• 한국통신학회논문지
• /
• 제24권9A호
• /
• pp.1322-1328
• /
• 1999

본 논문에서는 등간격 선형어레이로 입사하는 다중 인코히어런트 평면파의 도래각을 추정하기 위하여 신호부각법과 결합된 MUSIC(SE-MUSIC)을 제안한다. 제안된 SE-MUSIC 알고리즘은 다음 두 가지 과정을 중심으로 이루어진다. (i) 먼저 이상적인 공분산행렬이 갖는 특성을 가지며 Frobenius norm 면에서 추정된 공분산행렬에 가장 가까운 부각된 행렬을 찾고 (ii) 다음으로 부각된 행렬에 MUSIC 방법을 적용하여 입사신호의 도래각을 추정한다. 낮은 신호대 잡음비 환경에서도 제안된 SE-MUSIC이 기존의 MUSIC보다 분해능면이나 통계적 성능 면에서 우수한 성능을 제공함을 컴퓨터 시뮬레이션을 통하여 알 수 있었다.

• 한국음향학회지
• /
• 제19권8호
• /
• pp.78-83
• /
• 2000

수동 소나 시스템에서는 수중 소음원에 대한 신호처리 과정을 수행하여 토널 및 주파수선의 신호 성분으로부터 신호 세기 대역폭, 토널 개수, 토널간의 상호 관계둥의 다양한 특징인자를 분석, 비교하여 표적을 식별하게 되며, 표적 식별율을 향상시키기 위해서는 무엇보다도 주파수선의 신호 성분만을 정밀하게 탐지하고 추출하여야 한다. 그러나 수중신호의 스펙트로그램상에 형성되는 협대역 주파수선은 토널의 신호 세기와 바다 자체의 전달 특성 둥으로 인하여 미약하게 탐지되거나 불규칙하게 끊어져서 불연속적으로 나타날 뿐 아니라 임펄스성의 주변잡음 성분과 복합적으로 존재하므로 주파수선의 신호 성분만을 정밀하게 탐지하고 추출하기가 매우 어렵다. 본 논문에서는 신호 세기가 미약한 경우나 높은 주변잡음이 복합되어 있는 경우에도 정밀하게 주파수선의 신호 성분만을 탐지, 추출한 수 있는 협대역 다중 주파수선의 자동 탐지 및 추출을 위한 기법을 제안하였으며, 실제 수중표적 신호를 적용하여 제안된 알고리즘이 매우 유용함을 보인다.

• The Journal of the Acoustical Society of Korea
• /
• 제14권1E호
• /
• pp.88-97
• /
• 1995

본 논문의 주된 목적은 주위 환경의 영향등으로 인하여 신호대잡음비(S/N)가 저하된 상황, 다중신호원들이 근접하여 위치한 상황등의 특수한 상황들에서도 고해상도를 지니는 도래방향각 예측방법의 개념적 S/N의 향상도를 이론적으로 증명하고 기존의 도래방향각 예측방법과 비교하므로서 제안된 방법의 실용화를 위한 이론적 타당성을 입증하는데 있다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권5호
• /
• pp.497-501
• /
• 2008

본 논문에서는 연속적인 뇌파 분류를 위해 비음수 텐서 분해를 이용한 특징 추출과 비터비 알고리즘을 이용한 연속적인 데이타의 클래스 분류를 결합한 새로운 알고리즘을 제시한다. 비음수 텐서 분해는 이미 스펙트럼 데이타에 대해 뇌파의 주요한 특징을 잘 추출한다고 알려진 비음수 행렬 분해의 확장으로써 행렬이라는 제한된 틀에서 벗어나 데이타가 가지는 다양한 차원으로의 확대가 가능하다. 뇌-컴퓨터 인터페이스 컴피티션을 통해 공개된 데이터를 이용한 실험을 통해 제안된 방법의 유용함을 증명하도록 하겠다.

• 한국컴퓨터정보학회논문지
• /
• 제23권12호
• /
• pp.43-48
• /
• 2018

In this paper, more efficient classification result could be obtained by applying the combination of the Hidden Markov Model and SVM Model to HMSV algorithm gene expression data which simulated the stochastic flow of gene data and clustering it. In this paper, we verified the HMSV algorithm that combines independently learned algorithms. To prove that this paper is superior to other papers, we tested the sensitivity and specificity of the most commonly used classification criteria. As a result, the K-means is 71% and the SOM is 68%. The proposed HMSV algorithm is 85%. These results are stable and high. It can be seen that this is better classified than using a general classification algorithm. The algorithm proposed in this paper is a stochastic modeling of the generation process of the characteristics included in the signal, and a good recognition rate can be obtained with a small amount of calculation, so it will be useful to study the relationship with diseases by showing fast and effective performance improvement with an algorithm that clusters nodes by simulating the stochastic flow of Gene Data through data mining of BigData.

• Journal of information and communication convergence engineering
• /
• 제21권3호
• /
• pp.208-215
• /
• 2023

Deep learning techniques provide powerful solutions to several pattern-recognition problems, including Raman spectral classification. However, these networks require large amounts of labeled data to perform well. Labeled data, which are typically obtained in a laboratory, can potentially be alleviated by data augmentation. This study investigated various data augmentation techniques and applied multiple deep learning methods to Raman spectral classification. Raman spectra yield fingerprint-like information about chemical compositions, but are prone to noise when the particles of the material are small. Five augmentation models were investigated to build robust deep learning classifiers: weighted sums of spectral signals, imitated chemical backgrounds, extended multiplicative signal augmentation, and generated Gaussian and Poisson-distributed noise. We compared the performance of nine state-of-the-art convolutional neural networks with all the augmentation techniques. The LeNet5 models with background noise augmentation yielded the highest accuracy when tested on real-world Raman spectral classification at 88.33% accuracy. A class activation map of the model was generated to provide a qualitative observation of the results.

• IEIE Transactions on Smart Processing and Computing
• /
• 제3권4호
• /
• pp.167-172
• /
• 2014

In this paper we propose a waveform design algorithm that localizes the maximum output power in the target direction. We extend existing monostatic radar optimal waveform design schemes to bistatic multiple-input multiple-output (MIMO) radar systems. The algorithm simultaneously calculates the direction of departure (DoD) and the direction of arrival (DoA) using a two-dimensional multiple signal classification (MUSIC) method, and successfully localizes the maximum transmitted power to the target locations by exploiting the calculated DoD. The simulation results confirm the performance of the proposed algorithm.

• 한국음향학회지
• /
• 제24권5호
• /
• pp.294-300
• /
• 2005

지금까지 근거리 다중 표적에 대한 위치 추적은 2차원 MUSIC (MUltiple Signal Classification) 기법 등으로 표적 의 위치를 추정하여 JPDA (Joint Probabilistic Data Association) 필터 등의 순차적 상태 추정 알고리즘을 적용해 왔다. 그러나 이러한 방법은 데이터 연관 과정을 해결해야할 뿐 아니라 샘플 기간마다 표적의 위치를 추정하기 위해 많은 격자를 탐색해야 하므로 연산량 부하가 가중된다 또한 다수의 표적이 근접하여 위치할 경우 각 표적에 대한 위치 추정 오차가 크게 되어 위치 추적 성능이 저하되는 단점이 있다. 본 논문에서는 근거 리 음장 (near field)에서의 선배열 센서 출력 신호 공분산 행렬로부터 위치 변위를 추정하여 근거리 다중 표적에 대한 위치 추적이 가능한 알고리즘을 제안하였으며, 근접 및 교차 표적에 대한 모의실험을 수행하여 그 성능의 우수함을 확인하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2001년도 춘계학술대회논문집
• /
• pp.1003-1008
• /
• 2001

In beamforming method, source positions are predicted by MUSIC (Multiple Signal Classification) power method and composite sound fields can then be decomposed into each partial field by beamforming, detenninistically without restriction of the distance between reference microphones and sources. However, reference microphone array shape is important in both MUSIC and beamforming method. Thus the present paper describes the effect of the reference microphone array shape.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2002년도 추계학술대회논문초록집
• /
• pp.370.1-370
• /
• 2002

A method using beamforming has been developed to measure absorption coefncient of oblique incidence. MUSIC(Multiple Signal Classification) method detects the angle of incidence and reflection. And beamforming method separates the incident and reflected wave. And spatial smoothing technique is used to reduce the coherence between the incident and reflected wave. The test material were modeled as a locally reacting surface. Numerical and experiment results are performed to verify the performance of proposed method.