• 한국정보통신학회논문지
• /
• 제26권11호
• /
• pp.1660-1665
• /
• 2022

최근 많은 산업체에서 3차원 스캐닝 기술을 활용하고 있다. 3D 스캐너의 성능이 향상됨에 따라 점데이터를 획득하면 후처리를 통해서 일정 비율만큼 줄이는 샘플링 단계를 수행하거나, 잡음이라고 판단되는 부분을 제거한다. 하지만, 이와 같은 추가과정 수행에도 불구하고 오랜 시간 동안 스캐닝하면 점데이터들을 한꺼번에 처리할 수 없다. 일반적으로 멀티스레드 환경을 이용하여 기획득된 점데이터를 먼저 처리하는 방식을 이용하지만, 스캐닝 프로세스 작업 시간이 증가함에 따라 다양한 환경 조건과 누적된 연산으로 인하여 점차 처리 성능이 낮아진다. 본 연구에서는 3D 스캐너로부터 실시간으로 들어오는 점데이터를 누적된 고속 특징점 히스토그램 계산을 이용하여 불필요하다고 판단되는 점데이터를 초기에 제거하는 방식을 제안한다. 이 방법을 이용하면 전체 3D 스캐닝 프로세스의 속도 향상을 가져온다.

• 한국빅데이터학회지
• /
• 제6권2호
• /
• pp.39-49
• /
• 2021

최근 국가 관측망, 기업 공기 측정기 등을 통해 많고 다양한 기상 데이터가 수집되고 있다. 기계학습 기법을 통해 기상 예측하려는 노력이 곳곳에서 이루어지고 있으며, 국내 미세먼지는 농도가 증가해오고 사람들의 관심이 높아 가장 관심있는 예측 대상 중 하나이다. 본 연구에서는 서울시 전역에 설치된 840여 개실외공기측정기 데이터를 사용하여 PM10·PM2.5 예측 모형을 비교하고자 한다. 5분 뒤 미세먼지 농도 예측을 통해 실시간으로 정보를 제공할 수 있으며, 이는 10분·30분·1시간 뒤 예측 모형 개발에 기반이 될 수 있다. 잡음 제거, 결측치 대체 등의 데이터 전처리를 진행하였고, 시·공간 변수를 고려할 수 있는 파생 변수를 생성하였다. 모형의 매개변수는 반응 표면 방법을 통해 선택하였다. XGBoost, 랜덤포레스트, 딥러닝(Multilayer Perceptron)을 예측 모형으로 사용하여, 미세먼지 농도와 예측값의 차이를 확인하고, 모형 간 성능을 비교하고자 한다.

• 한국산학기술학회논문지
• /
• 제18권12호
• /
• pp.126-134
• /
• 2017

심전도(ECG) 신호에서 R-피크를 추출하는 기법에 대하여 많은 연구가 진행 되어 왔으며, 다양한 방법으로 구현되어 왔다. 그러나 이러한 검출 방법 대부분은 실시간 휴대용 심전도 장치에서 구현하기가 복잡하고 어려운 단점이 있다. R-피크 검출을 위해서는 심전도 데이터에 대하여 베이스라인 드리프트 및 상용전원 잡음 제거 등의 적절한 전처리 및 후가공이 필요하며, 특히 적응형 필터를 활용한 기법에서는 적절한 임계값을 선택하는 것이 중요하다. 적응형 필터의 임계값을 추출하는 방식에서는 고정형(Fixed) 및 적응형(adaptive)으로 구분할 수 있다. 고정 임계 값 추출 방식은 고정된 임계값 보다 낮은 값의 입력이 들어오는 경우에 R-피크 값을 감지하지 못하는 경우가 있으며, 적응 임계값 추출 방식은 때때로 잡음에 의한 잘못된 임계값을 도출하여, 다른 파형(P혹은 T파)의 피크를 감지하는 경우도 나타난다. 본 논문에서는 계산상의 복잡성이 적고, 코드 구현이 단순하면서도 잡음에 강인한 R-피크 검출 알고리즘을 제안한다. 제안된 방식은 앞서 설명한 임계값 추출 문제를 해결하기 위해서, 적응형 필터를 사용해, 심전도 신호에서 베이스 라인 드리프트 제거를 하여 적절한 임계값을 계산하도록 한다. 그리고 필터 처리된 심전도 신호의 최소 값과 최대 값을 사용하여 적절한 임계값이 자동으로 추출 되도록 한다. 그런 다음 심전도 신호로부터 R-피크를 검출하기 위해 임계값 아래에서 'neighborhood searching' 기법이 적용된다. 제안된 방법은 R-피크 검출의 정확도를 향상시키고, 계산 량을 줄여 검출 속도가 보다 빨라지도록 하였다. 다음으로 R-피크 값이 검출 되면, R-R interval 등의 값을 이용해 심박 수를 계산할 수 있도록 한다. 실험결과 심박 수 검출 정확도와 감도가 약 100%로 매우 높았음을 확인할 수 있었다.

• 한국측량학회지
• /
• 제34권1호
• /
• pp.43-52
• /
• 2016

기상과 시간의 제약을 받지 않고 영상을 획득할 수 있는 레이더 위성 영상은 오랫동안 홍수 탐지 분야에서 이용되어 왔다. 많은 연구들이 홍수를 효율적으로 탐지하기 위하여 다양한 기법들을 적용하였고 그 결과 홍수 지역의 탐지율은 비약적으로 상승하였다. 홍수는 침수피해를 유발하는 특성상 침수지와 비침수지의 경계 부분이 뚜렷하게 구분돼야하고 아주 세밀한 탐지가 가능해야한다. 이를 위해서는 레이더 자체의 해상도가 좋아야 할 뿐만 아니라 필터링 과정에서 해상도 저하를 최소화해야 한다. 레이더 위성의 해상도는 기술이 발전함에 따라 고해상도의 위성이 증가하고 있지만 필터링 기법을 달리하여 홍수 탐지의 정확도 및 효율성을 비교하여 홍수탐지에 적합한 필터링을 찾는 연구는 부족한 것이 현실이다. 본 연구에서는 Lee, Frost, NL-means(Non-Local means) 필터링을 위성레이더 영상에 적용하였고 필터링된 영상을 이용하여 홍수 지도를 생성한 뒤 각각의 결과를 비교하였다. Frost와 NL-means 필터는 Lee 필터에 비해 스펙클 노이즈를 저감하는데 효과적이었다. 하지만 Frost 필터의 경우에는 해상도의 저하가 심하다는 문제가 있었다. NL-means 필터는 다른 필터에 비해 shadow 현상을 효과적으로 제거하지 못하였고 이로 인해 잘못 탐지되는 픽셀이 존재한다는 문제가 있었다. 그럼에도 전체 영상의 픽셀 수에 비해 shadow 효과의 영향을 받아 오탐지되는 픽셀 수가 많지 않기 때문에 NL-means 필터를 이용한 경우가 가장 높은 홍수 탐지율을 보였다. 테스트 지역에서 필터링이 적용되지 않은 영상을 이용하여 홍수를 탐지한 경우 카파계수가 0.55로 나타났고 Lee, Frost, NL-means 필터를 적용한 경우 각각 0.64, 0.74, 0.81로 나타났다. 또한 NL-means 필터를 적용한 영상은 해상도의 변화가 거의 없는 상태에서 노이즈를 효과적으로 감소하였기 때문에 침수지와 비침수지의 경계를 가장 명확하게 구분할 수 있어 효과적으로 분석 결과를 도출하였다.

• 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.

• 한국게임학회 논문지
• /
• 제12권5호
• /
• pp.79-88
• /
• 2012

본 논문에서는 키보드나 마우스를 이용하지 않고 손 포즈나 동작으로 직관적인 사용자 인터 페이스를 제공하기 위한 실시간 손 포즈 인식 방법을 제안한다. 먼저 깊이 카메라 입력영상에서 왼손과 오른손의 영역을 분할 및 잡음 보정 후 각 손 영역에 대하여 손 회전각과 손 중심점을 계산한다. 그리고 손 중심점에서 일정간격으로 원을 확장해 나가면서 손 경계 교차점의 중간 지점을 구해 손가락 관절점과 끝점을 검출한다. 마지막으로 앞서 구한 손 정보와 이전 프레임의 손 모델간의 매칭을 수행하여 손 포즈를 인식한 후 다음 프레임을 위하여 손 모델을 갱신한다. 본 방법은 연속된 프레임간의 시간 일관성을 이용하여 이전 프레임의 손 모델 정보를 통하여 은닉된 손가락의 예측이 가능하다. 양손을 사용하여 은닉된 손가락을 가진 다양한 손 포즈에 대해 실험한 결과 제안 방법은 평균 95% 이상의 정확도로 32 fps 이상의 성능을 보였다. 제안 방법은 프리젠테이션, 광고, 교육, 게임 등의 응용분야에서 비접촉식 입력 인터페이스로 사용될 수 있다.

• 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.

• 전자공학회논문지
• /
• 제54권8호
• /
• pp.34-41
• /
• 2017

V2I(Vehicle to Infrastructure) 통신은 ITS(Intelligent Transportation Systems)와 텔레매틱스 서비스를 제공하기 위한 차량과 노변 기지국간 통신 기술을 말한다. 차량은 Probe data를 기지국을 통하여 수집하며, 기지국은 도로 상태나 교통 정보를 차량에 제공한다. 이러한 V2I 통신 서비스를 제공하기 위해서는 신뢰성 있으며 높은 전송률을 달성할 수 있는 링크 적응 기법이 필요하다. 수신단은 추정한 CSI(Channel State Information)를 송신단으로 피드백하며 송신단은 이 정보를 이용하여 링크 적응을 한다. 그러나 차량 속도에 의한 채널의 빠른 변화와 계층 간 처리 지연 시간으로 인해 추정한 CSI는 outdated되게 된다. 이를 위해, V2I 통신 시스템에서 링크 적응을 위한 채널 보간과 예측 기법이 필요하다. 본 논문에서는 ADPSS(Advanced Discrete Prolate Spheroidal Sequence) 채널 보간과 예측 기법을 제안한다. 제안한 기법은 정규 직교 기저를 만들고 상관 행렬을 이용하여 채널 보간과 예측을 한다. 또한, 주파수 도메인에서 잡음 제거를 위해 스무딩을 한다. 모의실험 결과, 기존 기법과 비교했을 때 제안한 기법이 차량의 높은 속도와 낮은 속도를 가지는 고속도로와 도심지에서 성능이 향상된 것을 볼 수 있다.

• 한국산학기술학회논문지
• /
• 제18권12호
• /
• pp.452-458
• /
• 2017

본 연구에서는 2016년 7월부터 2017년 6월까지 1년 동안 뇌파 측정 신호를 이용한 우울증 진단장치를 개발하였다. 정상인의 경우 좌측 알파파가 우측 알파파에 비해 활성화되는 양상을 보이고, 우울증 환자의 경우 반대로 우측 알파파가 더 활성화된다. 뇌파의 잡음제거와 증폭을 위해 아날로그 회로와 디지털 저역통과필터를 사용하였고, 고속 푸리에 변환을 실시할 때 발생하는 신호의 누수를 제거하기 위해 해밍 창 함수를 적용하였다. 개발한 진단장치의 유효성능을 확인하기 위해 평균연령 24세의 대학교 3, 4학년 학생 20명을 대상으로 뇌파 측정을 실시하였다. 우울증 판독을 하기 위해 좌, 우 알파파의 상대 값을 계산한 결과 최솟값은 66.7, 최댓값은 113.3의 값을 가졌으며, 평균값은 92.2이었다. 또한 20명 중 7명이 90~95 사이에 해당되었고, 우울 점수의 평균 편차가 20가량 높은 사람의 경우 경미한 우울증세의 경향을 보였다. 본 연구 결론을 향후 좌, 우 뇌 비대칭 해소를 통한 우울증 치료기 제작 시 유의미한 자료로 사용할 수 있으며 다수의 우울증 환자에 대한 임상실험이 이루어질 경우 실제적 우울증 진단에 유용하게 적용할 수 있다.

• 터널과지하공간
• /
• 제19권5호
• /
• pp.432-439
• /
• 2009

지진원 및 지반의 동적 특성을 보다 신뢰성 있게 도출하기 위해 지반의 증폭특성은 반드시 고려되어야 하는 요소이다. 지반증폭 특성을 분석할 때 여러가지 방법이 제시되어 있으나 본 연구에서는 Nakamura (1989)에 의해 제시된 방법을 적용하였다. 본 방법은 얕은 지반의 상시미동의 표면파 특성을 이해하기 위해 제시되었으나 근래에 와서 S파 등에 적용되어 지반의 동적인 증폭 특성연구에 많이 이용되고 있다. 본 연구는 기존의 S파에 적용 뿐만 아니라 추가하여 새로이 Coda 파에 적용하여 비교 분석하였다. 최근 국내에서 관측된 5개의 중규모지진(규모 3.6- 규모 5.1)으로 관측된 약 60여개의 관측자료를 이용하여 지진관측소에서 각각 지반의 동적인 증폭 특성을 분석하였다. 관측소마다 저진동수, 고진동수 및 우월주파수가 서로 다른 증폭특성을 보여주었다. 일부 관측소는 제한된 주파수 대역에서 약 4배의 증폭특성을 보여주고 있어 관측소 하부의 작은 규모의 기하학적 층서이상대 이거나 다양한 trapped mode 등과 같은 층서적인 특성을 유추할 수 있었다. 또한 관측지반진동에서 지반 고유의 증폭특성을 제거하면 지진원 및 비탄성감쇠 변수를 보다 신뢰성 있게 도출할 수 있다. 또한 지진재해도 평가에도 정보를 제공하는 것이 가능하다.