• Proceedings of the KIPE Conference
• /
• 2014.07a
• /
• pp.152-153
• /
• 2014

본 논문에서는 이차전지의 특성비교/분석을 위해 이산 웨이블릿 변환(DWT;discrete wavelet transform)과 웨이블릿 패킷 변환(WPT;wavelet packet transform)을 적용한 연구를 소개한다. 다해상도 분석(MRA; multi resolution analysis)의 시간-주파수 분석을 통해 저주파 성분(approximation;$A_n$)과 고주파 성분(detail;$D_n$)로 분해되는 것은 두 방법 동일하다. 하지만, 이산 웨이블릿 변환이 단순히 저대역 부분만 계속 분해하는 것과 달리 웨이블릿 패킷 변환은 저대역과 고대역을 모두 분해하여 높은 분해성능을 가지는 웨이블릿의 일반화이다. 웨이블릿 패킷 변환을 자세히 소개하고 이를 이차전지에 적용하여 이산 웨이블릿 변환과의 상관성을 정리하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.10c
• /
• pp.481-483
• /
• 2000

본 논문은 이산 웨이블릿 변환의 스케일러빌리티(scalability)를 활용한 VOD 트래픽 모델링에 대하여 소개한다. VOD는 사용자의 요구에 대하여 비디오 데이터를 제공하는 시스템이다. 비디오 데이터는 여러 가지 특징을 가지고 있다. 첫 번째 특징은 데이터 양이 상당히 많다는 점이다. 그리고 데이터 양이 비디오 데이터가 전달되는 시간축에 따라서 변화가 많다는 점이다. 그리고 두 번째 특징은 비디오 데이터는 전송되는 양상이 시간축에 대하여 거의 끊김이 없어야 한다는 점이다. 이러한 점들 때문에 VOD 트래픽을 정확하게 모델링하는 것은 상당히 어렵게 생각되었다. 이산 웨이블릿 변환(discrete wavelet transform)은 함수에 대한 근사이다. 우수한 점은 함수에 대한 근사가 상당히 용이하고 또 유연하다는 점이다. 다시 말하면 함수 근사의 정밀도를 용이하게 조절할 수 있다는 점이다. 또 다른 우수한 점은 시간과 공간 양쪽에 대하여 함수 근사를 할 수 있다는 점이다. 본 논문은 VOD server와 client 사이의 트래픽을 이산 웨이블릿 변환인 스케일러빌리티를 활용하여 모델링하여 server와 client 사이에 보다 효과적인 네트워크 트래픽 제어를 할 수 있음을 보인다.

• Annual Conference of KIPS
• /
• 2016.04a
• /
• pp.612-615
• /
• 2016

본 논문에서는 EPIC(Electric Potential Integrated Circuit) 센서를 통해 추출된 동작신호에 대해 이산 웨이블릿 변환（Discrete Wavelet Transform : DWT)과 선형 판별분석（Linear Discriminant Analysis : LDA), Support Vector Machine(SVM)을 사용하는 동작 분류 시스템을 제안한다. EPIC 센서 신호에 대해 이산 웨이블릿 변환을 사용하여 웨이블릿 계수인 근사계수(approximation coefficients)와 상세계수(detail coefficients)를 구한 후, 각각의 웨이블릿 계수에 대해 특징 파라미터를 추출한다. 이 때, 특징 파라미터는 14개의 통계적 특징 추출 파라미터 중에 유전자 알고리즘(Genetic Algorithm : GA)을 통하여 선택한 우수한 특징 파라미터이다. 웨이블릿 계수들에서 추출한 특징 파라미터는 선형 판별분석을 적용하여 차원을 축소하고 SVM의 훈련 및 분류에 사용한다. 실험결과, 4가지 동작에 대한 EPIC 센서 신호분류에서 제안된 방법의 분류율이 99.75%로 원신호에 대한 HMM 분류율 97% 보다 높은 정확률을 보여주었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2002.05a
• /
• pp.594-597
• /
• 2002

In this paper we study the effects of transmission noise on fixed-length coded wavelet coefficients. We use a posteriori detectors which include inter-bitplane information and determine which transmitted codeword was most likely corrupted into a received erroneous codeword We present a simple method of recovering from these errors once detected and demonstrate our restoration methodology on scalar-quantized wavelet coefficients that have been transmitted across a binary symmetric channel.

• Journal of Korea Multimedia Society
• /
• v.12 no.3
• /
• pp.451-459
• /
• 2009

This paper presents an approach to detect premature ventricular contraction(PVC) using discrete wavelet transform and fuzzy neural network. As the input of the algorithm, we use 14 coefficients of d3, d4, and d5, which are transformed by a discrete wavelet transform(DWT). This paper uses a neural network with weighted fuzzy membership functions(NEWFM) to diagnose PVC. The NEWFM discussed in this paper classifies a normal beat and a PVC beat. The size of the window of DWT is $-31/360{\sim}+32/360$ second(64 samples) whose center is the R wave. Using the seven records of the MIT-BIH arrhythmia database used in Shyu's paper, the classification performance of the proposed algorithm is 99.91%, which outperforms the 97.04% of Shyu's analysis. Using the forty records of the M1T-BIH arrhythmia database used in Inan's paper, the classification performance of the proposed algorithm is 98.01%, which outperforms 96.85% of Inan's one. The SE and SP of the proposed algorithm are 84.67% and 99.39%, which outperforms the 82.57% and 98.33%, respectively, of Inan's study.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.19 no.1
• /
• pp.113-118
• /
• 2024

In this paper, we propose an optimal wavelet in a system for canceling background noise of acoustic signals. This system performed Discrete Wavelet Transform(DWT) instead of the existing Short Time Fourier Transform(STFT) and then improved noise cancellation performance through a deep learning process. DWT functions as a multi-resolution band-pass filter and obtains transformation parameters by time-shifting the parent wavelet at each level and using several wavelets whose sizes are scaled. Here, the noise cancellation performance of several wavelets was tested to select the most suitable mother wavelet for analyzing the speech. In this study, to verify the performance of the noise cancellation system for various wavelets, a simulation program using Tensorflow and Keras libraries was created and simulation experiments were performed for the four most commonly used wavelets. As a result of the experiment, the case of using Haar or Daubechies wavelets showed the best noise cancellation performance, and the mean square error(MSE) was significantly improved compared to the case of using other wavelets.

• The Journal of Korean Institute of Electromagnetic Engineering and Science
• /
• v.12 no.7
• /
• pp.1110-1114
• /
• 2001

The discrete wavelet concept in the k-domain is applied to efficiently represent Green function of integral equations. Application of discrete wavelet concept to Green function in the k-domain can be implemented equivalently by using spatial domain variable-sized windows. The proposed method consists of constant Q-filtering, changing the center of coordinates, and transforming spatially filtered Green functions into those in the k-domain. A mathematical expression of Green function based on the discrete wavelet concept is derived and its characteristics are discussed.

• Journal of the Korean Society for Nondestructive Testing
• /
• v.21 no.1
• /
• pp.54-61
• /
• 2001

A software package to classify acoustic emission (AE) signals using the wavelet transform and the neural network was developed Both of the continuous and the discrete wavelet transforms are considered, and the error back-propagation neural network is adopted as m artificial neural network algorithm. The signals acquired during the 3-point bending test of specimens which have artificial defects on weld zone are used for the classification of the defects. Features are extracted from the time-frequency plane which is the result of the wavelet transform of signals, and the neural network classifier is tamed using the extracted features to classify the signals. It has been shown that the developed software package is useful to classify AE signals. The difference between the classification results by the continuous and the discrete wavelet transforms is also discussed.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2537-2539
• /
• 2003

본 논문에서는 의료 영상에 대한 저작권보호를 위한 새로운 워터마킹 알고리즘을 제안한다. 본 알고리즘에서는 이산 웨이블릿 변환 대신에 계산량이 적은 정수 웨이블릿 변환을 이용하였다. 본 논문에서는 정수 웨이블릿 공간에서 유사-잡음 수열을 워터마크로 삽입 하였다. 워터마크를 추출할 때 확산스펙트럼 기법을 이용하고 유사도는 공분산 수열에서 결정한다. 실험을 통하여 제안한 알고리즘이 노이즈, 압축 등 공격에 강인함을 보임을 확인하였다.

• Proceedings of the KIPE Conference
• /
• 2011.11a
• /
• pp.299-300
• /
• 2011

상이한 전기화학적 특성을 가진 단위 셀들을 미리 선별하여 팩의 안전한 운용 및 배터리 관리 시스템의 성능 향상을 위해 스크리닝(screening)은 필수적이다. 그러므로, 본 논문에서는 이산 웨이블릿 변환(DWT;discrete wavelet transform)을 이용한 리튬 이온 배터리 스크리닝 방법을 제안한다. 제안된 방식은 축소된 하이브리드 자동차용 전류프로파일을 통해 얻어진 충방전 전압을 이산 웨이블릿 변환에 적용하여 저주파 전압 성분과 고주파 전압 성분으로 분리하고, 각 단계별로 얻어진 성분들의 통계처리를 실시하여 스크리닝을 구현한다. 특히, 마지막 단계에서의 저주파 전압 성분과 고주파 전압 성분은 배터리의 State-of-health(SOH)를 예측하기 위한 성분으로 정의된다.