• 제목/요약/키워드: 충격신호분석

검색결과 103건 처리시간 0.02초

정상상황 전리층 경향 분석 및 지진에 의한 전리층 교란검출 (Analysis on Normal Ionospheric Trend and Detection of Ionospheric Disturbance by Earthquake)

  • 강선호;송준솔;김오종;기창돈
    • 한국항행학회논문지
    • /
    • 제22권2호
    • /
    • pp.49-56
    • /
    • 2018
  • 지진, 쓰나미 등에 의해 지상에서 생성된 에너지는 대기를 통해 전파되어 전리층 전자밀도를 교란시키므로, 위성신호의 전리층 지연을 이용하면 충격파에 의한 교란을 관측할 수 있다. 전리층의 전자밀도는 지상의 교란원인 이외에도 태양활동, 위도, 계절, 지방시 등 다양한 요인들에 의해 영향을 받는데, 지진 및 쓰나미와 같은 이상상황을 구분하기 위해서는 정상상황에서의 전리층 경향분석이 필요하다. 또한 전리층 교란은 지상의 교란원인으로부터 거리가 멀어질수록 크기가 감소하므로, 원거리 전리층 교란을 효과적으로 검출하기 위한 적절한 기법이 필요하다. 본 논문에서는, 정상상황에서의 전리층 경향분석을 위해 ionosphere exchange(IONEX) 데이터를 이용하여 태양극대기 및 극소기, 위도, 계절 등에 의한 전리층 경향을 분석해보았다. 분석한 정상상황 전리층을 바탕으로 경향성이 제거된 감시값을 설정하고, 전리층 교란의 지속성을 이용한 원거리 교란검출 기법을 설계해 이에 대한 오경보율을 분석하였다. 결과적으로 전리층 지연의 2차 미분 값이 감시값으로 선정되었으며, 오경보율은 1.4e-6수준으로 나타났다. 설계한 기법을 2011 도호쿠 대지진 발생 시 수집된 데이터에 적용하여 교란 검출을 확인하였다.

완전 이식형 인공중이용 마이크로폰의 위치 결정을 위한 물리적 귀 모델의 구현 (Implementation a Physical Ear Model for Determinating Location of the Microphone of Fully Implantable Middle Ear Hearing Device)

  • 김동욱;성기웅;임형규;김민우;정의성;이장우;이명원;이정현;김명남;조진호
    • 재활복지공학회논문지
    • /
    • 제2권1호
    • /
    • pp.27-33
    • /
    • 2009
  • 일반적으로, 완전 이식형 인공중이의 이식형 마이크로폰은 측두골 부근에 이식되어진다. 이 경우, 마이크로폰의 진동막이 외부 충격이나 생체 노이즈의 영향 받을 수 있으며 이런 문제를 해결하기 위하여 이식용 마이크로폰을 외이도 내에 이식하는 방법을 고려할 수 있다. 그러나 이소골에 이식된 진동 트랜스듀서에 의해서 고막으로부터 외이도 방향으로 음향 반향이 발생할 가능성이 있다. 본 논문에서는 사람의 귀와 유사한 특성을 가지는 귀 모델을 제작하여 프로브 마이크로폰의 위치를 변경해가며 외이도의 음향 반향을 측정하였고 실험결과를 통하여 외이도 내에서의 마이크로폰의 이식 위치를 추정해 보았다. 분석 결과 외이도에 마이크로폰을 이식할 경우 고막에서 멀어질수록 반향 신호가 감소함을 확인할 수는 있었으나, 반향 신호를 완전히 제거할 수 없기 때문에 외이도에 마이크로폰을 이식하기에는 부적합한 것으로 예상된다.

  • PDF

서포트벡터머신 기반 PVDF 센서의 결함 예측 기법 (Fault Detection Technique for PVDF Sensor Based on Support Vector Machine)

  • 김승욱;이상민
    • 한국전자통신학회논문지
    • /
    • 제18권5호
    • /
    • pp.785-796
    • /
    • 2023
  • 본 연구에서는 구조물 건전성 모니터링에 널리 활용되고 있는 PVDF(: Polyvinylidene fluoride) 센서에 나타날 수 있는 결함을 실시간으로 분류 및 예측하기 위한 방법론을 제안하였다. 센서 부착 환경에 따라 나타나는 센서의 결함 유형을 분류하였고, 임팩트 해머를 이용한 충격 시험을 수행하여 결함 유형에 따른 출력 신호를 획득하였다. 결함 유형에 따른 출력 신호간의 차이를 식별하기 위해 이들의 시간영역 통계 특징을 추출하여 데이터 집합을 구축하였다. 머신러닝 기반 분류 알고리즘들 중 센서 결함 유형 감지에 가장 적합한 알고리즘 선정을 위해 구축한 데이터 집합의 학습 및 이에 따른 결과를 분석하였고, 이들 중 SVM(: Support vector machine)이 가장 높은 성능을 보임을 확인하였다. 선정된 SVM 알고리즘의 추가적인 정확도 향상을 위해 하이퍼 파라미터 최적화 작업을 수행하였으며, 결과적으로 92.5%의 정확도로 센서 결함 유형을 분류하였고 이는 타 분류 알고리즘에 비하여 최대 13.95% 높은 정확도를 보였다. 본 연구에서 제안한 센서 결함 예측 기법은 PVDF 센서뿐만 아니라 실시간 구조물 건전성 모니터링을 위한 다양한 센서의 신뢰성을 확보하기 위한 기반 기술로 활용될 수 있을 것으로 사료된다.