• 한국데이타베이스학회:학술대회논문집
• /
• 한국데이타베이스학회 1999년도 춘계공동학술대회: 지식경영과 지식공학
• /
• pp.175-186
• /
• 1999

Detecting the features of significant patterns from their own historical data is so much crucial to good performance specially in time-series forecasting. Recently, a new data filtering method (or multi-scale decomposition) such as wavelet analysis is considered more useful for handling the time-series that contain strong quasi-cyclical components than other methods. The reason is that wavelet analysis theoretically makes much better local information according to different time intervals from the filtered data. Wavelets can process information effectively at different scales. This implies inherent support fer multiresolution analysis, which correlates with time series that exhibit self-similar behavior across different time scales. The specific local properties of wavelets can for example be particularly useful to describe signals with sharp spiky, discontinuous or fractal structure in financial markets based on chaos theory and also allows the removal of noise-dependent high frequencies, while conserving the signal bearing high frequency terms of the signal. To date, the existing studies related to wavelet analysis are increasingly being applied to many different fields. In this study, we focus on several wavelet thresholding criteria or techniques to support multi-signal decomposition methods for financial time series forecasting and apply to forecast Korean Won / U.S. Dollar currency market as a case study. One of the most important problems that has to be solved with the application of the filtering is the correct choice of the filter types and the filter parameters. If the threshold is too small or too large then the wavelet shrinkage estimator will tend to overfit or underfit the data. It is often selected arbitrarily or by adopting a certain theoretical or statistical criteria. Recently, new and versatile techniques have been introduced related to that problem. Our study is to analyze thresholding or filtering methods based on wavelet analysis that use multi-signal decomposition algorithms within the neural network architectures specially in complex financial markets. Secondly, through the comparison with different filtering techniques' results we introduce the present different filtering criteria of wavelet analysis to support the neural network learning optimization and analyze the critical issues related to the optimal filter design problems in wavelet analysis. That is, those issues include finding the optimal filter parameter to extract significant input features for the forecasting model. Finally, from existing theory or experimental viewpoint concerning the criteria of wavelets thresholding parameters we propose the design of the optimal wavelet for representing a given signal useful in forecasting models, specially a well known neural network models.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.175-186
• /
• 1999

Detecting the features of significant patterns from their own historical data is so much crucial to good performance specially in time-series forecasting. Recently, a new data filtering method (or multi-scale decomposition) such as wavelet analysis is considered more useful for handling the time-series that contain strong quasi-cyclical components than other methods. The reason is that wavelet analysis theoretically makes much better local information according to different time intervals from the filtered data. Wavelets can process information effectively at different scales. This implies inherent support for multiresolution analysis, which correlates with time series that exhibit self-similar behavior across different time scales. The specific local properties of wavelets can for example be particularly useful to describe signals with sharp spiky, discontinuous or fractal structure in financial markets based on chaos theory and also allows the removal of noise-dependent high frequencies, while conserving the signal bearing high frequency terms of the signal. To data, the existing studies related to wavelet analysis are increasingly being applied to many different fields. In this study, we focus on several wavelet thresholding criteria or techniques to support multi-signal decomposition methods for financial time series forecasting and apply to forecast Korean Won / U.S. Dollar currency market as a case study. One of the most important problems that has to be solved with the application of the filtering is the correct choice of the filter types and the filter parameters. If the threshold is too small or too large then the wavelet shrinkage estimator will tend to overfit or underfit the data. It is often selected arbitrarily or by adopting a certain theoretical or statistical criteria. Recently, new and versatile techniques have been introduced related to that problem. Our study is to analyze thresholding or filtering methods based on wavelet analysis that use multi-signal decomposition algorithms within the neural network architectures specially in complex financial markets. Secondly, through the comparison with different filtering techniques results we introduce the present different filtering criteria of wavelet analysis to support the neural network learning optimization and analyze the critical issues related to the optimal filter design problems in wavelet analysis. That is, those issues include finding the optimal filter parameter to extract significant input features for the forecasting model. Finally, from existing theory or experimental viewpoint concerning the criteria of wavelets thresholding parameters we propose the design of the optimal wavelet for representing a given signal useful in forecasting models, specially a well known neural network models.

• 방송공학회논문지
• /
• 제8권3호
• /
• pp.297-305
• /
• 2003

본 논문에서는 저비트율 부호화에 적합한 웨이블릿 기반의 고속 움직임 예측 기법을 제안한다. 제안한 논문에서는 웨이블릿 계수의 차이를 기반으로 한 중요 블록(significant block : SB) 정보를 사용하여 움직임이 존재하는 블록에 대해 선택적으로 움직임 예측함으로써 움직임 벡터의 수가 증가하는 MRME(multiresolution motion estimation)의 단점을 보완할 수 있었다. 또한 웨이블릿 변환의 특성 중 하나인 해상도 분할 특성을 이용하여 quarter-band까지 움직임을 예측하게 되고, 이에 대한 보간작업으로 영상을 재구성한다. 선택적 움직임 추정과 움직임 보상된 quarter-band의 보간작업을 통해 고주파 부대역에서 존재할 수 있는 예측 오차를 줄일 수 있었으며, 동시에 계산량도 감소시킬 수 있었다. 제안된 기법은 기존의 기법과 비교하여 약 70% 이상의 계산량을 감소시킬 수 있었으며, 영상의 화질 면에서도 0.1 ∼ 1.2dB 정도 향상되어 거의 대등한 PSNR을 유지하는 것을 모의 실험을 통하여 확인하였다.

• 한국정보통신학회논문지
• /
• 제23권3호
• /
• pp.291-298
• /
• 2019

본 논문에서는 디지털 홀로그램을 효율적으로 분해하기 위해서 다양한 웨이블릿 함수들을 이용한 프레넬릿 변환 방식을 제안하였다. 제안한 웨이블릿 함수 기반의 프레넬릿 변환들을 구현한 후에 디지털 홀로그램에 적용하고 계수들의 에너지에 대한 특성을 분석한다. 구현한 웨이블릿 함수 기반의 프레넬릿 변환은 광학적으로 획득되거나 혹은 컴퓨터 생성 홀로그램 기법으로 생성된 홀로그램의 복원과 처리에 매우 적합하다. 스플라인 함수의 특성을 분석한 이후에 이를 기반으로 하는 웨이블릿 다해상도 해석 방법에 대해서 살펴본다. 이러한 과정을 통해 광학적 간섭 현상을 통해 생성된 프린지 패턴을 효과적으로 분해할 수 있는 변환 도구를 제안하였다. 다양한 분해 특성을 갖는 웨이블릿 함수기반의 프레넬릿 변환을 구현하였고 이를 이용하여 프린지 패턴을 분해한 결과들을 보인다. 결과를 살펴보면 랜덤 위상의 포함여부에 따라 계수들의 에너지 분포가 크게 다르다는 것을 확인할 수 있다.

• 한국전자파학회논문지
• /
• 제10권4호
• /
• pp.550-563
• /
• 1999

본 논문은 시변 맥스웰 방정식에 기초한 웨이브릿-갤러킨 설계를 제안하였다. 두 개의 모멘트 함수가 0 이 되는 Daubechies 웨이브릿 함수를 기저함수로 전개하고 Yee가 제안한 Leap-frog 접근법을 적용하였다. D Daubechies 웨이브릿의 변위된 보간 특성을 이용하여 적분이나 매체 연산자에 대한 부가적인 행렬이 필요없 는 방정식을 유도하였다 안정화 조건을 유도하고 분산특성을 분석한 후 유한차분 시간영역법과 다해상도 시 간영역법의 결과와 비교하였고. 분산특성의 분석을 통해 기저함수의 정규성(Regularity)과 받침폭(Support width) 사이의 균형을 확인했다. 기저함수가 단 2개의 0이 되는 웨이브릿 모멘트 함수를 가지지만. 이는 수치 해석 상에서 무시할 수 있는 분산 오류를 수반하였고, 컴팩트 받침(Compact support)에 의해 노드 당 적은 수의 계수만이 고려되었다. 제안된 설계의 저장계수의 효율, 실행 시간의 감소와 정확도를 균일 공진기와 비 균일 공진기의 공진주파수 해석을 통해 검증하였다.

• 한국정보통신학회논문지
• /
• 제7권7호
• /
• pp.1575-1581
• /
• 2003

사회가 고도의 디지털 정보화 시대로 급속히 발전함에 따라 영상 및 음성 데이터의 획득, 전송, 저장을 위한 멀티 미디어 통신 서비스가 상용화 되어가고 있다. 그러나, 여전히 데이터를 디지털화하거나 전송하는 과정에서 여러 가지 원인에 의해 노이즈가 발생하고 있으며, 이러한 노이즈를 제거하기 위한 연구는 지금까지 계속되고 있다. 노이즈를 제거하기 위해 기존에 FFT와 STFT 등이 있었으나, 신호에 대한 시간정보를 알 수 없고 시간-주파수 국부성이 상충관계를 갖는다. 따라서, 이러한 한계를 극복하기 위해 신호처리 분야의 새로운 기법으로 제시된 웨이브렛 변환은 시간-주파수 국부성을 가지므로, 다양한 신호를 해석하는데 용이할 뿐만 아니라, 다중 해상도 해석이 가능하므로 최근 여러 분야에 응용되고 있다. 그리고, 두 개의 웨이브렛 기저가 힐버트 변환쌍을 형성하도록 설계될 때, 웨이브렛 쌍은 데이터 특징 검출에서 기존의 DWT보다 우수한 성능을 갖는다. 따라서, 본 연구에서는 절단된 계수 벡터에 의해 설계된 두 개의 dyadic 웨이브렛 기저와 적응-길이 메디안 필터를 사용하여 임펄스 노이즈를 제거하였다.

• 대한의용생체공학회:학술대회논문집
• /
• 대한의용생체공학회 1996년도 추계학술대회
• /
• pp.317-320
• /
• 1996

Electrogastrography(EGG) has been an attractive method for physiological and pathophysiological studies of the stomach and now is on the verge of becoming a new clinical tool in gastroenterology. In this study 4 channel EGG measurement system was constructed and running spectrum analysis was developed for 2D and 3D display of power spectrum with time and frequency. A wavelet multiresolution method was utilized for elimination of baseline drift and for filtering out noises.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 춘계종합학술대회
• /
• pp.524-527
• /
• 2005

최근, 사회는 고도의 디지털 정보화 시대로 급속히 발전하고 있다. 그러나 여전히 신호를 처리하는 과정에서 여러 가지 원인에 의해 잡음이 발생하고 있으며, 이러한 잡음들을 제거하기 위한 다양한 방법들이 연구되고 있다. 잡음을 제거하기 위해 기존에 FFT와 STFT 등이 있었으나, 신호에 대한 시간정보를 알 수 없고 시간-주파수 국부성이 상충관계를 갖는다. 따라서 이러한 한계를 극복하기 위해, 다중해상도 해석이 가능한 웨이브렛기반의 잡음 제거 기법들이 신호처리 분야에서 응용되고 있다. 그러나 threshold와 상관관계를 이용한 잡음 제거 방법은 잡음의 통계적 특징만을 반영함에 따라, 많은 잡음들이 edge로써 판단될 수 있으며, AWGN과 임펄스 잡음을 동시에 제거하기 위한 방법을 제공하지 않는다. 따라서 본 논문에서는 웨이브렛기반의 새로운 잡음 제거 방법을 제시하여, 기존의 방법들과 비교하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 제14회 신호처리 합동 학술대회 논문집
• /
• pp.907-910
• /
• 2001

In this paper, we address a new time delay estimation method using third-order statistics and subband adaptive filtering to improve the accuracy of target detection for acoustic backscattered signals in a noise interference environment. Each reference and primary signals are decorrelated using the multiresolution analysis framework through a M-band discrete wavelet transform(M-DWT). Then noise effect can be reduced. Here, time delays are estimated iteratively in each subband using two different adaptation mechanisms that minimize the mean squared error (MSE) between the references and primary signal. More specifically, third-order cumulants and projection cross-correlation(PCC) criterion are utilized to achieve an effective SNR improvement for the time delay estimation.

• 한국정보통신학회논문지
• /
• 제6권2호
• /
• pp.346-355
• /
• 2002

이 연구는 인식의 정확성을 향상시키기 위하여 단일생체 인식 대신에 얼굴, 입술, 음성을 이용하는 다중생체 인식방법을 제안한다. 각 생체 특징은 다음과 같은 방법으로 찾는다. 얼굴 특징은 웨이블렛 다중분해와 주성분 분석방법으로 계산하였고, 입술의 경우는 입술의 경계를 구한후 최소 자승법을 이용한 방정식의 계수를 구하였으며, 음성은 멜 주파수에 의한 MFCC를 사용하였으며, 역전파 학습 알고리즘으로 분류하여 실험하였다. 실험을 통해 본 방법의 유효성을 확인하였다.