• Journal of Positioning, Navigation, and Timing
• /
• 제2권1호
• /
• pp.67-74
• /
• 2013

In this study, a remote controller was designed using localization technique. The designed remote controller system consists of infrared transmit/receive module for time synchronization, ultrasonic transmit/receive module for measuring the TOA value, and micro-controller for processing the measured data value. For the position estimation method of remote controller, the Savarese method was used which does not have a problem of diverging solution depending on initial value. The noise included in the measured value was removed by separating the signal and noise with the use of EMD method which is the non-stationary signal analysis technique. The designed system was tested by constructing a simulation environment, and the improvement of accuracy and precision for the application of EMD method was examined.

• 감성과학
• /
• 제18권1호
• /
• pp.15-26
• /
• 2015

본 논문에서는 경험적 모드 분해 방법을 이용하여 시각자극 출현에 따른 과제 수행 시 발생하는 뇌 유발전위의 ${\theta}$와 ${\alpha}$대역에 대한 진폭과 위상변화를 확인하였다. 과제수행에 대한 뇌 유발전위를 구성 주파수 대역 별로 분해하기 위하여 경험적 모드 분해 방법을 적용하였고, 분해된 각 내재모드함수에 힐버트 변환을 적용하여 뇌 유발전위의 ${\theta}$와 ${\alpha}$대역의 순간 진폭과 위상 변화를 확인하였다. 과제 수행 시 뇌 유발전위의 P2, N2과 P3지점에서 ${\theta}$와 ${\alpha}$대역의 진폭이 크게 관찰되었으며, N1, P2부근에서 순간 위상의 변화가 최대가 되었다. 시각 자극 출현에 따른 응시 상태에서는 두 대역 모두 관련된 위상 변화시점이 확인되지 않았다. 대역통과필터 방법 적용 시, 경험적 모드 분해 방법에 비해 시간과 주파수 해상도가 떨어졌으며, 필터의 파라미터에 따라 위상 변화 시점의 결과에 차이가 발생하였다. 연구를 통해 ${\theta}$와 ${\alpha}$대역이 시각 자극 출현에 따른 과제 수행에 대한 뇌 유발전위의 주요성분인 ${\theta}$와 ${\alpha}$대역의 위상변화와 뇌 유발전위의 생성을 위상 변화와 연관 지어 해석하였다.

• 한국정보통신학회논문지
• /
• 제14권1호
• /
• pp.16-22
• /
• 2010

심전도 신호 분석 및 부정맥 분류는 환자를 진단하고 치료하는데 중요한 역할을 한다. 부정맥은 맥박이 불규칙한 상태로 심실빈맥(VT)이나 심실세동(VF) 환자에게 심각한 위협이 될 수 있다. 심방조기수축(APC)과 상심실성빈맥(SVT), 심실조기수축(PVC)은 심실빈맥(VT)만큼 치명적이지는 않지만 심장질환을 진단하는데 중요한 부정맥이다. 본 논문은 2~3개의 부정맥 분류만을 고려한 기존의 방법을 극복하고 다양한 부정맥을 분류하기 위한 새로운 방법을 제시한다. 심전도 신호의 특징 추출을 위해서 EMD 방법으로 신호를 분해하여 IMFs를 얻는다. 입력 데이터의 양은 분류기 성능에 영향을 미치므로 신호 데이터의 차원을 감소시키기 위해 Burg 알고리즘을 IMFs에 적용하여 AR 계수를 구하고 여러 개의 이진 분류기를 결합한 다중 클래스 SVM의 입력으로 사용한다. 최적의 SVM 성능 파라미터를 선택하고 부정맥 분류에 적용한 결과 검출의 정확성은 96.8%~99.5%였다. 실험 결과는 제안한 EMD 방법에 의한 전처리 및 특징 추출과 다중 클래스 SVM에 의한 부정맥 분류의 유용성을 보여준다.

• 한국전자파학회논문지
• /
• 제28권4호
• /
• pp.328-335
• /
• 2017

본 논문에서는 레이다 표적식별 성능을 향상시키기 위하여 고해상도 거리측면도(High Resolution Range Profile: HRRP)에 포함된 잡음을 효과적으로 제거하는 방법을 제안한다. 제안된 기법은 HRRP에 포함된 잡음의 통계적인 특성과 EMD(Empirical Mode Decomposition) 알고리즘을 이용하여 HRRP에 포함된 잡음을 효과적으로 제거한다. 잡음 제거 실험 결과에서는, 본 논문에서 제안한 기법이 잡음을 효과적으로 제거하면서, 표적 식별 성능을 크게 향상시키는 것을 수치적으로 확인할 수 있었다.

• 대한토목학회논문집
• /
• 제28권4A호
• /
• pp.507-515
• /
• 2008

본 연구에서는 모드분해기법을 이용한 변형률신호로부터 변위응답추정 방법을 개발하였다. 일반적으로 교량의 안정성평가는 완공 후에 초점이 맞추어져 있다. 하지만 가설 중에도 풍하중과 지진하중과 같은 동적하중에 노출되어 있으며, 이런 동적하중에 대한 안정성을 검토하기 위해 교량의 안정성 평가에 있어 중요한 인자인 변위를 추정하는 것이 중요하다. 그러나 건설현장에서의 적절한 변위측정 방법의 부재로 인하여 대형구조물의 전체적인 변위를 측정할 수 없는 것이 현실이다. 본 연구에서는 간접적으로 변위를 추정하는 방법인 변형률로 변위를 추정하는 방법을 제시하였으며, 광섬유 브래그 격자 센서(fiber optic Bragg-grating sensor)를 사용하여 변형률을 계측하였다. 기존에도 FBG센서를 이용한 변위추정 방법이 있었으며 기존의 방법으로는 정적하중에 대한 변위추정은 가능하였으나 고차 모드의 변형률신호와 노이즈의 영향 때문에 동적하중에 대한 변위추정은 많은 오차가 발생하여 정확한 변위추정이 어려웠다. 이런 오차를 줄이는 방법으로 모드분해기법을 사용하였다. 모드분해기법은 변형률신호로부터 proper orthogonal decomposition(POD)을 이용하여 추정한 모드형상과 empirical mode decomposition(EMD)을 이용하여 모드 분해한 변형률신호로 모드별 변위응답을 추정하고, 구조물의 주요 모드에 대한 변위응답을 합하여 전체변위응답을 추정하는 방법이다. 제안한 모드분해기법을 검증하기 위해 실내모형실험을 수행하였다.

• 한국소음진동공학회논문집
• /
• 제23권2호
• /
• pp.131-143
• /
• 2013

대부분의 철강산업 기계 등에 설치되어 사용되는 선회베어링은 교체를 위한 정확한 정비계획이 필요하기 때문에 저속회전체의 선회베어링에 대한 진동 상태감시가 매우 중요하게 되었다. 지금까지 음향방출(AE)법이 저속베어링의 상태감시에 가장 많이 사용되는 기술이고 몇몇의 경우는 진동을 사용한다. 음향방출을 사용하는 일반적인 이유는 저속에서 구름요소와 결함위치 사이의 충격에 의하여 발생되는 신호가 약하고 때때로 노이즈나 다른 간섭 주파수에 결함신호가 묻혀 검출이 어렵기 때문이다. 따라서 쉽게 특정 결함에 대한 결함주파수의 동정을 위하여 몇몇 연구자들은 충격에너지를 증가시키기 위하여 인위적으로 미리 정해진 길이, 넓이와 깊이의 결함을 베어링의 내, 외부 레이스에 인가하기도 한다. 이 논문에서는 15 rpm에서 운전하는 저속 선회베어링의 진동신호에 EMD와 EEMD를 적용하였고 논문에서 사용한 진동결함 신호는 국내 산업체에서 공급받은 것이다. 이 논문에서는 베어링결함 주파수 동정을 위하여 EEMD를 사용하여 결함신호의 FFT처리 결과를 입증하고 설명하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권2호
• /
• pp.123-130
• /
• 2022

During the past decades, detection of gear defects remains as a major problem, especially when the gears are subject to non-stationary phenomena. The idea of this paper is to mixture a multilevel wavelet transform with a fast EMD decomposition in order to early detect gear defects. The sensitivity of a kurtosis is used as an indicator of gears defect burn. When the gear is damaged, the appearance of a crack on the gear tooth disrupts the signal. This is due to the presence of periodic pulses. Nevertheless, the existence of background noise induced by the random excitation can have an impact on the values of these temporal indicators. The denoising of these signals by multilevel wavelet transform improves the sensitivity of these indicators and increases the reliability of the investigation. Finally, a defect diagnosis result can be obtained after the fast transformation of the EMD. The proposed approach consists in applying a multi-resolution wavelet analysis with variable decomposition levels related to the severity of gear faults, then a fast EMD is used to early detect faults. The proposed mixed methods are evaluated on vibratory signals from the test bench, CETIM. The obtained results have shown the occurrence of a teeth defect on gear on the 5th and 8th day. This result agrees with the report of the appraisal made on this gear system.

• 전기전자학회논문지
• /
• 제24권1호
• /
• pp.120-126
• /
• 2020

본 연구에서는 인체의 임펄스 응답 신호를 이용하여 사용자를 인식하는 방법을 제안한다. 인체는 물, 근육, 지방, 뼈 등으로 구성되어 있고, 이러한 구성비는 사람마다 다르게 형성되어 있다. 기존의 인체 통신 연구에서는 인체가 커패시터와 저항으로 이루어진 회로로 모델링 되었고, 회로의 특징은 인체의 구성 특성에 따라 다르다는 것이 밝혀졌다. 따라서 인체는 개인별 고유한 채널로 인식될 수 있고, 이를 이용한 사용자 인식이 가능하다는 연구가 보고 되었다. 이 연구에서는, 임펄스 신호를 인체에 인가하여 임펄스 응답 신호를 측정하고, empirical mode decomposition 기법으로 노이즈를 제거한다. 그리고 10개의 피크 값을 추출하고 피크 간 값의 차이를 특징량으로 사용하여 사용자 인증을 수행하였다. 6명의 참가자로부터 수집한 데이터를 k-nearest neighbors(KNN) 알고리즘을 사용하여 분류 성능을 확인한 결과, 임펄스 응답 신호의 전체 시계열 데이터의 분류 정확도는 91.57%이었으나, 제안한 피크 간 값의 차이를 특징량으로 하여 분류를 하였을 때 분류 정확도가 97.71%로 크게 향상되는 것을 확인할 수 있었다.

• Journal of Power Electronics
• /
• 제19권1호
• /
• pp.307-315
• /
• 2019

Condition monitoring has been recognized as an effective and low-cost method to enhance the reliability and improve the maintainability of power electronic converters. In power electronic converters, high-frequency oscillation occurs during the switching transients of power transistors, which is known as ringing. The ringing frequency mainly depends on the values of the parasitic capacitance and stray inductance in the oscillation loop. Although circuit stray inductance is an important factor that leads to the ringing, it does not change with transistor aging. A shift in either the inside inductance or junction capacitance is an important failure precursor for power transistors. Therefore, ringing frequency can be used to monitor the health of power transistors. However, the switching actions of power transistors usually result in a dynamic behavior that can generate oscillation signals mixed with background noise, which makes it hard to directly extract the ringing frequency. A frequency extraction method based on empirical mode decomposition (EMD) and Fast Fourier transformation (FFT) is proposed in this paper. The proposed method is simple and has a high precision. Simulation results are given to verify the ringing analysis and experimental results are given to verify the effectiveness of the proposed method.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.329-330
• /
• 2021

벌크화물운송은 해상운송시장에서 가장 큰 규모이고 철강 및 에너지 산업을 뒷받침 하는 중요한 시장이다. 또한 운임의 변동성이 가장 큰 시장으로 상당한 수익을 기대할 수 있는 반면에 파산에 이르는 큰 손실이 발생할 수 있기때문에 시장 참여자들은 합리적이고 과학적인 예측을 기반하여 의사결정을 해야 한다. 그러나 해운시장에서는 과학적 의사결정보다는 경험기반의 의사결정에 의존하기 때문에 시황변동성에 취약하다. 본 논문은 벌크운임예측에 신호 분해 방법인 EMD와 인공신경망을 결합한 하이브리드 모델을 적용하여 과학적 예측방법을 제시하고자 한다. 본 논문은 학문적으로 해운시장 운임예측연구에서 거의 시도되지 않았던 시계열분해법과 기계학습기법을 결합한 하이브리드 모델을 제시하였다는데 의미가 있으며 실무적으로는 해운시장에서 빈번이 일어나는 의사결정의 질이 제고되는데 기여할 것으로 기대된다.