• 대한산업공학회지
• /
• 제39권2호
• /
• pp.109-118
• /
• 2013

We propose a method for estimating coefficients of AR (autoregressive) model which named MLPAR (Maximum Likelihood of Pearson system for Auto-Regressive model). In the present method for estimating coefficients of AR model, there is an assumption that residual or error term of the model follows the normal distribution. In common cases, we can observe that the error of AR model does not follow the normal distribution. So the normal assumption will cause decreasing prediction accuracy of AR model. In the paper, we propose the MLPAR which does not assume the normal distribution of error term. The MLPAR estimates coefficients of auto-regressive model and distribution moments of residual by using pearson distribution system and maximum likelihood estimation. Comparing proposed method to auto-regressive model, results are shown to verify improved performance of the MLPAR in terms of prediction accuracy.

• 전자공학회논문지S
• /
• 제36S권11호
• /
• pp.54-59
• /
• 1999

본 논문에서는 보다 정확한 선형예측을 위해 시공간적응적 기반영역에 바탕을 둔 확장된 auto regressive(AR) 모델을 제안한다. 기존의 AR 모델에서 영상 전체에 걸쳐 사용되는 직사각형 형태의 기반영역은 영상의 경계선 영역에서는 더 이상 정상상태(stationarity)의 조건을 만족시키지 않음으로써 경계선 영역에서 예측오차가 증가하는 결점을 갖는다. 그래서 제안된 방법은 AR 모델에서 시공간적응적 기반영역이라 불리는 정상상태의 기반영역을 구성하는데 중점을 둔다. 시공간적응적 기반영역은 영상의 경계선 특성과 관련되는 공간적응적 기반영역과 시간축의 불연속 개념과 관련되는 시간적응적 기반영역으로 구성되어진다. 제안된 AR 모델은 동영상 복원 실험간 좀 더 정확한 모델 파라미터를 산출하였을 뿐만 아니라 복잡한 계산과정을 단순화하는 이점을 가진다.

• Structural Engineering and Mechanics
• /
• 제15권3호
• /
• pp.299-314
• /
• 2003

This investigation presents an efficient method for identifying modal characteristics from the measured displacement, velocity and acceleration signals of multiple channels on structural systems. A Vector Backward Auto-Regressive model (VBAR) that describes the relationship between the output information in different time steps is used to establish a backward state equation. Generally, the accuracy of the identified dynamic characteristics can be improved by increasing the order of the Auto-Regressive model (AR) in cases of measurement of data under noisy circumstances. However, a higher-order AR model also induces more numerical modes, only some of which are the system modes. The proposed VBAR model provides a clear characteristic boundary to separate the system modes from the spurious modes. A numerical example of a lumped-mass model with three DOFs was established to verify the applicability and effectiveness of the proposed method. Finally, an offshore platform model was experimentally employed as an application case to confirm the proposed VBAR method can be applied to real-world structures.

• 한국지능시스템학회논문지
• /
• 제19권5호
• /
• pp.713-719
• /
• 2009

본 논문은 비선형 특성을 내재한 물 수요예측을 위하여 기존의 시계열 자기회귀 알고리즘과 다층신경망 학습방법을 결합한 단기 물 수요 예측 알고리즘을 개발하였다. 제시된 방법을 검증하기 위한 사례연구로 2007년도와 2008년도 전북지역의 광역상수도 A정수장에서 취득된 데이터를 활용하여 알고리즘 구축 및 제안 방법의 정확도를 분석하였다. 실험 결과 다중회귀모델은 MAPE가 5.1%, AR모델은 3.8%, 제안된 방법인 AR+MLP 모델은 3.6%로 나타나 성능이 우수한 것으로 나타났다. 따라서 제안된 방법을 사용할 경우 정수장에서 단기 물 수요예측에 유용하게 활용할 수 있음을 보였다.

• 한국정보통신학회논문지
• /
• 제23권2호
• /
• pp.117-126
• /
• 2019

부정맥 분류를 위한 기존 연구들은 분류의 정확성을 높이기 위해 신경망, 퍼지, 시계열 주파수 분석, 비선형 분석법 등이 연구되어 왔다. 이러한 방법들은 분류율를 향상시키기 위해 정확한 특징점과 많은 양의 신호를 처리해야 하기 때문에 데이터의 가공 및 연산이 복잡하며, 다양한 부정맥을 분류하는데 어려움이 있다. 본 연구에서는 AR(Auto Regressive) 모델링 기반의 특징점 추출과 SVM(Support Vector Machine)을 통한 조기수축 부정맥 분류 방법을 제안한다. 이를 위해 잡음을 제거한 ECG 신호에서 R파를 검출하고 QRS와 RR 간격의 특정 파형 구간을 모델링하였다. 이후 최적 세그먼트 길이(n1, n2), 최적 차수( p1, p2)의 4가지 AR 모델링 변수를 추출하고 SVM을 통해 Normal, PVC, PAC를 분류하였다. 연구의 타당성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스를 대상으로 한 R파의 평균 검출 성능은 99.77%, Normal, PVC, PAC 부정맥은 각각 99.23%, 97.28, 96.62의 평균 분류율을 나타내었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권2호
• /
• pp.366-385
• /
• 2013

In this paper, we propose a compressed sensing (CS) based Wyner-Ziv (WZ) codec using motion-aligned auto regressive model (MAAR) based side information (SI) extrapolation to improve the compression performance of low-delay distributed video coding (DVC). In the CS based WZ codec, the WZ frame is divided into small blocks and CS measurements of each block are acquired at the encoder, and a specific CS reconstruction algorithm is proposed to correct errors in the SI using CS measurements at the decoder. In order to generate high quality SI, a MAAR model is introduced to improve the inaccurate motion field in auto regressive (AR) model, and the Tikhonov regularization on MAAR coefficients and overlapped block based interpolation are performed to reduce block effects and errors from over-fitting. Simulation experiments show that our proposed CS based WZ codec associated with MAAR based SI generation achieves better results compared to other SI extrapolation methods.

• 한국윤활학회:학술대회논문집
• /
• 한국윤활학회 2002년도 proceedings of the second asia international conference on tribology
• /
• pp.249-250
• /
• 2002

In this paper, the relationship among the 3-D surface topography parameters are studied. Several surface topography parameters that are important in tribology are calculated against various surface topography data. 3-D surface data with desired properties are generated by using the non-causal 2-D auto-regressive (AR) model. The non-causal 2-D AR model is a random 3-D surface topography model that can generate 3-D surface topography data with specified parameters.

• 한국통신학회논문지
• /
• 제34권6C호
• /
• pp.561-570
• /
• 2009

임펄스 기반의 초광대역 통신 기술은 이론적으로 근거리에서 고속의 데이터 전송과 고해상도의 거리 인지 및 무선 측위가 가능하다는 장점을 가지고 있지만 이러한 기능들을 수행하기 위해서는 우선적으로 고속의 ADC(Analog to Digital Convertor)가 요구되며 특히, 시간 기반의 무선 측위 기법을 적용할 경우 더욱 그러하다. 그러나 현실적으로 GHz 이상의 고속의 ADC는 매우 고가이기 때문에 본 논문에서 목표로 하는 저비용을 고려한 저속의 무선 개인 영역 네트워크 (Low Rate - Wireless Personal Area Network; LR-WPAN)에서는 부적합하다. 따라서 본 논문에서는 저속의 ADC로 고정밀의 무선 측위가 가능한 주파수 영역에서 계산의 복잡도가 낮은 AR(Auto Regressive) 모델을 기반으로한 레인징 기법을 소개하고, 아날로그 단에서 주파수 변환을 위해 카운터를 이용한 VCO(Voltage Control Oscillator) 방식의 non-coherent 기반의 수신 구조를 제안한다. 제안된 기법에 대한 성능을 검증하기 위해서 IEEE 802.15.4a TG에서 제시한 채널 모델을 적용하였으며 시뮬레이션 결과로부터 제안된 레인징 및 측위 방안의 우수성을 검증하였다.

• 한국전자파학회논문지
• /
• 제23권8호
• /
• pp.1014-1017
• /
• 2012

본 논문에서는 고해상도 SAR(Synthetic Aperture Radar) 영상 획득을 위해 방위각 방향 해상도를 향상시키기 위한 방법을 소개하였다. SAR 영상 획득을 위해 ${\omega}-k$(omega-k) 알고리즘을 이용하였으며, 2차원 주파수 영역에서 방위각 방향으로 AR(Auto-Regressive) 방법을 이용한 외삽을 이용하여 해상도를 향상시켰다. AR 방법은 선형 예측(linear prediction) 모델을 기반으로 한 외삽 기법이다. AR 방법을 이용한 외삽 기법 중에서 Burg 알고리즘을 이용하여 예측 차수(prediction order)와 표적의 거리에 따른 성능 비교 결과를 보여 준다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 1998년도 학술대회
• /
• pp.131-134
• /
• 1998

본 논문에서는 시공간 적응적 기반영역 (Adaptive Spatio-Temporal Support Region : ASTSR)을 바탕으로 하는 일반화된 Auto-Regressive(AT)모델을 제안한다. 시공간 적응적 기반 영역은 영상 내 경계선의 특성과 동영상에서의 시간적 불연속 (temporal discontinuity) 개념을 이용하여 구성되어질 수 있다. 설정된 시공간 적응적 기반영역은 기존의 AR 모델에 적용되어지는 직사각형 형태의 기반영역에 비하여 보다 정상상태(stationarity)의 특성을 가지며 이로 인해 더 정확한 모델 파라미터들을 추출해 낼 수 있을 뿐 아니라 데이터의 처리량에서도 큰 이득을 얻을 수 있다. 제안된 방법은 손상된 동영상 데이터를 복원(motion picture restoration)하는 측면에 응용되어 실험되어졌으며 기존의 모델과 비교하여 우수한 성능을 보여주었다.