• 대한전자공학회논문지
• /
• 제25권12호
• /
• pp.1522-1531
• /
• 1988

The purpose of this paper is to explain eigenstructure based spatial spectrum estimation algorithms computing better estimates than the other approaches. Also, as an approach to overcome performance degradations in a multipath environments, the notion of forward and backwark spatial smoothing is discussed. Intensive simulation results,which include the comparisons of the eigenbased spatial spectral estimation algorithms in the situations of faulty estimation of the number of signals, are presented. The simulation results have shown that overestimation of the number of signals is more desirable than underestimation in using EV (Eigen Vector) and MUSIC (Multiple Signal Classification) algorithms and that underestimation of the number of signals is better strategy than overestimation in using eigenstructure based LP(Linear Prediction) algorithms.

• 한국소음진동공학회논문집
• /
• 제13권6호
• /
• pp.438-444
• /
• 2003

A method using beamforming algorithm has been developed to measure oblique incidence reflection coefficients of sound absorption materials. MUSIC(multiple signal classification) method detects the angles of incidence and reflection. By separating the incident and reflected waves using beamforming method, the reflection coefficient is calculated. Spatial smoothing technique Is also used to reduce the coherence between the incident and reflected waves. Numerical and experiment results are performed to verify the accuracy of proposed method.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2001년도 추계학술대회논문집 II
• /
• pp.1323-1328
• /
• 2001

The theory of NAH is based on the assumption of reflection free. However, it is not always possible to meet this condition in many practical cases. Thus, a decomposition of direct and reflected fields is needed to apply NAH to reflective condition for noise problems. In addition, the decomposition of direct and reflected field can give acoustic characteristics of reflecting surfaces. This paper presents that in this condition the decomposition can also be successfully done by MUSIC(Multiple Signal Classification) power method and beamforming method, and that numerical simulation and real experiments verify its performance.

• 융합신호처리학회논문지
• /
• 제12권4호
• /
• pp.250-257
• /
• 2011

본 논문에서는 이동 카메라 영상에서 움직임 정보와 SVM(Support Vector Machine)을 이용하여 다수의 보행자를 검출하는 방법을 제안하였다. 먼저 연속된 영상의 특징점을 이용하여 카메라 자체의 움직임 보상용 한 후 차 영상과 프로젝션 히스토그램을 통해 움직이는 보행자를 검출한다. 차 영상을 이용한 보행자 검출은 간단한 방법이지만 움직임이 없는 보행자는 검출하지 못하는 단점이 있다. 따라서 이러한 단점을 보완하기 위하여 SVM을 이용하여 움직이지 않는 보행자를 검출하였다. SVM은 보행자 검출과 같은 이진 분류 문제에 우수한 성능을 보이는 것으로 알려져 있다. 하지만 영상 내에 보행자가 서로 인접해 있거나 팔과 다리를 과도하게 움직이는 경우 검출하지 못하는 단점이 있다. 그러므로 본 논문에서는 움직임 정보와 SVM을 이용하여 움직임이 없는 보행자와 보행자가 서로 인접해 있거나 과도한 동작을 취하는 경우에도 강건하게 검출할 수 있는 방법을 제안하였다. 본 논문에서 제안된 방법의 성능을 평가하기 위하여 다양한 실세계 영상을 이용하여 수행하였으며, 그 결과 평균 검출률이 94%, FP(False Positive)가 2.8%로 제안된 방법의 우수성을 입증하였다.

• 대한의용생체공학회:의공학회지
• /
• 제22권5호
• /
• pp.439-448
• /
• 2001

이식형 양심실 보조 장치 (Biventricular Assist Device, BVAD)에서 판막이 닫힐 때 나는 소리의 특성과 판막의 물리적인 상태의 상관성을 고찰하였다. 본 연구에서 Bj rk Shiley Convexo Concave tilting disk 판막을 사용했으며, 모의 순환계와 양의 체내에서 동작하는 BVAD 에서 판막음을 측정하였다. 모의 순환계에서는 정상 판막. 기계적으로 손상된 판막. 모의 혈전이 형성된 판막의 3가지를 고려하였다. 양에 이식된 BVAD의 경우, 이식 후 1일부터 5일 동안 규칙적인 간격으로 판막음을 측정하였다. 측정된 신호의 스펙트럼 특성은 Multiple Signal Classification (MUSIC)을 이용하여 추정하였다. MUSIC의 최적 차수는 Bayesian Information Criterion (BIC)을 이용하여 계산하였다. 실험 결과, 판막의 기계적인 손상은 판막 폐쇄음의 주파수 스펙트럼 구조를 변화시키고 있으며, 혈전의 형성은 판막음 스펙트럼의 기본 구조는 유지하지만 피크 주파수와 에너지의 크기를 변화시키는 것으로 관찰되었다. 최대 에너지를 가지는 MSP (maximum spectral peak)는 정상 판막에서는 2 kHz에 위치하고 있으나 모의 혈전을 부탁한 판막에서는 3 kHz로 이동하였다. 손상된 판막은 7 kHz 부근에서 강한 피크 보이고 있다 실험 동물 내에서 판막에 혈전이 형성되어감에 따라 판막음은 저주파 성분 (〈 2kHz)이 상대적으로 크게 감소하였고, Ist 2nd. 3rd MSP 주파수는 약간씩 상승하였다. 또한 혈전이 형성되어 감에 따라 반복해서 측정된 판막음의 1st, 2nd. 3rd MSP 주파수의 변화 정도 및 BIC 차수는 감소하는 것으로 나타났다

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권12호
• /
• pp.5860-5876
• /
• 2018

A single snapshot data can only provide limited amount of information so that the rank of covariance matrix is not full, which is not adopted to complete the parameter estimation directly using the traditional super-resolution method. Aiming at solving the problem, a joint time delay and angle estimation using matrix pencil method based on information reconstruction vector for orthogonal frequency division multiplexing (OFDM) signal is proposed. Firstly, according to the channel frequency response vector of each array element, the algorithm reconstructs the vector data with delay and angle parameter information from both frequency and space dimensions. Then the enhanced data matrix for the extended array element is constructed, and the parameter vector of time delay and angle is estimated by the two-dimensional matrix pencil (2D MP) algorithm. Finally, the joint estimation of two-dimensional parameters is accomplished by the parameter pairing. The algorithm does not need a pseudo-spectral peak search, and the location of the target can be determined only by a single receiver, which can reduce the overhead of the positioning system. The theoretical analysis and simulation results show that the estimation accuracy of the proposed method in a single snapshot and low signal-to-noise ratio environment is much higher than that of Root Multiple Signal Classification algorithm (Root-MUSIC), and this method also achieves the higher estimation performance and efficiency with lower complexity cost compared to the one-dimensional matrix pencil algorithm.

• 한국통신학회논문지
• /
• 제41권1호
• /
• pp.12-22
• /
• 2016

운전자의 편의와 안전을 위한 자율 주행 자동차 시스템으로 레이더 시스템이 활발히 연구가 진행되고 있다. 레이더 시스템은 전방 차량의 거리, 속도 그리고 각도를 추정한다. 도로 환경에 차량뿐만 아니라 인식해야 할 다양한 요소들이 다양해짐에 따라 고해상도 각도 추정 알고리즘이 적용되고 있다. 기존의 방식으로는 클러터들 사이에서 전방의 차량만의 각도를 추정하기 어렵고, 특히 같은 각도 상에 놓인 다른 차량들을 구분하기 힘들다. FMCW 레이더 시스템에서는 거리와 속도가 다른 차량들이 서로 다른 비트 주파수를 가지기 때문에, 비트 주파수에 기반하여 각도 추정을 할 수 있다면 효율적인 시스템을 구축할 수 있다. 본 논문에서는 MUSIC 알고리즘을 주파수 영역에서 적용하는 방법을 제시하고 적합성에 대한 분석을 한다.

• 방송공학회논문지
• /
• 제23권3호
• /
• pp.351-360
• /
• 2018

인간 감정 인식은 컴퓨터 비전 및 인공 지능 영역에서 지속적인 관심을 받는 연구 주제이다. 본 논문에서는 wild 환경에서 이미지, 얼굴 특징점 및 음성신호로 구성된 multi-modal 신호를 기반으로 여러 신경망을 통해 인간의 감정을 분류하는 방법을 제안한다. 제안 방법은 다음과 같은 특징을 갖는다. 첫째, multi task learning과 비디오의 시공간 특성을 이용한 준 감독 학습을 사용함으로써 영상 기반 네트워크의 학습 성능을 크게 향상시켰다. 둘째, 얼굴의 1 차원 랜드 마크 정보를 2 차원 영상으로 변환하는 모델을 새로 제안하였고, 이를 바탕으로 한 CNN-LSTM 네트워크를 제안하여 감정 인식을 향상시켰다. 셋째, 특정 감정에 오디오 신호가 매우 효과적이라는 관측을 기반으로 특정 감정에 robust한 오디오 심층 학습 메커니즘을 제안한다. 마지막으로 소위 적응적 감정 융합 (emotion adaptive fusion)을 적용하여 여러 네트워크의 시너지 효과를 극대화한다. 제안 네트워크는 기존의 지도 학습과 반 지도학습 네트워크를 적절히 융합하여 감정 분류 성능을 향상시켰다. EmotiW2017 대회에서 주어진 테스트 셋에 대한 5번째 시도에서, 제안 방법은 57.12 %의 분류 정확도를 달성하였다.

• 지능정보연구
• /
• 제23권4호
• /
• pp.147-168
• /
• 2017

오래 전부터 학계에서는 정확한 주식 시장의 예측에 대한 많은 연구가 진행되어 왔고 현재에도 다양한 기법을 응용한 예측모형들이 연구되고 있다. 특히 최근에는 딥러닝(Deep-Learning)을 포함한 다양한 기계학습기법(Machine Learning Methods)을 이용해 주가지수를 예측하려는 많은 시도들이 진행되고 있다. 전통적인 주식투자거래의 분석기법으로는 기본적 분석과 기술적 분석방법이 사용되지만 보다 단기적인 거래예측이나 통계학적, 수리적 기법을 응용하기에는 기술적 분석 방법이 보다 유용한 측면이 있다. 이러한 기술적 지표들을 이용하여 진행된 대부분의 연구는 미래시장의 (보통은 다음 거래일) 주가 등락을 이진분류-상승 또는 하락-하여 주가를 예측하는 모형을 연구한 것이다. 하지만 이러한 이진분류로는 추세를 예측하여 매매시그널을 파악하거나, 포트폴리오 리밸런싱(Portfolio Rebalancing)의 신호로 삼기에는 적합치 않은 측면이 많은 것 또한 사실이다. 이에 본 연구에서는 기존의 주가지수 예측방법인 이진 분류 (binary classification) 방법에서 주가지수 추세를 (상승추세, 박스권, 하락추세) 다분류 (multiple classification) 체계로 확장하여 주가지수 추세를 예측하고자 한다. 이러한 다 분류 문제 해결을 위해 기존에 사용하던 통계적 방법인 다항로지스틱 회귀분석(Multinomial Logistic Regression Analysis, MLOGIT)이나 다중판별분석(Multiple Discriminant Analysis, MDA) 또는 인공신경망(Artificial Neural Networks, ANN)과 같은 기법보다는 예측성과의 우수성이 입증된 다분류 Support Vector Machines(Multiclass SVM, MSVM)을 사용하고, 이 모델의 성능을 향상시키기 위한 래퍼(wrapper)로서 유전자 알고리즘(Genetic Algorithm)을 이용한 최적화 모델을 제안한다. 특히 GA-MSVM으로 명명된 본 연구의 제안 모형에서는 MSVM의 커널함수 매개변수, 그리고 최적의 입력변수 선택(feature selection) 뿐만이 아니라 학습사례 선택(instance selection)까지 최적화하여 모델의 성능을 극대화 하도록 설계하였다. 제안 모형의 성능을 검증하기 위해 국내주식시장의 실제 데이터를 적용해본 결과 ANN이나 CBR, MLOGIT, MDA와 같은 기존 데이터마이닝 기법들이나 인공지능 알고리즘은 물론 현재까지 가장 우수한 예측 성과를 나타내는 것으로 알려져 있던 전통적인 다분류 SVM 보다도 제안 모형이 보다 우수한 예측성과를 보임을 확인할 수 있었다. 특히 주가지수 추세 예측에 있어서 학습사례의 선택이 매우 중요한 역할을 하는 것으로 확인 되었으며, 모델의 성능의 개선효과에 다른 요인보다 중요한 요소임을 확인할 수 있었다.

• 융합정보논문지
• /
• 제10권6호
• /
• pp.41-48
• /
• 2020

수중 IoT 네트워크에서 센서 노드는 지속적인 전력 공급이 어렵기 때문에 제한된 상황에서 소비 전력과 네트워크 처리량의 효율성이 매우 중요하다. 이를 위해 기존의 무선 네트워크에서는 SNR(Signal Noise Rate)과 BER(Bit Error Rate)의 높은 연관성을 기반으로 적응적으로 통신 파라미터를 선택하는 AMC(Adaptive Modulation and Coding) 기술을 적용한다. 하지만 본 논문의 실험 결과, 수중에서 SNR과 BER 사이의 상관 관계가 상대적으로 감소함을 확인하였다. 따라서 본 논문에서는 SNR과 함께 다중 파라미터를 동시에 사용하는 딥러닝 기반 BER 예측 모델(MLP, Multi-Layer Perceptron)을 적용한다. 제안하는 BER 예측 모델은 처리량이 가장 높은 통신 방법을 찾아낼 수 있고, 시뮬레이션 결과 85.2%의 높은 정확도와 네트워크 처리량은 기존 처리량보다 4.4배 높은 성능을 보여주는 우수한 성능을 확인하였다.