• 한국통신학회:학술대회논문집
• /
• 한국통신학회 1991년도 추계종합학술발표회논문집
• /
• pp.92-95
• /
• 1991

Constant false alarm rate(CFAR) processors are useful for detecting radar targets in background for which all parameters in the statistical distribution are not known and may be nonstationary. The well known "cell averging" (CA) CFAR processor is known to yield best performance in homogeneous case, but exhibits severe performance in the presence of an interfering target in the reference window or/and in the region of clutter edges. The "order statistics"(OS) CFAR processor is known to have a good performance above two nonhomogeneous cases. The modified OS-CFAR processor, known as "trimmed mean"(TM) CFAR processor performs somewhat better than the OS-CFAR processor by judiciously trimming the ordered samples. This paper proposes and analyzes the performance of a new CFAR processor called the "maximum trimmed mean"(MX-TM) CFAR processor combining the "greatest of"(GO) CFAR and TM-CFAR processors. The MAX operation is included to control false alarms at clutter edges. Our analyses show that the proposed CFAR processor has similar performance TM- and OS-CFAR processors in homogeneous case and in the precence of interfering targets, but can control the false rate in clutter edges. Simulation results are presented to demonstrate the qualitative effects of various CFAR processors in nonhomogeneous clutter environments.

• 대한기계학회논문집
• /
• 제12권5호
• /
• pp.992-1002
• /
• 1988

본 연구에서는 Monte Carlo 새뮬레이션 기법을 이용하여 지반가속도의 스펙트 럼 밀도함수(power spectral densities)로부터 여섯 성분의 지반가속도 시간이력곡선 을 얻고, 이들을 입력 데이터로 하여 운동방정식에 Newmark의 직접적분법을 이용하여 회전축-베어링 시스템의 응답상태벡터(response state vector)를 얻기로 한다. 충분 히 많은 수의 지반가속도 시간이력곡선을 시뮬레이션하고, 각 경우에 대응하는 응답상 태벡터들을 얻은 다음 일반적인 통계학 방법을 적용하여 평균함수, 표준편차 및 r.m.s (root mean square)등을 얻는다.

• 응용통계연구
• /
• 제19권2호
• /
• pp.319-330
• /
• 2006

현실세계에서 관찰되는 시그널(signal)은 다양한 주파수(frequency)들의 시그널로 혼합되어 있는 경우가 많다. 예를 들어 태양 흑점 자료의 경우 약 11년 주기와 85년 주기로 변동한다는 사실은 널리 알려져 있다. 또한 경제 시계열 자료의 경우는 통상적으로 계절요인(seasonal component), 순환요인(cyclic component) 그리고 장기적인 추세요인(long-term trend)으로 분해하여 분석한다. 이러한 시계열 자료를 구성요소별로 분해하는 것은 오래된 주제중 하나이다. 전통적인 시계열자료 분석기법으로 스펙트럴 분석기법 등이 널리 사용되고 있으나 시계열 자료들이 비정상(nonstationary)일 경우에는 적용하기 어렵다. Huang et. al(1998)은 경험적 모드분해법(empirical mode decomposition)이라고 하는 자료적응적인(data-adaptive) 방법을 제안하였는데, 비정상성(nonstationarity)에 대한 강건성(robustness)으로 여러 분야에 널리 응용되고 있다. 그러나 Huang et. at(1998)은 잡음(error)에 의해 오염된 자료에 대한 구체적인 처리방법은 제시하지 못하고 있다. 본 논문을 통하여 효율적인 잡음제거 방법을 제안하고자 한다.

• 응용통계연구
• /
• 제28권2호
• /
• pp.137-149
• /
• 2015

본 논문에서는 비정상 극치 강수 자료에 대해 계층적 베이지안 모형을 적용하여 시간에 따른 모수의 변화를 추정하며, 미래 확률 강수량에 대한 극단값 분포를 예측하고 더 나아가 반환기간에 대한 경향과 예측 값을 얻고자 한다. 이전의 고전적 통계 방법을 통한 강수 자료의 모수 추정연구의 경우, 자료의 정상성 가정 하에 고정된 모수를 추정하는 방법으로, 최근 나타난 비정상 강수 사상과 같이 강수량이 가지는 분포의 모수적 변화가 예상되는 경우 해석상 문제가 발생한다. 이러한 문제점을 해결하기 위해 모형의 관심모수에 시간에 따른 자기 상관 선형 회귀 함수를 적합한 계층적 베이지안 모형을 고려한다. 제안된 모형의 효율성을 확인하기 위해서 1973년부터 2011년까지 39년 동안의 우리나라 여러지역의 기상 관측소에서 관측된 일일 강우량 자료가 사용하여 대표적인 극단값 분포인 Generalized Extreme Value(GEV) 분포에 적합시키고, 계층적 베이지안 모형을 이용하여 이들 분포의 모수들에 자기상관 시간모형을 소개한 후 우리나라 여러지역에 대한 반환기간에 대한 시간에 따른 경향을 확인하였다.