• 인터넷정보학회논문지
• /
• 제22권1호
• /
• pp.23-30
• /
• 2021

본 논문은 다수의 오토인코더 모델들을 이용한 잡음에 강인한 이미지 분류 시스템을 제안한다. 딥러닝 기술의 발달로 이미지 분류의 정확도는 점점 높아지고 있다. 하지만 입력 이미지가 잡음에 의해서 오염된 경우에는 이미지 분류 성능이 급격히 저하된다. 이미지에 첨가되는 잡음은 이미지의 생성 및 전송 과정에서 필연적으로 발생할 수밖에 없다. 따라서 실제 환경에서 이미지 분류기가 사용되기 위해서는 잡음에 대한 처리 및 대응이 반드시 필요하다. 한편 오토인코더는 입력값과 출력값이 유사하도록 학습되어지는 인공신경망 모델이다. 입력데이터가 학습데이터와 유사하다면 오토인코더의 출력데이터와 입력데이터 사이의 오차는 작을 것이다. 하지만 입력 데이터가 학습데이터와 유사성이 없다면 오토인코더의 출력데이터와 입력데이터 사이의 오차는 클 것이다. 제안하는 시스템은 오토인코더의 입력데이터와 출력데이터 사이의 관계를 이용한다. 제안하는 시스템의 이미지 분류 절차는 2단계로 구성된다. 1단계에서 분류 가능성이 가장 높은 클래스 2개를 선정하고 이들 클래스의 분류 가능성이 서로 유사하면 2단계에서 추가적인 분류 절차를 거친다. 제안하는 시스템의 성능 분석을 위해 가우시안 잡음으로 오염된 MNIST 데이터셋을 대상으로 분류 정확도를 실험하였다. 실험 결과 잡음 환경에서 제안하는 시스템이 CNN(Convolutional Neural Network) 기반의 분류 기법에 비해 높은 정확도를 나타냄을 확인하였다.

• KIEAE Journal
• /
• 제4권3호
• /
• pp.37-44
• /
• 2004

In this study, foreign and domestic noise criteria on walls, floors, and water supply facilities were reviewed and the results are as follows : regulation can be divided two things, one is on thickness the other is sound insulation performance. Green Building regulation based on the law and this have sound classification systems. Since these regulations are not established in Korea. The noise regulation on water supply-drain facilities and domestic guideline on interior noise level is needed. Foreign regulations are stricter than those of ours. And those has sound classification system for the better acoustic condition of inhabitants'.

• 한국주거학회논문집
• /
• 제12권3호
• /
• pp.149-156
• /
• 2001

Recently, with the increase of income level, many people desire to have agreeable and quiet surrounding. However, construction noise has caused much annoyance for a number of dwellers and workers in nearby construction field. It has become a very serious issue in our living environment. For the accurate evaluation of construction noise with various frequency spectrums and fluctuation characteristics, the evaluation system should reflect not only physical quantities but also the psychological respects of individual persons. With preceding study of psycho-acoustical experiments, this study attempts to survey the classification of adjectives and sound using the method of selected description and intends to get the basic data for establishment of a standard about construction noise.

• 전자공학회논문지
• /
• 제51권7호
• /
• pp.209-220
• /
• 2014

본 논문에서는 천해 배경잡음 환경에서 과도신호 분류에 적합한 특징 선택을 위해 특징의 변별력을 분석하였다. 과도신호 분류는 해양환경 특성상 낮은 신호대잡음비(SNR)를 가지므로 잡음변화에 강인한 특징이 요구된다. 천해 배경잡음을 모델링하기 위해 이론적인 잡음 모델과 Wenz의 천해 관측 자료 그리고 Yule walker 필터를 이용하였다. 과도신호의 SNR에 따른 각 특징의 변별력은 Fisher score를 이용하여 분석하였다. 변별력이 높은 특징을 선택하여 24 클래스의 과도신호원에 대한 분류정확도를 분석한 결과 잡음이 없는 환경에서 선택된 특징에서 상대적으로 높은 분류정확도를 보였다. 이러한 결과를 토대로 최종적으로 선택된 특징은 전체 28가지 특징 중 16가지 특징이 선택되었다. 다중 클래스 SVM분류기를 이용하여 선택된 특징의 인식률 분석결과 과도신호의 SNR 20dB 환경에서 약92%의 분류정확도를 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권12호
• /
• pp.187-196
• /
• 2011

유도 전동기는 항공 산업, 자동차 산업 등의 산업 현장에서 중요한 역할을 하고 있으며, 이러한 유도 전동기의 고장으로 인한 피해를 최소화하기 위해 유도 전동기의 고장 검출 및 분류 시스템의 개발이 중요한 문제로 대두되고 있다. 이에 본 논문에서는 정상 및 각종 비정상 상태의 유도 전동기 진동 신호에 대해 부분 자기 상관(partial autocorrelation, PARCOR) 계수, 로그 스펙트럼 파워(log spectrum powers, LSP), 캡스트럼 계수의 평균값(cepstrum coefficients mean, CCM), 멜 주파수 캡스트럼 계수(mel-frequency cepstrum coefficient, MFCC)의 네 가지 특징 벡터를 신경 회로망의 입력으로 사용하여 유도 전동기의 고장을 검출하고 분류하였다. 고장 분류를 위한 최적의 특징 벡터를 찾기 위해 추출하는 특징의 수를 2에서 20으로 바꾸어 가며 분류 성능을 평가한 결과 CCM을 제외한 나머지의 경우 5~6의 특징만으로 분류 정확도가 거의 100%에 가까운 결과를 보였다. 또한 본 논문에서는 실제 산업 현장에서 진동 신호 취득 시 포함될 수 있는 잡음을 고려하여 취득한 신호에 백색 잡음(white Gaussian noise)을 인위적으로 추가하여 실험한 결과 LSP, PARCOR, MFCC 순으로 잡음 환경에 강인한 특징 벡터임을 확인할 수 있었다.

• 한국소음진동공학회논문집
• /
• 제21권11호
• /
• pp.1020-1028
• /
• 2011

As rotating machines play an important role in industrial applications such as aeronautical, naval and automotive industries, many researchers have developed various condition monitoring system and fault diagnosis system by applying artificial neural network. Since using obtained signals without preprocessing as inputs of neural network can decrease performance of fault classification, it is very important to extract significant features of captured signals and to apply suitable features into diagnosis system according to the kinds of obtained signals. Therefore, this paper proposes a neural-network-based fault diagnosis system using AR coefficients as feature vectors by LPC(linear predictive coding) and EIV(errors-in variables) analysis. We extracted feature vectors from sound, vibration and current faulty signals and evaluated the suitability of feature vectors depending on the classification results and training error rates by changing AR order and adding noise. From experimental results, we conclude that classification results using feature vectors by EIV analysis indicate more than 90 % stably for less than 10 orders and noise effect comparing to LPC.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제51권3호
• /
• pp.122-128
• /
• 2002

In this paper, a robust pattern classification of breath sounds for the diagnosis of pulmonary dysfunction in noise environment is proposed. The feature parameter extraction method by highpass lifter algorithm and PM(projection measure) algorithm are used. 17 different groups of breath sounds are experimentally classified and investigated. The classification has been performed by 6 different types of combinations with proposed methods to evaluate the performances, such as ARC with EDM and LCC with EDM, WLCC with EDM, ARC with PM, LCC with PM, WLCC with PM. Furthermore, all feature parameters are extracted to 80th orders by 5th orders step, and all experiments are evaluated in increasing noise environments by degrees SNR 24dB to 0dB. As a results, WLCC which is derived from highpass lifter algorithm, is selected for the feature parameter extraction method. Pm is more robust than EDM in noisy environments to test and compare experimental results. WLCC with PM method(WLCC/PM) has a better performance in an increasing noise environment for diagnosis of pulmonary dysfunction.

• 한국전자통신학회논문지
• /
• 제8권4호
• /
• pp.555-560
• /
• 2013

본 논문에서는 거리측정, 로그전력, 실효치 방법에 의하여 유성음, 무성음, 묵음 구간을 검출하여, 서브밴드 필터에 의한 잡음제거 알고리즘을 제안한다. 제안한 알고리즘은 각 프레임에서 서브밴드 필터를 사용하여 잡음으로 오염된 음성신호로부터 백색잡음 및 도로잡음의 스펙트럼을 차감하는 방법이다. 본 실험에서는 Aurora-2 데이터베이스에 포함된 음성신호와 잡음신호를 사용하여 스펙트럼 차감 알고리즘의 결과를 나타낸다. 잡음에 의하여 오염된 음성신호에 대하여 신호대잡음비를 사용하여 본 알고리즘이 유효하다는 것을 확인한다. 실험으로부터 백색잡음에 대하여 평균 2.1 dB, 도로잡음에 대하여 평균 1.91 dB의 출력 신호대잡음비가 개선된 것을 확인할 수 있었다.

• 한국도로학회논문집
• /
• 제17권6호
• /
• pp.11-18
• /
• 2015

PURPOSES : The purpose of this thesis is to evaluate the effectiveness of an active noise cancellation (ANC) system in reducing the traffic noise level against frequencies from the predictive model developed by previous research. The predictive model is based on ISO 9613-2 standards using the Noble close proximity (NCPX) method and the pass-by method. This means that the use of these standards is a powerful tool for analyzing the traffic noise level because of the strengths of these methods. Traffic noise analysis was performed based on digital signal processing (DSP) for detecting traffic noise with the pass-by method at the test site. METHODS : There are several analysis methods, which are generally divided into three different types, available to evaluate traffic noise predictive models. The first method uses the classification standard of 12 vehicle types. The second method is based on a standard of four vehicle types. The third method is founded on 5 types of vehicles, which are different from the types used by the second method. This means that the second method not only consolidates 12 vehicle types into only four types, but also that the results of the noise analysis of the total traffic volume are reflected in a comparison analysis of the three types of methods. The constant percent bandwidth (CPB) analysis was used to identify the properties of different frequencies in the frequency analysis. A-weighting was applied to the DSP and to the transformation process from analog to digital signal. The root mean squared error (RMSE) was applied to compare and evaluate the predictive model results of the three analysis methods. RESULTS : The result derived from the third method, based on the classification standard of 5 vehicle types, shows the smallest values of RMSE and max and min error. However, it does not have the reduction properties of a predictive model. To evaluate the predictive model of an ANC system, a reduction analysis of the total sound pressure level (TSPL), dB(A), was conducted. As a result, the analysis based on the third method has the smallest value of RMSE and max error. The effect of traffic noise reduction was the greatest value of the types of analysis in this research. CONCLUSIONS : From the results of the error analysis, the application method for categorizing vehicle types related to the 12-vehicle classification based on previous research is appropriate to the ANC system. However, the performance of a predictive model on an ANC system is up to a value of traffic noise reduction. By the same token, the most appropriate method that influences the maximum reduction effect is found in the third method of traffic analysis. This method has a value of traffic noise reduction of 31.28 dB(A). In conclusion, research for detecting the friction noise between a tire and the road surface for the 12 vehicle types needs to be conducted to authentically demonstrate an ANC system in the Republic of Korea.

• Journal of Advanced Marine Engineering and Technology
• /
• 제28권4호
• /
• pp.587-592
• /
• 2004

Pixel classification is one of basic issues of image processing. The general characteristics of the pixels belonging to various classes are discussed and the radical principles of pixel classification are given. At the same time, a pixel classification scheme based on image information scales is proposed. The proposed method is overcome that computation amount become greater and contents easily get turned. And image directional scales has excellent anti-noise performance. In the result of experiment. good efficiency is showed compare with other methods.