• 한국정보통신학회논문지
• /
• 제13권12호
• /
• pp.2731-2736
• /
• 2009

본 논문에서는 직교 기저행렬을 이용한 직교 주파수분할다중화 시스템의 새로운 구현방안이 수학적으로 개발된다. 직교기저행렬은 Haar 기저행렬을 기본으로 하고 있으나 직교 주파수분할다중화의 다중 부채널 신호를 변조하기에 적당한 형태를 갖추고 있다. 여기서는 새로운 기저행렬이 간단한 재귀알고리즘에 의하여 확장될 수 있음이 증명된다.그리고 송신기 조합행렬의 차수는 확장에 의하여 두배로 증가된다. 수신기에서 복조는 직교 기저행렬의 재귀에 의하여 생성되는 조합행렬의 역행렬에 의하여 수행된다. 따라서 제안된 직교 주파수분할다중화 시스템에서는 원 신호의 완벽한 재생이 가능함을 알 수 있다.

• 한국정보통신학회논문지
• /
• 제3권1호
• /
• pp.83-95
• /
• 1999

웨이브릿 변환은 시간 및 주파수에 대하여 국부성을 가지며, 비정상상태의 신호를 해석하는데 유용하다. 웨이브릿 변환에서의 기저함수들은 원형 웨이브릿을 천이(translation) 및 확장/수축(dilation)을 시킴으로서 만들어진다. 본 논문은 두 개의 웨이브릿을 선형적으로 조합한 선형조합 웨이브릿 변환을 사용하여 시간-주파수 분석방법을 제안하였다. 그리고 제안된 선형조합 웨이브릿 변환을 사용하여 진단모니터링 시스템에 적용하였다. 제안한 선형조합 웨이브릿 변환 분석 방법의 유효성을 검증하기 위하여 FFT(Fast Fourier Transform), Daubechies, Haar 기법과 비교한다. 분석 대상 신호로는 linear chirp 신호, 팬 소음신호, 회전체 회전신호, 전기신호를 사용하였다. 그 결과는 정상상태 신호처럼 비정상상태 시간 신호를 나타내는데 적당하다. 또한 선형조합 웨이브릿을 사용한 진단 모니터링 시스템은 효과적인 신호분석을 수행한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.259-259
• /
• 2019

시계열 자료들을 분석하고자 하는 경우 자료가 정상성(stationarity)을 만족하는 경우는 드물다. 특히 계절성을 제거한 자료들에서는 정량화하기 어려운 주기성이 많이 관찰된다. 즉, 어떤 특정지역에서 나타나는 현상이 다른 기상 현상에 영향을 미칠 것은 자명한 일이나 그 관련성이 선형(linearity)일 가능성은 극히 드물다. 따라서 그들 사이의 관련성이 선형성에 근거한 지표들로 정량화되어야 한다. 이러한 문제점을 해결하기 위해서 다양한 방법이 사용되며 그중에서 웨이블릿 분석을 통해 본 연구를 진행하였다. 웨이블릿 변환(wavelet transforms)은 특수한 함수의 집합으로 구성되어 기존 웨이블릿 신호의 분석을 위해 사용되는 방법이다. 이 변환은 푸리에 변환에서 변형된 방법으로 특정한 기저 함수(base function)를 이용하여 기존의 시계열 자료를 주파수로 바꾸는 변환이다. 웨이블릿 변환에서 기저 함수를 모 웨이블릿이라고 하며 이를 천이, 확대 및 축소 과정을 통해 주파수를 구성한다. 웨이블릿 분석은 모 웨이블릿을 분해하고 재결합하여 시계열 분석을 할 수 있다. 모 웨이블릿 함수에는 Haar, Daubechies, Coiflets, Symlets, Morlet, Mexican Hat, Meyer 등의 여러 가지 종류의 모 웨이블릿 함수가 있으며 모 웨이블릿이 달라지면 결과가 다르게 나타난다. 기존에는 Morlet 웨이블릿을 주로 이용하여 주파수분석에 사용하여 결과를 도출하였다. 그리고 시계열 자료는 크게 백색잡음(White Noise), 장기기억(Long Term Memory), 단기기억(Short Term Memory)으로 나뉜다. 각 시계열 자료의 종류에 따라 임의의 시계열 자료를 산정하여 그에 따른 웨이블릿 분석을 통해 모 웨이블릿의 특성을 도출하였다. 본 연구에서는 웨이블릿 분석을 통해 시계열 자료의 최적 모 웨이블릿을 결정하고자 남방진동지수(SOI), 북극진동지수(AOI)의 자료를 이용하여 웨이블릿 분석을 시도하였다. 웨이블릿 분석은 모 웨이블릿에 따라 달라지는 결과를 토대로 분석하였으며 이를 정상성과 지속성에 따라 분류된 시계열에 적용하여 최적 모 웨이블릿을 결정하고자 하였다. 본 연구에서는 임의의 시계열 자료에서 설정한 최적의 모 웨이블릿을 AOI와 SOI와 같은 실제 시계열 자료에 대입하여 분석을 진행하였다. 본 연구에서는 시계열 자료의 종류를 구분하고 자료의 특성에 따라 가장 적합한 모 웨이블릿을 구하고자 하였다.