• The Journal of the Acoustical Society of Korea
• /
• 제15권3E호
• /
• pp.37-44
• /
• 1996

A new method for efficient modeling of the Head-Related Transfer Functions(HRTF's) without loss of any directional information is proposed. In this paper, the HRTF's were empirically measured in a real room and modeled as the ARMA models with common AR coefficients and different MA coefficients. To assess the validity of the proposed ARMA model, psychophysical tests show that the proposed ARMA model, in comparison with the conventional MA model, requires a small number of parameters to represent empirical HRTF's and improves the back-to-front confusions in sound-field localization. Thus, significant simplifications in the implementations of sound-field synthesis systems could be obtained by using the proposed ARMA model.

• 대한전기학회논문지
• /
• 제38권3호
• /
• pp.237-246
• /
• 1989

A sliding memory covariance circular lattice (SMC-CL) filter and an efficient ARMA modeling method using the SMC-CL filter are presented. At first, SMC-CL filter is derived based on the geometric approach. Then ARMA process is converted into 2 channel AR process, and SMC-CL filter is applied to it. The structure of SMC-CL filter becomes simpler in case of ARMA modeling due to the whiteness of a driving input process. The parameters of ARMR process can be obtained by the Levinson recursions from the PARCOR coefficients of the second channel of the filter. Computer simulations are performed to show the effctiveness of the proposed algorithm.

• Asia pacific journal of information systems
• /
• 제1권1호
• /
• pp.63-86
• /
• 1991

In this paper, our concern is the artificial neural network-based patten classification, when can resolve the difficulties in the Autoregressive Moving Average(ARMA) model identification problem To effectively classify a time series into an approriate ARMA model, we adopt the Multi-layered Backpropagation Network (MLBPN) as a pattern classifier, and Extended Sample Autocorrelation Function (ESACF) as a feature extractor. To improve the classification power of MLBPN's we suggest an integrated neural network system which consists of an AR Network and many small-sized MA Networks. The output of AR Network which will gives the MA order. A step-by-step training strategy is also suggested so that the learned MLBPN's can effectively ESACF patterns contaminated by the high level of noises. The experiment with the artificially generated test data and real world data showed the promising results. Our approach, combined with a statistical parameter estimation method, will provide a way to the automation of ARMA modeling.

• 한국구조물진단유지관리공학회 논문집
• /
• 제19권4호
• /
• pp.43-48
• /
• 2015

본 연구에서는 지진계 센서의 동적범위를 향상시키는 새로운 방법을 제안하였다. 먼저, 센서에 포함된 저주파수 대역 잡음을 ARMA(Auto Regresive Moving Average) 모델로 모델링하고 시스템 식별 방법으로 그 모델을 식별한다. 다음으로, 모델링된 잡음과 지진파 입력을 칼만필터 식에 포함하여 칼만필터에 의한 지진파입력을 추정한다. 제안한 방법을 새로이 개발된 MEMS 기반 3축 가속도 형태의 지진계에 적용하여 성능을 검증하였다. 시험 결과는 제안한 방법이 단순한 LPF(Low Pass Filter)를 사용한 경우에 비해 동적범위를 개선시킴을 보여준다.

• 산업경영시스템학회지
• /
• 제33권2호
• /
• pp.112-126
• /
• 2010

시계열데이터는 ARMA 분석에 적합지 않은 요소를 내재하고 있는 경우가 있다. 특히 선형성과 주기성을 가진 요소가 확률적인 분포와 자주 혼재되어 있다. 이 논문에서는 이런 선형적 주기적 요소를 찾아내고 분석하는 방법을 제시한다. 특히 주기적 요소는 여러 주기가 층층이 겹쳐져서 나타난다. 주기 간에는 서로 일정 정수비율을 유지하며, 한 주거 안에 다른 주기가 내포되어 있는 경우(nested periods)가 많다. 시간규모(time-scale)개념을 도입하여 이러한 주기적 요소를 개념적으로 정립하고자 했다. 선형적 요소와 주기적 요소가 제거된 후 추출된 데이터는 MA-approximation이라는 방법을 사용하여 가장 데이터에 근접한 ARMA 모텔을 찾아낸다. 마지막으로 선형적 주기적 요소와 ARMA 추정결과를 종합하여 control boundary를 결정하는 방법을 제시한다.

• 응용통계연구
• /
• 제29권7호
• /
• pp.1373-1383
• /
• 2016

풍력에너지 산업이 발전하고 풍력발전에 대한 의존율이 높아짐에 따라 안정적인 공급이 중요해지고 있다. 원활한 전력수급계획을 세우기 위해서 풍력발전량을 정확히 예측하는 것이 중요하다. 본 논문에서는 강원도 평창 횡계리에 설치된 대관령 2풍력(2MW 1기)의 시간별 풍력발전 데이터와 강원도 대관령 기상대에서 관측되는 시간별 풍속과 풍향 데이터를 기상청 지상관측자료에서 수집하여 연구하였다. 풍력발전량 예측을 위하여 신경망 모형과 시계열 모형인 ARMA, ARMAX, ARMA-GARCH, Holt Winters 모형을 비교하였다. 모형 간 예측력을 비교하기 위해 mean absolute error(MAE)를 사용하였다. 모형의 예측 성능 비교 결과 1시간에서 3시간의 단기 예측에 있어서 ARMA-GARCH 모형이 우수한 예측력을 보였다. 6시간 이후 예측에서는 신경망 모형이 우수한 예측을 보였다.

• 한국통신학회논문지
• /
• 제29권12C호
• /
• pp.1606-1616
• /
• 2004

본 논문에서는 임펄스 통신을 위한 광대역 송수신 안테나 전달 특성을 안정성이 보장된 최소위상 ARMA(Auto-Regressive Moving Average)시스템으로 모델링하여, 이로부터 수신 상관기에 적용되는 참조 신호를 발생시키는 기법에 대해 소개한다. 일반적으로 비이상적인 광대역 안테나의 사용으로부터 발생하는 확산 및 특정 주파수에서의 공진 현상으로 인하여 송신 임펄스 신호의 변형을 가져오며, 이로 인해 이상적인 안테나 사용을 가정한 참조 신호를 수신단에서 사용할 경우 코히어런트 상관 처리과정상의 이득 축소로 인해 전체 통신 시스템의 성능을 저하시키게 된다. 본 논문에서는 변형된 수신 신호와 참조 신호와의 상관성을 높이기 위해 안테나 송수신 전달함수 전체 특성을 최소위상 ARMA 형태로 모델링하고, 이를 참조신호 발생을 위한 시스템으로 사용하여 일반적인 가우시안 필스 입적에 대한 출력을 수신단 상관기에 적용한다. 시물레이션을 통해 형태가 다른 다이폴 안테나에 대해 ARMA 모델링 기법을 통해 얻은 참조 신호를 이용하여 임펄스 무선 통신 시스템의 성능이 향상됨을 입증한다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제41권1호
• /
• pp.56-61
• /
• 2017

본 논문은 시간지연이 있는 데이터의 예측기법과 햅틱기반의 원격조작시스템에서의 응용방법을 다룬다. 일반적으로 네트워크 환경은 데이터 전송에 따른 시간지연이 필수적으로 동반되며, 햅틱기반의 원격조작시스템이 이러한 네트워크 환경에 구현되는 경우 시간지연으로 인해 전체 시스템의 성능저하를 피할 수 없다. 이러한 상황을 고려하여, 본 논문은 ARMA모델을 기반으로 모델파라미터의 학습방법과 실시간 예측을 위한 재귀적 알고리즘을 제안한다. 제안된 방법은 가상공간에 놓인 물체에 대하여 양방향 햅틱 상호작용의 상황에서 5ms의 샘플링 주기로 획득한 햅틱데이터에 적용되며, 그 결과로서 100ms 이후의 값을 예측함에 있어 위치수준 오차 1mm이내의 예측성능을 보였다.

• 산업경영시스템학회지
• /
• 제35권3호
• /
• pp.52-61
• /
• 2012

The design method for cumulative sum (CUSUM) control charts, which can be robust to autoregressive moving average (ARMA) modeling errors, has not been frequently proposed so far. This is because the CUSUM statistic involves a maximum function, which is intractable in mathematical derivations, and thus any modification on the statistic can not be favorably made. We propose residual-based robust CUSUM control charts for monitoring autocorrelated processes. In order to incorporate the effects of ARMA modeling errors into the design method, we modify parameters (reference value and decision interval) of CUSUM control charts using the approximate expected variance of residuals generated in model uncertainty, rather than directly modify the form of the CUSUM statistic. The expected variance of residuals is derived using a second-order Taylor approximation and the general form is represented using the order of ARMA models with the sample size for ARMA modeling. Based on the Monte carlo simulation, we demonstrate that the proposed method can be effectively used for statistical process control (SPC) charts, which are robust to ARMA modeling errors.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.462-462
• /
• 2015

이 논문에서는 시 공간적 토양수분 변화를 파악하기 위해 다년간 축적된 실측 토양수분 데이터를 이용하여 단변량 시계열 분석을 하였다. 지형에 따른 토양수분 변화를 알아보기 위해 경기도 파주에 위치한 설마천 유역의 산지사면 중 한 단면을 선정하였으며, 깊이에 따른 변동성은 깊이 10cm와 30cm에서 측정한 토양수분 데이터를 이용하여 분석하였다. 또한, 연도별 토양수분의 변화를 파악하고 토양수분을 예측하기 위해 2010-2013년의 토양수분 데이터를 일단위로 단변량 모델링을 시도하였다. 그 결과, 연도별 변화에 따른 경향성은 보이지 않았으며 대부분의 지점에서 ARMA(1, 1) 또는 ARMA(1, 0) 모형으로 모의되었다. 2시간 간격의 1-2개월 단기간 토양수분 데이터를 모의한 선행연구와 달리 본 연구에서는 낮은 차수의 모형을 보였다. 지형적 토양수분 거동을 살펴보면 상부사면에 위치하고 있는 지점에서는 모두 ARMA(1, 1)로 표현되지만 하부사면에 위치한 지점들은 연도나 심도에 따라 ARMA(1, 0)으로 모의된다. 단변량 모형의 정확도를 알아보기 위해 R2와 RMSE를 비교하였다. 10cm 깊이에서는 경향성을 보이지 않으나, 30cm 깊이에서는 사면하부로 갈수록 R2는 작아지고 RMSE는 커져, 하부사면에서의 모델링이 상부사면에 비해 정확도가 낮음을 보였다. 또한 2012년 토양수분 자료를 이용하여 2013년 토양수분을 예측하기 위해 2012년 매개변수와 2013년 전일 데이터를 이용하여 예측하고자 하는 일단위 토양수분을 구하였다. 그 결과 $R^2=0.646-0.807$, RMSE=1.758-4.802의 정확도를 나타냈다.