 필연적으로 각종 Artifact와 분석대상이 아닌 신호가 혼재되어 분석 결과의 부정확성을 가지고 있어 EEG 신호의 활용이 주목받은지 오래되었지만 충분히 활용되지 못하고 있다. 이 문제를 해결하기 위해 각종 필터링 연산 등을 통하여 잡음을 제거하고 혼재된 신호를 분류해 내고 있지만, 잡음제거나 신호분류에 사용되는 방법이 고정된 수식을 이용하는 방법이기 때문에 유연한 측정 및 분류를 할 수 없는 것이 현실이다. 본 논문에서 제안하는 매개변수 선택형 시스템은 정제되지 않은 EEG 신호에서 잡파를 제거하고 정제된 신호에서 분석에 필요한 특징을 추출하는데 있어 사용자에게 착용된 EEG 신호 측정기기에서 전극채널, 신호발생영역 및 주파수 대역 등의 매개변수를 선택하고 필요에 따라 매개변수에 가중치를 부여함으로써, 측정의 정확성을 높이고 EEG 신호의 활용에 신뢰도를 향상 시킬 수 있다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1998.08a
• /
• pp.449-453
• /
• 1998

일반적으로 음성신호는 파형의 특성에 따라 파형이 준주기적인 유성음과 주기성 없이 잡음과 유사한 무성음 그리고 배경 잡음에 해당하는 묵음의 세 종류로 분류된다. 기존의 유성음/무성음/묵음 분류 방법에서는 피치정보, 에너지 및 영교차율 등이 분류를 위한 파라미터로 널리 사용되었다. 본 논문에서는 음성신호를 웨이브렛 변환한 신호에서 스펙트럼상에서이 변화를 파라미터로 하는 유성음/무성음/묵음 분류 알고리즘을 제안하고 제안된 알고리즘으로 검출한 결과와 이에 따른 문제점을 검토하였다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.22 no.5
• /
• pp.296-302
• /
• 2021

This paper proposes an approach to the classification of respiratory states of humans based on visual information. An ultra-wide-band radar sensor acquired respiration signals, and the respiratory states were classified based on two-dimensional (2D) images instead of one-dimensional (1D) vectors. The 1D vector-based classification of respiratory states has limitations in cases of various types of normal respiration. The deep neural network model was employed for the classification, and the model learned the 2D images of respiration signals. Conventional classification methods use the value of the quantified respiration values or a variation of them based on regression or deep learning techniques. This paper used 2D images of the respiration signals, and the accuracy of the classification showed a 10% improvement compared to the method based on a 1D vector representation of the respiration signals. In the classification experiment, the respiration states were categorized into three classes, normal-1, normal-2, and abnormal respiration.

• Electronics and Telecommunications Trends
• /
• v.24 no.6
• /
• pp.121-132
• /
• 2009

음성을 비롯하여 음악, 음향 등을 포함하는 오디오 신호는 멀티미디어 콘텐츠를 구성하는 매우 중요한 미디어 타입이며, 미디어 기록 매체와 네트워크의 발전으로 인한 데이터 양의 급격한 증대는 수동적 관리의 어려움을 유발하게 되고, 이로 인해 오디오 신호를 자동으로 구분하는 기술은 매우 중요한 기술로 인식되고 있다. 다양한 오디오 신호를 분류하기 위한 오디오 신호의 특징을 추출하는 기술은 많은 연구들을 통해 발전하여 왔으며, 본 논문은 오디오 콘텐츠 자동 분류에서 높은 성능을 갖는 오디오 신호 특징 추출에 대해서 분석한다. 그리고 특징 분류기 중에서 안정적인 성능을 가지는 SVM을 사용한 오디오 신호 분류 방법을 알아본다.

• Journal of the Korean Society for Nondestructive Testing
• /
• v.15 no.4
• /
• pp.531-539
• /
• 1996

The research for the classification of the artificial defects in welding parts is performed using the pattern recognition technology of ultrasonic signal. The signal pattern recognition package including the user defined function is developed to perform the digital signal processing, feature extraction, feature selection and classifier selection. The neural network classifier and the statistical classifiers such as the linear discriminant function classifier and the empirical Bayesian classifier are compared and discussed. The pattern recognition technique is applied to the classification of artificial defects such as notchs and a hole. If appropriately learned, the neural network classifier is concluded to be better than the statistical classifiers in the classification of the artificial defects.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.19 no.6
• /
• pp.1004-1015
• /
• 1994

Modulation type classifier based on statistical moments has been successfully employed to classify PSK signals. Previously, the classifier developed utilizes the statistical moment of samples of the received signal phase, which may be difficult to extract from received signal. In this paper we propose a new moments-based classifier to classify PSK signals by using the moments of the demodulated signal for PSK. THe demodulated signal can be easily extracted from the conventional demodulation of PSK. The evaluation of the performance of the proposed classifier for PSK signals has been investigated in additive white Gaussian noise environment using the exact distribution of the demodulated signal. The performances of classifier in terms of probability of misclassification were evaluated. We found that the coherent system classifier gave 4dB improvement for BPSK and 3dB for QPSK over noncoherent system classifier, when the probability of misclassification is 10 and m equals to 4.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.841-847
• /
• 2007

최근 삶의 수준의 향상과 의학 기술의 발전으로 노인 인구가 증가하고 있다. 하지만 늘어나는 노인 인구에 비례하여 신체적 노화로 거동이 어려운 노인의 수 또한 증가하는 추세이다. 실제로 많은 노인 인구가 거동이 불편해 정상적인 생활을 하지 못하고 있기 때문에 보행 시 적절한 힘을 보조해 줄 수 있는 보행 보조 장치의 개발이 필요하다. 이 같은 보행 보조 장치를 개발함에 있어 보행자의 보행 패턴이 고려된다면 보행자의 걸음걸이에 맞춰 자연스럽게 힘을 보조해 줄 수 있기 때문에 보행자의 보행 단계 분류에 관한 연구가 선행되어야 한다. 그래서 본 논문에서는 하지 근전도 신호를 이용해 보행 단계를 구분하는 방법을 제안하고자 한다. 근전도 신호는 근육이 움직일 때 발생하는 아주 작은 전기적인 신호이다. 근전도 신호는 작은 잡음에도 민감하며, 전극을 부착하는 근육의 위치에 따라서도 값의 차이가 크기 때문에 근전도 신호의 획득 및 처리 방법이 중요하다. 위를 위해 피실험자 별 근육의 위치와 보행 속도를 달리하여 근전도 신호를 획득하고 획득한 신호로부터 여러 특징 값을 추출한다. 그리고 새로운 데이터에 대해 적응성이 강하고 시간에 따라 변하는 근전도 신호의 특성을 잘 반영할 수 있으며 각 집합(class)의 비선형 분리가 가능한 퍼지 최대-최소 신경망(Fuzzy Min-Max Neural Network: FMMNN)을 이용해 보행 단계를 분류해 본다. 실험 결과를 통해 제안한 방법의 타당성을 검증해 보고 보행자, 보행속도, 근전도 측정을 위한 근육의 위치가 보행 패턴 분류에 미치는 영향을 알아본다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.181-183
• /
• 2003

최근 대용량의 데이터베이스로부터 유용한 정보를 발견하고 데이터간에 존재하는 연관성을 탐색하고 분석하는 데이터 마이닝에 관한 많은 연구들이 진행되고 있다. 다양한 생체 신호를 분석하기 위하여 데이터 마이닝 기법을 이용할 수 있다. 본 논문에서는 심전도 신호의 패턴을 분류하기 위하여 신경망 기법을 적용하였다. 최근 패턴분류에 있어서 각광을 받고 있는 SVM 모델은 학습과정에서 얻어진 확률분포를 이용하여 의사결정함수를 추정한 후 이 함수에 따라 새로운 데이터를 이원분류 하는 것으로 분류 문제에 있어서 일반화 기능이 매우 높다. 기존에 많이 이용되던 BP 모델과 비교평가 하였다.