• 한국통신학회논문지
• /
• 제27권4A호
• /
• pp.310-315
• /
• 2002

본 논문은 객관적 음질 평가법으로 웨이블렛 변환을 이용한 향상된 바크 코히어런스 함수 (Wavelet based Bark Coherence Function : WBCF)를 제안한다. 바크 코히어런스 함수 (Bark Coherence Function : BCF)는 심리 음향 영역에서 코히어런스 함수를 정의함으로서 음성 통신 시스템의 아날로그 부분에 의하여 발생할 수 있는 선형 왜곡에 강한 객관적 음질 평가법이다. VoIP (Voice over Internet Protocol)와 같은 패킷 기반의 음성 전달 시스템은 가변 지연등이 발생 될 수 있는데, 이것은 원음과 왜곡음의 정확한 시간축 정렬을 불가능하게 하여 기존의 객관적 음질 평가법의 성능을 저하시킨다. 제안된 WBCF는 고주파 영역에서 시간 분해능이 높으며, 저주파 영역에서 주파수 분해능이 높은 웨이블렛 변환을 사용한 후 BCF를 계산하여 VoIP 시스템에서의 객관적 음질을 평가한다. 주/객관적 음질 평가 실험을 통하여 WBCF가 ITU-T 권고안인 Perceptual Speech Quality Measure (PSQM)에 비하여 높은 성능을 가짐을 확인하였다.

• 방송공학회논문지
• /
• 제24권5호
• /
• pp.703-712
• /
• 2019

단일 영상 초해상도 (Single Image Super-Resolution - SISR)기법은 카메라로 획득된 저해상도 영상에 필터 기반의 연산을 적용하여 좋은 화질의 고해상도 영상을 복원하는 과정이다. 최근에 심층 합성곱 신경망 학습의 발전에 따라 단일 영상 초해상도에 적용되는 심층 학습 기법들은 좋은 성과를 보여 주고 있다. 그 대표적인 방법으로 영상의 특징 맵 기반 웨이블릿 계수 학습을 통해 고해상도 영상을 복원하는 WaveletSRNet이 있다. 하지만 복잡한 알고리즘으로 인해 계산량이 증대되어 처리 속도가 늦고 특징 추출할 때 특징 맵을 효율적으로 활용하지 못 한다는 단점을 가지고 있다. 이를 개선하기 위해 본 논문에서는 단일 영상 초해상도 RDB-WaveletSRNet 기법을 제안한다. 제안된 기법은 잔여밀집블록(Residual Dense Block)을 사용하여 저해상도의 특징 맵을 효과적으로 추출하여 초해상도의 성능을 향상시키고 적절한 성장률을 설정하여 복잡한 계산량 문제까지 해결하였다. 또한 웨이블릿 패킷 분해를 사용하여 확대율에 맞게 웨이블릿 계수를 획득하므로 높은 확대율의 단일 영상 초해상도를 얻게 하였다. 다양한 영상에 대한 실험을 통하여, 제안하는 기법이 기존 기법보다 수행시간이 빠르며 영상 품질도 우수함을 입증하였다. 제안하는 방법은 기존 방법보다 화질은 PSNR 0.1813dB만큼 우수하며 속도는 1.17배 빠른 것을 실험을 통해 확인하였다.

• International Journal of Naval Architecture and Ocean Engineering
• /
• 제12권1호
• /
• pp.258-269
• /
• 2020

This paper proposes Snapping Shrimp Noise (SSN) detection and corrupted Orthogonal Frequency Division Multiplexing (OFDM) reconstruction methods to increase Bit Error Rate (BER) performance when OFDM transmitted signal is corrupted by impulsive SSNs in underwater acoustic communications. The proposed detection method utilizes multilayer wavelet packet decomposition for detecting impulsive and irregularly concentrated and SSN energy in specific frequency bands of SSN, and the proposed reconstruction scheme uses iterative decision directed-subcarrier reconstruction to recover corrupted OFDM signals using multiple carrier characteristics. Computer simulations were executed to show receiver operating characteristics curve for the detection performance and BER for the reconstruction. The practical ocean experiment of SAVEX 15 demonstrated that the proposed method exhibits a better detection performance compared with conventional detection method and improves BER by 250% and 1230% for uncoded and coded data, respectively, compared with the conventional reconstruction scheme.

• 한국정밀공학회지
• /
• 제31권11호
• /
• pp.1031-1040
• /
• 2014

In this paper, a new condition diagnosis algorithm for the lens injection molding process using various features extracted from cavity pressure, nozzle pressure and screw position signals is developed with the aid of probability neural network (PNN) method. A new feature extraction method is developed for identifying five (5), seven (7) and two (2) critical features from cavity pressure, nozzle pressure and screw position signals, respectively. The node energies extracted from cavity and nozzle pressure signals are also considered based on wavelet packet decomposition (WPD). The PNN method is introduced to build the condition diagnosis model by considering the extracted features and node energies. A series of the lens injection molding experiments are conducted to validate the model, and it is demonstrated that the proposed condition diagnosis model is useful with high diagnosis accuracy.

• 전자공학회논문지CI
• /
• 제38권2호
• /
• pp.16-26
• /
• 2001

본 논문에서는 주어진 필터와 구현 복잡도에 대하여 최대 코딩이득을 내는 부 주파수 분활을 가진 서브밴드 부호화기를 구축하는 고속 알고리듬을 제안한다. 이를 위하여 본 논문에서는 직교 기저 및 비 직교 기저와 임의의 부 주파수 분할에 대하여 적용할 수 있는 통합적인 코딩이득의 식을 유도한 다음, 부 주파수 대역수에 대하여 코딩이득이 단순 증가 함수임을 증명한다, 이를 바탕으로 복잡도에 대하여 최대 코딩이득을 내는 최적화 된 부 주파수 분할을 찾아내기 위하여 그 단순 증가 함수를 부 주파수 대역 수에 따른 왜곡 함수로 다룬다. 이 왜곡 함수을 목적함수로 두고 Lagrange 방법에 근거하여 최적화 된 해를 고속으로 제공하는 알고리듬을 개발한다.

• Smart Structures and Systems
• /
• 제32권1호
• /
• pp.61-81
• /
• 2023

This study presents an ensemble learning based Bayesian model updating approach for structural damage diagnosis. In the developed framework, the structure is initially decomposed into a set of substructures. The autoregressive moving average (ARMAX) model is established first for structural damage localization based structural motion equation. The wavelet packet decomposition is utilized to extract the damage-sensitive node energy in different frequency bands for constructing structural surrogate models. Four methods, including Kriging predictor (KRG), radial basis function neural network (RBFNN), support vector regression (SVR), and multivariate adaptive regression splines (MARS), are selected as candidate structural surrogate models. These models are then resampled by bootstrapping and combined to obtain an ensemble model by probabilistic ensemble. Meanwhile, the maximum entropy principal is adopted to search for new design points for sample space updating, yielding a more robust ensemble model. Through the iterations, a framework of surrogate ensemble learning based model updating with high model construction efficiency and accuracy is proposed. The specificities of the method are discussed and investigated in a case study.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.271-280
• /
• 1999

인공신경망을 시계열예측에 적용하는 경우에 고려되어야 할 문제중, 특히 모형에 적합한 입력변수의 생성이 중요시되고 있는데, 이러한 분야는 인공신경망의 모형생성과정에서 입력변수에 대한 전처리기법으로써 다양하게 제시되어 왔다. 가장 최근의 입력변수 전처리기법으로써 제시되고 있는 신호처리기법은 전통적 주기분할처리방법인 푸리에변환기법(Fourier transforms)을 비롯하여 이를 확장시킨 개념인 웨이블릿변환기법(wavelet transforms) 등으로 대별될 수 있다. 이는 기본적으로 시계열이 다수의 주기(cycle)들로 구성된 상이한 시계열들의 집합이라는 가정에서 출발하고 있다. 전통적으로 이러한 시계열은 전기 또는 전자공학에서 주파수영역분할, 즉 고주파 및 저주파수를 분할하기 위한 기법에 적용되어 왔다. 그러나, 최근에는 이러한 연구가 다양한 분야에 활발하게 응용되기 시작하였으며, 그 중의 대표적인 예가 바로 경영분야의 재무시계열에 대한 분석이다. 전통적으로 재무시계열은 장, 단기의사결정을 가진 시장참여자들간의 거래특성이 시계열에 각기 달리 가격으로 반영되기 때문에 이러한 상이한 집단들의 고요한 거래움직임으로 말미암아 예를 들어, 주식시장이 프랙탈구조를 가지고 있다고 보기도 한다. 이처럼 재무시계열은 다양한 사회현상의 집합체라고 볼 수 있으며, 그만큼 예측모형을 구축하는데 어려움이 따른다. 본 연구는 이러한 시계열의 주기적 특성에 기반을 둔 신호처리분석으로서 기존의 시계열로부터 노이즈를 줄여 주면서 보다 의미있는 정보로 변환시켜줄 수 있는 웨이블릿분석 방법론을 새로운 필터링기법으로 사용하여 현재 많은 연구가 진행되고 있는 인공신경망의 모형결합을 통해 기존연구과는 다른 새로운 통합예측방법론을 제시하고자 한다. 본 연구에서는 제시하는 통합방법론은 크게 2단계 과정을 거쳐 예측모형으로 완성이 된다. 즉, 1차 모형단계에서 원시 재무시계열은 먼저 웨이브릿분석을 통해서 노이즈가 필터링 되는 동시에, 과거 재무시계열의 프랙탈 구조, 즉 비선형적인 움직임을 보다 잘 반영시켜 주는 다차원 주기요소를 가지는 시계열로 분해, 생성되며, 이렇게 주기에 따라 장단기로 분할된 시계열들은 2차 모형단계에서 신경망의 새로운 입력변수로서 사용되어 최종적인 인공 신경망모델을 구축하는 데 반영된다. 기존의 주기분할방법론은 모형개발자입장에서 여러 가지 통계기준치중에서 최적의 기준치를 합리적으로 선택해야 하는 문제가 추가적으로 발생하며, 본 연구에서는 이상의 제반 문제들을 개선시키기 위해 통합방법론으로서 기존의 인공신경망모형을 구조적으로 확장시켰다. 이 모형에서 기존의 입력층 이전단계에 새로운 층이 정의된다. 이렇게 해서 생성된 새로운 통합모형은 기존모형에서 생성되는 기본적인 학습파라미터와 더불어, 본 연구에서 새롭게 제시된 주기분할층의 파라미터들이 모형의 학습성과를 높이기 위해 함께 고려된다. 한편, 이러한 학습과정에서 추가적으로 고려해야 할 파라미터 갯수가 증가함에 따라서, 본 모델의 학습성과가 local minimum에 빠지는 문제점이 발생될 수 있다. 즉, 웨이블릿분석과 인공신경망모형을 모두 전역적으로 최적화시켜야 하는 문제가 발생한다. 본 연구에서는 이 문제를 해결하기 위해서, 최근 local minimum의 가능성을 최소화하여 전역적인 학습성과를 높여 주는 인공지능기법으로서 유전자알고리즘기법을 본 연구이 통합모델에 반영하였다. 이에 대한 실증사례 분석결과는 일일 환율예측문제를 적용하였을 경우, 기존의 방법론보다 더 나운 예측성과를 타나내었다.

• 한국음향학회지
• /
• 제42권3호
• /
• pp.262-269
• /
• 2023

본 논문에서는 선형 예측 분석을 기반으로 한 딱총새우 잡음 검출을 위한 특징을 제안한다. 딱총새우는 천해에 서식하는 종으로, 높은 진폭의 신호를 생성하고 빈번하게 발생하기 때문에 수중 잡음의 주된 원인 중 하나이다. 제안된 특징은 딱총새우 잡음이 갑작스럽게 발생하고 빠르게 소멸하는 특징을 활용하기 위해 선형 예측 분석을 이용하여 정확한 잡음 구간을 검출하고 딱총새우 잡음의 영향을 줄인다. 선형 예측 분석으로 예측한 값과 실제 측정값 사이의 오차가 크기 때문에 이를 통해 효과적으로 딱총새우 구간 검출이 가능해진다. 추가적으로 제안된 특징에 일정 오경보 확률 탐지기를 결합하여 잡음 구간 검출 성능을 추가적으로 개선한다. 제안한 방법을 딱총새우 잡음 구간 검출 최신 방법으로 알려진 다층 웨이블릿 패킷 분해와 비교한 결과, 제안한 방법이 수신자 조작 특성 곡선과 곡선 아래의 면적 측면에서 성능이 평균적으로 0.12만큼 우수하였고 계산량 측면에서도 계산 복잡도가 더 낮았다.

• Smart Structures and Systems
• /
• 제33권3호
• /
• pp.189-199
• /
• 2024

To properly extract the strain components under varying operational conditions is very important in bridge health monitoring. The abnormal sensor readings can be correctly identified and the expected operational performance of the bridge can be better understood if each strain components can be accurately quantified. In this study, strain components under varying load conditions, i.e., temperature variation and live-load variation are evaluated based on field strain measurements collected from a real concrete box-girder bridge. Temperature-induced strain is mainly regarded as the trend variation along with the ambient temperature, thus a smoothing technique based on the wavelet packet decomposition method is proposed to estimate the temperature-induced strain. However, how to effectively extract the vehicle-induced strain is always troublesome because conventional threshold setting-based methods cease to function: if the threshold is set too large, the minor response will be ignored, and if too small, noise will be introduced. Therefore, an autoencoder framework is proposed to evaluate the vehicle-induced strain. After the elimination of temperature and vehicle-induced strain, the left of which, defined as the model error, is used to assess the operational performance of the bridge. As empirical techniques fail to detect the degraded state of the structure, a clustering technique based on Gaussian Mixture Model is employed to identify the damage occurrence and the validity is verified in a simulation study.