• 한국산업정보학회논문지
• /
• 제24권5호
• /
• pp.95-104
• /
• 2019

본 논문에서는 잔향 환경에 강인한 GSFM(Generalized sinusoidal frequency modulated) 펄스를 설계하는 기법을 제안하였다. GSFM 펄스는 SFM(Sinusoidal frequency modulated) 펄스의 일반화한 형태로써 거리와 도플러 분해능이 모두 우수한 압정형태의 모호성 함수를 가지는 장점이 있다. 하지만 일반화를 하는 과정에서 주기성이 사라지기 때문에, 빗살형태의 스펙트럼을 가지는 SFM 펄스에 비해 잔향환경에서 탐지 성능이 저하된다. 본 논문에서는 GSFM 펄스의 파라미터 ${\rho}$를 적절히 변화시켜 SFM 펄스의 잔향 제거 성능과 GSFM 펄스의 거리 분해능 성능 간에 트레이드오프(Trade-off)관계를 분석하고, 비교적 높은 성능을 동시에 만족할 수 있는 ${\rho}$ 값을 제안하였다. 제안한 GSFM 펄스의 성능을 검증하기 위해 잔향환경을 모의하여 시뮬레이션을 수행하였으며, 제안한 GSFM 펄스가 저속의 도플러 표적을 탐지하면서 우수한 거리 분해능을 가지는 것을 확인할 수 있었다.

• 한국방사선학회논문지
• /
• 제13권4호
• /
• pp.509-516
• /
• 2019

전산화단층촬영에서 선형 및 비선형변환방법을 이용하여 탐색밀도에 따른 압축률과 최대신호대 잡음비를 구하여 의료영상 압축의 화질에 대하여 알고자 한다. 선형변환방법은 원 영상을 여러 개의 레인지블록으로 나눈 후 각각의 레인지블록에 대하여 영상내의 존재하는 최적의 도메인블록을 찾는 부분변환시스템을 사용하여 닮은 블록을 찾아서 압축율과 화질의 성능을 조정가능 하므로 비선형변환방법은 8개의 셔플변환 중에서 회전변환만을 이용하는데, 한정된 도메인블록에서만 탐색이 이루어지므로 영상내의 임의의 블록에 대하여 도메인블록을 탐색하는 선형변환방법보다는 부호화 시간이 빠르나 실제 영상에서 레인지블록에 대한 최적의 도메인블록을 선택할 수 없기 때문에 성능은 다른 방법에서 보다 떨어질 수 있어서 비선형변환방법은 최적의 도메인블록을 선택하는 대신 밝기계수 변환의 근사화 정도를 높여서 성능을 개선하고, 블록의 크기가 작을수록 최대신호대 잡음비(PSNR;peak signal to noise ratio)값은 높아지며 블록의 크기가 클수록 압축비가 높아지므로 최적으로 영상을 부호화하기 위해 퀴드트리 블록분할을 하였다.

• 한국음향학회지
• /
• 제38권1호
• /
• pp.106-113
• /
• 2019

본 논문은 능동소나 시스템이 비협동으로 운용될 경우 수신된 직접파로 부터 이를 탐지하여 식별하는 일련의 알고리즘을 제안하였다. 제안하는 알고리즘은 최근 다양한 분야에서 우수한 성능을 보여주고 있는 콘볼루션 신경회로망을 사용하였으며, 입력 데이터로 수신신호를 단시간 퓨리에 변환을 수행한 시간 주파수 분석 데이터를 사용하였다. 본 논문에서 사용한 콘볼루션 신경회로망의 구조는 두 개의 콘볼루션 계층과 풀링 계층을 사용하였으며, 출력층에 따라 데이터베이스 기반의 신경회로망과 펄스 특징인자 기반의 신경회로망을 설계하였다. 알고리즘의 성능을 검증하기 위해 실제 해상에서 수신한 3110개의 CW(Continuous Wave)펄스와 LFM(Linear Frequency Modulated) 펄스의 데이터를 가공하여 학습 데이터와 테스트 데이터를 구성하였다. 시뮬레이션을 수행한 결과 데이터베이스 기반의 신경회로망은 99.9 %의 정확도를 보였으며, 특징인자 기반의 신경회로망은 두 픽셀의 오차를 허용할 경우 약 96 %의 정확도를 보였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권4호
• /
• pp.79-86
• /
• 2019

본 논문에서 인공 신경망을 이용한 시계열 데이터 예측 사례에 대해 서술한다. 본 연구에서는 텐서 플로우 라이브러리를 사용하여 배치 기반의 인공 신경망과 스타케스틱 기반의 인공신경망을 구현하였다. 실험을 통해, 구현된 각 신경망에 대해 훈련 에러와 시험에러를 측정하였다. 신경망 훈련과 시험을 위해서 미국의 인디아나주의 공식 웹사이트로부터 8개월간 수집된 세금 데이터를 사용하였다. 실험 결과, 배치 기반의 신경망 기법이 스타케스틱 기법보다 좋은 성능을 보였다. 또한, 좋은 성능을 보인 배치 기반의 신경망을 이용하여 약 7개월 간 종합 세수 예측을 수행하고 예측된 결과와 실제 데이터를 수집하여 비교 실험을 진행 하였다. 실험 결과, 예측된 종합 세수 금액 결과가 실제값과 거의 유사하게 측정되었다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권3호
• /
• pp.71-80
• /
• 2021

기계학습에서 정확한 데이터 예측을 위해서는 적절한 인공신경망 알고리즘을 선택해야 한다. 이러한 알고리즘에는 심층 신경망 (DNN), 반복 신경망 (RNN), 장단기 기억 (LSTM) 네트워크 및 게이트 반복 단위 (GRU) 신경망등을 들 수 있다. 개발자가 실험을 위해, 하나를 선택해야 하는 경우, 각 알고리즘의 성능에 대한 충분한 정보가 없었기 때문에, 직관에 의존할 수 밖에 없었다. 본 연구에서는 이러한 어려움을 완화하기 위해 실험을 통해 예측 오류(RMSE)와 처리 시간을 비교 평가 하였다. 각 알고리즘은 텐서플로우를 이용하여 구현하였으며, 세금 데이터를 사용하여 학습을 수행 하였다. 학습 된 모델을 사용하여, 세금 예측을 수행 하였으며, 실제값과의 비교를 통해 정확도를 측정 하였다. 또한, 활성화 함수와 다양한 최적화 함수들이 알고리즘에 미치는 영향을 비교 분석 하였다. 실험 결과, GRU 및 LSTM 알고리즘의 경우, RMSE(Root Mean Sqaure Error)는 0.12이고 R2값은 각각 0.78 및 0.75로 다른 알고리즘에 비해 더 낳은 성능을 보여 주었다. 기본 심층 신경망(DNN)의 경우, 처리 시간은 가장 낮지만 예측 오류는 0.163로 성능은 가장 낮게 측정 되었다. 최적화 알고리즘의 경우, 아담(Adam)이 오류 측면에서 최고의 성능을, 처리 시간 측면에서 최악의 성능을 보여 주었다. 본 연구의 연구결과는 데이터 예측을 위한 알고리즘 선택시, 개발자들에게 유용한 정보로 사용될 것으로 예상된다.

• 한국음향학회지
• /
• 제41권4호
• /
• pp.446-460
• /
• 2022

본 논문은 고반복률을 갖는 양상태 소나 시스템에서의 송신 직접파로 인한 표적 탐지율 저하를 적응형 필터를 이용하여 개선하는 알고리즘을 제안한다. 이러한 소나 시스템에서의 송신 직접파 제거는 실제 시스템을 운용하는 것에 치명적인 영향을 주기 때문에 이것을 제거하는 것이 아주 중요하다. 본 논문에서는 시뮬레이션과 해상 실험 데이터에 Normalized Least Mean Square(NLMS)와 Recursive Least Square(RLS) 알고리즘을 적용하여 성능을 평가하였다. 송신 직접파 성분과 표적 신호가 포함된 표적 방위의 빔 신호를 입력 신호로 사용하고 송신 직접파 성분이 있는 송신기 방위의 빔 신호를 원하는 신호로 사용하여 두 신호의 차를 최적화 하여 송신 직접파를 제거하고 표적 신호만 남긴다. 시뮬레이션에서 정합필터의 결과를 확인하였을 때 Linear Frequency Modultated(LFM)과 Generalized Sinusoidal Frequency Modulated(GSFM) 모두에서 송신 직접파가 잡음레벨까지 제거되고 GSFM의 경우 표적의 부엽이 20 dB 이상 감소하여 성능 개선이 있는 것을 확인하였다. 해상 실험에서 LFM은 송신 직접파의 레벨이 10 dB 감소하였고, GSFM은 송신 직접파의 레벨이 약 4 dB 감소하였고, 표적의 부엽이 약 4 dB 정도 감소하여 성능 개선이 있다는 것이 확인되었다.