• 전자공학회논문지
• /
• 제52권1호
• /
• pp.162-172
• /
• 2015

본 논문에서는 적응형 걸음걸이 검출 알고리즘과 검출된 신호로부터 단일 발자국의 움직임을 분류하는 알고리즘을 제안한다. 제안된 단일 발자국 기반 알고리즘은 기존의 연속된 발자국 신호를 이용한 분류 방식이 아니기 때문에 전체적인 움직임뿐만 아니라 개별적이고 불규칙한 움직임도 검출 및 분류 가능하다. 분류를 위해 사용된 특징벡터는 발자국 신호의 푸리에 스펙트럼, CWT의 스펙트럼, AR 모델링 스펙트럼과 AR 스펙트로그램 영상으로부터 얻어진 벡터이다. SVM을 이용하여 단일 발자국의 움직임을 분류한 결과 AR 스펙트로그램으로 얻어진 특징벡터를 사용할 경우 90% 이상 분류 성능을 얻었다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1995년도 제12회 음성통신 및 신호처리 워크샵 논문집 (SCAS 12권 1호)
• /
• pp.115-118
• /
• 1995

무제한 음성합성기를 구현하기 위하여 꼭 필요한 음성분석장치의 개발에 대하여 논하엿다. 이 분석장치는 신호처리 보드를 사용하여 PC에서 사용할 수 있도록 되어 있으며, 음성의 A/D, D/A 및 spectrogram display는 물론 pitch pulse 위치를 Glottal instint closure에 맞추어 삽입할 수 있어 linear prediction base의 무제한 합성기에서 필요한 음성 data base를 구축하기 용이하도록 개발하였다. 또한 음성인식을 위한 음성 DB나 현재 사용중인 ARS를 구축하고자 할 때에도 적은 노력과 시간이 소요되도록 하였다.

• IEIE Transactions on Smart Processing and Computing
• /
• 제6권1호
• /
• pp.10-17
• /
• 2017

We propose classification algorithms for human and dog movement. The proposed algorithms use micro-Doppler signals obtained from humans and dogs moving in four different directions. A two-stage classifier based on a support vector machine (SVM) is proposed, which uses a radial-based function (RBF) kernel and $16^{th}$-order linear predictive code (LPC) coefficients as feature vectors. With the proposed algorithms, we obtain the best classification results when a first-level SVM classifies the type of movement, and then, a second-level SVM classifies the moving object. We obtain the correct classification probability 95.54% of the time, on average. Next, to deal with the difficult classification problem of human and dog running, we propose a two-layer convolutional neural network (CNN). The proposed CNN is composed of six ($6{\times}6$) convolution filters at the first and second layers, with ($5{\times}5$) max pooling for the first layer and ($2{\times}2$) max pooling for the second layer. The proposed CNN-based classifier adopts an auto regressive spectrogram as the feature image obtained from the $16^{th}$-order LPC vectors for a specific time duration. The proposed CNN exhibits 100% classification accuracy and outperforms the SVM-based classifier. These results show that the proposed classifiers can be used for human and dog classification systems and also for classification problems using data obtained from an ultra-wideband (UWB) sensor.