• 융합신호처리학회논문지
• /
• 제10권1호
• /
• pp.86-92
• /
• 2009

유도 전동기의 사용이 증가함에 따라 유도전동기의 고장은 산업 사회에 커다란 피해를 끼치게 되었다. 그렇기 때문에 유도 전동기의 고장을 찾아내는 것은 매우 중요한 문제로 부각되었다. 하지만 그 중에서도 문제점은 유도전동기의 고장은 종종 오랜 시간에 걸쳐 진행된다는 것이다. 그것은 빠른 진단이 매우 중요하다는 것을 뜻한다. 이에 대해 많은 연구가 진행되어 왔으며 가장 일반적으로 쓰이는 고장 진단 방법은 진동 센서를 이용한 전동기의 기계적 고장을 찾는 방법이다. 하지만 이 방법은 신뢰도가 높은 검증 방법임에도 불구하고 높은 시스템 가격과 활용의 어려움으로 인해 새로운 방법들이 시도가 되었다. 이 논문은 시스템을 기반으로 웨이블릿 변환을 이용한 유도전동기의 고장 진단 기술을 구현하는 것을 보여주며 윈도우즈 기반 C++을 이용하여 고장인지 아닌지를 결정하는 알고리즘으로 구성되어 있다. 전체 시스템은 전류 데이터 수집 보드와 PC를 이용한 신경망 알고리즘으로 실시간으로 수행 될 것이다.

• 한국콘텐츠학회논문지
• /
• 제11권3호
• /
• pp.271-280
• /
• 2011

심박 변이도 (HRV) 분석은 심근허혈 (MI)를 평가하기 위한 편리한 도구이다. HRV에 대한 분석법은 시간 영역과 주파수 영역 분석으로 나눠질 수 있다. 본 논문은 단기간의 HRV 분석에 있어서 웨이블릿 변환을 주파수 영역 분석과 시간 영역 분석 비교하기 위하여 사용하였다. ST-T와 정상 에피소드는 각각 European ST-T 데이터베이스와 MIT-BIH Normal Sinus Rhythm 데이터베이스에서 각각 수집되었다. 한 에피소드는 32개 연속하는 RR 간격으로 나눠질 수 있다. 18개 HRV 특징은 시간과 주파수 영역 분석을 통하여 추출된다. 가종 퍼지소속함수 신경망 (NEWFM)은 추출된 18개의 특징을 이용하여 심근허혈을 진단하였다. 결과는 보여주는 평균 정확도로부터 시간영역과 주파수영역의 특징은 각각 75.29%와 80.93%이다.

• 한국소음진동공학회논문집
• /
• 제20권11호
• /
• pp.1009-1017
• /
• 2010

As rotating machines play an important role in industrial applications such as aeronautical, naval and automotive industries, many researchers have developed various condition monitoring system and fault diagnosis system by applying various techniques such as signal processing and pattern recognition. Recently, fault diagnosis systems using artificial neural network have been proposed. For effective fault diagnosis, this paper used MLP(multi-layer perceptron) network which is widely used in pattern classification. Since using obtained signals without preprocessing as inputs of neural network can decrease performance of fault classification, it is very important to extract significant features of captured signals and to apply suitable features into diagnosis system according to the kinds of obtained signals. Therefore, this paper proposes the decision method of the proper feature vectors about each fault signal for neural-network-based fault diagnosis system. We applied LPC coefficients, maximum magnitudes of each spectral section in FFT and RMS(root mean square) and variance of wavelet coefficients as feature vectors and selected appropriate feature vectors as comparing error ratios of fault diagnosis for sound, vibration and current fault signals. From experiment results, LPC coefficients and maximum magnitudes of each spectral section showed 100 % diagnosis ratios for each fault and the method using wavelet coefficients had noise-robust characteristic.

• 한국산업정보학회논문지
• /
• 제11권1호
• /
• pp.77-85
• /
• 2006

본 논문에서는 내용기반 영상 분류를 위한 방법론으로써 신경망을 이용한 계층적 분류 방법을 제안한다. 분류 대상 영상은 인터넷상의 다양한 영상들 중에서 전경과 배경의 구분이 있는 객체 영상이다. 전처리 과정에서 영역 분할을 이용하여 영상 내에서 배경을 제거하고 객체 영역을 추출한다. 분류를 위한 특징으로는 웨이블릿 변환 후 추출된 형태 특징과 질감 특징을 이용한다. 추출된 특징 값들을 Principal Component Analysis(PCA)와 K-means를 이용해서 군집화 시키고 유사한 군집들을 묶으면서, 5단계의 계층적 분류기를 구성한다. 계층적 분류기는 BP를 학습 알고리즘으로 사용하는 59개의 신경망분류기로 구성된다. 배경을 제거하고 질감특징 중 가장 높은 분류율을 보이는 대각 모멘트를 사용하여 실험하였을 때, 100종류에서 각 10개씩, 총 1000개의 학습 데이터와 1000개의 테스트 데이터에 대하여 각각 81.5%와 75.1%의 정분류율을 보였다.

• 한국통신학회논문지
• /
• 제28권11C호
• /
• pp.1118-1122
• /
• 2003

본 논문에서는 특이치 분해를 이용한 워터마크 기법을 제안하였다. 워터마킹의 단계는 먼저 웨이블릿 변환에 의한 저해상도 LL대역의 영상을 3${\times}$3 블록단위로 나누고, 엔트로피와 조건수를 기준으로 선택한 블록을 특이치 분해하여 워터마크를 삽입하는 것이다. 이는 워터마크 추출을 안정적으로 수행할 수 있는 저 대역 워터마크 삽입기법을 제공한다. 본 논문에서 워터마크를 효율적으로 추출하기 위해 영상에 가해진 공격을 국소적으로 모델링하여 공격연산자를 근사적으로 구하고, 워터마크 삽입 시 수행된 특이치 분해와 추정된 공격연산자를 적용하여 삽입위치에 따라 워터마크 집단을 결정한다. 각 워터마크 집단 내에서 최적의 워터마크를 구하고 T검정을 이용하여 워터마크의 유무를 검정한다. 제안된 워터마크 기법이 여러 단계 JEPG 공격에 견고하다는 것을 수치실험에서 확인하였다.

• 한국통신학회논문지
• /
• 제37권6A호
• /
• pp.464-472
• /
• 2012

본 논문에서는 연속된 프레임을 갖는 영상의 프레임간 움직임 추정 기법을 응용하여 고해상도 영상을 생성하는 초해상도 기법을 제안한다. 단일 영상을 이용한 초해상도 기법의 경우 영상에서의 고주파 대역을 찾기 위해 확률 및 이산 웨이블릿 변환(discrete wavelet transform: DWT) 기반 등 다양한 방법이 제시되었으나, 연산에 사용할 수 있는 정보가 제한적이라는 문제가 존재한다. 이러한 문제를 해결하기 위해 연속된 프레임을 이용한 초해상도 기법이 다양하게 제안되었다. 연속 프레임 기반 초해상도 기법의 핵심인 입력 저해상도 영상 간 정합(registration)의 정확도는 초해상도 기법의 결과에 큰 영향을 갖는다. 본 논문에서는 영상 간 정합의 정확도를 높이기 위하여 6-tap FIR(finite impulse response) 필터를 부화소(sub-pixel) 단위의 정합에 사용한다. 실험을 통하여 제안하는 기법의 결과영상이 기존의 최단입점(nearest neighborhood), 이중선형(bi-linear), 고등차수(bi-cubic) 보간법 보다는 우수하고 DWT 기반의 초해상도 기법과는 비슷한 성능을 가진다는 것을 확인할 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제27권1호
• /
• pp.74-83
• /
• 2000

최근 멀티미디어에 대한 관심이 증가하면서 그에 따른 기술 또한 매우 빠른 속도로 증가하고 있다. 특히 비디오 영상 검색 기능에 대한 사용자들의 욕구는 비디오에 대한 수동적인 접근 방식에서, 자신이 원하는 부분만을 선택적으로 검색할 수 있는 보다 편리한 환경을 요구하고 있다. 이를 위해서는 대용량의 비디오 데이타를 의미 있는 단위로 나누기 위한 비디오 파싱(Parsing)과 클러스터링(Clustering), 브라우징(Browsing)등을 포함하는 비디오 인덱싱 시스템의 구현이 필요하다. 본 논문에서는 우선 비디오 시퀀스를 히스토그램과 화소단위 비교법을 혼합한 하이브리드 방법을 통해서 자동 인덱싱을 위한 기본 단위인 샷(shot)으로 나눈다. 비디오 분할 후에 각 샷들로부터 대표 프레임을 검출한다. 대표 프레임은 사용자로 하여금 비디오의 전체적인 내용을 이해할 수 있도록 도와줌으로써 그 중요성이 크다고 할 수 있다. 따라서 본 논문에서는 웨이블릿 변환을 이용하여 우선적으로 샷 내에 포함된 카메라의 움직임을 분석하고, 각 프레임들의 변화량을 측정하여 샷의 복잡성에 따라 각기 다른 수의 대표 프레임을 선출하도록 하였다. 마지막으로 카메라 움직임중 패닝, 혹은 틸팅이 포함된 샷에 대해서 파노라마 영상을 합성함으로써 사용자에게 보다 편리하고 이해하기 쉬운 브라우징 환경을 제공할 수 있도록 하였다.

• 한국통신학회논문지
• /
• 제27권8A호
• /
• pp.786-795
• /
• 2002

본 논문에서는 계층적 은닉 마코프 모델을 이용한 히스토그램과 모우멘트 기반의 동영상 장면전환 검출 방법을 제안한다. 제안된 방법은 웨이블릿 변환된 영상의 저주파 부 밴드로부터 히스토그램을 추출하며, 고주파 부 밴드로부터는 방향성 모우멘트를 추출한다. 그리고 수동적으로 분할된 비디오로부터 추출한 히스토그램 차와 모우멘트 차를 관측값으로 사용하여 은닉 마코프 모델을 학습한다. 비디오 분할 과정은 두 단계로 구성되는데, 먼저 히스토그램 기반의 은닉 마코프 모델은 입력된 비디오에 대하여 셧, 컷, 그리고 점진적인 장면전환의 3개의 범주로 분할한다. 그리고 두 번째 단계에서는 모우멘트 기반의 은닉 마코프 모델을 사용하여 점진적인 장면 전환을 더 세밀하게 페이드와 디졸브로 분할한다. 실험결과 제안된 방법은 기존의 경계값 기반의 방법보다 더 효율적으로 동영상의 셧 경계를 분할하였음을 볼 수 있었다.

• 비파괴검사학회지
• /
• 제24권4호
• /
• pp.341-347
• /
• 2004

발전설비의 중요한 요소인 배관의 효율적인 비파괴검사를 위해, 배관내에 유도초음파를 comb 트랜스듀서를 이용하여 발생시켰으며, 유도초음파를 비접촉 방식으로 수신하기 위해 An(air-coupled transducer)를 적용하였다. comb 트랜스듀서의 요소간격과 이론적인 분산선도로부터 발생가능 한 유도초음파 모드가 예측되었다. 또한 예측된 모드를 수신하기 위해 각 모드의 이론적인 위상속도를 이용하여 ACT의 수신 각도를 결정하였다. 수신모드의 특성을 규명하기 위해 웨이블릿 변환과 2D-FFT를 이용한 시간-주파수해석을 수행하여 이론적인 분산선도와 비교한 결과, 수신된 보드는 이론적으로 예측된 모드와 일치하는 것으로 나타났다.

• 방송공학회논문지
• /
• 제24권5호
• /
• pp.791-801
• /
• 2019

전기화재의 원인중의 하나는 직렬 아크이다. 최근까지 아크 신호를 검출하기 위해 다양한 기법들이 진행되고 있다. 시간 신호에 푸리에 변환, 웨이블릿, 또는 통계적 특징 등을 활용하여 아크 검출을 하는 방법들이 소개되었지만, 다양한 불규칙 아크 파형 때문에, 실제 환경에서는 아크 성능이 저하되는 문제가 있다. 따라서, 기존의 부족한 특징 데이터를 증가시켜, 성능을 개선하는 것이 요구된다. 본 논문에서는 입력신호를 변분 모드 분할을 통해 원신호를 분할한 후 통계적 특징을 추출한다. 변분 모드 분할으로부터 추출한 통계적 특징의 성능이 원신호로부터 얻은 특징보다 개선된 성능을 얻는다. 아크 분류기로 인공 신경망을 이용하고, 14,000개의 학습 데이터에 적용한 결과 VMD의 사용이 약 4%의 아크 검출 성능을 높혔다.