• 한국음향학회지
• /
• 제38권2호
• /
• pp.168-176
• /
• 2019

배열의 설계주파수보다 높은 주파수의 표적신호가 수신되는 경우 공간 에일리어싱에 의해 빔형성에 모호성이 발생한다. 이를 극복하기 위해 Abadi가 차주파수 빔형성 기법을 제안하였다. 하지만 차주파수 빔형성 기법은 차주파수의 값에 따라 최소한의 대역폭이 필요한 제약조건이 있다. 본 논문에서는 주파수-파수 스펙트럼의 특성과 라돈변환을 이용하여 공간 에일리어싱이 발생하는 표적신호의 방위를 추정하는 기법을 제안한다. 제안된 기법은 대역을 가지는 신호의 주파수 대역 내에서 방위추정의 모호성은 발생하지 않고, 표적의 방위를 추정할 수 있다. 하지만 대역을 가지는 신호에만 적용이 가능한 제약조건이 있다. 광대역 신호에 대해 시뮬레이션을 수행하여 알고리즘을 구현하고, 이를 SAVEX15 (Shallow Water Acoustic Variability EXperiment 2015)의 딱총새우 소음신호를 이용하여 차주파수 빔형성 기법의 결과와 비교 검증하였다.

• ETRI Journal
• /
• 제40권2호
• /
• pp.237-245
• /
• 2018

The Distributed Modulated Wideband Converter (DMWC) is a networking system developed from the Modulated Wideband Converter, which converts all sampling channels into sensing nodes with number variables to implement signal undersampling. When the number of sparse subbands changes, the number of nodes can be adjusted flexibly to improve the reconstruction rate. Owing to the different attenuations of distributed nodes in different locations, it is worthwhile to find out how to select the optimal sensing node as the sampling channel. This paper proposes the spectrum sensing of DMWC based on a Markov random field (MRF) to select the ideal node, which is compared to the image edge segmentation. The attenuation of the candidate nodes is estimated based on the attenuation of the neighboring nodes that have participated in the DMWC system. Theoretical analysis and numerical simulations show that neighboring attenuation plays an important role in determining the node selection, and selecting the node using MRF can avoid serious transmission attenuation. Furthermore, DMWC can greatly improve recovery performance by using a Markov random field compared with random selection.

• Journal of Communications and Networks
• /
• 제17권5호
• /
• pp.517-524
• /
• 2015

The fast and accurate spectrum sensing over an ultra-wide bandwidth is a big challenge for the radio environment cognition. Considering sparse signal feature, two novel compressed sensing schemes are proposed, which can reduce compressed sampling rate in contrast to the traditional scheme. One algorithm is dynamically adjusting compression ratio based on modulation recognition and identification of symbol rate, which can reduce compression ratio. Furthermore, without priori information of the modulation and symbol rate, another improved algorithm is proposed with the application potential in practice, which does not need to reconstruct the signals. The improved algorithm is divided into two stages, which are the approaching stage and the monitoring stage. The overall sampling rate can be dramatically reduced without the performance deterioration of the spectrum detection compared to the conventional static compressed sampling rate algorithm. Numerous results show that the proposed compressed sensing technique can reduce sampling rate by 35%, with an acceptable detection probability over 0.9.

• Current Optics and Photonics
• /
• 제5권5호
• /
• pp.562-575
• /
• 2021

As a new type of spectrometer, that based on filters with different transmittance features attracts a lot of attention for its advantages such as small-size, low cost, and simple optical structure. It uses post-processing algorithms to achieve target spectrum reconstruction; therefore, the performance of the spectrometer is severely affected by noise. The influence of noise on the spectral reconstruction results is studied in this paper, and suggestions for solving the spectral reconstruction problem under noisy conditions are given. We first list different spectral reconstruction methods, and through simulations demonstrate that these methods show unsatisfactory performance under noisy conditions. Then we propose to apply the gradient projection for sparse reconstruction (GRSR) algorithm to the spectral reconstruction method. Simulation results show that the proposed method can significantly reduce the influence of noise on the spectral reconstruction process. Meanwhile, the accuracy of the spectral reconstruction results is dramatically improved. Therefore, the practicality of the filter-based spectrometer will be enhanced.

• 한국통신학회논문지
• /
• 제41권8호
• /
• pp.917-920
• /
• 2016

전통적 도래각 추정기법[1]과 별개로 2004년 이후 입사신호의 입사방향은 공간 영역에서 희소도(sparsity)를 가짐을 이용한 도래각 추정 기법이 제안되었다. 압축센싱 기반 도래각 추정 알고리즘인 SpSF 알고리즘에 이용되는 비용함수는 비선형 다변수 최적화문제이다. 적절한 변환을 통하여 해당 비용함수는 볼록 최적화 (convex optimization) 문제로 표현할 수 있다. 볼록 최적화 문제는 제한조건이 있는 최적화 문제이며 제한조건에 포함되는 상수를 지정해야 한다. 본 연구에서는 제한조건에 포함되는 사용자지정 상수값 결정법을 제안한다. 잡음의 실수부와 허수부가 서로 독립인 평균 0인 정규분포를 따름을 이용하여 제한조건에 포함되는 행렬의 Frobenius norm의 평균을 유도할 수 있으며, 이를 이용하여 제한조건에 포함되는 상수를 결정할 수 있다. 제안된 방법에 의해 결정된 상수를 이용한 SpSF 알고리즘이 실제로 동작함을 보였다.

• 한국음향학회지
• /
• 제37권1호
• /
• pp.39-45
• /
• 2018

압축센싱을 적용하면 전체 신호의 차원 대비 실제 사용하는 신호의 차원이 작은 희소신호의 경우, 적은 수의 관측치를 통하여 빠른 시간 내에 복원이 가능하다. 수중 표적의 기어박스 및 보조 장치 등으로부터 방사되는 신호의 토널 주파수 성분들은 처리하고자 하는 주파수 대역에서 상대적으로 주파수 성분이 적다. 따라서 토널 신호는 주파수 영역 전체 대비 희소신호로 모델링 될 수 있으므로 희소 신호 복원 알고리듬인 S-OMP(Simultaneous-Orthogonal Matching Pursuit)를 이용하여 복원할 수 있다. 본 논문에서는 압축센싱 기법을 이용하여 수중 표적의 방사 소음 신호의 토널 주파수를 검출하는 기법을 제안하고 모의 실험을 통해 성능을 확인한다. 모의실험에서 기존의 FFT(Fast Fourier Transform) 임계치 기법을 이용한 방법에 비해 낮은 SNR(Signal to Noise Ratio)에서도 정확한 토널 성분을 추정 할 수 있음을 확인하였다.

• 한국음향학회지
• /
• 제39권3호
• /
• pp.191-199
• /
• 2020

현재 압축센싱 기반 도래각 추정 알고리듬의 연구는 활발히 진행 중이나 비균일 센서 배열 기반 공분산 fitting 알고리듬의 성능에 대한 연구는 진행되지 않았다. 본 논문에서는 주파수 영역으로 확장된 압축센싱 기반 공분산 fitting 알고리듬의 유도과정을 다루며 센서배열이 비균일하게 배치된 경우와 센서배열의 일부 소자에 고장이 발생한 경우에 대한 해당 알고리듬의 도래각 추정 성능을 비교하였다.

• 수산해양기술연구
• /
• 제26권2호
• /
• pp.180-183
• /
• 1990

한국 남해안에서 높게 보고되고 있는 수중소음준위에 대하여 그 소음원을 규명하고자 부산근해의 두 해역에서 파고 1~1.5m의 비교적 조용한 해상 상태일 때 시간별, 깊이별로 10KHz까지 수중소음의 변화를 관측했다. 전체적인 소음준위는 매우 높게 나타났으며, 선박통행이 비교적 뜸했던 A 정점에서는 이들의 편차가 1~2dB 이내로 작은 값을 보였는데 비해 선박 통행이 빈번했던 B 정점에서는 전 주파수대에 걸쳐 그 편차가 각각 4dB와 3dB까지 크게 나타났다. 이것은 그동안 500Hz 이상의 주파수대에서 주 소음원으로 여겨졌던 수면파 외에도 이 해역에서는 선박 소음이 주요 소음원임을 의미하고 있다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 하계학술대회
• /
• pp.437-438
• /
• 2011

Spectral segmentation is a major trend in image segmentation. Specially, constrained spectral segmentation, inspired by the user-given inputs, remains its challenging task. Since it makes use of the spectrum of the affinity matrix of a given image, its overall quality depends mainly on how to design the graphical model. In this work, we propose a sparse, multi-layer graphical model, where the pixels and the over-segmented regions are the graph nodes. Here, the graph affinities are computed by using the must-link and cannot-link constraints as well as the likelihoods that each node has a specific label. They are then used to simultaneously cluster all pixels and regions into visually coherent groups across all layers in a single multi-layer framework of Normalized Cuts. Although we incorporate only the adjacent connections in the multi-layer graph, the foreground object can be efficiently extracted in the spectral framework. The experimental results demonstrate the relevance of our algorithm as compared to existing popular algorithms.

• Journal of Information Processing Systems
• /
• 제12권4호
• /
• pp.754-764
• /
• 2016

The exhaustive list of sparsification methods for a digital image suffers from achieving an adequate number of zero and near-zero coefficients. The method proposed in this paper, which is known as the Discrete Rajan Transform Sparsification, overcomes this inadequacy. An attempt has been made to compare the simulation results for benchmark images by various popular, existing techniques and analyzing from different aspects. With the help of Discrete Rajan Transform algorithm, both lossless and lossy sparse representations are obtained. We divided an image into $8{\times}8-sized$ blocks and applied the Discrete Rajan Transform algorithm to it to get a more sparsified spectrum. The image was reconstructed from the transformed output of the Discrete Rajan Transform algorithm with an acceptable peak signal-to-noise ratio. The performance of the Discrete Rajan Transform in providing sparsity was compared with the results provided by the Discrete Fourier Transform, Discrete Cosine Transform, and the Discrete Wavelet Transform by means of the Degree of Sparsity. The simulation results proved that the Discrete Rajan Transform provides better sparsification when compared to other methods.