• 대한전자공학회논문지SP
• /
• 제42권1호
• /
• pp.101-108
• /
• 2005

적응 CFAR(Constant False Alarm Rate) 알고리즘은 클러터 배경 환경에서 일정한 오경보 율을 유지하면서 탐지확률을 높이기 위해 사용된다. 특히 공간 상관관계, 크기 편차가 큰 비 균일한 클러터 환경에서 탐지성능을 향상시키기 위해서는 공간변화에 적응적인 필터링 기법이 요구된다. 본 논문에서는 클러터 배경추정을 위해 이차원적으로 영역을 구분하여 대표 추정 값을 구하고, 보간(interpolation) 필터를 이용하여 최종 추정 값을 결정하는 이차원 블록 보간(Two-dimensional Block Interpolation : TBI) 적응 CFAR 알고리즘을 제안한다. 제안한 방법은 부분영역의 히스토그램 분포 중앙값을 영역 추정 값으로 선택함으로 불규칙 간섭신호 제거에 효과적이며, 블록 노드 추정 값을 이용하여 각 셀에 대한 최종 추정 값을 얻는 방식을 취함으로 인해 거리 셀 수가 많고, 고도 빔 수가 많은 시스템에서 클러터 필터링에 필요한 메모리 공간을 줄이는데 이점이 있다. 컴퓨터 모의실험을 통해 기존의 트랜스버설(transversal) 방식, 회귀(recursive)방식의 적응 CFAR 알고리즘과 탐지성능, 필요메모리 측면에서 성능을 비교하여 제안한 방법의 우수성을 확인한다.

• 한국지능시스템학회논문지
• /
• 제27권1호
• /
• pp.79-87
• /
• 2017

기상수치예보모델의 강수물리과정은 강수 발생과 연관된 입자의 낙하속도, 부착 및 자동전환, 입자크기분포 등의 과정을 다룬다. 하지만 수치예보모델의 미세물리과정과 모수에는 상당한 불확실성이 내포되어 있다. 수치예보모델의 불확실성을 줄이기 위하여 일반적으로 모수 추정을 사용한다. 이 연구에서는 모수 추정을 위한 최적화 알고리즘으로 마이크로 유전알고리즘과 하모니탐색 알고리즘을 사용하고 우리나라에서 발생한 강수사례에 대해 통합모델의 강수물리과정에서 사용하는 모수를 최적화하였다. 두 알고리즘의 서로 다른 특성으로 인해 최적화 과정 중의 차이가 보였다. 마이크로 유전알고리즘은 440회 수행 후 약 1.033의 적합도로 수렴하였고 하모니탐색 알고리즘은 60번 수행 후 약 1.031의 적합도로 수렴하였다. 이를 통해 하모니탐색 알고리즘이 마이크로 유전알고리즘보다 더 빨리 최적의 모수를 탐색하는 것을 알 수 있었다. 따라서 계산비용이 방대한 기상수치예보모델의 최적화 문제에서 빠른 시간 내에 최적의 모수를 탐색해야 한다면 하모니 탐색 알고리즘이 더 적합하다는 것을 확인하였다.

• 전자공학회논문지B
• /
• 제33B권1호
• /
• pp.133-143
• /
• 1996

널리 사용되는 blind 등화 알고리듬의 하나인 constant modulus algorithm (CMA)은 등화기 출력신호의 2차 통계 특성을 이용하여 채널을 등화한다. Quadrature amplitude modulation (QAM) 신호와 같은 다중레벨을 갖는 신호에 대한 CMA의 성능은 모든 신호의 전력을 하나의 modulus에 투영시켜 등화함에 따라 성능이 떨어지게 된다. 본 논문에서는 QAM 시스템에 대한 등화성능을 개선시키기 위해 오차크기에 따른 shell 분할방법을 제안하였다. 등화기 출력신호의 분포를 가우시안으로 가정하여, 등화기 출력신호전력의 분포가 noncentral $x^2$ 분포를 이룸으로부터 maximum likelihood 추정에 의한 결정경계를 구했다. 결정경계에 의해 분리되는 각 shell이 하나의 modulus를 가짐에 착안하여 제안한 CMA는 다중 modulus 등화시스템을 구성한다. 32-QAM과 64-QAM 신호에 대한 전산모의실험을 통하여 제안한 알고리듬이 효과적임을 보였다.

• 한국시뮬레이션학회논문지
• /
• 제20권3호
• /
• pp.19-28
• /
• 2011

적응적 랜덤 테스팅(ART)은 순수 랜덤 테스팅의 효율성을 개선하기 위해 제안된 방법으로 효과적인 테스트 케이스의 선택을 통해 보다 적은 수의 테스트 케이스로 소프트웨어 내에 존재하는 오류 영역을 찾는 것을 목적으로 한다. 기존의 ART는 하나의 시스템 혹은 유닛에 대한 테스트를 적용 대상으로 하고 있으며, 다양한 접근 방법을 이용해 순수 랜덤 테스팅보다 우수한 성능을 보여 왔다. 하지만 통합 시스템을 구성하는 특정 유닛에 대해 ART를 적용하고자 하는 경우에는 시스템을 구성하는 타 유닛들의 영향으로 인해 기대 이하의 효율성을 보이게 된다. 따라서 본 논문에서는 이와 같은 테스트 환경 대한 ART 적용방법의 하나로, 테스트 대상 유닛에 부여되는 입력 데이터의 분포를 통합 시스템에 대한 제한된 수의 입력을 사용하여 예측하고, 이를 바탕으로 시스템의 입력 도메인 분할 크기를 조절하는 방법을 제안하고 시뮬레이션을 통해 성능을 평가한다. 시뮬레이션 결과, 제안된 방법은 유닛 테스팅에 ART를 적용했을 때와 유사한 수준의 성능으로 통합 시스템 내의 특정 유닛을 테스트 가능하도록 하며, 오류 비율의 변화가 ART의 성능에 미치는 영향 또한 1% 이내 수준으로 안정임을 확인하였다.

• 한국음향학회지
• /
• 제16권5호
• /
• pp.96-104
• /
• 1997

본 논문에서는 임펄스 잡음이 부가되는 환경 하에서 시지연 추정 및 시지연과 주파수 지연 목합 추정을 위한 새로운 강건 알고리즘들을 제안하였다. 제안된 방법은 ${\alpha}-stable$ 분포 이론을 바탕으로 하여 음의 분수 차수 모멘트(FNOM: fractional negative order moment)와 최소 산란(MD : minimum dispersion) 법을 이용한 강건 시지연 추정법들과 이를 응용한 시지연과 주파수 지연의 복합 추정법인 음의 분수 차수 모호함수법과 복합 최소 산란 법으로 구성되었다. 제안한 방법들을 평가하기 위하여 컴퓨터 모의 실험을 통해서 실제 응용 능력을 기존의 여러 방법들과 비교. 검토하였다. 실험 결과 2차 모멘트 이론을 바탕으로 한 관례적인 방법들은 가우시안 잡음 환경 (${\alpha}$=2인 $S{\alpha}S$ 잡음) 하에서만 시지연 추정이 가능하였고, 최근 제안된 Nikias[7]의 강건 시지연 추정법 들도 대부분이 제한된 임펄스 잡음 ($1<{\alpha}{\le}2$인 $S{\alpha}S$ 잡음)에 대해서만 그 성능이 입증된 반면, 본 연구에서 제안한 방법들은 가우시안 잡음 및 심한 임펄스 잡음 ($0<{\alpha}{\le}2$인 $S{\alpha}S$ 잡음) 하에서도 강건하게 시지연 추정이 가능함을 입증하였다.

• 환경영향평가
• /
• 제27권3호
• /
• pp.291-306
• /
• 2018

본 연구는 붉가시나무(Quercus acuta Thunb.)를 대상으로 기후변화의 영향을 평가함에 있어 분산능력을 고려해보고자 하였다. 기후변화에 따른 붉가시나무의 잠재서식지 변화를 예측하기 위하여 종의 분포자료와 기후자료를 활용하여 종분포모형을 개발하였다. 종분포모형은 9개 알고리즘을 True Skill Statistic 평가 값 가중치로 합산하는 앙상블모형을 적용하여 불확실성을 줄이고자 하였다. 미래의 시간적 범위는 2050년과 2070년을 대상으로 하였으며, 기후변화 시나리오는 RCP4.5와 RCP8.5를 선정 하였다. 최종적인 미래 잠재서식지는 현재 적합서식지에서 분산능력에 따라 분산가능한지의 여부를 고려하여 결정하였다. 분산능력은 제한이 없는 경우(Unlimited)와 거리에 따른 분산 확률 함수에 3가지 계수값 (${\theta}=-0.005$, ${\theta}=-0.001$, ${\theta}=-0.0005$)을 적용하여 R 패키지인 Migclim을 사용하여 구현하였다. 2050년 RCP4.5 시나리오에서 계수값이 ${\theta}=-0.005$일 때 붉가시나무의 잠재서식지가 감소하였다. 그 이외의 경우에는 분산능력이 낮은 경우에도 한반도 내의 잠재서식지가 늘어났다. 하지만 분산능력을 고려하였을 경우 붉가시나무의 미래 잠재서식지 확장에는 한계가 분명하게 나타났다. 따라서 기후변화에 따른 미래 잠재서식지 예측에 있어서 분산능력을 고려하는 것이 중요하다고 판단된다.

• 한국수자원학회논문집
• /
• 제48권1호
• /
• pp.57-67
• /
• 2015

이중편파레이더는 강우입자의 모양, 크기, 위상, 방향에 대한 정보를 제공해줌으로써 단일편파레이더보다 정확한 정량적 강우 추정에 장점이 있다. 본 연구에서는 대표적인 이중편파레이더 강우 추정 알고리즘인 JPOLE 알고리즘과 CSU 알고리즘을 이용하여 강우량을 산정 비교하였다. 이 두 알고리즘은 강우의 크기에 따라 반사도, 차등반사도, 비차등위상차를 각각 이용하거나 조합하여 강우량을 계산한다. 비차등위상차는 강우입자의 모양과 분포밀도에 대한 정보를 주는 차등위상차에 필터링이나 회귀분석기법을 이용하여 계산되는데, 대류성 강우 지역에서는 비차등위상차의 첨두값이 과소 추정되거나 음의 값을 보일 수 있으며, 약한 강우지역에서는 진동하기도 한다. 본 연구에서는 이러한 문제를 해결하고자 Lim et al. (2013)에서 제안된 새로운 분포형 비차등위상차 산정방법의 이용을 제안하였다. 2012년도의 두 강우사상에 대한 국토교통부의 비슬산 레이더 자료를 이용하여 분포형 비차등위상차를 산정한 후 강우 추정 알고리즘에 적용하였다. 산정된 분포형 비차등위상차는 첨두값이 개선되었으며, 크게 진동하거나 음의 값이 산정되지 않았다. 이를 이용하여 추정된 강우량에 있어서는 일강우량 80mm 이상의 강한 강우에 대해 일강우량의 누적값이 AWS 관측값에 가깝게 개선되는 것을 확인하였으며 80mm 이하의 약한 강우에서는 개선 정도가 미약하였다. 이는 강우 추정 알고리즘에서 강우강도가 높은 경우에 비차등위상차가 사용되고, 낮은 경우에는 반사도와 차등반사도가 사용되기 때문인 것으로 판단된다. 본 연구를 통해 향후 이중편파레이더를 이용한 강우량 추정의 정확도를 향상시킬 수 있을 것으로 기대된다.

• 자원환경지질
• /
• 제55권4호
• /
• pp.353-366
• /
• 2022

지구과학 데이터(지오데이터)의 공간 이질성, 희소성 및 고차원성으로 인해 공간 분포 추정에 어려움이 있다. 따라서 지구과학의 많은 응용 분야에서 지오데이터의 고유 특성을 고려할 수 있는 공간 추정 기법이 필요하다. 본 연구에서는 기계 학습 알고리즘 중 하나인 가우시안 혼합 모델(Gaussian Mixture Model; GMM)을 이용하여 공간 예측 방법을 제공하고자 하였다. 제안된 기법의 성능을 검증하기 위해, 옛 제련소 부지에서 휴대용 X선 형광분석기(PXRF) 및 유도결합플라즈마-원자방출분광법(ICP-AES)을 이용하여 분석된 토양 농도 자료를 활용하였다. ICP-AES를 이용해 분석된 As와 Pb를 주변수로 하고, 나머지 자료는 보조변수로 활용하였다. 다차원의 보조변수 중 중요 변수를 선별하기 위해 랜덤포레스트 기반의 변수선택법을 적용하였다. ICP-AES 및 PXRF를 통해 구축된 다변량 데이터를 사용한 GMM의 결과를 단변량 및 이변량 데이터를 사용한 정규 크리깅(Ordinary Kriging; OK) 및 정규 공동크리깅(Ordinary Co-Kriging; OCK)의 결과와 비교하였다. GMM의 결과는 OK 및 OCK의 결과보다 낮은 평균 제곱근 편차(RMSE; 비소는 최대 0.11 및 납은 0.33까지 향상)와 높은 상관관계(r; 비소는 최대 0.31 및 납은 0.46까지 향상)를 제공하였다. 이는 GMM을 사용할 경우 토양 오염의 범위 해석의 성능을 향상시킬 수 있음을 지시한다. 본 연구는 다 변량 공간추정 접근법이 복잡하고 이질적인 지질 및 지구 화학자료의 특징을 이해하는 데 효과적으로 적용될 수 있음을 증명하였다.

• 한국지리정보학회지
• /
• 제2권2호
• /
• pp.59-68
• /
• 1999

원격탐사기법에 의한 연안해역과 광범위한 수표면적을 지닌 호수의 부유사 분포를 파악하고자 하는 연구는 70년대 이후 위성자료의 이용이 활발히 이루어지면서 많은 연구결과들이 발표되었다. 하지만, 국내에서 원격탐사기법에 의한 부유사의 공간적인 분포를 정량적으로 해석하기 위한 연구는 부족한 실정이며, 적합한 알고리듬이 제시되지 못하고 있다. 본 연구에서는 시화호와 경기만 연안해역에서 실측한 부유사 자료와 SeaWiFS 밴드역을 가진 수중 광학장비에 의해 얻어진 반사치를 이용하여 부유사 알고리듬을 구성하였다. 또한, 알고리듬을 현장실측치가 있는 시점의 Landsat TM 자료를 적용하여 알고리듬의 적용에 따른 문제점을 제시하였다. 밴드비율과 밴드차에 의한 알고리듬 구성은 현장실측치와 $R^2$=0.7649의 관계를 나타내었고, 본 연구에서 얻어진 알고리듬을 통해 계산된 부유사와 실측치는 $R^2$=0.6959를 나타내었다. 하지만, Landsat TM으로부터 추출된 영상신호(radiance)를 알고리듬에 적용하여 얻은 결과는 만족하기 어려운 결과가 나타났고, 이는 엽록소와 용존유기물의 농도가 높은 수역에서는 부유사의 흡광과 산란에 의한 부유사 농도의 정량적인 평가가 어렵다는 것으로 해석되었다.

• 음성과학
• /
• 제5권1호
• /
• pp.7-21
• /
• 1999

This paper proposes an improved training procedure in speech recognition based on the continuous density of the Hidden Markov Model (CDHMM). Of the three parameters (initial state distribution probability, state transition probability, output probability density function (p.d.f.) of state) governing the CDHMM model, we focus on the third parameter and propose an efficient algorithm that determines the p.d.f. of each state. It is known that the resulting CDHMM model converges to a local maximum point of parameter estimation via the iterative Expectation Maximization procedure. Specifically, we propose two independent algorithms that can be embedded in the segmental K -means training procedure by replacing relevant key steps; the adaptation of the number of mixture Gaussian p.d.f. and the initialization using the CDHMM parameters previously estimated. The proposed adaptation algorithm searches for the optimal number of mixture Gaussian humps to ensure that the p.d.f. is consistently re-estimated, enabling the model to converge toward the global maximum point. By applying an appropriate threshold value, which measures the amount of collective changes of weighted variances, the optimized number of mixture Gaussian branch is determined. The initialization algorithm essentially exploits the CDHMM parameters previously estimated and uses them as the basis for the current initial segmentation subroutine. It captures the trend of previous training history whereas the uniform segmentation decimates it. The recognition performance of the proposed adaptation procedures along with the suggested initialization is verified to be always better than that of existing training procedure using fixed number of mixture Gaussian p.d.f.