• 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.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2000년도 춘계학술대회 논문집 유기절연재료 방전 플라즈마
• /
• pp.5-12
• /
• 2000

본 연구에서, Daubechies'Mother Wavelet를 이용한 이산 웨이블렛 변환(Discrete Wavelet Transform)에 기초한 새롭고 효과적인 특정추출방법을 제안하였다. 특정추출을 이용하여 응용방향을 설명하고 또는 통계적 파라메터의 평가를 행하였다. 본 연구에서는 다음과 같은 몇 가지 사실을 알 수 있었다. 1. 시스템에서 발생된 (인가전압이 0[V]) 노이즈라 볼 수 가있는 렌덤노이즈(Random Noise)를 디지털필터인 FIR(Finite Impulse Response)필터를 통하여 상당한 노이즈를 억제할 수가 있었다. 2. 이산 웨이블렛 변환 시 레벨 1~4까지 변환한 결과 최적의 변환상태 Level-3을 기준으로 하였다. 3. 특정추출 파라메터는 음향방출신호의 최대값, 평균값, 분산, 왜도, 첨쇄도를 특정추출파라메터로 이용하였다. 4. 특정추출 결과를 이용하여 전체 열화시간 중 대표적 음향방출신호 중 초기열화신호, 중기열화신호, 말기열화신호를 얻을 수 있었다. 이런 특정추출을 통하여 변압기열화상태를 진단할 수 있는 가능성을 확인 할 수가 있었다.

• 한국항행학회논문지
• /
• 제17권6호
• /
• pp.726-735
• /
• 2013

본 논문에서는 웨이블릿 변환의 특성을 이용한 얼굴인식 방법을 제안하여 인식성능 향상에 관한 연구를 진행하였다. 사용한 이산 웨이블릿 변환은 모웨이블릿의 특징과 비슷한 Daubechies D4 필터이다. 웨이블릿 변환영역 중 LL 대역의 데이터만을 이용할 경우 원본 데이터에 비하여 크기가 줄어들게 되어 인식과정의 속도와 메모리 사용량을 줄일 수 있게 된다. 또한 2차원 데이터의 변형없이 손실을 줄여 인식률을 향상시키기 위하여 2차원 LDA 방법을 적용하였다. 그리고 여기서 얻은 특징벡터를 이용하여 SVM을 수행하도록 하였다. 실험은 Matlab 프로그램을 통하여 ORL 얼굴 데이터베이스와 Yale 얼굴 데이터베이스를 이용하여 실험을 하였고 기존의 방법들과 인식률과 수행시간을 비교를 함으로써 제안한 방법의 우수성을 입증하였다.

• 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.

• 대한의용생체공학회:의공학회지
• /
• 제23권2호
• /
• pp.109-117
• /
• 2002

위전도(EGG electrogastrography)는 비관혈적으로 복부에 전극을 부착하여 위에서 발생하는 위 근육의 전기적인 활동성(gastric electrical activity)을 측정하는 방법이다. 위전도 신호는 주파수가 매우 낮으며(0.0083~0.15 Hz) 진폭이 매우 작기(10~100 uV) 때문에 잡음의 영향을 많이 받게 된다. 이로 인해 FIR(finite impulse response) 필터나 IIR(infinite impulse response) 필터에서는 위전도 신호와 같이 0.1417 Hz의 좁은 대역폭을 가지는 신호를 필터링하기 위해서는 높은 차수로 인해 불안정해지거나 신호가 왜곡되는 경우가 발생한다. 그래서 본 연구에서는 Daubechies 모웨이브렛을 7단계로 확장한 웨이브렛 다단계 분해 필터를 사용하였으며 기존에 많이 사용되는 2종류의 FIR 필터, 4종류의 IIR 필터들을 신호대 잡음비(SNR : signal to noise ratio)과 재생신호 자승오차(RSE : reconstruction squared error) 등의 파라미터를 이용하여 시뮬레이션 위전도 신호를 이용하여 성능을 평가하였다. 정규분포임의잡음(normal distribution random noise)이 합성된 시뮬레이션 위전도 신호를 사용한 웨이브렛 다단계 분해 필터의 SNR은 비교대상이 된 필터들 중, 최고의 SNR에 비해 잡음의 레벨에 따라 각각 9.5, 6.9, 4.7 dB 더 좋은 성능을 보여주었다. RSE에서도 $1.22{\times}10^6, 1.16{\times}10^6, 1.02{\times}10^6$이 더 적은 에러를 보여주었다.

• 감성과학
• /
• 제16권4호
• /
• pp.527-534
• /
• 2013

본 연구에서는 코히어런스 분석을 통하여 시각집중 기간 동안 시간 변화에 대한 뇌기능과 관련된 공간-주파수간 연관관계를 해석하였다. 집중관련 시각자극 실험 데이터를 통해 ${\theta}$와 ${\alpha}$ 대역에서 서로 다른 두피 위치간 위상연관변화를 확인하였다. 좌우 전두엽, 전두엽과 두정엽 간 뇌유발전위는 P100, N200지점에서 위상동조를 보였으며, 전두엽과 후두엽 간 뇌유발전위는 시각 처리 정보가 반영되는 P300지점에서 위상동조를 보였다. 고정된 길이의 창을 이용하는 단구간 푸리에 변환에 비하여 연속 웨이블릿 변환은 모 웨이블릿의 파라미터 조정을 통한 다중해상도 분석이 가능하였다. 따라서 연속 웨이블릿 변환을 이용한 코히어런스 결과가 시간변화에 대한 뇌유발전위의 공간-주파수간 연관관계의 변화를 확인하는데 유효함을 확인하였다. 비 집중 자극수행에 대해서는 위상동조 현상이 나타나지 않았다.