• 한국음향학회지
• /
• 제31권8호
• /
• pp.532-541
• /
• 2012

수중 과도 신호는 주변 소음과는 구별된다. 과도 신호는 음향학적 특색에 따라 특징들이 다양하기 때문에 데이터베이스화가 요구된다. 이에 본 논문에서는 해양에서 국지적이고 일시적으로 존재하는 과도 신호를 추출하기위해 사운드 마스크 필터링 방법을 활용하였다. 표준 신호를 선택하여 원 음원과의 상호상관관계를 구하였다. 상호상관신호의 포락선에서 최대우도법에 의해 결정된 역치를 사용하여 과도 신호를 위한 사운드 마스크 필터를 구하였다. 사운드 마스크 필터를 활용하여, 수중 소음원에서 바다메기의 과도 신호를 추출하였다. 유사하게, 원 음원에 인위적으로 인공 신호를 추가한 신호에서 동일한 방식으로 바다메기와 인공 신호를 과도 신호로서 추출하였다. 또한 표준신호에 따라서 다르게 추출된 과도신호의 비교를 통해 표준신호 선택의 중요함을 제시하였다. 본 논문에서 제안된 사운드 마스크 필터링 방법은 해양 주변 소음원에서 과도 신호의 데이터베이스 구축에 활용될 수 있고, 특히, 임의의 신호에서 원하는 신호를 추출하는 데에 활용 가능성이 있다.

• 한국음향학회지
• /
• 제22권8호
• /
• pp.670-679
• /
• 2003

본 논문에서는 수중 천이신호 탐지를 위하여 시간주파수 영역에서 신호분석이 가능한 웨이브렛을 적용하였다. 낮은 신호대 잡음비를 가지는 관측신호로부터 천이신호를 탐지하기 위하여 고차통계 기법과 웨이브렛을 사용하였으며, 웨이브렛을 이용하여 신호를 주파수 영역에서 분해한 다음 고차통계 기법을 이용하여 분해된 웨이브렛 계수들의 정규분포 특성을 측정하였다. 제안한 방법으로 천이신호를 탐지할 경우 낮은 신호대 잡음비를 가지는 관측 신호로부터 천이신호를 잘 탐지할 수 있었다.

• 한국정보통신학회논문지
• /
• 제16권9호
• /
• pp.1870-1877
• /
• 2012

천이신호는 지속시간이 짧으면서 길이의 변화가 크고, 시변성 및 비정재성 특성을 갖는다. 이러한 천이신호의 식별에는 분석 프레임 단위로 참조신호에 대한 기준패턴을 만들어 입력신호와의 유사도를 비교하는 방법이 효과적일 수 있다. 본 연구에서는 참조신호의 기준패턴으로 프레임 기반의 특징벡터들에 대해 확률통계 모형인 정규혼합모델을 적용하는 방법을 제안하고, 다양한 수중 천이신호에 대한 식별 실험을 통해 제안한 방법의 타당성을 검증하였다.

• 한국음향학회지
• /
• 제26권3호
• /
• pp.123-128
• /
• 2007

본 논문에서는 수중 천이 신호에 대한 식별 알고리즘을 제안한다. 일반적으로 해양의 배경잡음은 스펙트럼 특성 및 에너지 변화가 적은 정재성을 갖는 반면에 천이 신호는 스펙트럼 및 에너지 변화가 큰 비정재성을 가진다. 따라서 수중 천이 신호 식별을 위하여 선행되어져야 하는 수중 천이 신호 탐지에서는 프레임 단위로 스펙트럼 변이와 에너지 변화를 이용한다. 제안한 수중 천이 신호 식별 알고리즘에서는 특징 벡터를 추출하기 위하여 위그너-빌 분포 함수를 기반으로 고유치 분해를 이용한다. 추출된 특징 벡터를 기반으로 탐지된 수중 천이 신호의 특징 벡터와 식별하고자 하는 데이터베이스에 있는 기준 신호의 특징 벡터와의 상관 값을 프레임 단위로 계산하고, 각 클래스별로 프레임 사상도를 산출하여 최대 값을 갖는 기준 신호로 탐지된 수중 천이 신호를 식별한다.

• 한국해양공학회지
• /
• 제28권6호
• /
• pp.552-559
• /
• 2014

In general, the number of underwater transient signals is very limited for research on automatic recognition. Data-dependent feature extraction is one of the most effective methods in this case. Therefore, we suggest WPCC (Wavelet packet ceptsral coefficient) as a feature extraction method. A wavelet packet best tree for each data set is formed using an entropy-based cost function. Then, every terminal node of the best trees is counted to build a common wavelet best tree. It corresponds to flexible and non-uniform filter bank reflecting characteristics for the data set. A GMM (Gaussian mixture model) is used to classify five classes of underwater transient data sets. The error rate of the WPCC is compared using MFCC (Mel-frequency ceptsral coefficients). The error rates of WPCC-db20, db40, and MFCC are 0.4%, 0%, and 0.4%, respectively, when the training data consist of six out of the nine pieces of data in each class. However, WPCC-db20 and db40 show rates of 2.98% and 1.20%, respectively, while MFCC shows a rate of 7.14% when the training data consists of only three pieces. This shows that WPCC is less sensitive to the number of training data pieces than MFCC. Thus, it could be a more appropriate method for underwater transient recognition. These results may be helpful to develop an automatic recognition system for an underwater transient signal.

• 한국음향학회지
• /
• 제26권6호
• /
• pp.301-305
• /
• 2007

본 연구에서 관심을 갖는 수중환경에서의 천이소음도 가청주파수 대역임에 착안하여 이동통신 시스템의 표준 음성부호화기인 EVRC의 전처리단을 이용하여 배경잡음 구간을 판별하고 이를 바탕으로 수중 천이신호를 탐지하는 알고리즘을 제안하였다. EVRC 전처리 모듈에 프레임 단위의 입력신호가 들어가면 모듈로부터 잡음 구간을 결정하는 플래그, 각 채널의 에너지, 잡음이 제거된 신호, 입력신호의 에너지, 배경잡음의 에너지, 잡음이 제거된 신호의 에너지에 해당하는 파라미터 값을 얻게 된다. 잡음이 제거된 신호의 에너지를 배경잡음의 에너지로 정규화하고 이를 문턱값과 비교함으로써 천이신호를 검출할 수 있다. 또한 문턱 값은 잡음 구간에서 구한 이전 값을 이용해서 갱신된다. 실험결과를 통해 제안한 알고리즘이 백색 또는 유색잡음 하에서도 4% 미만의 오차를 보여주는 것을 검증한다.

• 한국통신학회논문지
• /
• 제32권8C호
• /
• pp.675-680
• /
• 2007

일반적으로 천이 신호의 식별은 지진학이나 상태 모니터링 분야, 특히 수중 음향 신호 처리 분야에서 활발한 연구가 이루어지고 있다. 수중 환경에서 발생하는 천이 신호로는 돌고래와 같은 해양 생물이 내는 천이 신호와 선박, 잠수함 등에서 발생하는 인위적인 천이 신호 등이 있으며, 수중 감시 체계에서 이러한 수중 천이 신호를 식별하는 문제는 매우 중요한 연구 주제이다. 본 논문에서는 음성 인식 분야에서 우수한 인식 성능을 보이는 MFCC(Mel Frequency Cepstral Coefficient)를 기반으로, 천이 신호로 탐지된 입력 신호에 대하여 분석 프레임 단위로 MFCC 특징 벡터를 추출하고, 식별하고자 하는 데이터베이스에 있는 모든 참조 신호들의 MFCC 특징 벡터와의 유클리디언 거리(euclidean distance)를 계산한 후, 가장 작은 값을 갖는 참조 신호로 입력 프레임들을 사상(mapping)시킴으로써 사상이 가장 많이 된 참조 신호로 탐지된 수중 천이신호를 식별하는 프레임 기반의 식별 알고리즘을 제안한다.

• 한국통신학회논문지
• /
• 제34권2C호
• /
• pp.181-185
• /
• 2009

프레임 단위로 식별 데이터베이스에 저장된 참조 신호의 특징 벡터와 유사성을 비교하여 입력 신호를 식별하는 경우에, 참조 신호의 특징 벡터로 데이터베이스를 어떻게 구성하는가에 따라 식별 성능은 영향을 받을 수 있다. 즉, 식별 데이터베이스의 구성 방법에 따라 데이터베이스의 크기와 식별을 위한 계산량, 식별 성능 등이 결정되며, 이것은 실제로 수중 천이신호 식별 시스템을 구성할 때 중요한 문제이다. 본 논문에서는 LBG 벡터 양자화 기법을 이용하여 식별 데이터베이스의 크기를 줄여 줌으로써 프레임 기반 수중 천이신호 식별 기법의 효율성을 증가시킬 수 있는 방법을 제안하고, 실험을 통하여 제안한 방법의 타당성을 검증하였다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2008년도 하계종합학술대회
• /
• pp.883-884
• /
• 2008

This paper presents a method for classification of underwater transient signals using, which employs a binary image pattern of the mel-frequency cepstral coefficients(MFCC) as a feature vector and a neural network as a classifier. A feature vector is obtained by taking DCT and 1-bit quantization for the square matrix of the MFCC sequences. The classifier is a feed-forward neural network having one hidden layer and one output layer, and a back propagation algorithm is used to update the weighting vector of each layer. Experimental results with some underwater transient signals demonstrate that the proposed method is very promising for classification of underwater transient signals.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.175-179
• /
• 2007

수중 천이 신호를 탐지하기 위한 기존의 기법은 에너지 변화와 스펙트럼 변이를 이용한 것으로 백색잡음 환경에서 탐지가 잘 되지만 유색잡은 환경에서는 탐지가 잘 되지 않는다. 본 논문에서는 백색잡은 환경과 유색잡음 환경에서 수중 천이 신호의 탐지성능을 높이기 위해 Double-Density 이산 웨이블렛 변환과 CFAR Power-Law기법을 이용한다.