• 한국음향학회지
• /
• 제42권6호
• /
• pp.500-510
• /
• 2023

수동소나 신호에는 정상신호와 비정상 신호가 같이 존재하는 경우가 대부분이다. 정상신호와 혼재된 비정상 신호는 주로 정상신호만을 학습하는 오토인코더를 이용하여 탐지된다. 하지만 기존의 오토인코더는 혼재된 신호로부터 왜곡된 정상신호를 복원하므로 부정확한 탐지를 수행할 수 있다. 이러한 한계를 개선하고자, 본 논문에서는 순환신경망과 벡터 양자화 기반의 비정상 신호 탐지 모델을 제안한다. 제안된 모델은 학습된 잠재벡터들을 대표하는 코드 북을 생성하고, 제안된 코드벡터의 탐색을 통해 보다 정확하게 비정상 신호를 탐지한다. 공개된 수중 음향 데이터를 이용한 실험에서 제안된 기법이 적용된 오토인코더와 변이형 오토인코더는 기존 모델에 비해 최소 2.4 % 향상된 탐지 성능과 최소 9.2 % 높은 비정상 신호 추출 성능을 보였다.

• 한국음향학회지
• /
• 제40권4호
• /
• pp.337-346
• /
• 2021

일반적으로 비정상 신호 탐지 연구에서는 데이터 불균형으로 인해 정상 신호 특징을 주된 정보로 사용한다. 본 논문에서는 비정상 신호의 특징을 학습하는 병렬 오토인코더를 이용한 효율적인 비정상 신호 탐지기법을 제안한다. 제안된 동일한 구조로 이루어진 병렬 오토인코더는 정상 신호와 비정상 신호에 대한 특징을 학습하는 정상 복원기와 비정상 복원기로 구성되며, 정상 및 비정상 데이터를 순차적으로 학습함으로써 불균형 데이터 문제를 효율적으로 해결할 수 있다. 뿐만 아니라 보다 높은 탐지성능 향상을 위해서 부가적인 이진 분류기가 추가될 수 있다. 공개된 음향데이터를 이용한 실험결과, 제안된 병렬 탐지모델의 학습시간이 단일 오토인코더 탐지모델과 비교하여 약 1.31 ~ 1.61배 늘어나지만, 최소 22 % 이상의 Area Under Curve(AUC) 향상을 보였다. 또한, 사전에 훈련된 병렬 오토인코더를 이용하여 수중 음향데이터를 전이학습한 결과 수중 비정상 신호 AUC 탐지성능을 93 % 이상 향상시킬 수 있음을 확인하였다.

• 융합신호처리학회논문지
• /
• 제6권1호
• /
• pp.23-26
• /
• 2005

산업 시설 등에서 운전 중인 회전 기계의 동작, 감시, 진단은 설비의 효율적인 운용 및 사고 방지 등을 위해 매우 중요한 일이다. 이상 진단 기술은 기기에 설치된 센서로부터 취득된 데이터의 특징을 추출하는 것과 분류된 데이터를 이용해 정상 또는 이상으로 구분하거나 이상의 원인을 분석하는 두 가지 과정으로 진행할 수 있다. 기존의 기술들은 주파수 분석과 패턴 인식의 방법 등이 적용되어 왔다. 본 논문에서는 운전되고 있는 정상/비정상 상태를 분류하기 위하여 기기들의 사운드 정보를 획득하여 웨이블렛 변환을 거쳐 주파수 대역별 신호를 나누었다. 나누어진 대역별 신호의 RMS값으로 입력벡터를 구성하고 이 입력벡터에 K-means 방법을 적용하여 정상 및 비정상 상태의 모델을 결정한다. 결정된 정상 및 비정상 상태의 모델과 입력 벡터를 비교하여 입력 신호의 정상/비정상을 판단한다.

• 한국산학기술학회논문지
• /
• 제21권5호
• /
• pp.7-13
• /
• 2020

본 논문에서는 사람의 비정상적인 호흡과 정상적인 호흡 신호를 획득한 후, 이 신호들을 분석하고, 특히 비정상 호흡신호를 감지하는 방법과 정상 및 비정상 신호를 분류하는 방법을 제시한다. 본 연구에서 사람의 호흡신호는 BIOPAC 장비를 활용하여 획득하며, 사람의 호흡 상태를 정량적인 수치 정보를 활용하여 판단한다. 궁극적으로 본 논문에서는 일반 환경에서 사람의 호흡상태를 신호로 획득하여 분석하고, 호흡상태를 모니터링 할 수 있는 시스템을 개발하고자 하며, 무호흡 상태를 감지 할 수 있는 방법을 제안한다. 획득되는 호흡신호를 활용하여 정량적인 정보를 바탕으로 호흡신호를 상태에 따라 분류한다. 접촉식 의료장비를 활용하여 호흡신호를 획득하고 호흡상태를 분류하기 전에 잡음제거 알고리즘을 적용한다. 기존의 사비츠키-골레이 필터와 중간값 필터의 장점만을 활용하여 혼합필터를 사용하여 신호를 분석하기에 적절한 상태가 되도록 한다. 서로 다른 호흡 상태, 즉 서로 다른 클래스간 거리는 최대로 하고, 동일한 호흡상태, 즉 같은 클래스 간의 거리는 최소로 하기 위해 신호 획득후 신호의 특징값들 간의 상호상관 계수를 계산한다. 제안하는 알고리즘은 실제 호흡 환경에 적용할 수 있을 정도로 직관적이고, 제안하는 방법을 증명하기 위한 실험 결과들을 함께 제시한다.

• Journal of the Korean Data and Information Science Society
• /
• 제22권2호
• /
• pp.197-206
• /
• 2011

신호처리 관련 응용문제에서는 신호에서 실시간으로 발생하는 비정상적인 사건들을 탐지하는 것이 매우 중요하다. 이전에 알려져 있는 비정상 사건 탐지방법들은 신호에 대한 명확한 통계적인 모형을 가정하고, 비정상적인 신호들은 통계적인 모형의 가정 하에서 비정상적인 사건들로 해석한다. 탐지방법으로 최대우도와 베이즈 추정 이론이 많이 사용되고 있다. 그러나 앞에서 언급한 방법으로는 로버스트 하고 다루기 쉬운 모형을 추정한다는 것은 쉽지가 않다. 좀 더 로버스트한 모형을 추정할 수 있는 방법이 필요하다. 본 논문에서는 로버스트 하다고 알려져 있는 서포트 벡터 기계를 이용하여 온라인으로 비정상적인 신호를 탐지하는 방법을 제안한다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1998년도 학술발표대회 논문집 제17권 2호
• /
• pp.399-402
• /
• 1998

본 논문에서는 환자의 음성을 정상, 양성종양, 악성종양으로 분류하는 실험을 켑스트럼 파라미터를 통한 음원분리와 신경회로망을 이용하여 수행하고 그 결과를 보고한다. 기존의 장애음성 데이터베이스에는 정상음성과 양성종양의 경우만 수록되어 있었고 외국의 환자들을 대상으로 한 경우만 있었기 때문에 국내의 환자들에게 직접 적용할 경우 어떠한 결과가 나올지 예측하기가 어려웠다. 최근 부산대학교 이비인후과팀에서 수집한 국내의 정상, 양성, 악성종양의 경우에 대한 데이터베이스를 분석하고 신경회로망에 의해 분류함으로써 사람의 음성신호만에 의한 후두질환이 식별이 가능하였다. 본 실험에서는 식별 파라미터로 음성신호의 선형예측오차신호에 관한 켑스트럼으로부터 음원비인 HNRR을 구하여 Jitter, Shimmer와 함께 사용하였다. 신경회로망은 입, 출력 층과 한 개의 은닉층을 갖는 다층신경망을 이용하였으며, 식별은 두단계로 나누어 정상과 비정상을 분류한 후 다시 비정상을 양성과 악성으로 분류하였다[1].

• 한국정보통신학회논문지
• /
• 제9권1호
• /
• pp.8-15
• /
• 2005

비선형적인 위상 변화를 지닌 비정상(non-stationary)신호는 레이더, 통신, 지질탐사, 음향, 생체공학 응용등 여러 분야에서 쉽게 접하는 신호이다. 비정상 신호는 일반적으로 시간의 변환에 따라 신호의 스페트럼 특성이 변화하는 신호를 의미하며, 순간 주파수는 신호의 특정시간에 해당하는 신호성분의 주파수를 의미한다. 따라서 열거한 레이더, 음향, 생ㅊ신호등에 있어서 순간 주파수는 신호의 물리적 특성을 파악하기 위한 중요한 변수이다. 이 논문에서는 연속 웨이브렛 변환을 이용한 비정상 신호의 순간 주파수를 결정에 대하여 연구하였고, 기존의 방법과 비교하였다. 신호에 잡음이나 여러 가지의 주파수가 중첩되어 있는 경우, 기존에 방법들로서는 정확한 순간 주파수를 결정할 수 없는 반면, 웨이브렛 변환을 이용한 경우, 신호의 성분에 관계없이 상당히 정확한 순간주파수를 결정할 수 있음에 대하여 설명하였다.

• 한국산학기술학회논문지
• /
• 제22권5호
• /
• pp.296-302
• /
• 2021

본 논문에서는 영상정보에 기반한 호흡상태 분류 방법을 제안한다. 호흡신호는 초광대역 레이더 센서를 이용하여 획득하고 호흡신호의 값으로 이루어진 1차원 그래프 대신 그래프의 영상 정보가 담긴 2차원 정보 기반으로 호흡상태를 분류한다. 호흡상태의 분류는 심층신경망 모델을 사용하고, 심층신경망 모델은 호흡신호 그래프가 포함된 2차원 영상의 특징들을 학습하여 영상기반의 호흡상태 분류의 결과를 제공한다. 기존의 레이더 센서 기반 호흡신호의 상태 분류는 1차원 벡터의 구성요소 값 및 그 값들의 변화량을 이용하여 회귀, 심층학습 방법을 적용하였다. 그러나 1차원 그래프 기반의 호흡상태 분류는 다양한 형태의 정상호흡 상태에 대한 분류 성능에서 한계를 보였다. 본 논문에서는 호흡 신호로부터 얻은 그래프의 이미지 자체를 2차원 입력 신호로 사용하여 심층 신경망 모델을 적용하여 분류를 수행하였다. 본 논문에서 제안하는 영상정보 기반의 호흡상태 분류는 기존의 1차원 벡터 기반 호흡상태 분류 대비 호흡상태 분류의 정확도를 약 10% 향상 시켰다. 또한 기존의 두 가지 호흡상태 (정상 및 비정상) 분류에서 확장하여 세 가지 호흡상태 (정상1, 정상2, 비정상) 분류를 수행하였다.

• Communications for Statistical Applications and Methods
• /
• 제4권3호
• /
• pp.617-628
• /
• 1997

시계열 자료의 변이상태(transition status)에 대한 판별은 여러 분야에서 연구되고 있다. 하지만 변압기의 진동신호와 같이 특정한 시계열모형을 적합시키기 힘든 자료는 변이 상태에 대한 판별이 쉽지 않다. 본 논문에서는 정상적인 변압기에서 발생하는 진동신호에 대하여 각 주기별 최대값, 자기상관계수 및 편자기상관계수 등의 경험적 표본분포를 연구한 후, 이를 이용한 관리도를 만들어 변압기 진동신호의 변이상태에 대한 판별을 하였다. 이 방법은 품질관리의 관리도 이론을 시계열자료에 응용한 것으로 비정상적인 변압기 진동신호의 판별에 만족스러운 결과를 가져왔다.

• 한국정보통신학회논문지
• /
• 제17권3호
• /
• pp.705-711
• /
• 2013

심전도 신호의 QRS 영역은 심장의 질환을 판단하는 중요한 자료로 쓰이는데, 여러 종류의 잡음으로 인해 이를 분석하는데 어려움을 준다. 또한 일반인들의 건강상태를 지속적으로 모니터링 하는 헬스케어 시스템에서는 신호의 실시간 처리가 필요하다. 그리고 생체신호의 특성상 개인 간의 차이가 있음에도 불구하고, 일반적인 ECG 신호의 판단 규칙에 따라 진단을 수행함으로써 성능하락이 나타날 수밖에 없다. 이러한 문제점을 해결하기 위해서는 최소한의 연산량으로 QRS를 검출하고 환자의 특성에 맞게 부정맥을 분류할 수 있는 알고리즘의 설계가 필요하다. 따라서 본 연구에서는 형태연산을 통한 효율적인 QRS 검출과 개인별 정상신호 분류를 위해 해쉬 함수를 적용하여 프로파일링 하였으며, 검출된 QRS 폭과 RR 간격을 이용하여 심실조기수축(PVC)을 분류하는 알고리즘을 개발하였다. 제안한 방법의 우수성을 입증하기 위해 MIT-BIH 부정맥 데이터베이스를 통해 기존 방법과 부정맥 분류 성능을 비교하였다. 성능평가 결과, R파는 평균 99.77%, 정상 신호 분류에 대한 에러율은 0.65%, PVC는 각각 93.29%로 기존 방법에 비해 약 5% 우수하게 나타났다.