• 비파괴검사학회지
• /
• 제20권6호
• /
• pp.490-500
• /
• 2000

사용하는 탄성파의 파장과 두께가 비슷하거나 보다 얇은 박판 구조에서 음향방출(acoustic emission, AE) 신호의 위치표정 정확도의 향상을 위해 새로운 신호처리 방법인 웨이블릿 변환 디노이징(wavelet transform de-noising) 기법을 도입하였다. 탐지된 AE 신호에 대하여 웨이블릿 변환과 역변환을 수행하여 상대적으로 저주파수이고 큰 진폭을 갖는 굽힘파 성분(flexural component)은 활용하고, 고주파수이고 작은 진폭의 팽창파 성분(extensional component)은 필터링하여 제거한 다음 신호를 재구성하는 디노이징 처리를 거침으로써 박판에서의 위치표정 시 발생하는 도달시간차 측정오차를 최소화할 수 있음을 확인하였다. 따라서 웨이블릿 디노이징 처리를 도입함으로써 위치표정의 정확도가 게인(gain)이나 문턱값의 설정, 판의 두께, 센서간거리, 발생원과 센서의 상대적인 위치에 무관하고 전통적인 문턱값 통과 방법에 비하여 월등하게 향상되었다. 또한 상대적으로 매우 큰 진폭을 가지는 굽힘파 성분을 활용하므로 실제적인 박판 구조물에서의 위치표정에 효과적으로 활용될 수 있을 것이다.

• 전기전자학회논문지
• /
• 제27권4호
• /
• pp.472-476
• /
• 2023

피치 혹은 기본 주파수는 음성 신호의 주요 특성 인자이며 음성 부호화, 음성인식, 화자인식 등의 다양한 음성 관련 응용에 활용된다. 본 논문에서는 기본 주파수의 역수인 음성의 피치 주기를 추정하기 위해서 음성 신호의 변곡점을 이용한다. 변곡점은 국소적인 최대값, 최소값 혹은 신호의 기울기가 변하는 지점으로 정의된다. 음성 신호는 저역통과 필터로 먼저 전처리되어 고주파 성분이 제거된다. 이를 통해 불필요한 변곡점들이 제거되며, 피치 주기 추정에 유용한 국소적인 최대값만을 변곡점 검출법을 이용하여 추출한다. 얻어진 변곡점 간의 시간 간격을 측정하여 피치 주기를 추정하며, 그 역수로 기본 주파수 추정치를 얻는다. 기존의 피치 추정 방법은 음성이 국소적으로 시불변이라는 가정하에 음성을 블록 단위로 처리하여 블록당 피치 주기를 구하지만, 제안된 방법은 음성을 샘플 단위로 처리하여 변곡점을 검출하며, 그 결과 피치 주기를 시간 경과에 따라 얻게 되어 음성의 시변성이 반영된 기본 주파수 추정치를 얻는다. 컴퓨터 모의실험으로 기본 주파수 추정기로서 제안된 방법의 유용성을 볼 수 있다.

• 전자공학회논문지C
• /
• 제36C권5호
• /
• pp.27-37
• /
• 1999

비냉각 열상장비의 핵심 부품으로 사용되는 InfraRed Focal Plane Array(IRFPA)용 CMOS ReadOut IC (ROIC)를 설계하였다. 설계된 ROIC는 64×64 배열의 Barium Strontium Titanate(BST) 적외선 검출기에서 검출되는 신호를 받아 이를 적절히 증폭하고 잡음제거 필터링을 거쳐 pixel 단위로 순차적으로 출력하는 기능을 수행하며, 검출기 소자와의 임피던스 매칭, 저잡음 및 저전력 소모, 검출기 소자의 pitch 등의 사양을 만족하도록 설계되었다. 검출기 소자와 전치 증폭기 사이의 임피던스 매칭을 위해 MOS 다이오드 구조를 기본으로 하는 새로운 회로를 고안하여 적용함으로써 표준 CMOS 공정으로 구현이 가능하도록 하였다. 또한, tunable 저역통과 필터를 채용하여 신호대역 이상의 고주파 잡음이 제거되도록 하였으며, 단위 셀 내부에 클램프 회로를 삽입하여 출력신호의 신호 대 잡음비가 개선되도록 하였다. 64×64 IREPA ROIC는 0.65-㎛ 2P3M (double poly, tripple metal) N-Well CMOS 공정으로 설계되었으며, 트랜지스터, 커패시터 및 저항을 포함하여 약 62,000여개의 소자로 구성되는 코어 부분의 면적은 약 6.3-{{{{ { mm}_{ } }}}}×6.7-{{{{ { mm}_{ } }}}}이다.

• 정보처리학회논문지B
• /
• 제18B권3호
• /
• pp.147-156
• /
• 2011

본 논문에서는 유도전동기 고장 검출 및 분류를 위한 3-단계 (고장 신호의 전 처리, 고장 신호의 특징 추출, 고장 신호의 고장 유형별 분류) 알고리즘을 제안한다. 먼저 전 처리 단계에서는 저역 통과 필터를 통해 취득한 신호의 고주파 대역에 영향을 미칠 수 있는 잡음 성분을 제거하며, 다음으로는 이산 코사인 변환(discrete cosine transform)과 통계적 방법을 이용하여 고장 유형별 신호의 특징을 추출하고, 마지막 단계에서는 추출된 특징을 입력으로 하는 역 전파 신경 회로망(back propagation neural network)를 이용하여 신호를 고장 유형별로 분류한다. 시스템의 성능을 평가하기 위해 모의실험에 사용된 신호는 유도전동기의 진동 신호로, 정상 및 각종 이상 상태에 대해 8kHz의 샘플링율을 갖는 1초 길이의 데이터를 사용하였다. 모의실험 결과, 제안한 알고리즘은 학습된 상황의 고장 분류에서는 100%의 정확도를 보였으며, 기존의 공분산을 이용한 고장 검출 및 분류 알고리즘과 비교하여 약 50%의 정확도 향상을 보였다. 또한 고장 신호 취득 시 사용하는 센서의 종류나 주변 환경으로 인해 잡음이 추가될 수 있는 상황을 고려하여 취득한 데이터에 백색 가우시안 잡음을 인위적으로 추가한 모의실험에서도 98%이상의 고장 분류 정확도를 보였다. 더불어, 본 논문에서는 TI사의 TMS320F2812 디지털 신호 처리기에 제안한 고장 검출 및 분류 알고리즘을 탑재하여 실제 산업현장에서의 사용여부를 검증하였다.

• 전자공학회논문지
• /
• 제50권9호
• /
• pp.201-208
• /
• 2013

본 논문에서는 USB(Universal Serial Bus) 케이블 전원선에서의 방사성 EMI(Electro-Magnetci Interference) 개선 방안을 제시한다. 케이블 전원선에서의 EMI 방사현상을 확인하기 위해 무선 비디오 액세스 시스템을 이용하여, 방사성 EMI 결과를 분석하고 초기 측정 결과 규제치 대비 약 3 [dBuV/m]~15 [dBuV/m]를 초과함을 확인한다. 방사성 EMI 원인 분석을 위해, 먼저 USB 케이블 전원선에서의 S-파라미터 측정을 수행하여 케이블의 고주파수 대역에서의 규칙적인 공진현상과 방사성 EMI 주파수의 연관성을 분석한다. 그리고, 전원 회로 임피던스 관리 기법을 응용하여 캐패시터의 개수 선정, 비드를 이용한 저역통과 대역 필터를 구성을 통해 케이블 전원선의 공진현상을 저감하는 개선방법을 적용한다. 결론적으로 개선된 회로를 시스템에 적용하여 케이블의 규칙적 공진의 저감방법을 제시하여, 방사성 EMI 테스트 결과 규제치 대비 약 3 [dBuV/m]~20 [dBuV/m] 마진의 마진을 확보하여 제시한 방법의 적합성 확인한다.