• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2014년도 전력전자학술대회 논문집
• /
• pp.152-153
• /
• 2014

본 논문에서는 이차전지의 특성비교/분석을 위해 이산 웨이블릿 변환(DWT;discrete wavelet transform)과 웨이블릿 패킷 변환(WPT;wavelet packet transform)을 적용한 연구를 소개한다. 다해상도 분석(MRA; multi resolution analysis)의 시간-주파수 분석을 통해 저주파 성분(approximation;$A_n$)과 고주파 성분(detail;$D_n$)로 분해되는 것은 두 방법 동일하다. 하지만, 이산 웨이블릿 변환이 단순히 저대역 부분만 계속 분해하는 것과 달리 웨이블릿 패킷 변환은 저대역과 고대역을 모두 분해하여 높은 분해성능을 가지는 웨이블릿의 일반화이다. 웨이블릿 패킷 변환을 자세히 소개하고 이를 이차전지에 적용하여 이산 웨이블릿 변환과의 상관성을 정리하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 가을 학술발표논문집 Vol.27 No.2 (3)
• /
• pp.481-483
• /
• 2000

본 논문은 이산 웨이블릿 변환의 스케일러빌리티(scalability)를 활용한 VOD 트래픽 모델링에 대하여 소개한다. VOD는 사용자의 요구에 대하여 비디오 데이터를 제공하는 시스템이다. 비디오 데이터는 여러 가지 특징을 가지고 있다. 첫 번째 특징은 데이터 양이 상당히 많다는 점이다. 그리고 데이터 양이 비디오 데이터가 전달되는 시간축에 따라서 변화가 많다는 점이다. 그리고 두 번째 특징은 비디오 데이터는 전송되는 양상이 시간축에 대하여 거의 끊김이 없어야 한다는 점이다. 이러한 점들 때문에 VOD 트래픽을 정확하게 모델링하는 것은 상당히 어렵게 생각되었다. 이산 웨이블릿 변환(discrete wavelet transform)은 함수에 대한 근사이다. 우수한 점은 함수에 대한 근사가 상당히 용이하고 또 유연하다는 점이다. 다시 말하면 함수 근사의 정밀도를 용이하게 조절할 수 있다는 점이다. 또 다른 우수한 점은 시간과 공간 양쪽에 대하여 함수 근사를 할 수 있다는 점이다. 본 논문은 VOD server와 client 사이의 트래픽을 이산 웨이블릿 변환인 스케일러빌리티를 활용하여 모델링하여 server와 client 사이에 보다 효과적인 네트워크 트래픽 제어를 할 수 있음을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.612-615
• /
• 2016

본 논문에서는 EPIC(Electric Potential Integrated Circuit) 센서를 통해 추출된 동작신호에 대해 이산 웨이블릿 변환（Discrete Wavelet Transform : DWT)과 선형 판별분석（Linear Discriminant Analysis : LDA), Support Vector Machine(SVM)을 사용하는 동작 분류 시스템을 제안한다. EPIC 센서 신호에 대해 이산 웨이블릿 변환을 사용하여 웨이블릿 계수인 근사계수(approximation coefficients)와 상세계수(detail coefficients)를 구한 후, 각각의 웨이블릿 계수에 대해 특징 파라미터를 추출한다. 이 때, 특징 파라미터는 14개의 통계적 특징 추출 파라미터 중에 유전자 알고리즘(Genetic Algorithm : GA)을 통하여 선택한 우수한 특징 파라미터이다. 웨이블릿 계수들에서 추출한 특징 파라미터는 선형 판별분석을 적용하여 차원을 축소하고 SVM의 훈련 및 분류에 사용한다. 실험결과, 4가지 동작에 대한 EPIC 센서 신호분류에서 제안된 방법의 분류율이 99.75%로 원신호에 대한 HMM 분류율 97% 보다 높은 정확률을 보여주었다.

• 비파괴검사학회지
• /
• 제21권1호
• /
• pp.54-61
• /
• 2001

웨이블릿 변환과 인공신경망을 이용하여 AE 신호를 분류하는 소프트웨어 패키지를 개발하였다. 웨이블릿 변환으로는 연속 웨이블릿 변환과 이산 웨이블릿 변환을 모두 고려하였으며, 인공신경망의 모델로는 오류 역전파 인공신경망을 사용하였다. 분류에 사용된 AE 신호는 용접부에 인공결함을 가진 시편의 3점 굽힘시험에서 발생한 신호이다. 개발된 소프트웨어 패키지를 이용하여 이 신호를 웨이블릿 변환시켜 생성된 시간-주파수 평면상에서 특징값을 추출하고 이를 인공신경망에 학습하여 인공신경망 분류기를 설계하고 검증하였다. 본 연구에서 개발된 소프트웨어 패키지를 이용한 AE 신호 분류법이 유용함을 보이고, 또한 연속 웨이블릿 변환과 이산 웨이블릿 변환에 의한 분류 결과를 비교하였다.

• 한국전자파학회논문지
• /
• 제12권7호
• /
• pp.1110-1114
• /
• 2001

그린함수의 효율적인 표현을 위하여 파수영역 웨이블릿 변환 개념을 이용하였다. 파수영역 웨이블릿 변환을 공간영역에서 가변 윈도우를 사용하여 등가적으로 구현하였다. 제안된 방법은 공간영역 그린함수에 대하여 윈도우 함수를 이용한 필터링과정, 고유함수의 전개를 통한 중심이동과정, 그리고 푸리에 변환과정으로 이루어진다. 파수영역 이산 웨이블릿 변환이 적용된 그린함수의 수식을 유도하였고, 근거리 그린함수와 원거리 그린함수를 표현하여 파수영역에서 비교하여 특성에 대하여 논의하였다.

• 한국멀티미디어학회논문지
• /
• 제12권3호
• /
• pp.451-459
• /
• 2009

본 논문은 심전도(ECG) 신호로부터 조기심실수축(PVC)을 자동 탐지하는 방법으로 이산 웨이블릿 변환과 퍼지 신경망을 이용하는 방안을 제시하고 있다. 심전도 신호를 이산 웨이블릿 변환(DWT)으로 특징을 추출한 후, 퍼지 신경망으로 학습하여 정상 비트와 PVC 비트를 분류한다. 윈도우 크기는 R파를 기준으로 $-31/360{\sim}+32/360$초를 사용하며, 웨이블릿 변환은 d3, d4, d5의 웨이블릿 계수 14개를 사용한다. 퍼지 신경망은 가중 퍼지소속함수 기반 신경망을 사용한다. 본 논문은 벤치마킹 데이터로 MIT-BIH 부정맥 데이터베이스를 사용하여 Shyu 실험군(7개 레코드)에서는 전체 분류율에서 97.04% 보다 높은 99.91%의 신뢰성 있는 결과를 나타내었고, Inan 실험군(40개 레코드)에서는 각각 SE는 82.57% 보다 높은 84.67%, SP는 98.33% 보다 높은 99.39%, 전체 분류율은 96.85% 보다 높은 98.01%의 신뢰성 있는 결과를 나타내었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 춘계종합학술대회
• /
• pp.594-597
• /
• 2002

본 논문에서는 고정길이 코드화된 웨이블릿 계수에서 전송시 잡음 영향에 관한 연구이다. 비트평면 정보를 포함하고 있는 MAP(maximum a posteriori) 검출기를 이용하여, 전송된 코드워드 중에서 잘못 수신된 코드워드를 찾아내고 그 중에서 가장 오류가 심한 것을 결정한다. 그리고 한번 검출된 에러들로부터 복원시키는 방법을 제안하고 이진 대칭 채널을 통해 전송되는 스칼라 양자화 웨이블릿 계수를 이용해서 복원시키는 방법을 제안한다.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.113-118
• /
• 2024

본 논문에서는 음향신호의 배경잡음을 소거하기 위한 시스템에서 최적의 wavelet을 제안한다. 이 시스템은 기존의 단구간 푸리에변환(STFT: Short Time Fourier Transform) 대신 이산 웨이블릿변환(DWT: Discrete Wavelet Transform)을 수행한 후 심층학습과정을 통하여 잡음소거 성능을 개선하였다. DWT는 다해상도 대역통과필터 기능을 하며 각 레벨에서 모 웨이블릿을 시간 이동시키고 크기를 스케일링한 여러 웨이블릿을 이용하여 변환 파라미터를 구한다. 여기서 음성을 분석하는데 가장 적합한 모(mother) 웨이블릿을 선정하기 위해 여러 웨이블릿에 대한 잡음소거 성능을 실험하였다. 본 연구에서 여러 웨이블릿에 대한 잡음소거시스템의 성능을 검증하기 위하여 Tensorflow와 Keras 라이브러리를 사용한 시뮬레이션 프로그램을 작성하고 가장 많이 사용되는 4개의 wavelet에 대해 모의실험을 수행하였다. 실험 결과, Haar 또는 Daubechies 웨이블릿을 사용하는 경우가 가장 우수한 잡음소거 성능을 나타냈으며 타 웨이블릿을 사용하는 경우보다 평균자승오차(MSE: Mean Square Error)가 크게 개선되는 것을 볼 수 있었다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2011년도 추계학술대회
• /
• pp.299-300
• /
• 2011

상이한 전기화학적 특성을 가진 단위 셀들을 미리 선별하여 팩의 안전한 운용 및 배터리 관리 시스템의 성능 향상을 위해 스크리닝(screening)은 필수적이다. 그러므로, 본 논문에서는 이산 웨이블릿 변환(DWT;discrete wavelet transform)을 이용한 리튬 이온 배터리 스크리닝 방법을 제안한다. 제안된 방식은 축소된 하이브리드 자동차용 전류프로파일을 통해 얻어진 충방전 전압을 이산 웨이블릿 변환에 적용하여 저주파 전압 성분과 고주파 전압 성분으로 분리하고, 각 단계별로 얻어진 성분들의 통계처리를 실시하여 스크리닝을 구현한다. 특히, 마지막 단계에서의 저주파 전압 성분과 고주파 전압 성분은 배터리의 State-of-health(SOH)를 예측하기 위한 성분으로 정의된다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 추계학술대회
• /
• pp.139-142
• /
• 2011

본 논문에서는 이산 웨이블릿 변환(Discrete Wavelet Transform : DWT)을 이용한 새로운 초고해상도 기법을 제안한다. 제안된 기법에서는 DWT 수행 시 수반되는 다운 샘플링 과정을 수행하지 않음으로써 입력 받은 영상과 동일한 크기의 고주파 부대역(sub-band)들을 생성하고, 이 부대역들과 입력 받은 영상을 조합하여 이산 웨이블릿 역변환(Inverse Discrete Wavelet Transform : Inverse DWT)을 수행함으로써 고해상도의 영상을 획득한다. 실험을 통하여 제안된 기법이 이중 선형 보간법(bilinear interpolation)에 비해 향상된 효율을 보이며, 확률 기반의 기법들에 비해 처리시간도 줄어드는 것을 확인하였다.