• 한국수자원학회논문집
• /
• 제48권12호
• /
• pp.981-993
• /
• 2015

수문 시계열의 분석은 수문자료를 활용한 수자원의 효율적인 운영 및 관리에 필수적인 부분이며, 특히 장기적인 수문량 예측에 널리 활용되고 있다. 이러한 수문 시계열 분석은 전통적으로 하나의 자료계열을 하나의 요인으로 파악하여 자료를 분석하고 예측해왔지만 시계열 자료가 여러 가지 요인으로 혼합되 어 하나의 자료계열로 나타내질 수 있다는 가정 하에 각 요인들을 분해하여 분석하는 방법도 널리 연구되고 있다. 본 연구에서는 경험적 모드분해법을 이용하여 주어진 수문 시계열을 다중 성분으로 분해하고 분해된 각 요소를 시계열 모형으로 재구축한 후, 구축된 요소별 시계열 모형으로부터 예측된 값을 합하여 시계열을 예측하는 방법을 이용하였으며 이를 국내 댐 유입량에 적용한 후 그 결과를 나타내었다. 기존 시계열 모형과 경험적 모드분해법을 이용한 방법의 정확도를 비교한 결과, 기존의 시계열 모형을 이용하여 자료를 예측한 결과보다 경험적 모드분해법을 적용하여 자료를 분해한 후 시계열 자료를 예측한 결과가 주어진 시계열 자료를 더 잘 나타내는 것을 알 수 있었다.

• 응용통계연구
• /
• 제22권3호
• /
• pp.499-513
• /
• 2009

An economic signal in the real world usually reflects complex phenomena. One may have difficulty both extracting and interpreting information embedded in such a signal. A natural way to reduce complexity is to decompose the original signal into several simple components, and then analyze each component. Spectral analysis (Priestley, 1981) provides a tool to analyze such signals under the assumption that the time series is stationary. However when the signal is subject to non-stationary and nonlinear characteristics such as amplitude and frequency modulation along time scale, spectral analysis is not suitable. Huang et al. (1998b, 1999) proposed a data-adaptive decomposition method called empirical mode decomposition and then applied Hilbert spectral analysis to decomposed signals called intrinsic mode function. Huang et al. (1998b, 1999) named this two step procedure the Hilbert-Huang transform(HHT). Because of its robustness in the presence of nonlinearity and non-stationarity, HHT has been used in various fields. In this paper, we discuss the applications of the HHT and demonstrate its promising potential for non-stationary financial time series data provided through a Korean stock price index.

• 응용통계연구
• /
• 제26권2호
• /
• pp.335-347
• /
• 2013

다양한 분야에서 시그널(signal) 형태로 자료들이 표현된다. 예를 들면 심전도(electrocardiogram)는 심근에서 발생하는 활동 전류를 나타내는데, 심장의 박동에 따라 수축과 이완을 반복하는 과정을 시간에 따른 활동 전류량의 변동으로 나타낸다. 현실세계에서 측정하거나 관찰되는 시그널에는 다양한 형태의 시그널들이 혼합되어 있는 경우가 흔하다. 예를 들어 오케스트라 연주의 아름다운 선율은 고유한 주파수(frequency)를 지닌 악기들의 다양한 소리로 구성되어 있으며, 각기 다른 음조(note)가 하나로 모여 완벽한 하모니를 형성하게 된다. 시그널이 정상인(stationary) 경우에 혼합된 시그널들을 분해하여 분석하는 방법에 대해 현재까지 다양하게 연구되어 왔다. 자료가 비정상(non-stationary)일 경우에는 기존의 방법론들을 적용시키기에는 한계가 있다. 비정상성 자료를 다루기 위해 Huang 등 (1998)은 경험적 모드분해법(empirical mode decomposition)이라는 방법을 제안하였다. 자료에 내포되어 있는 국소적인 파동(oscillation)을 국소 극값들(local extrema)을 식별하여 자료 적응적으로 추출한다. 경험적 모드분해법은 잡음(error)에 의해 자료가 오염되어 있는 경우에는 국소 극값들을 통하여 국소적인 파동을 추정하기 어려우며, 자료의 크기가 커짐에 따라 계산량도 크게 늘어나는 단점 등이 있다. 본 연구에서는 이차 미분을 이용하여 국소적인 파동을 식별하고 추정하는 새로운 방법론을 제시하고자 한다.

• Journal of Communications and Networks
• /
• 제16권1호
• /
• pp.92-97
• /
• 2014

A novel method for extracting frequency slippage signal from radar full pulse sequence is presented. For the radar full pulse sequence received by radar interception receiver, radio frequency (RF) and time of arrival (TOA) of all pulses constitute a two-dimensional information sequence. In a complex and intensive electromagnetic environment, the TOA of pulses is distributed unevenly, randomly, and in a nonstationary manner, preventing existing methods from directly analyzing such time series and effectively extracting certain signal features. This work applies Gaussian noise insertion and structure function to the TOA-RF information sequence respectively such that the equalization of time intervals and correlation processing are accomplished. The components with different frequencies in structure function series are separated using empirical mode decomposition. Additionally, a chaos detection model based on the Duffing equation is introduced to determine the useful component and extract the changing features of RF. Experimental results indicate that the proposed methodology can successfully extract the slippage signal effectively in the case that multiple radar pulse sequences overlap.

• 응용통계연구
• /
• 제24권6호
• /
• pp.995-1006
• /
• 2011

A time series can be decomposed into simple components with a multiscale method. Empirical mode decomposition(EMD) is a recently invented multiscale method in Huang et al. (1998). It is natural to apply a classical prediction method such a vector autoregressive(AR) model to the obtained simple components instead of the original time series; in addition, a prediction procedure combining a classical prediction model to EMD and Hilbert spectrum is proposed in Kim et al. (2008). In this paper, we suggest to adopt principal component analysis(PCA) to the prediction procedure that enables the efficient selection of input variables among obtained components by EMD. We discuss the utility of adopting PCA in the prediction procedure based on EMD and Hilbert spectrum and analyze the daily worm account data by the proposed PCA adopted prediction method.

• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2008년도 추계학술발표논문집
• /
• pp.164-166
• /
• 2008

소음은 현대 사회에서 쉽게 접하게 되는 환경 오염원이다. 능동소음제어(Active Noise Control)는 발생된 소음을 제거하기 위해 구현이 간단한 LMS 알고리즘을 많이 사용하고 있다. 그러나 LMS 알고리즘은 수렴 속도와 소음신호의 변화속도에 따라 발산의 위험을 가지고 있다. 본 논문에서는 이러한 LMS의 문제점을 보완하기 위해 경험 모드 분석법을 이용한 feedback FXLMS(Filtered-X Least Mean Square) 알고리즘을 제안하였다. 소음제거 시스템의 출력단에서 검출된 잔차소음을 경험 모드 분석법(Empirical Mode Decomposition)을 이용하여 IMF 신호들로 분해하고, 분해된 각 신호를 FXLMS 알고리즘을 이용하여 수렴시킨 후, 결과들을 다시 결합하여 소음 제거에 이용하였다. 각각의 IMF 신호를 FXLMS 알고리즘으로 수렴시킬 때 수렴속도에 변화를 주어 소음제거의 효율성을 높였다. 제안한 알고리즘을 Matlab을 이용하여 시뮬레이션하였고 기존의 FXLMS알고리즘보다 향상된 수렴속도 및 안정성을 가짐을 입증하였다.

• 전력전자학회논문지
• /
• 제27권1호
• /
• pp.48-55
• /
• 2022

This paper proposes a battery remaining useful life (RUL) prediction method using a deep learning-based EMD-CNN-LSTM hybrid method. The proposed method pre-processes capacity data by applying empirical mode decomposition (EMD) and predicts the remaining useful life using CNN-LSTM. CNN-LSTM is a hybrid method that combines convolution neural network (CNN), which analyzes spatial features, and long short term memory (LSTM), which is a deep learning technique that processes time series data analysis. The performance of the proposed remaining useful life prediction method is verified using the battery aging experiment data provided by the NASA Ames Prognostics Center of Excellence and shows higher accuracy than does the conventional method.

• 국제학술발표논문집
• /
• The 3th International Conference on Construction Engineering and Project Management
• /
• pp.224-229
• /
• 2009

Digital image recognition has been used for steel bridge surface assessment since late 1990s. However, the non-uniform illumination problems such as shades, shadows, and highlights are still challenges in image processing to date. Therefore, this paper develops a new approach to tackle the non-uniform illumination problem for rust image adjustment. The inhomogeneous illumination problem is divided into shades/shadows and highlights in this paper. The proposed BEMD-morphology approach (BMA) utilizes the bidimensional empirical mode decomposition to mitigate the shade/shadow effect, and the morphological processing to detect and replace the highlight area. Finally, the rust image processed with the BMA will be segmented by the K-Means algorithm, one of the most popular and effective methods, to show the effectiveness of illumination adjustment.

• 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.

• 응용통계연구
• /
• 제28권2호
• /
• pp.159-174
• /
• 2015

최근에 Dragomiretskiy와 Zosso (2014)는 경험적모드분해의 단점을 보완하여 새로운 신호 분해방법인 변동모드분해법(Variational Mode Decomposition)을 고안하였다. 기본적으로 변동모드분해법은 경험적모드분해법에 비하여 주파수 탐색 및 분리(tone detection and tone separation)에 탁월한 성능을 보인다. 또한 고속퓨리에변환을 기반으로 한 알고리즘을 사용하여 경험적모드분해법보다 잡음에 강건하다는 장점이 있다. 하지만 변동모드분해법은 결측 등으로 신호가 동일한 시간간격 혹은 공간적 간격으로 측정되지 않은 경우 제대로 동작하지 않는 단점이 있다. 이를 보완하기 위해서 본 논문에서는 변동모드분해법에 다단계우도함수를 조합하는 새로운 방법을 제안한다. 여기에서 다단계우도함수는 변동모드분해법이 신호를 적절한 내재모드함수로 분해하기 전에 결측치를 대체하는 효율적인 방법을 제시한다. 모의실험과 실제 자료의 사례연구를 통하여 변동모드분해법이 기존의 방법보다 더 효율적으로 신호를 분해한다는 것을 보일 것이다.