• 전기학회논문지
• /
• 제64권9호
• /
• pp.1337-1346
• /
• 2015

In this paper, pattern classifier is designed to classify precipitation and non-precipitation events from weather radar data. The proposed classifier is based on Fuzzy Neural Network(FNN) and consists of three FNNs which operate in parallel. In the proposed network, the connection weights of the consequent part of fuzzy rules are expressed as two polynomial types such as constant or linear polynomial function, and their coefficients are learned by using Least Square Estimation(LSE). In addition, parametric as well as structural factors of the proposed classifier are optimized through Differential Evolution(DE) algorithm. After event classification between precipitation and non-precipitation echo, non-precipitation event is to get rid of all echo, while precipitation event including non-precipitation echo is to get rid of non-precipitation echo by classifier that is also based on Fuzzy Neural Network. Weather radar data obtained from meteorological office is to analysis and discuss performance of the proposed event and echo patter classifier, result of echo pattern classifier compare to QC(Quality Control) data obtained from meteorological office.

• 전기학회논문지
• /
• 제64권7호
• /
• pp.1114-1124
• /
• 2015

In this paper, precipitation / non-precipitation pattern classification of meteorological radar data is conducted by using neuro-fuzzy algorithm. Structure expression of meteorological radar data information is analyzed in order to effectively classify precipitation and non-precipitation. Also diverse input variables for designing pattern classifier could be considered by exploiting the quantitative as well as qualitative characteristic of meteorological radar data information and then each characteristic of input variables is analyzed. Preferred pattern classifier can be designed by essential input variables that give a decisive effect on output performance as well as model architecture. As the proposed model architecture, neuro-fuzzy algorithm is designed by using FCM-based radial basis function neural network(RBFNN). Two parts of classifiers such as instance classifier part and echo classifier part are designed and carried out serially in the entire system architecture. In the instance classifier part, the pattern classifier identifies between precipitation and non-precipitation data. In the echo classifier part, because precipitation data information identified by the instance classifier could partially involve non-precipitation data information, echo classifier is considered to classify between them. The performance of the proposed classifier is evaluated and analyzed when compared with existing QC method.

• 전기학회논문지
• /
• 제63권5호
• /
• pp.676-682
• /
• 2014

In this paper, precipitation echo(PRE) and non-precipitaion echo(N-PRE)(including ground echo and clear echo) through weather radar data are identified with the aid of neuro-fuzzy algorithm. The accuracy of the radar information is lowered because meteorological radar data is mixed with the PRE and N-PRE. So this problem is resolved by using RBFNN and judgement module. Structure expression of weather radar data are analyzed in order to classify PRE and N-PRE. Input variables such as Standard deviation of reflectivity(SDZ), Vertical gradient of reflectivity(VGZ), Spin change(SPN), Frequency(FR), cumulation reflectivity during 1 hour(1hDZ), and cumulation reflectivity during 2 hour(2hDZ) are made by using weather radar data and then each characteristic of input variable is analyzed. Input data is built up from the selected input variables among these input variables, which have a critical effect on the classification between PRE and N-PRE. Echo judgment module is developed to do echo classification between PRE and N-PRE by using testing dataset. Polynomial-based radial basis function neural networks(RBFNNs) are used as neuro-fuzzy algorithm, and the proposed neuro-fuzzy echo pattern classifier is designed by combining RBFNN with echo judgement module. Finally, the results of the proposed classifier are compared with both CZ and DZ, as well as QC data, and analyzed from the view point of output performance.

• 한국지능시스템학회논문지
• /
• 제24권5호
• /
• pp.536-541
• /
• 2014

기상레이더를 통해 취득된 데이터에는 지형에코, 파랑에코, 이상에코, 그리고 청천에코등이 존재한다. 각 에코는 여러 종류의 비강수에코이고, 이 비강수에코를 제거하기 위해 각 에코들의 특성을 분석하였다. 기상레이더 데이터는 매우 방대한 양이기 때문에 전처리 절차를 통해 분석된다. 본 논문에서는 클러스터링 기반 방사형 기저함수 신경회로망(RBFNNs : Radial Basis Function Neural Networks)과 에코 판단 모듈을 이용하여 기상레이더 데이터에서 강수에코와 비강수에코들을 구별하기 위한 에코 패턴분류기를 설계하였다. HCM(Hard C-Mean) 클러스터링 기반 RBFNNs 와 FCM(Fuzzy C-Mean) 클러스터링 기반 RBFNNs를 이용하여 출력성능은 비교 및 분석된다.

• 전기학회논문지
• /
• 제64권6호
• /
• pp.922-934
• /
• 2015

In this paper, The classification between precipitation echo(PRE) and non-precipitation echo(N-PRE) (including ground echo and clear echo) is carried out from weather radar data using neuro-fuzzy algorithm. In order to classify between PRE and N-PRE, Input variables are built up through characteristic analysis of radar data. First, the event classifier as the first classification step is designed to classify precipitation event and non-precipitation event using input variables of RBFNNs such as DZ, DZ of Frequency(DZ_FR), SDZ, SDZ of Frequency(SDZ_FR), VGZ, VGZ of Frequency(VGZ_FR). After the event classification, in the precipitation event including non-precipitation echo, the non-precipitation echo is completely removed by the echo classifier of the second classifier step that is built as Type-2 FCM based RBFNNs. Also, parameters of classification system are acquired for effective performance using PSO(Particle Swarm Optimization). The performance results of the proposed echo classifier are compared with CZ. In the sequel, the proposed model architectures which use event classifier as well as the echo classifier of Interval Type-2 FCM based RBFNN show the superiority of output performance when compared with the conventional echo classifier based on RBFNN.

• 대한의용생체공학회:의공학회지
• /
• 제27권1호
• /
• pp.22-29
• /
• 2006

This paper proposes an efficient array beamforming method using spatial matched filtering for ultrasound imaging. In the proposed method, ultrasound waves are transmitted from an array subaperture with fixed transmit focus as in conventional array imaging. At receive, radio frequency (RF) echo signals from each receive channel are passed through a spatial matched filter that is constructed based on the system transmit-receive spatial impulse response. The filtered echo signals are then summed. The filter remaps and spatially registers the acoustic energy from each element so that the pulse-echo impulse response of the summed output is focused with acceptably low side lobes. Analytical beam pattern analysis and simulation results using a linear array show that the proposed spatial filtering method can provide more improved spatial resolution and contrast-to-noise ratio (CNR) compared with conventional dynamic receive focusing (DRF) method by implementing two-way dynamically focused beam pattern throughout the field.

• 대한임상검사과학회지
• /
• 제56권3호
• /
• pp.273-276
• /
• 2024

자발에코대조(spontaneous echo contrast)는 B 모드 초음파 영상에서 관찰되는 소용돌이 모양의 연기 같은 에코 패턴으로, 일반적으로 혈액 정체 또는 저유량 상태에서 발생한다. 이러한 혈류역학적 교란은 느린 흐름으로 인해 낮은 전단 응력을 발생시켜 혈관내피세포의 기능 장애를 유발하고 응고 인자인 섬유소원의 활성화를 촉진한다. 결과적으로 적혈구를 포함한 혈액 세포가 쉽게 응집하여 혈전 형성의 전구체인 자발에코대조를 형성한다. 자발에코대조는 주로 좌심방확장증이 있는 환자의 좌심방이나 심방세동 환자의 좌심방귀에서 발견되며, 드물게 경동맥에서도 관찰될 수 있다. 이 사례 보고서에서는 전이성 암환자의 경동맥이중초음파검사 중 관찰된 자발에코대조의 영상 소견을 제시하고 임상적 의미를 논의하고자 한다.

• 수산해양기술연구
• /
• 제36권3호
• /
• pp.195-201
• /
• 2000

계량어군탐지기를 이용하여 저서어를 대상으로 에코적분을 행하는 경우, 적분범위의 하한을 결정하기 위해 설정하는 해저기준이나 해저오프셋은, 저서어 자원량추정의 중요한 요인 중의 하나이다. 해저부근의 어군에코의 해석으로부터 해저기준의 결정방법과 최적 오프셋에 관하여 고찰한 결과, 다음과 같은 결과를 보였다. 1) 적분층의 폭을 5m로 하여, 적분범위를 1샘플링씩 해저방향으로 이동하면서, 해저부근의 S$\sub$a5m/의 변화를 본 결과, 해저부근의 어군에코를 적분하기 위해서는, 적분범위의 하한을 가능한 해저까지 접근시켜야 한다. 2) 에코레벨의 역치로서 해저검출을 행한 경우, 역치가 클수록 해저 검출 불능횟수가 증가하고, 작을수록 해저 오검출 횟수가 늘어 났다. 3) 에코레벨의 최대변화점을 해저기준으로 한 해저검출법은, 그 정도가 매우 높았으며, 나아가 에코레벨의 변동에 대해 아주 안정한 해저기준 알고리 즘으로 적합하였다. 4) 이 해저검출 알고리즘에 의하면, 최적해저오프셋은 해저 기준으로부터 0.4ms이내였고, 이것은 펄스파형과 해저지형에 대한 음향빔에 의존한다.

• 지구물리와물리탐사
• /
• 제16권3호
• /
• pp.145-153
• /
• 2013

황해 백령도 주변해역에 분포하는 해저면 연계퇴적층의 음향상 연구를 위해 고해상 탄성파 탐사자료를 분석하였다. 해저지형 및 내부 음향상 특징에 의하면 연구지역에 분포하는 천부퇴적층은 총 7개의 음향상으로 구분된다. 내부 반사면이 약간 혹은 양호하게 발달하거나 내부반사면을 전혀 수반하지 않는 평탄한 해저면(음향상 1-1, 1-2)은 연구지역의 남쪽에 주로 분포한다. 파형의 표면구조를 수반하는 평탄한 해저면(음향상 1-3)은 중부해역에 발달한다. 평탄한 해저면 혹은 파형의 표면구조를 수반하는 마운드 형태의 해저면 특징(음향상 2-1, 2-2, 2-3)은 중부해역에 분포한다. 내부 반사면이 발달하지 않고 불규칙한 침식흔적을 갖는 해저면(음향상 3-1)은 조사해역의 북부해역인 백령도 외해쪽에 주로 존재한다. 음향상의 분포 및 퇴적물 특성에 의하면 연구지역의 퇴적환경은 뚜렷한 3 지역으로 구분되는 바 (1) 강한 조류의 영향으로 심한 침식작용이 진행되고 있는 북쪽지역, (2) 해수면 상승과 연계된 조류의 영향으로 형성된 사퇴가 분포하는 중부해역, (3) 박층의 해침 사질층이 분포하고 있는 남부해역 등으로 구성된다. 연구지역에 분포하는 7 음향상을 포함하는 이와 같은 퇴적층은 홀로세 해침동안 해수면 상승 및 강한 조류와 연계된 퇴적작용을 반영한다.

• 한국지능시스템학회논문지
• /
• 제23권6호
• /
• pp.545-550
• /
• 2013

패턴 인식 분야에 있어서 데이터 분류는 해당 데이터에서 유용한 정보를 추출하기 위해서 반드시 수행해야 하는 과정 중 하나이다. AdaBoost 알고리즘은 Boosting 알고리즘을 실제 데이터 분석에 이용할 수 있도록 개량한 것으로, Random guessing이나 Random forest와 같이 정확한 결과를 도출할 확률이 50%보다 조금 높은 약한 분류기와 가중치 값의 조합을 통해 높은 분류 성능을 가지는 강한 분류기를 생성하는 방법을 뜻한다. 본 논문에서는 AdaBoost 알고리즘을 이용하여 비강수에코 중 강수에코와 그 특성이 유사하여 기상 예보를 수행하는 데 방해가 되는 채프에코를 식별하는 알고리즘의 구현에 대한 연구를 수행하였다. 기상 현상 관측을 위해 사용하는 레이더 데이터를 정적 클러스터링과 동적 클러스터링 과정을 통해서 유사도를 기반으로 한 클러스터를 생성한 후, 이를 예보관의 채프에코 판별 결과에 따라 채프에코와 비채프에코로 나누어 학습 데이터를 구성한 후 AdaBoost 알고리즘에 적용하여 분류기를 구현하였다. 제안한 AdaBoost 알고리즘의 성능을 검증하기 위하여 실제 채프에코가 발생한 레이더 데이터를 적용하였으며, 실험 결과를 통해서 제안한 알고리즘이 효과적으로 채프에코를 분류할 수 있음을 확인하였다.